- Meta firmará con Amazon un acuerdo plurianual para usar cientos de miles de chips Graviton en cargas de inteligencia artificial.
- Los procesadores Graviton, basados en arquitectura Arm, refuerzan el papel de la CPU en la era de la IA generativa y agentiva.
- El movimiento diversifica la dependencia de Meta respecto a Nvidia y otros fabricantes, y consolida la apuesta de AWS por su propio silicio.
- La combinación de eficiencia energética, escala masiva y menor coste por inferencia sitúa a Graviton como pieza clave en la próxima fase de la IA.
Meta ha dado un paso significativo en su estrategia de inteligencia artificial al cerrar un acuerdo de gran envergadura con Amazon Web Services (AWS) para utilizar de forma masiva sus chips Graviton. El movimiento, de carácter plurianual, supone que la compañía de Mark Zuckerberg recurrirá a cientos de miles, e incluso millones, de CPUs basadas en arquitectura Arm para sostener sus crecientes cargas de trabajo en IA.
Un acuerdo multimillonario que cambia el tablero de la nube
Según han confirmado directivos de ambas compañías, el acuerdo otorga a Meta acceso prioritario a la línea de procesadores Graviton de Amazon, que en los últimos años se ha convertido en la CPU predominante en los centros de datos de AWS. Aunque no se han hecho públicos los términos económicos, se habla de una operación de varios miles de millones de dólares que sitúa a Meta entre los clientes estrella del silicio propio de Amazon.
En la práctica, Meta desplegará decenas de millones de núcleos Graviton repartidos por la infraestructura global de AWS. Esta capacidad se sumará a los recursos que la empresa ya gestiona en sus propios centros de datos y a los acuerdos firmados con otros proveedores de computación, como CoreWeave o Nebius, enfocados principalmente en ofrecer GPU de alto rendimiento.
La alianza llega en un momento de fuerte competencia entre los llamados hyperscalers. AWS, Google Cloud y Microsoft Azure se disputan contratos multimillonarios ligados a la revolución de la IA generativa, mientras las grandes tecnológicas, entre ellas Meta, diversifican su gasto en nube para no depender en exclusiva de un solo socio. Hasta ahora, Meta había intensificado su colaboración con Google Cloud, con un acuerdo de varios años valorado en unos 10.000 millones de dólares, pero el nuevo pacto con Amazon vuelve a equilibrar la balanza.
Para AWS, el anuncio tiene también una lectura de marketing estratégico. Mostrar a una compañía del tamaño de Meta apoyándose en sus chips propios permite a Amazon reforzar el mensaje que su CEO, Andy Jassy, repite desde hace meses: el futuro de la IA en la nube pasa por ofrecer un catálogo amplio de chips optimizados en precio y rendimiento, y no solo por alquilar GPU de terceros.
Por qué Meta mira ahora a las CPU para IA
Durante años, el relato dominante alrededor de la IA asociaba casi todo el avance tecnológico a las GPU, especialmente a los modelos de Nvidia. No era casual: entrenar grandes modelos de lenguaje o sistemas de visión artificiaI exige una capacidad de cálculo masivo en paralelo que las GPU han sabido ofrecer mejor que ningún otro componente. Sin embargo, la nueva oleada de IA agentiva o agéntica, es decir, sistemas que razonan, planifican y ejecutan tareas encadenadas, está cambiando el reparto de papeles en el hardware.
Una vez entrenado un modelo, la mayor parte del trabajo del día a día se concentra en la fase de inferencia: responder a consultas en tiempo real, generar código, interactuar con bases de datos o coordinar acciones de varios pasos. Este tipo de carga, mucho más ligada a la lógica, la memoria y el acceso a datos, depende intensamente de las CPU. Nafea Bshara, vicepresidente de AWS y cofundador de Annapurna Labs, lo resumía de manera tajante: “las GPU son inútiles si no tienes las CPU al lado”.
En el caso de Meta, con cerca de 3.600 millones de usuarios diarios en sus aplicaciones, la presión sobre su infraestructura no deja de aumentar. Mantener operativos sus modelos de IA para moderación de contenido, recomendaciones, publicidad o asistentes conversacionales exige una enorme cantidad de procesos simultáneos de inferencia. Y hacerlo solo con GPU resulta prohibitivamente caro, tanto en inversión inicial como en consumo energético y mantenimiento.
A ello se suma la necesidad de reducir la dependencia de un único actor. La industria es cada vez más consciente de los riesgos de basar su hoja de ruta en la oferta de un solo fabricante de chips, especialmente en un entorno donde los plazos de entrega son largos y la demanda no para de crecer. Para Meta, combinar chips propios (como la familia MTIA) con GPU de Nvidia y AMD, TPU de Google y ahora CPU Graviton de AWS es una manera de ganar margen de maniobra técnica y de negociación.
Fuentes del sector apuntan además a la presión de los costes. El auge de los modelos cada vez más grandes tiene un impacto directo en la factura eléctrica y en la complejidad de los centros de datos. Algunas voces hablan de “huida hacia adelante” para describir la carrera por añadir más y más capacidad. En este contexto, migrar una parte de las cargas a chips optimizados para eficiencia energética, como Graviton, se percibe como un intento de poner cierto orden en un ecosistema que, de lo contrario, amenaza con volverse financieramente insostenible.
Graviton5: silicio propio de Amazon para la siguiente fase de la IA
El corazón técnico del acuerdo reside en la última generación de esta familia de procesadores. Graviton5, construido sobre arquitectura Arm y un nodo avanzado de fabricación de 3 nanómetros, integra 192 núcleos y una caché sensiblemente ampliada. Esto permite reducir de forma notable la latencia en la comunicación interna entre núcleos y mejorar el rendimiento en cargas de cálculo intensivo y acceso frecuente a memoria.
Amazon asegura que esta generación ofrece alrededor de un 25% más de rendimiento general frente a su predecesora en tareas como razonamiento en tiempo real o ejecución de modelos que requieren respuestas inmediatas. La ampliación de la caché, que según estimaciones internas multiplica por cinco la capacidad anterior, se traduce en una reducción aproximada del 33% en la latencia para ciertos patrones de uso, un aspecto clave cuando se encadenan miles de solicitudes de IA por segundo.
Graviton5 se apoya además en el sistema AWS Nitro, una combinación de hardware y software que separa las funciones de red, seguridad y almacenamiento del propio procesamiento principal. Esta arquitectura permite aislar las cargas de los clientes, mejorar la disponibilidad y reforzar la seguridad sin penalizar el rendimiento, un aspecto que resulta especialmente relevante cuando se gestionan datos sensibles o modelos críticos a gran escala.
Otra pieza técnica que gana peso en este escenario es Elastic Fabric Adapter (EFA), la tecnología de Amazon para comunicación de baja latencia entre instancias. Al enlazar miles de servidores, uno de los cuellos de botella habituales es la velocidad de intercambio de datos. EFA, junto con opciones de almacenamiento en bloque y la posibilidad de desplegar instancias con un sistema operativo mínimo o directamente sin él, busca exprimir al máximo el hardware disponible.
Más allá de la pura ficha técnica, AWS presenta a Graviton como una plataforma pensada para cargas de trabajo avanzadas y muy variadas, desde bases de datos y microservicios hasta entornos de IA generativa y agentes autónomos. Según Bshara, “no se trata solo de chips”, sino de ofrecer a los clientes una infraestructura integral de cómputo, datos e inferencia que pueda adaptarse a miles de millones de usuarios en todo el mundo.
Ahorro de costes, energía y diversificación del hardware
Uno de los puntos que más peso tienen en la decisión de Meta es el equilibrio entre coste y rendimiento. Ejecutar modelos de IA a escala global implica tomar decisiones continuas sobre qué chip se ajusta mejor a cada tarea. Mientras las GPU siguen siendo casi insustituibles para el entrenamiento de grandes modelos, la inferencia masiva y las cargas ligadas a agentes de IA pueden encontrar en las CPU Arm de Graviton una opción más competitiva en términos de precio por operación.
El consumo energético se ha convertido en otro filtro determinante. Los centros de datos de IA demandan cada vez más electricidad, hasta el punto de que algunos analistas alertan del riesgo de saturar las redes de suministro en ciertas regiones si el crecimiento continúa al ritmo actual. Cambiar de tipo de chip no resuelve por sí solo el problema estructural del gasto energético, pero sí puede mitigar parte del impacto si los nuevos procesadores son capaces de ofrecer más trabajo por vatio consumido.
En ese sentido, Amazon insiste en que Graviton fue diseñado desde el principio con la eficiencia como prioridad. Más allá de las cifras exactas, que varían según la carga de trabajo, la compañía sostiene que sus clientes pueden reducir significativamente tanto la factura eléctrica como el coste por computación al migrar servicios a estas instancias. Un argumento que encaja con la realidad de empresas como Meta, sometidas a una enorme presión para contener el gasto mientras mantienen el ritmo de inversión en IA.
El pacto, además, ayuda a Meta a disminuir su exposición a la “tasa Nvidia”, como algunos en el sector llaman al coste acumulado de depender casi exclusivamente de la compañía californiana para chips de alto rendimiento. En los últimos meses, Meta ha firmado acuerdos por valor de decenas de miles de millones de dólares con proveedores de GPU y otros aceleradores. Incorporar a la ecuación las CPU de Amazon es una manera de abrir el abanico y ganar capacidad de negociación.
La otra cara de la moneda es el impacto en el mercado de la nube. Al redirigir una parte de su gasto hacia AWS, Meta refuerza a Amazon frente a Google Cloud y otros rivales, justo cuando la batalla por captar grandes clientes de IA se intensifica. La fecha y el tono del anuncio, coincidiendo con eventos clave de la competencia, muestran hasta qué punto estos acuerdos se han convertido en movimientos de alto contenido estratégico, más allá de la pura ingeniería.
El papel de Europa y el impacto para el ecosistema digital
Aunque el acuerdo se ha gestado principalmente desde Estados Unidos, sus efectos se dejarán notar también en Europa y, por extensión, en España. Meta opera parte de su infraestructura cloud en centros de datos de AWS repartidos por distintas regiones europeas, sujetos a las normativas comunitarias de protección de datos y a las exigencias regulatorias en materia de competencia y consumo energético.
En la práctica, que Meta use CPUs Graviton para gestionar sus cargas de IA significa que una parte creciente del tráfico asociado a Facebook, Instagram, WhatsApp u otros servicios en territorio europeo podría acabar pasando por chips diseñados y controlados por Amazon. Esto plantea cuestiones relevantes sobre dependencia tecnológica, soberanía digital y concentración de poder en manos de unos pocos actores globales.
La Unión Europea trabaja en paralelo en marcos regulatorios como la Ley de Inteligencia Artificial y la Ley de Mercados Digitales, que buscan limitar prácticas abusivas y aumentar la transparencia en servicios esenciales. Si bien el acuerdo Meta-Amazon no se dirige específicamente al público europeo, la escala y el tipo de infraestructura que implica lo convierten en un movimiento que Bruselas y las autoridades nacionales seguirán de cerca.
Para las empresas europeas que desarrollan servicios sobre AWS, el hecho de que Graviton gane peso gracias a un cliente como Meta puede acelerar la disponibilidad de instancias más potentes y, potencialmente, más competitivas en precio en las regiones de la UE. A día de hoy, más de 90.000 compañías ya utilizan esta familia de procesadores, según datos de Amazon, en sectores tan variados como finanzas, medios, software empresarial o comercio electrónico.
En el caso concreto de España, donde el despliegue de regiones cloud por parte de los grandes proveedores está en plena expansión, movimientos como este refuerzan la idea de que la infraestructura de IA no será un lujo reservado a Silicon Valley. A medida que los centros de datos avanzan en su implantación y las empresas locales adoptan modelos de IA para mejorar procesos, contar con plataformas optimizadas como Graviton puede marcar diferencias en costes y tiempos de desarrollo.
Meta, AWS y la nueva competencia en chips para IA
El acuerdo no se entiende del todo sin situarlo en la carrera más amplia por el control del silicio de nueva generación. Nvidia ha dado el salto desde ser un proveedor de GPU a intentar abarcar también el terreno de las CPU con propuestas como su línea basada en Arm para cargas de IA. Intel, por su parte, se esfuerza por recuperar protagonismo con nuevos diseños x86 y soluciones específicas para centros de datos y aceleradores.
Amazon ha optado por una estrategia diferente: en lugar de vender sus chips al mercado abierto, ofrece acceso exclusivo a Graviton y Trainium a través de su nube. Anthropic, desarrolladora de modelos como Claude, ya firmó un contrato de largo plazo valorado en decenas de miles de millones para ejecutar sus cargas sobre Trainium y otros servicios de AWS. Meta viene ahora a ocupar otra pieza de ese relato, centrada en la CPU.
Para AWS, lograr que varios de los grandes nombres de la IA apuesten por su silicio propio es una forma de validar años de inversión desde la compra de Annapurna Labs en 2015. Para empresas como Meta, el beneficio radica en disponer de una paleta más amplia de opciones de hardware que puedan combinarse según la naturaleza de cada carga de trabajo: entrenamiento con GPU o aceleradores específicos, inferencia con CPU optimizadas y, en algunos casos, chips diseñados internamente.
La presión, eso sí, recae ahora sobre los equipos de ingeniería de Amazon. Convencer a gigantes tecnológicos de que su silicio está a la altura de las soluciones de Nvidia o Intel exige ofrecer un rendimiento consistente y un ahorro de costes tangible. Andy Jassy ha llegado a estimar que la división de semiconductores de Amazon está en camino de generar en torno a 20.000 millones de dólares en ventas anuales, una cifra que solo se sostendrá si los resultados en la práctica acompañan a las promesas.
En conjunto, el movimiento de Meta apunta a una etapa más compleja en la evolución de la IA. Ya no se trata únicamente de entrenar modelos cada vez más grandes, sino de mantener su uso cotidiano a escala global sin que los costes ni la infraestructura se desborden. En ese escenario, la convivencia entre CPU, GPU y aceleradores especializados será la norma, y acuerdos como el alcanzado con AWS ayudan a perfilar cómo se repartirá el juego entre los distintos actores.
Lo que se vislumbra tras este pacto es un reajuste profundo del ecosistema: Meta intenta contener la dependencia y el gasto derivados del auge de la IA, Amazon busca consolidar su apuesta por el chip propio como ventaja competitiva en la nube y el mercado en su conjunto se mueve hacia un modelo en el que la eficiencia, la diversidad de hardware y la capacidad de escalar sin colapsar los costes se convierten en el verdadero campo de batalla de la inteligencia artificial.
