Meta wil voor 5,7 miljard dollar aan AI-chips laten produceren bij Samsung. Het bedrijf wil zo zijn eigen rekenkracht voor Llama-modellen en aanbevelingssystemen vergroten. De productie bij Samsung moet de afhankelijkheid van Nvidia verkleinen en de capaciteit in datacenters opschroeven. De stap raakt ook aan Europese AI-verordening gevolgen overheid en toezicht, omdat meer rekenkracht de uitrol van algoritmen versnelt.
Meta spreidt chiprisico
Meta vergroot zijn eigen technologische basis door niet alleen in te kopen bij Nvidia. Met een meerjarenorder bij Samsung wil het bedrijf de levering van AI-hardware voorspelbaarder maken. Dat is nodig om generatieve systemen en advertentie-algoritmen te blijven trainen en draaien. Het voorkomt ook dat schaarste aan GPU’s projecten vertraagt.
Meta ontwikkelt al eigen accelerators onder de naam MTIA, een gespecialiseerde chip (ASIC) voor AI-taken. Zulke chips zijn ontworpen voor één type werk, zoals aanbevelingen of inferentie, en zijn daardoor vaak zuiniger. Voor het trainen van grote modellen blijven GPU’s belangrijk, maar eigen ASIC’s drukken kosten en energieverbruik. Dat helpt de schaalbaarheid van diensten als Reels en de Llama-familie.
Met meer grip op hardware kan Meta zijn AI-roadmap strakker plannen. Het verkort de tijd tussen modelontwerp en uitrol in datacenters. Ook kan het bedrijf hardware en software nauwer afstemmen. Dat levert stabielere prestaties en lagere operationele kosten op.
Meta wil op het moment van schrijven AI-chips laten maken voor circa 5,7 miljard dollar: een meerjareninvestering in eigen rekenkracht.
Samsung wint groot contract
Voor Samsung versterkt de opdracht de positie op de markt voor geavanceerde chipproductie. Het bedrijf kan zijn foundry-activiteiten uitbreiden met een grote, vaste afnemer. Dat biedt schaalvoordelen in productie, testen en verpakking van AI-chips. Het vergroot ook de zichtbaarheid tegenover concurrent TSMC.
Samsung levert niet alleen productiecapaciteit, maar heeft ook sterke expertise in geheugen. Snelle verbindingen tussen processor en geheugen zijn cruciaal voor AI-prestaties. Een nauwe samenwerking kan latenties verlagen en doorvoer verhogen. Dat is belangrijk bij zowel training als inferentie.
Er zijn wel risico’s bij zo’n traject. Nieuwe chipontwerpen vragen tijd voor validatie en opschaling. Fabrieksopbrengsten (yield) en toeleveringsketens kunnen tegenvallen. Planning en diversificatie blijven daarom essentieel voor Meta en Samsung.
Effect op datacenters Europa
Extra eigen chips kunnen ook in Europese datacenters van Meta terechtkomen, zoals in Denemarken en Ierland. Meer rekenkracht vraagt om voldoende stroom, koeling en netwerkcapaciteit. Dat raakt regionale energiesystemen en vergunningstrajecten. Samenwerking met netbeheerders en warmtenetten wordt belangrijker.
In Nederland liggen hyperscale-datacenters onder een vergrootglas. Gemeenten en provincies letten op ruimtegebruik, netcongestie en restwarmte. Strakkere voorwaarden voor duurzaamheid en transparantie winnen terrein. Nieuwe AI-hardware moet dus passen binnen lokale eisen en afspraken.
Voor Europese bedrijven en instellingen kan dit leiden tot snellere, lokale AI-diensten. Lagere latency is gunstig voor zorg, onderwijs en overheidstoepassingen. Maar de kosten van energie en infrastructuur blijven een remmende factor. Heldere afspraken over efficiëntie en hernieuwbare stroom zijn nodig.
Europese AI-verordening gevolgen overheid
De Europese AI-verordening (AI Act) stelt eisen aan aanbieders en gebruikers van AI-systemen. Op het moment van schrijven vallen infrastructuur en chips niet direct onder de strengste regels. Toch beïnvloedt meer rekenkracht de snelheid en schaal van uitrol. Dat vergroot de noodzaak van risicobeoordeling en toezicht.
Overheden die AI inkopen, moeten rekening houden met risicoklassen en documentatieplicht. Denk aan transparantie over modeldoel, dataherkomst en prestaties. Daarnaast blijft de AVG leidend voor persoonsgegevens, met dataminimalisatie en versleuteling als basis. Impactanalyses (DPIA’s) horen bij projecten met gevoelige data.
Voor grote generatieve modellen kunnen extra verplichtingen gelden, zoals veiligheidstests en rapportages. Leveranciers moeten uitleg geven over beperkingen en energiegebruik waar relevant. Heldere contracten met cloud- en chipleveranciers helpen bij naleving. Zo blijft publieke inzet van AI controleerbaar en proportioneel.
Gevolgen voor Nvidia en markt
Een grote order bij Samsung verkleint Meta’s afhankelijkheid van Nvidia, maar vervangt die niet volledig. GPU’s blijven nodig voor flexibele en snelle training van nieuwe modellen. Wel kan de vraag naar specifieke GPU-capaciteit afvlakken. Dat kan de prijsspanning in de markt verminderen.
Meer concurrentie in AI-hardware stimuleert innovatie. Leveranciers zoeken naar efficiëntere chips en betere softwarestacks. Voor Europese cloudaanbieders en start-ups kan dat gunstig uitpakken. Lagere kosten en meer keuze versnellen experimenten en productie.
Voor eindgebruikers draait het om betrouwbaarheid, kosten en energieverbruik. Als eigen chips van Meta die combinatie verbeteren, volgen anderen mogelijk hetzelfde pad. Daarmee verschuift de machtsbalans in de toeleveringsketen. Uiteindelijk bepaalt de praktijkprestatie of deze strategie standhoudt.
Technische focus van Meta-chips
Meta’s eigen accelerators richten zich vooral op inferentie en aanbevelingen. Dit zijn terugkerende rekentaken met voorspelbare patronen. Een ASIC kan die taken zeer efficiënt uitvoeren. Zo dalen zowel kosten per verzoek als energie per taak.
Voor training van nieuwe Llama-modellen kan Meta hybride blijven werken. Een mix van GPU’s en eigen chips per taakdeel is logisch. Dat benut de sterke punten van beide typen hardware. Softwareoptimalisatie wordt dan een sleutelrol.
Het succes hangt af van de volledige stack: model, compiler, netwerk en opslag. Kleine bottlenecks kunnen winst wegvagen. Daarom investeren grote techbedrijven in end-to-end afstemming. De deal met Samsung past in die bredere optimalisatieslag.