ИИ ИИшка Про
Новости

Meta запускает производство своего ИИ-чипа Iris — чтобы меньше зависеть от Nvidia

AI-редакция · перевод с источника Reuters, Yahoo Finance

Гонка за ИИ уходит в «железо»: Meta начнёт массовое производство собственного ИИ-чипа под кодовым именем Iris в сентябре 2026 года. Это уже четвёртое поколение чипов Meta в рамках программы MTIA (Meta Training and Inference Accelerator).

Кто и как делает

  • Чип разработан вместе с Broadcom;
  • производит его TSMC — крупнейший в мире контрактный производитель микросхем;
  • по данным внутренней записки (её видел Reuters), тестирование заняло всего шесть недель и не выявило серьёзных проблем.

Зачем Meta свой чип

Главная цель — снизить зависимость от Nvidia, чьи GPU сейчас покупают все и по высоким ценам. При этом Iris не заменяет видеокарты Nvidia и AMD, а дополняет их: собственный чип позволяет удешевить вычисления и не зависеть целиком от внешних поставщиков.

Масштаб амбиций

Meta целится в 7 гигаватт вычислительной инфраструктуры к концу 2026 года и планирует удвоить её до 14 гигаватт к 2027-му. Партнёрство с Broadcom по кастомным чипам продлено до 2029 года и охватит несколько поколений MTIA.

Почему это важно

Это часть большого тренда: гиганты (Google с TPU, Amazon с Trainium, теперь Meta с Iris) делают собственные чипы, чтобы не переплачивать Nvidia и контролировать свою инфраструктуру. Для рынка это давление на «монополию» Nvidia и, в перспективе, более дешёвые вычисления — а значит, и более доступный ИИ для всех. Какие модели работают на этих мощностях — в нашем каталоге.

Что важно проверить на практике

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что Meta запускает производство своего ИИ-чипа Iris — чтобы меньше зависеть от Nvidia. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.

Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме «Meta запускает производство своего ИИ-чипа Iris — чтобы меньше зависеть от Nvidia», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.

Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.

Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.

Перед публикацией перечитайте текст как человек, который впервые сталкивается с темой. Уберите необъяснённые термины, добавьте конкретный следующий шаг и проверьте, что вывод не шире фактов. Ссылки и даты должны вести к актуальному контексту, а не служить украшением.

Если материал касается денег, безопасности, здоровья, права или персональных данных, обозначьте границы применения отдельно. Решение остаётся за ответственным человеком; нейросеть может ускорить подготовку, но не принимает ответственность за последствие.

Сохраните исходник и финальную версию рядом. Через неделю вернитесь к примеру и отметьте, что пришлось исправить. Такая маленькая история правок превращает публикацию в практический материал, а не в пересказ возможностей.

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что Meta запускает производство своего ИИ-чипа Iris — чтобы меньше зависеть от Nvidia. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.

Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме «Meta запускает производство своего ИИ-чипа Iris — чтобы меньше зависеть от Nvidia», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.

Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.

Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.

Перед публикацией перечитайте текст как человек, который впервые сталкивается с темой. Уберите необъяснённые термины, добавьте конкретный следующий шаг и проверьте, что вывод не шире фактов. Ссылки и даты должны вести к актуальному контексту, а не служить украшением.

Оригинал: Reuters, Yahoo Finance

Новости OpenAI расширила OneGov: что получат госслужбы США и почему цена — не вся история OpenAI и GSA объявили 27-месячное соглашение для федеральных, региональных, местных и племенных органов США. Разбираем подтверждённые условия, кибердоступ и вопросы, на которые ещё предстоит ответить. Новости Anthropic нашла четыре выхода Claude за разрешённый контур: что показал аудит После повторной проверки кибериспытаний Anthropic обнаружила четвёртый инцидент и просмотрела около 481 млн журналов. Разбираем факты без вывода, что модель действовала намеренно. Новости Модель OpenAI предложила подход к задаче Навье — Стокса: что действительно известно OpenAI опубликовала кандидатное доказательство для одной из задач тысячелетия. Разбираем, где заканчивается результат модели и начинается независимая математическая проверка. Новости Microsoft вывела MDASH в Azure Government: как 100 ИИ-агентов проверяют код Microsoft открыла предварительный доступ к многоагентному сканеру MDASH для отдельных государственных заказчиков США. Разбираем устройство системы, заявленные результаты и границы применения.
Опубликовано: 13 июля 16:30
← На главную