Meta werkt aan een gefaseerd programma voor eigen AI-chips en plant een nieuwe processor voor datacenters in de eerste helft van 2027. De chips zijn bedoeld voor algemene inferentie: het rekenwerk waarmee een getraind AI-model antwoorden en voorspellingen genereert. MTIA 450, codenaam Arke, wordt momenteel getest; MTIA 500, codenaam Astrid, moet eind 2027 datacenters bereiken.
Het programma is geen consumentenproduct, maar een onderdeel van Meta’s eigen infrastructuur. Broadcom helpt volgens de berichtgeving bij het chipontwerp en Taiwan Semiconductor Manufacturing Co. (TSMC) verzorgt de productie.
Meta’s gemelde plan voor 2027
Meta’s roadmap bevat meerdere generaties eigen versnellers. Een nieuwe processor staat gepland voor datacenterinzet in de eerste helft van 2027. Voor MTIA 500/Astrid ligt de gemelde mijlpaal aan het einde van datzelfde jaar. Die twee momenten horen bij verschillende generaties of implementatiefasen; ze vormen dus niet één releasedatum voor hetzelfde chipmodel.
| Moment | Ontwikkeling | Reikwijdte |
| 1 september 2026 | Twaalf testchips kwamen naar verluidt vanuit TSMC bij Meta aan | Eerste testhardware voor Meta’s eigen AI-chipprogramma |
| Eerste helft van 2027 | Meta plant de inzet van een nieuwe eigen processor | Datacenters |
| Eind 2027 | MTIA 500, codenaam Astrid, moet datacenters bereiken | Volgende generatie binnen de MTIA-roadmap |
De huidige testgeneratie is MTIA 450/Arke. Meta zou op de eerste testdag modellen van Meta, DeepSeek en Alibaba hebben gedraaid. De eerste prestaties lagen naar verluidt 2–3% naast Meta’s interne simulaties. Dat cijfer vergelijkt de chip dus met Meta’s eigen voorspellingen, niet met een specifieke NVIDIA-versneller.
Wat MTIA 450 en MTIA 500 betekenen
MTIA staat voor Meta Training and Inference Accelerator. In de roadmap komen MTIA 300, MTIA 400, MTIA 450 en MTIA 500 voor. De gemelde reeks laat zien dat Meta het ontwerp stapsgewijs verder ontwikkelt, met MTIA 450 als geteste generatie en MTIA 500 als latere stap.
De chips leunen zwaar op high-bandwidth memory (HBM), geheugen met een zeer hoge gegevensdoorvoer dat AI-versnellers snel van modeldata kan voorzien. Concrete waarden voor geheugencapaciteit, energieverbruik, productieproces of doorvoersnelheid zijn niet onderdeel van de aangekondigde roadmap.
Waarom Meta op inferentie mikt
Meta positioneert de MTIA-chips als algemene werkpaarden voor inferentie, niet als gespecialiseerde versnellers voor toepassingen die een ultrakorte reactietijd vereisen. Dat is een praktische keuze voor een bedrijf dat AI-modellen op grote schaal in datacenters draait: bij zulke volumes telt de totale kosten- en energievoetafdruk zwaar mee.
Meta schrapte eerder het Olympus-project, dat zowel training als inferentie moest ondersteunen. Volgens Yee Jiun Song, vicepresident engineering bij Meta, kon een chip voor beide taken op gigawattschaal ongeveer 30% duurder uitvallen. De strategie verschoof daarmee naar chips die een duidelijker afgebakende taak hebben.
Meta heeft zich bovendien verbonden aan meer dan 1 GW aan eigen chips over een periode van twaalf maanden. Dat is de inzet voor dit chipprogramma, niet de totale capaciteit van alle Meta-datacenters. Voor de bredere computerinfrastructuur mikt Meta op 14 GW in 2027, tegenover een gepland niveau van 7 GW in 2026.
Wat de efficiëntieclaim wel en niet zegt
Meta stelt dat de eigen chips AI-modellen efficiënter kunnen draaien dan de NVIDIA-hardware die momenteel wordt geleverd. Zonder een genoemd NVIDIA-model, een identieke werklast en een gedeeld energie- of kostenkader is die uitspraak geen vergelijkbare prestatiemeting. De concreet gemelde 2–3% gaat uitsluitend over het verschil tussen de eerste testresultaten en Meta’s interne simulaties.
Dat maakt de efficiëntieclaim vooral relevant als strategisch doel: Meta wil de kosten en het energiegebruik van grootschalige inferentie terugdringen. Het is nog geen vastgestelde voorsprong op een bepaald NVIDIA-platform.
Een aanvulling op NVIDIA en AMD
Meta’s eigen silicium staat naast externe versnellers, niet in de plaats van een aangekondigde aankoopstop. De roadmap beschrijft een manier om hardwarebronnen te spreiden en een deel van de infrastructuur zelf te ontwerpen, terwijl Meta chips van andere leveranciers blijft gebruiken.
Dat past bij de omvang van de geplande uitbreiding. Eigen MTIA-chips kunnen worden afgestemd op Meta’s inferentiewerk, maar de onderneming blijft voor andere workloads en capaciteitsbehoeften afhankelijk van een bredere mix van hardware. Voorlopig is MTIA dus vooral een tweede spoor binnen Meta’s AI-infrastructuur — met MTIA 450 in testfase en MTIA 500 als volgende geplande stap.
