Meta baut eigene KI-Chips: Iris und Infrastruktur

Sie begannen heimlich mit dem Bau von Chips. Kein dramatischer Start. Keine pompöse Hauptpräsentation. Nur Ingenieursarbeit und Produktion, die sich auf den September abstimmten.

Interne Notizen, die Reuters vorliegen, besagen, dass Meta nächsten Monat mit der Herstellung eines maßgeschneiderten KI-Chips mit dem Codenamen Iris beginnen wird. Iris ist Teil eines internen Beschleunigerprogramms der vierten Generation namens MTIA (Meta-Trainings- und Inferenzbeschleuniger) und wurde entwickelt, um einen wachsenden Anteil der KI-Workloads des Unternehmens bei Facebook und Instagram zu übernehmen.

Die Tests gingen schnell voran. Sechs Wochen. Keine größeren Fehler festgestellt. Für ein Projekt, das jahrelange Rückschläge überstanden hat, fühlt sich dieser Schwung wie ein kleiner Erfolg und ein Zeichen dafür an, dass die Architektur endlich stimmig ist.

Meta hat Iris nicht allein entwickelt. Das Design entstand intern, aber das Unternehmen zieht Broadcom für die ingenieurseitige Zusammenarbeit hinzu und TSMC für die Fertigung. Die Idee ist einfach: kundenspezifisches Silizium, auf Metas Modelle und Datenströme abgestimmt, sodass das Unternehmen die enormen Kosten und das Versorgungsrisiko beim Betrieb riesiger GPU-Flotten senken kann.

Iris wird NVIDIA- oder AMD-GPUs nicht ersetzen. Man sollte es als Ergänzung zu den Tausenden von Grafikprozessoren sehen, die Meta bereits kauft. Die Aufgabe des Chips ist es, bestimmte Trainings- und Inferenzaufgaben in großem Maßstab zu übernehmen und so Grafikprozessoren für die Workloads freizugeben, in denen sie besonders stark sind.

Die Ambitionen sind nicht gering. Meta plant, in diesem Jahr etwa 7 Gigawatt Rechenleistung online zu bringen und bis 2027 auf 14 Gigawatt zu skalieren. Um das zu erreichen, hat das Unternehmen langfristige Lieferverträge abgeschlossen: Samsung für Speicherchips, SanDisk für Flash-Speicher und Sumitomo Electric für Glasfaser, unter anderem. Diese Verträge sind eine Absicherung gegen globale Speicherengpässe, die Lieferketten der Tech-Branche belastet und das, was Analysten als 'Chipflation' bezeichnen, vorangetrieben haben.

Meta signalisierte zudem eine schnellere Produktfrequenz als die Branche: Iris wurde im März zusammen mit drei weiteren KI-Prozessoren vorgestellt, und das Unternehmen beabsichtigt, bis 2027 etwa alle sechs Monate neue Chips herauszubringen, während andere typischerweise Hardware jährlich oder seltener aktualisieren.

Meta rechnet damit, bis zu 145 Milliarden Dollar in KI-Infrastruktur zu investieren, um Skalierung und Kosteneffizienz zu erreichen.

Der Schritt markiert einen breiteren Wandel in der Herangehensweise von Hyperscalern an Hardware: Mehr Teile des Stacks zu besitzen, vom Design bis zur Versorgung, um Leistung und Preis zu steuern. Es ist eine teure Wette. Doch wenn man in der Größenordnung von Milliarden Nutzern und Modellen arbeitet, die immer mehr Rechenleistung erfordern, wirkt kundenspezifisches Silizium weniger wie ein Experiment und mehr wie eine Notwendigkeit.

Wird Iris die Ökonomie der KI für Meta verändern? Die Zeit wird es zeigen. Bislang baut das Unternehmen jedoch im Stillen die Werkzeuge, von denen es glaubt, dass sie seine Plattformen schnell, nachhaltig und wettbewerbsfähig halten werden, während Modelle größer werden und die Nachfrage explodiert.