A Meta compromete-se com até 6GW de GPUs AMD Instinct, com a inferência no centro do acordo

O que o acordo especifica de facto

A Meta anunciou um acordo multianual para potenciar a sua infraestrutura de AI com até 6GW de GPUs AMD Instinct. O número é um limite de potência, não uma contagem de chips, o que revela que a Meta está agora a planear capacidade nas mesmas unidades de uma empresa de energia, e não como uma frota de servidores.

O acordo vai além da compra de silício. A Meta afirma que vai alinhar os seus roteiros com a AMD ao nível do silício, dos sistemas e do software — o que a publicação designa como integração vertical em toda a pilha de infraestrutura. A citação de Lisa Su amplia ainda mais o âmbito, referindo GPUs Instinct, CPUs EPYC e sistemas à escala de rack como partes de uma colaboração multigeracional.

Há prazos concretos associados: as primeiras entregas de GPUs para implementação começam no segundo semestre de 2026, com base na arquitetura de rack Helios que a Meta desenvolveu com a AMD e anunciou na Cimeira Global da Open Compute Project do ano passado. Isto ancora o anúncio em engenharia já existente e não numa promessa futura.

A palavra que Zuckerberg escolheu foi 'inferência'

A maior parte da publicação fala na linguagem da escala e da superinteligência, mas a própria citação de Zuckerberg é mais restrita e mais reveladora sobre o propósito deste hardware.

Estamos entusiasmados por formar uma parceria de longo prazo com a AMD para implementar computação de inferência eficiente e proporcionar superinteligência pessoal.Montana Labs

A inferência é a computação que corre sempre que um utilizador interage de facto com uma funcionalidade — uma sugestão, uma resposta gerada, a resposta de um assistente. O treino acontece uma vez; a inferência acontece em cada pedido, indefinidamente. Enquadrar um compromisso de 6GW em torno de 'computação de inferência eficiente' indica que a restrição determinante que a Meta está a resolver é o custo de servir AI na camada de produto, a milhares de milhões de pessoas, como refere a publicação.

Porque é que a camada de produto depende da economia da inferência

Para quem constrói a camada de interface de um produto de AI, a economia unitária da inferência determina o que é viável de lançar. Uma funcionalidade encantadora numa demonstração torna-se impossível de expor a mil milhões de utilizadores se cada invocação for demasiado dispendiosa de servir. É esta a ligação prática entre um valor de potência de um centro de dados e os botões que um utilizador vê.

A ênfase na co-conceção — hardware da AMD combinado com o programa de aceleradores MTIA da própria Meta e a sua pilha de software — visa reduzir esse custo por pedido. Quando a arquitetura de rack, o acelerador e o software de serviço são afinados em conjunto, a equipa de frontend ganha mais margem para colocar AI em mais sítios sem que a curva de custos se torne insustentável.

A Meta descreve isto como uma abordagem de portefólio no âmbito da sua iniciativa Meta Compute: diversos parceiros de hardware associados a silício próprio. Para as decisões de produto, a diversificação é importante porque reduz o risco de uma restrição de um único fornecedor limitar discretamente quais as funcionalidades de AI que podem chegar à disponibilidade geral.

A implicação: a Meta está a preparar-se para a AI como camada por defeito, não como funcionalidade

Comprometer-se com limites de potência medidos em gigawatts, alinhar roteiros multigeracionais com um fornecedor de chips e apontar a inferência como prioridade descrevem, em conjunto, uma empresa a planear para que a AI esteja presente no caminho por defeito dos seus produtos, em vez de ser acrescentada como uma funcionalidade opcional.

A ressalva honesta está no próprio texto da Meta: trata-se de declarações prospetivas, a capacidade é indicada como 'até' 6GW, e as primeiras implementações só começam no segundo semestre de 2026. O que é real hoje é a rack Helios, a colaboração já existente com a AMD e a intenção declarada de co-conceber hardware e software em função do custo de serviço. Para as equipas que acompanham como se constroem os produtos de AI à escala, o sinal a retirar deste anúncio é que a camada de serviço — e não o modelo — é onde a Meta está a investir para tornar a AI omnipresente na sua camada de produto.