A mediados de septiembre de 2026, Bloomberg y coberturas derivadas como TrendForce reavivaron el mapa de silicio propio de Meta: el MTIA 450, nombre en clave Arke, y su sucesor MTIA 500, Astrid. El eje no es un anuncio de producción Iris ni la meta de 14 GW de capacidad —historias ya cubiertas—, sino el calendario concreto de despliegue de chips de inferencia en datacenter para 2027.
Arke estaría en pruebas como tercera generación relevante de la línea MTIA orientada a inferencia. Meta apunta a comenzar el despliegue en datacenters en el primer semestre de 2027, con el objetivo declarado de bajar coste y energía respecto de aceleradores comerciales generales al servir modelos a escala.
Astrid, el MTIA 500, completaría diseño en un horizonte de semanas según esos reportes y entraría en datacenters hacia finales de 2027, con despliegue más amplio después. Tras Astrid, la hoja de ruta enfatizaría velocidad y throughput, con posibles ganancias adicionales vía tecnologías de fibra óptica.
Meta trabaja los diseños con Broadcom y la fabricación con TSMC. TrendForce, citando Bloomberg, afirmó que doce chips nuevos llegaron de TSMC el 1 de septiembre y que el rendimiento inicial quedó a 2–3% de las simulaciones; el primer día el equipo habría corrido modelos de Meta, DeepSeek y Alibaba en esos procesadores.
Especificaciones técnicas difundidas en la línea MTIA sitúan a Arke en torno a 18,4 TB/s de ancho de banda HBM (el doble respecto del MTIA 400 en relatos previos de la familia), 288 GB de HBM y TDP de módulo cercano a 1.400 W. Astrid subiría el ancho de banda otro ~50% (hacia 27,6 TB/s), con hasta 384–512 GB de HBM y más rendimiento MX4, en un diseño chiplet 2×2 según coberturas técnicas.
Neural Pulse insiste en la distinción editorial: el artículo de Iris/MTIA y la expansión hacia 14 GW describe capacidad y estrategia de campus; este texto cubre la pareja Arke/Astrid y su calendario 2027 de inferencia. Mezclar ambos en un solo slug distorsiona el archivo.
La tesis industrial es segmentación de workloads. Meta —como Google con TPUs, AWS con Trainium/Inferentia y Microsoft con Maia— desplaza inferencia de alto volumen hacia silicio propio y reserva GPUs Nvidia (y acuerdos AMD) para entrenamiento frontier y picos. El VP de ingeniería Yee Jiun Song ha argumentado que en despliegues de gigavatio un sobrecoste de chip del ~30% se vuelve difícil de justificar.
Meta habría cancelado Olympus, un proyecto previo pensado para entrenamiento e inferencia, en parte por coste. El giro hacia inferencia generalista con mucho HBM refleja esa lección: no todo acelerador debe imitar un GPU de entrenamiento.
Los reportes hablan de un compromiso de más de 1 GW de estos chips en un periodo de 12 meses, con aceleración posterior. Neural Pulse trata esa cifra como meta reportada por prensa de negocios, no como capacidad ya instalada verificada por auditoría independiente.
Para Nvidia, el relato no es «reemplazo total» sino erosión del margen en la cola de inferencia. El entrenamiento frontier sigue anclado a clusters GPU; la batalla de 2027 es quién factura los tokens de producción de Llama y de modelos internos de ranking/recomendación/assistant.
Clientes cloud y anunciantes de Meta no verán un SKU público inmediato; verán, si la hoja de ruta se cumple, costes internos distintos y posiblemente más capacidad de producto de IA en apps. La competitividad se mide en latencia, energía y dólares por millón de tokens, no en el nombre en clave.
Riesgos: yields de TSMC, madurez de software (PyTorch/vLLM/Triton sobre MTIA), y la posibilidad de que el ritmo de modelos rebase al de chips propios. Un retraso de Arke a 2H27 cambiaría la narrativa de «eficiencia 2027».
Neural Pulse cierra sin hipérbole de soberanía total frente a Nvidia: Meta diversifica inferencia. Arke y Astrid son la apuesta nombrada —con fechas H1 2027 y fin de 2027— que la empresa y Bloomberg pusieron sobre la mesa en septiembre.
Para el archivo de Neural Pulse, el slug correcto es el de Arke/Astrid 2027, no el de Iris/14 GW: dos capítulos de la misma guerra de silicio, distintos en hechos y calendario.
