Nvidia domine toujours les puces AI. Meta, Google et Amazon veulent toujours les leurs.

Le principal point à retenir de la conférence Hot Chips de cette semaine n'est pas que l'emprise de Nvidia Corp (NASDAQ : NVDA) sur les puces IA est en train de diminuer. C'est parce que ses principaux clients investissent de manière plus agressive que jamais dans la construction des leurs.

Selon une note de recherche de Karl Ackerman, analyste senior de BNP Paribas Equity Research, les présentations de Meta Platforms, Inc. (NASDAQ : META) et Alphabet Inc (NASDAQ : GOOGL) (NASDAQ : GOOG) ont souligné une évolution croissante du secteur : les hyperscalers développent le silicium personnalisé non pas pour remplacer Nvidia du jour au lendemain, mais pour gérer les charges de travail d'IA plus efficacement et réduire le coût de l'inférence à mesure que la demande augmente.

Meta, Google et Amazon développent davantage leur propre infrastructure d'IA

Les annonces ont illustré la rapidité avec laquelle les plus grandes entreprises du cloud élargissent leurs stratégies matérielles d'IA.

• Meta a détaillé la prochaine phase de sa feuille de route Meta Training and Inference Accelerator (MTIA). Sa prochaine puce MTIA 400 est conçue pour prendre en charge à la fois les systèmes de recommandation et les modèles d'IA génératifs, fournissant 3 PFLOPS de calcul FP16, soit environ cinq fois les performances de son prédécesseur, tout en augmentant la capacité de mémoire à bande passante élevée de 33 % pour atteindre 288 Go.
• Google, quant à lui, s'est concentré sur l'infrastructure réseau qui sous-tend sa dernière plateforme en TPU. La société a déclaré que son réseau Virgo peut connecter 134 000 puces TPU 8t avec jusqu'à 47 pétabits par seconde de bande passante non bloquante, permettant plus de 1,6 exaFlops de calcul tout en maintenant une mise à l'échelle quasi linéaire. L'architecture est conçue pour prendre en charge à terme jusqu'à un million de puces TPU dans plusieurs centres de données.
• Amazon a également investi dans des processeurs d'IA propriétaires par le biais de ses familles Trainium et Inferentia, reflétant ainsi la tendance croissante du secteur en faveur du silicium personnalisé aux côtés des GPU commerciaux.

Les puces personnalisées concernent l'économie de l'IA et ne remplacent pas Nvidia

L'argument général d'Ackerman est que les hyperscalers optimisent de plus en plus leur propre infrastructure d'IA, car l'inférence, le processus qui consiste à proposer des modèles d'IA aux utilisateurs à grande échelle, représente une part plus importante des dépenses en IA.

Cela explique pourquoi Meta et Google continuent d'investir massivement dans des puces propriétaires alors même qu'ils restent parmi les plus gros clients de Nvidia.

Pour les investisseurs, cette distinction est importante. Nvidia continue de dominer le marché de la formation de pointe en matière d'IA, mais les aspects économiques de la gestion des services d'IA encouragent les plus grandes entreprises technologiques du monde à détenir une plus grande partie de la pile matérielle sous-jacente lorsque cela s'avère rentable sur le plan financier et technique.

À retenir en matière d'investissement

La course aux puces d'intelligence artificielle est en train d'évoluer, passant d'une compétition portant sur la puissance de calcul brute à une compétition axée sur l'économie des infrastructures. Nvidia reste le principal fournisseur du secteur, mais Meta, Google et Amazon développent régulièrement de nouvelles capacités d'IA en interne afin d'améliorer l'efficacité et de réduire les coûts à long terme.

Les investisseurs devraient considérer le silicium personnalisé moins comme une menace immédiate pour Nvidia que comme une mesure de la manière dont les hyperscalers envisagent de trouver un équilibre entre la dépendance à l'égard du leader de l'IA et un meilleur contrôle de leur propre infrastructure.

Crédit photo : Shutterstock