A Meta planeia quatro gerações de chips MTIA em dois anos, priorizando a inferência

Um ritmo de lançamento de seis meses em vez de um a dois anos

A Meta afirma estar a desenvolver e a lançar quatro novas gerações de MTIA no espaço de dois anos — MTIA 300, 400, 450 e 500. Contrapõe isto à norma da indústria, segundo a qual surge um novo chip de AI (keep the English acronym) a cada um a dois anos, afirmando ter criado a capacidade de lançar um a cada seis meses ou menos.

O mecanismo a que atribui este resultado é a modularidade: designs reutilizáveis que permitem integrar novos chips na infraestrutura de racks já existente. Este detalhe é mais importante do que o número em destaque, porque um ritmo rápido de produção só é útil se a implementação acompanhar o mesmo passo. Ao alinhar racks e sistemas com os padrões do Open Compute Project, a Meta está a tentar eliminar a etapa de integração no data center que, normalmente, atrasa a entrada de novo silício em produção.

O MTIA 300 já está em produção para treino de ranking e recomendações. Os restantes três destinam-se à inferência de GenAI até 2027, pelo que o plano de dois anos corresponde, na prática, a um calendário de gerações sobrepostas, e não a um único grande lançamento.

Desenhar primeiro para inferência, não para treino

A afirmação arquitetónica mais clara é a inversão da ordem de prioridades habitual. A Meta argumenta que os chips convencionais são construídos para a carga de trabalho mais exigente — o pré-treino de GenAI em larga escala — e depois reaproveitados, muitas vezes com menor eficiência de custos, para inferência.

Seguimos a abordagem inversa: o MTIA 450 e o 500 são otimizados primeiro para inferência de GenAI e só depois podem ser usados para suportar outras cargas de trabalho conforme necessário, incluindo treino e inferência de ranking e recomendações, bem como treino de GenAI.Montana Labs

Trata-se de uma aposta sobre onde a procura está a crescer. A Meta já utiliza centenas de milhares de chips MTIA para inferência em conteúdo orgânico e anúncios, pelo que dispõe de uma carga de trabalho volumosa e bem conhecida para ajustar o design. Otimizar primeiro para inferência significa que os chips se encaixam com precisão na carga de trabalho de maior volume, tratando o treino como capacidade secundária e não como centro do design.

Um portefólio, não um substituto do silício comercial

A Meta é explícita: o MTIA não substitui os chips que compra a terceiros. Descreve uma abordagem de portefólio — obtendo silício junto de vários líderes da indústria, mantendo o MTIA no centro — e afirma claramente que nenhum chip isolado consegue satisfazer todas as suas necessidades.

Este posicionamento define um critério de sucesso mais estreito para o programa personalizado. O MTIA não precisa de superar aceleradores de uso geral em todas as cargas de trabalho; precisa de ser mais eficiente em termos de custo nas tarefas específicas de inferência de grande volume da Meta. A empresa atribui a vantagem de custo do MTIA ao facto de fazer parte de uma solução personalizada de pilha completa, e não ao desempenho máximo em bruto.

Software padrão como fator de adoção

Para as equipas que constroem sobre este tipo de infraestrutura, o detalhe mais prático é que o MTIA é construído desde o início sobre PyTorch, vLLM, Triton e OCP. Os aceleradores personalizados costumam ficar bloqueados pelo software — cadeias de ferramentas proprietárias obrigam as equipas de modelos a reescrever código e a reajustar kernels antes de adotarem novo hardware.

Ao comprometer-se com o ecossistema de frameworks já existente, a Meta procura tornar as trocas de hardware invisíveis para quem opera os modelos. É isso que torna realista, a nível interno, um ritmo de seis meses: se cada novo chip não exigir esforço adicional de adaptação, as gerações podem sucder-se rapidamente sem deixar para trás as cargas de trabalho que sobre elas correm. O roteiro de chips e o compromisso de software são as duas faces da mesma estratégia — a velocidade só é real na medida em que remove o atrito da adoção.