Ein Memo, keine Keynote

Die Nachricht kam nicht von einer Bühne, sondern als internes Memo, über das in diesem Monat berichtet wurde und das der Belegschaft mitteilte, dass ein selbst entworfener Chip im September in die Produktion geht. Sein Codename lautet Iris, er hat die Fehlerprüfung in rund sechs Wochen ohne größere Probleme hinter sich gebracht, und er ist das bislang deutlichste Zeichen dafür, dass Mark Zuckerberg Meta nicht nur als Chip-Käufer sieht, sondern auch als Chip-Hersteller.

Für ein Unternehmen, das für KI-Infrastruktur Summen in der Größenordnung eines kleinen Staatshaushalts ausgibt, ist eigenes Silizium weniger ein Forschungsprojekt als eine Kostenentscheidung. Das Memo stellt Iris als Weg dar, die Rechenleistung weiter auszubauen, ohne dass jedes zusätzliche Gigawatt direkt in die Margen von Nvidia fließt. Diese Einordnung, nicht der Chip selbst, ist die eigentliche Geschichte für alle außerhalb von Meta.

Was Iris wirklich ist

Iris ist die jüngste Generation von Metas MTIA-Reihe, dem Meta Training and Inference Accelerator, entwickelt mit Broadcom als Silizium-Partner und gefertigt von TSMC in Taiwan. Es ist ein Beschleuniger für die KI-Workloads hinter Facebook und Instagram, ausgelegt auf Inferenz und Training im großen Maßstab und nicht auf den freien Markt; Meta betreibt ihn in den eigenen Rechenzentren und verkauft ihn nicht.

Der Kontext ist Kapazität. Meta will 2026 rund 7 Gigawatt Rechenleistung bereitstellen und diese Zahl bis Ende 2027 auf etwa 14 verdoppeln, bei Ausgaben für KI-Infrastruktur, die in diesem Jahr in den Bereich von 145 Milliarden Dollar reichen könnten. Iris ist ein Baustein dieses Ausbaus, neben den Chips von Nvidia und AMD, die Meta weiterhin in enormen Mengen kauft.

Warum jetzt selbst bauen

Der Druck hat einen Namen. Analysten von Morgan Stanley nennen den Anstieg der Kosten für KI-Hardware inzwischen Chipflation, und die größten Käufer haben am meisten davon, sie zu umgehen. Ein Chip, der Meta vollständig gehört, nimmt eine Lieferantenmarge aus der teuersten Position des Budgets heraus, und bei 14 Gigawatt sind schon wenige Prozent pro Beschleuniger echtes Geld.

Iris steht nicht für sich allein. Für die Teile, die Meta nicht selbst herstellen kann, hat das Unternehmen langfristige Lieferverträge geschlossen, Arbeitsspeicher von Samsung, Flash-Speicher von Sandisk, Glasfaser-Ausrüstung von Sumitomo, sodass der eigene Beschleuniger ein Teil eines breiteren Versuchs ist, Kosten und Verfügbarkeit über den gesamten Stack zu steuern. Das Ziel ist nicht Unabhängigkeit von einem einzelnen Anbieter, sondern Verhandlungsmacht gegenüber allen.

Was es nicht bedeutet

Es bedeutet nicht, dass Meta Nvidia verlässt. Das Unternehmen sagt ausdrücklich, dass Iris seine GPUs ergänzt und nicht ersetzt, und Meta bleibt einer der größten Kunden von Nvidia. Ein eigener Beschleuniger verringert marginal, was die Chip-Preise Meta kosten; er beendet die Abhängigkeit nicht, und wer darin einen Bruch sieht, verwechselt eine Absicherung mit einer Scheidung.

Der wichtigere Punkt ist, wer dieses Spiel überhaupt spielen kann. Einen Serien-Beschleuniger zu entwerfen, zum Tape-out zu bringen und in Betrieb zu nehmen, kostet Milliarden und dauert Jahre, und das können nur wenige Hyperscaler stemmen. Während die Chipflation die Hardware-Kosten nach oben treibt, federn die Giganten sie mit eigenem Silizium ab, während alle, die GPUs mieten, den vollen Marktpreis zahlen. Der Abstand zwischen beiden wächst, und Meta hat ihn gerade vergrößert.

Was Sie damit anfangen

Wenn Sie KI-Rechenleistung kaufen oder mieten, rechnen Sie nicht damit, dass Metas Einsparungen Ihre Rechnung erreichen. Planen Sie Kapazität zum Preis gemieteter GPUs, sichern Sie sich bei mehrjährigen Zusagen die besten Konditionen, die Sie bekommen können, und betrachten Sie die Chip-Einsparungen eines Hyperscalers als dessen Vorteil, nicht als kommenden Rabatt für Sie. Ehrlich gelesen wird Rechenleistung für wenige billiger und bleibt für viele teuer.

Der Satz für die Geschäftsführung lautet: Meta baut seinen eigenen KI-Chip, um die eigenen Rechenkosten zu deckeln, und die meisten Unternehmen können das nicht nachmachen. Kalkulieren Sie als GPU-Mieter, nicht als Chip-Hersteller, und richten Sie Ihre KI-Pläne an Kapazität aus, die Sie tatsächlich zu einem planbaren Preis sichern können. Iris ist Metas Kostenhebel, nicht Ihrer.

Weiterlesen: Selbst ein Billionen-Labor muss Rechenleistung mieten  |  Was ist die gefährlichste Position in Ihrer Bilanz?