Ringkasan
Meta telah mengumumkan peta jalan empat generasi untuk seri chip AI buatan sendiri, "MTIA". Empat chip tersebut — MTIA 300 (sudah dalam produksi massal), 400 "Iris" (dalam tahap pengujian laboratorium), 450 "Arke", dan 500 "Astrid" — akan dirilis dengan interval sekitar 6 bulan sekali. Berbasis arsitektur RISC-V dan dikembangkan bekerja sama dengan Broadcom dan TSMC, chip ini dirancang khusus untuk inferensi AI generatif sebagai upaya mengurangi ketergantungan pada GPU Nvidia. Namun, untuk keperluan pelatihan, Nvidia Blackwell tetap akan digunakan — ini merupakan strategi "diversifikasi", bukan "penggantian".
Teks utama
Meta mengumumkan peta jalan komprehensif untuk chip inferensi AI buatan mereka sendiri, "MTIA" (Meta Training and Inference Accelerator), pada 19 Maret 2026. Rencana tersebut mencakup empat generasi—MTIA 300, 400 "Iris", 450 "Arke", dan 500 "Astrid"—yang akan diluncurkan secara berurutan dengan siklus rilis sekitar 6 bulan. Pemberian nama kode pada setiap generasi mengisyaratkan bahwa Meta memposisikan lini chip ini bukan sebagai eksperimen sementara, melainkan sebagai fondasi bisnis jangka panjang.
MTIA 300 — Generasi Pertama yang Memasuki Tahap Produksi Massal
Model pertama, MTIA 300, telah memasuki tahap produksi massal dan beroperasi secara aktif di pusat data internal Meta. Chip ini menangani beban kerja inferensi AI generatif untuk layanan unggulan seperti Facebook, Instagram, dan WhatsApp, dengan Meta mengklaim bahwa performanya per watt melampaui GPU Nvidia. Bagi Meta yang menyediakan layanan AI kepada miliaran pengguna, optimalisasi biaya inferensi adalah prioritas utama yang berdampak langsung pada pengeluaran infrastruktur.
MTIA 400 "Iris" — Chip Buatan Sendiri Pertama yang Bersaing dengan Produk Komersial
MTIA 400 "Iris", yang saat ini masih dalam tahap pengujian laboratorium, menjadi tonggak penting bagi Meta. Perusahaan memposisikan chip ini sebagai "chip pertama yang mampu bersaing dengan produk komersial terdepan di pasar dalam hal performa mentah (raw performance)." Artinya, jika MTIA 300 mengandalkan "efisiensi biaya melalui optimalisasi beban kerja internal", maka Iris bertujuan untuk menyamai GPU Nvidia bahkan dalam hal performa absolut.
MTIA 450 "Arke" — Penggandaan Bandwidth
Pada MTIA 450 "Arke", bandwidth HBM (High Bandwidth Memory) digandakan dibandingkan MTIA 400. Meta menggambarkan bandwidth ini sebagai "jauh lebih tinggi dari produk komersial terdepan yang ada saat ini (much higher than existing leading commercial products)", dengan tujuan mengatasi secara mendasar masalah bottleneck bandwidth memori dalam inferensi model bahasa besar. Dalam inferensi AI generatif, data bobot model perlu dimuat dari memori dengan cepat, sehingga peningkatan bandwidth berdampak langsung pada kecepatan inferensi.
MTIA 500 "Astrid" — Puncak dari Peta Jalan
Detail mengenai MTIA 500 "Astrid", generasi terakhir dalam peta jalan ini, masih terbatas, namun disebut akan mengembangkan lebih lanjut arsitektur bandwidth tinggi yang telah ditetapkan oleh Arke. Jika Meta dapat mempertahankan siklus rilis 6 bulan sekali, Astrid diperkirakan akan hadir antara akhir 2027 hingga awal 2028.
Fondasi Teknologi — RISC-V, Broadcom, TSMC
Dari sisi teknologi, seri MTIA mengadopsi arsitektur RISC-V. RISC-V adalah instruksi set arsitektur (ISA) sumber terbuka yang bebas biaya lisensi dan memiliki fleksibilitas kustomisasi yang tinggi. Hal ini memungkinkan desain yang tidak bergantung pada chip berbasis Arm maupun ekosistem CUDA milik Nvidia. Produksi chip ditangani oleh TSMC, dan dalam hal desain, telah terjalin kolaborasi mendalam dengan Broadcom. Siklus agresif dengan peluncuran generasi baru setiap 6 bulan ini lebih cepat dibandingkan siklus rilis tahunan Nvidia.
Makna Strategis dari Fokus pada Inferensi — "Diversifikasi", Bukan "Penggantian"
Yang penting untuk dicatat adalah bahwa MTIA berfokus pada inferensi (inference), bukan pelatihan (training). GPU generasi Blackwell dari Nvidia masih digunakan untuk pelatihan model AI, dan Meta akan terus membeli GPU dari Nvidia maupun AMD. MTIA adalah strategi "diversifikasi (diversification)", bukan "penggantian Nvidia"—dengan memindahkan sebagian beban kerja inferensi ke chip buatan sendiri, Meta sekaligus mengurangi risiko ketergantungan pada pemasok tunggal dan mengoptimalkan biaya.
Pendekatan "diversifikasi" ini bukan hanya milik Meta. Google mencakup pelatihan dan inferensi dengan TPU (Tensor Processing Unit), Amazon membuat chip sendiri untuk pelatihan dengan Trainium dan untuk inferensi dengan Inferentia, sementara Microsoft juga sedang mengembangkan chip Maia. Tren hyperscaler yang semakin berfokus pada pengembangan chip inferensi AI internal sudah jelas, dan lepas dari ketergantungan tunggal pada GPU Nvidia kini menjadi arah industri secara keseluruhan.
Dampak pada Industri
Peta jalan MTIA Meta berpotensi membawa perubahan struktural pada pasar semikonduktor AI yang saat ini didominasi oleh Nvidia. Menyusul Google (TPU), Amazon (Trainium/Inferentia), dan Microsoft (Maia), Meta kini mengembangkan strategi chip in-house secara serius, sehingga proporsi pengadaan GPU Nvidia di kalangan hyperscaler diperkirakan akan menurun dalam jangka menengah hingga panjang.
Adopsi RISC-V juga merupakan titik balik penting bagi seluruh industri semikonduktor. Dengan digunakannya RISC-V pada kategori chip inferensi AI yang memiliki permintaan massal, ekosistem arsitektur tersebut berpotensi tumbuh secara eksponensial.
Namun demikian, risiko tetap ada. Pengembangan chip in-house membutuhkan investasi yang sangat besar, dan di tengah pesatnya evolusi arsitektur model AI, risiko keusangan perangkat keras selalu mengintai. Kunci keberhasilan atau kegagalan strategi ini terletak pada apakah Meta benar-benar mampu mempertahankan peta jalan ambisius dengan siklus 6 bulan tersebut.
Referensi: Pengumuman tim semikonduktor AI Meta, perkembangan RISC-V International, laporan analisis pasar inferensi AI, data perbandingan Google TPU dan Amazon Trainium