Meta metterà in produzione dal prossimo settembre 2026 il suo nuovo chip di intelligenza artificiale progettato in casa, il più recente della famiglia MTIA (Meta Training and Inference Accelerator). Lo riferisce un memo interno citato da Reuters e TechCrunch il 9 luglio: l'obiettivo dichiarato è raddoppiare la capacità di calcolo dell'azienda, che punta a raggiungere 7 gigawatt di potenza di calcolo installata nel 2026 e a raddoppiarla nel 2027.
Come funziona il chip MTIA e chi lo costruisce
Il nuovo acceleratore non nasce dal nulla: Meta produce chip proprietari dal 2023 e a marzo 2026 aveva illustrato una tabella di marcia con quattro generazioni successive, basate su un approccio a chiplet modulari. Ogni generazione riutilizza i blocchi della precedente aggiungendo le lezioni apprese sui carichi di lavoro IA più recenti. Secondo il memo, almeno un esemplare avrebbe superato la fase di test in circa sei settimane.
La catena di fornitura è indicativa dell'ambizione del progetto: il design è affidato a Broadcom, la produzione a TSMC, la memoria a Samsung, lo storage a Sandisk e la componentistica in fibra ottica a Sumitomo Electric. In pratica Meta orchestra un'intera filiera per ridurre la dipendenza dai chip acquistati sul mercato.
Perché Meta vuole i suoi chip pur restando legata a NVIDIA
La mossa non segna una rottura con NVIDIA, anzi. In parallelo Meta ha ampliato la collaborazione con il produttore di Santa Clara per costruire cluster basati sulla piattaforma Vera Rubin e per dispiegare, in un caso pionieristico, CPU NVIDIA Grace basate su architettura Arm nei propri data center. I chip MTIA servono soprattutto per l'addestramento degli algoritmi di ranking e raccomandazione e per una parte crescente dell'inferenza, i compiti a più alto volume dove un silicio su misura può abbattere i costi.
La ragione economica è evidente. Un'analisi di Morgan Stanley Research stima che il prossimo rack IA basato su Vera Rubin, il VR200 NVL72, costerà ai grandi operatori cloud circa 7,8 milioni di dollari per unità, quasi il doppio dei circa 4 milioni della generazione GB300 precedente. Con spese in conto capitale che Meta prevede tra 125 e 145 miliardi di dollari nel 2026, ogni punto di efficienza sul silicio vale miliardi.
Cosa cambia per il mercato dei semiconduttori IA
Meta si aggiunge alla schiera di giganti che sviluppano acceleratori interni: Google con le TPU, Amazon con Trainium e Inferentia, Microsoft con Maia. La verticalizzazione risponde a un problema strutturale — la scarsità e il costo delle GPU di fascia alta — ma non elimina la domanda di NVIDIA, che resta il fornitore di riferimento per l'addestramento dei modelli più grandi. Il segnale per il settore è piuttosto un altro: la corsa alla capacità di calcolo si sta spostando dalla semplice quantità di GPU acquistate alla capacità di controllare l'intera pila hardware, dall'energia al chip.
Per gli investitori il tema è delicato. Ogni annuncio di chip proprietari da parte degli hyperscaler viene letto come una potenziale erosione della quota di NVIDIA, e negli ultimi mesi notizie simili hanno innescato movimenti bruschi sui titoli dei produttori di semiconduttori. Ma finché la domanda complessiva di calcolo cresce a questi ritmi, il mercato sembra abbastanza ampio per accogliere sia i chip di NVIDIA sia quelli fatti in casa.
Dati e cifre sono tratti dal memo interno riportato da Reuters e TechCrunch, dai comunicati di NVIDIA e dalle stime di Morgan Stanley, e sono aggiornati al 9-10 luglio 2026.
