Meta avvia la produzione di Iris, il suo chip AI sviluppato con Broadcom e TSMC

Meta si prepara a un passaggio che potrebbe cambiare gli equilibri dell’hardware per l’intelligenza artificiale. Secondo un memo interno visionato da Reuters, l’azienda guidata da Mark Zuckerberg avvierà a settembre la produzione di Iris, un nuovo chip AI progettato internamente insieme a Broadcom e affidato a TSMC per la fabbricazione. Non si tratta di un semplice aggiornamento tecnico, ma di un tassello centrale della strategia con cui Meta punta a ridurre la propria dipendenza dai processori Nvidia e a controllare meglio costi e prestazioni della sua enorme infrastruttura di calcolo. In questo articolo capisci cosa è Iris, da dove nasce, perché è importante e cosa può cambiare per il mercato dell’AI.

Cosa è Iris e come nasce dal programma MTIA

Iris è uno dei chip di nuova generazione della famiglia MTIA, sigla che sta per Meta Training and Inference Accelerator, il programma con cui l’azienda sviluppa acceleratori su misura per i propri carichi di lavoro. Meta aveva presentato questa nuova ondata di processori a marzo 2026, quando aveva illustrato quattro generazioni successive di chip, indicate all’epoca con le sigle MTIA 300, 400, 450 e 500. Iris è il nome in codice di uno di questi acceleratori, quello ora pronto a entrare in fabbrica.

Secondo quanto riportato, il chip è stato messo alla prova per circa sei settimane e i test non hanno evidenziato problemi rilevanti. Meta ha spiegato che Iris è stato calibrato sulle esigenze interne dell’azienda, con Broadcom coinvolta nella progettazione e TSMC incaricata della produzione fisica. È una divisione dei compiti ormai classica nel settore dei semiconduttori: chi possiede i dati e i modelli disegna l’architettura del chip, un partner specializzato come Broadcom cura l’ingegnerizzazione e l’integrazione, e una fonderia come TSMC lo trasforma in silicio su larga scala.

Un acceleratore pensato soprattutto per l’inferenza

Quando aveva annunciato la nuova linea MTIA, Meta aveva chiarito che questi acceleratori sarebbero serviti in primo luogo a sostenere i carichi di inferenza dell’AI generativa, cioè la fase in cui un modello già addestrato produce risposte, immagini o raccomandazioni per gli utenti. È la parte del lavoro che si ripete miliardi di volte al giorno su piattaforme come Facebook, Instagram e WhatsApp, e proprio per questo è quella dove un chip efficiente e ritagliato sui propri modelli può incidere di più sui costi. L’addestramento resta un capitolo a parte, molto più oneroso e ancora saldamente legato alle schede grafiche più potenti sul mercato.

Perché Meta costruisce un chip proprio

La ragione di fondo è insieme strategica ed economica. Oggi gran parte dell’addestramento e dell’inferenza dei grandi modelli passa dalle GPU di Nvidia, con AMD nel ruolo di seconda opzione. Questa concentrazione ha due conseguenze per chi, come Meta, acquista hardware in quantità enormi: prezzi elevati e scarso potere negoziale. Progettare un acceleratore interno serve a spezzare in parte questa dipendenza, a ottimizzare le prestazioni per i propri modelli specifici e a comprimere il costo complessivo del calcolo nel tempo.

Va però chiarito un punto, per non alimentare aspettative sbagliate. Iris non sostituisce le GPU di Nvidia e AMD, ma le affianca. Meta continua ad acquistare grandi volumi di schede grafiche commerciali e impiega il chip proprietario per abbattere il costo di specifici carichi ripetitivi. È la stessa logica che sta spingendo tutti i grandi laboratori verso il silicio personalizzato. Pochi giorni fa, ad esempio, abbiamo raccontato come OpenAI e Broadcom abbiano presentato Jalapeño, il primo chip di OpenAI dedicato all’inferenza, mentre Google utilizza da anni le sue TPU e Amazon i processori Trainium e Inferentia. Il fatto che anche Broadcom compaia sia nel progetto di OpenAI sia in quello di Meta dice molto su quanto sia diventato prezioso il know how di chi sa tradurre le esigenze di un laboratorio AI in un chip funzionante.

La corsa ai gigawatt e i numeri dell’infrastruttura

Il chip Iris va letto dentro un piano di espansione infrastrutturale imponente. Sempre secondo il memo citato da Reuters, Meta prevede di portare la propria capacità di calcolo a 7 gigawatt nel corso del 2026, per poi raddoppiarla e arrivare a 14 gigawatt entro la fine del 2027. Per dare la misura del percorso, finora nel 2026 l’azienda avrebbe attivato circa 1 gigawatt, con l’intenzione di aggiungerne altri 5,5 nella seconda metà dell’anno. Sono cifre che, tradotte in consumo energetico, equivalgono a quelle di intere città.

Numeri di questa portata richiedono una filiera di fornitura solida e diversificata. Per sostenere l’espansione, Meta avrebbe siglato accordi con Samsung Electronics per i chip di memoria e con SanDisk per lo storage flash, oltre a un’intesa con Sumitomo Electric per le attrezzature in fibra ottica, come documentato nel report di DataCenterDynamics basato sul memo interno. Sul fronte dei conti, la direttrice finanziaria Susan Li ha alzato le stime di spesa in conto capitale per l’anno, portandole a una forbice compresa tra 120 e 135 miliardi di dollari, una revisione che secondo la dirigente riflette il rincaro dei componenti e i costi aggiuntivi dei data center necessari a garantire capacità negli anni successivi.

Questa strategia di calcolo si intreccia con un’altra mossa recente. All’inizio dell’anno Meta ha creato una divisione dedicata proprio alla crescita dei data center, e nelle scorse settimane è emerso il progetto di vendere ad altre aziende la propria potenza di calcolo AI, in diretta concorrenza con i giganti del cloud. Il chip Iris, in questo disegno, diventa un modo per rendere quell’infrastruttura più economica e quindi più competitiva, perché ogni punto percentuale risparmiato sull’inferenza si moltiplica su una scala di miliardi di operazioni.

Cosa significa per il mercato e per te

Il messaggio che arriva dal caso Iris è netto: il valore nell’intelligenza artificiale si sta spostando sempre più verso l’hardware e l’energia. Per anni la scarsità di GPU ha reso Nvidia l’azienda più preziosa del settore, e la sua posizione resta dominante. Ma la decisione dei grandi acquirenti di progettare chip propri introduce una pressione competitiva nuova, destinata nel tempo a incidere sui prezzi e sulla disponibilità dei processori per tutti gli attori del mercato.

Per te che segui il settore, ci sono due implicazioni concrete. La prima riguarda i costi: se i chip su misura riducono la spesa di inferenza dei grandi operatori, nel medio periodo potrebbero calare anche i prezzi dei servizi AI che usi ogni giorno, dai chatbot agli strumenti di generazione di testo e immagini. La seconda riguarda gli equilibri industriali, perché il controllo del silicio diventa un vantaggio competitivo quasi quanto la qualità dei modelli. Non è un caso che l’hardware sia tornato al centro dell’attenzione, come mostra anche l’evoluzione delle proposte di Nvidia. Sul tema abbiamo raccontato di recente il superchip NVIDIA RTX Spark presentato al Computex 2026, pensato per portare modelli molto grandi direttamente sui computer personali.

C’è poi la dimensione finanziaria, che resta impressionante. Le cifre messe in campo da Meta si inseriscono in una stagione di investimenti senza precedenti, la stessa in cui Anthropic ha raccolto 65 miliardi di dollari arrivando a una valutazione da record. Che si tratti di round di finanziamento o di spesa in conto capitale, la quantità di capitale che affluisce nell’infrastruttura dell’AI segnala quanto le aziende considerino strategica questa fase e quanto siano disposte a scommettere sul fatto che la domanda continuerà a crescere.

Conclusioni

L’avvio della produzione di Iris a settembre segna un passo concreto nel cammino di Meta verso una maggiore autonomia tecnologica. Non ribalterà gli equilibri dall’oggi al domani, perché le GPU commerciali restano indispensabili soprattutto per l’addestramento, ma conferma una tendenza ormai chiara: i grandi protagonisti dell’AI vogliono controllare l’intera filiera, dai modelli fino al chip che li fa funzionare. Sarà interessante verificare, nei prossimi mesi, se i test positivi si tradurranno in un dispiegamento su larga scala e in un reale contenimento dei costi, l’unico banco di prova che conta davvero per un progetto di questa ambizione.

Continua a seguirci per restare aggiornato sull’evoluzione dei chip per l’intelligenza artificiale e sulle strategie di calcolo dei grandi laboratori. Se vuoi capire meglio come si stanno muovendo gli altri attori del settore, esplora gli altri approfondimenti dedicati all’hardware