En julio de 2026, Reuters publicó en exclusiva que Meta Platforms planeaba iniciar en septiembre la fabricación de un chip de inteligencia artificial bautizado Iris, parte de un proyecto de cuatro generaciones de Meta Training and Inference Accelerators (MTIA). El memo interno revisado por la agencia situaba el esfuerzo en una meta mayor: desplegar del orden de 7 gigavatios de infraestructura de cómputo en 2026 y duplicar esa cifra hasta 14 GW en 2027.
Iris no es un CPU de propósito general: es un acelerador de centro de datos pensado para entrenamiento e inferencia de los modelos que alimentan Facebook, Instagram y el resto del stack de IA de Meta. La compañía lo diseñó a medida con ayuda de Broadcom y encargó la fabricación a Taiwan Semiconductor Manufacturing Co (TSMC). El objetivo declarado es bajar costes masivos de cómputo y ganar independencia relativa frente a Nvidia y AMD —sin abandonar esas compras.
CNBC y Economic Times reiteraron el mismo esqueleto factual: Iris se presentó bajo su nombre técnico en marzo junto a otros procesadores del roadmap MTIA; Meta aspira a lanzar un chip aproximadamente cada seis meses hasta 2027, un ritmo más agresivo que el ciclo anual típico de muchos proveedores. El memo afirmaba que las pruebas del chip tomaron unas seis semanas sin hallazgos mayores, una señal de momentum tras años de esfuerzo interno irregular.
Hacia mediados de septiembre de 2026, coberturas de seguimiento —incluida análisis independientes— describieron que Iris «entró en producción». Neural Pulse insiste en la distinción crítica: «en producción» es un hito de manufactura, no una demostración pública de rendimiento, yield o cuota del cómputo total de Meta. No hay benchmarks externos ampliamente publicados ni cifras oficiales de qué fracción del entrenamiento de Llama/Muse correrá sobre Iris en 2027.
Los números de potencia son lo bastante concretos para ser falseables. Un gigavatio puede alimentar del orden de cientos de miles de hogares; 14 GW implica una huella energética e industrial comparable a la de un pequeño país en demanda eléctrica continua. El memo, según Reuters, decía que Meta añadió ~1 GW en el primer semestre de 2026 y proyectaba sumar varios GW más para cerrar el año cerca de la meta de 7 GW.
La estrategia de silicio propio encaja en una tendencia más amplia: Google con TPU, Amazon con Trainium/Inferentia, Microsoft con Maia, y ahora Meta acelerando MTIA. La diferencia práctica es que Meta sigue comprando «enormes volúmenes» de GPUs Nvidia/AMD; Iris está pensado para complementar workloads específicos —recomendación, entrenamiento de modelos abiertos/cerrados internos— donde un ASIC a medida puede ganar en coste por token o por watt.
También hay presión de cadena de suministro. El mismo memo, según reportes, aludía a acuerdos de memoria, flash y fibra óptica. Fabricar aceleradores no sirve de nada sin HBM, redes y energía. Por eso el objetivo de 14 GW es tanto un plan de chips como un plan de campuses, contratos eléctricos y permisos —territorio donde Meta ya enfrenta escrutinio local y climática.
Para inversores y rivales, el mensaje mixto es deliberado: Meta quiere negociar mejor con Nvidia mostrando alternativa creíble, pero no puede permitirse un fallo de capacidad si Iris rinde por debajo. «Independencia» aquí significa margen de maniobra, no autarquía. Cualquier retraso de TSMC, bug de software de stack o escasez de memoria reabriría la dependencia de GPUs de terceros.
Neural Pulse resume lo verificable: plan Reuters de julio (producción Iris desde septiembre; MTIA de cuatro generaciones; Broadcom/TSMC; 7→14 GW); indicios de septiembre de que la producción arrancó; ausencia pública de benchmarks independientes. No afirmamos que Iris ya rivalice con Blackwell/Vera Rubin en rendimiento bruto ni que Meta vaya a dejar de ser un gran cliente de Nvidia.
El ángulo editorial para 2026-09-15 es de infraestructura: mientras el debate público se concentra en renuncias existenciales y modelos estrella, Meta ejecuta la parte menos glamorosa —silicio, megavatios y yields—. Esa ejecución, si sostiene el ritmo de seis meses por generación, puede redefinir el coste marginal de entrenar y servir agentes a escala de redes sociales.
Queda por ver, en los próximos trimestres, cuánto del roadmap se traduce en racks energizados. Hasta entonces, Iris es un hecho de fábrica en progreso y una ambición energética de dos dígitos de gigavatios —ambos dignos de seguimiento, ninguno todavía una victoria completa.
Para lectores de Neural Pulse en español e inglés, la lección es la misma: la frontera de la IA no solo se mide en parámetros o ELO de coding, sino en quién controla aceleradores, empaquetado y gigavatios. Meta acaba de mover ficha en ese tablero.
El ritmo de un chip cada seis meses hasta 2027, si se sostiene, forzaría a Meta a madurar no solo silicio sino compiladores, kernels y herramientas de partición de modelos entre GPU e Iris. La historia de ASICs internos está llena de chips brillantes atrapados por software mediocre; el memo de Reuters celebra testing corto, no un stack de software completo demostrado en producción masiva.
Ambientalmente, 14 GW exigen una conversación paralela de red eléctrica, agua de refrigeración y permisos locales —temas que ya ocuparon piezas recientes sobre datacenters—. Iris no absuelve a Meta de esa huella; en todo caso, la concentra en campuses propios donde el ASIC mejore rendimiento por vatio frente a GPUs genéricas.
