Meta Cria Chips Próprios de IA, Mas Atrasa Modelo por Não Superar Rivais

A Meta vive um paradoxo que resume bem o momento da indústria de inteligência artificial: nunca investiu tanto em IA, mas nunca esteve tão atrás dos rivais. Na mesma semana em que anunciou quatro chips customizados para reduzir sua dependência da NVIDIA, a empresa foi forçada a adiar o lançamento do seu modelo de IA mais avançado — o codinome Avocado — depois que testes internos mostraram que ele fica atrás do Google Gemini, OpenAI e Anthropic.

O contraste é revelador: a Meta planeja gastar entre US$ 115 e US$ 135 bilhões em infraestrutura de IA em 2026, mas dinheiro, pelo visto, não compra liderança tecnológica automaticamente.

Quatro Chips Para Escapar da NVIDIA

Em 11 de março, a Meta revelou sua estratégia de silício customizado com quatro novos chips da família MTIA (Meta Training and Inference Accelerator):

• MTIA 300 — já em operação, treina modelos menores para ranking e recomendação (feeds do Facebook e Instagram, sistema de anúncios)
• MTIA 400 (Iris) — concluiu testes em laboratório, focado em inferência de IA generativa
• MTIA 450 (Arke) — deploy em massa previsto para 2027, otimizado para geração de imagens e vídeos
• MTIA 500 (Astrid) — também para 2027, voltado a tarefas avançadas de IA generativa

Todos são construídos sobre a arquitetura aberta RISC-V em parceria com a Broadcom, e fabricados pela TSMC em Taiwan. O ritmo de lançamento é agressivo: um novo chip a cada seis meses.

A motivação é clara: reduzir a dependência de fornecedores externos como NVIDIA e AMD, que dominam o mercado de aceleradores de IA. Mas a Meta não está abandonando seus fornecedores — recentemente fechou contratos bilionários com ambas as empresas. Os chips MTIA são complementares, focados em cargas de trabalho específicas onde silício customizado oferece melhor relação custo-eficiência.

Para quem acompanha o mercado de semicondutores e a disputa geopolítica por chips de IA, o movimento da Meta é mais um sinal de que big techs estão verticalizando suas cadeias de hardware.

O Fiasco do Avocado

Enquanto a estratégia de hardware avança, o lado de software enfrenta problemas sérios. O Avocado, modelo de IA que deveria ser o sucessor do Llama 4 e resposta da Meta aos melhores modelos do mercado, teve seu lançamento adiado de março para pelo menos maio de 2026.

O motivo: em testes internos, o modelo ficou abaixo dos concorrentes em raciocínio lógico, programação e escrita. Segundo fontes da Reuters, o desempenho do Avocado se situa entre o Gemini 2.5 e o Gemini 3 do Google — ou seja, não é ruim, mas não é suficiente para competir com os melhores.

O dado mais surpreendente: a liderança da Meta chegou a discutir o licenciamento temporário do Gemini do Google para manter seus produtos competitivos enquanto o Avocado não fica pronto. Seria uma admissão pública de que, mesmo gastando mais de US$ 100 bilhões, a empresa não consegue produzir IA de ponta internamente no ritmo necessário.

Este não é o primeiro tropeço. O Llama 4 também enfrentou atrasos antes de seu lançamento, e a Meta tem histórico de dificuldades em traduzir investimento massivo em liderança tecnológica na corrida de modelos de IA.

O Paradoxo Dos Bilhões

Os números da Meta impressionam — e ao mesmo tempo preocupam:

• US$ 115-135 bilhões em investimento de capital planejado para 2026
• 4 chips customizados em desenvolvimento simultâneo
• Bilhões de usuários nos apps (Facebook, Instagram, WhatsApp) que dependem de IA para funcionar
• Mas o modelo mais avançado não acompanha Google, OpenAI e Anthropic

Isso levanta uma questão que vai além da Meta: investir em infraestrutura de IA garante competitividade? A resposta, ao que tudo indica, é "não necessariamente".

Larry Fink, CEO da BlackRock, alertou esta semana que espera uma onda de falências entre empresas de IA — não por falta de inovação, mas por falta de profissionais físicos (eletricistas, técnicos, engenheiros) para construir e manter a infraestrutura que a IA exige. O gargalo, segundo ele, não é software — é concreto, cobre e mão de obra.

O Que Isso Significa Para o Mercado

A estratégia da Meta tem implicações diretas para empresas que consomem infraestrutura de nuvem e serviços de IA:

• Diversificação de hardware é inevitável — até a Meta, com orçamento praticamente ilimitado, está construindo chips próprios para não depender de um único fornecedor
• Modelos de IA são commodities em formação — quando a Meta considera licenciar o modelo do Google, fica claro que a diferenciação está migrando da IA em si para a integração com dados e processos de negócio
• Infraestrutura não substitui estratégia — gastar bilhões em data centers e chips não garante o melhor modelo; empresas menores como a Anthropic continuam competitivas com orçamentos menores e foco em pesquisa
• O custo da IA vai impactar toda a cadeia — a Oracle já está repassando custos de GPUs para clientes, sinalizando que a conta da corrida de IA não ficará restrita às big techs

Conclusão

A Meta está jogando um jogo duplo: verticaliza hardware para controlar custos e reduzir dependências, mas tropeça no software que deveria justificar todo esse investimento. O caso é um lembrete de que a corrida de IA não se vence apenas com dinheiro — exige talento, foco e capacidade de execução. Para empresas brasileiras que planejam suas estratégias de IA, a lição é clara: antes de investir em ferramentas, invista em entender o problema que a IA precisa resolver.

A CFATECH oferece serviços de consultoria de TI e infraestrutura para ajudar empresas a tomar decisões estratégicas de tecnologia com base em necessidades reais — não em hype.

Fontes

• Meta AI Blog: Expanding Meta's Custom Silicon to Power Our AI Workloads
• CNBC: Meta rolls out in-house AI chips weeks after massive Nvidia, AMD deals
• PYMNTS: Meta's Avocado Delay Puts $135 Billion AI Bet Under Scrutiny
• The Decoder: Meta delays its next AI model Avocado after internal tests show it can't keep up