Nvidia est actuellement le leader incontesté de la révolution de l’IA, une position reflétée par sa valorisation boursière stupéfiante de plusieurs milliards de dollars. Cependant, la technologie même que Nvidia a aidé à mettre au point – l’intelligence artificielle – pourrait bientôt être l’outil qui démantèlera son avantage concurrentiel.
L’industrie assiste à un changement où l’IA n’est plus seulement l’utilisateur du matériel, mais en devient de plus en plus l’architecte et l’optimiseur de celui-ci.
Le « fossé logiciel » assiégé
La domination de Nvidia ne repose pas uniquement sur la puissance brute ; il est construit sur la programmabilité. Alors que de nombreux concurrents proposent des puces aux performances théoriques similaires (opérations en virgule flottante), Nvidia a une longueur d’avance considérable dans le domaine des logiciels. Leurs bibliothèques et outils spécialisés permettent aux développeurs d’écrire beaucoup plus facilement du code qui s’exécute efficacement sur leur matériel.
Cela a créé une barrière élevée à l’entrée. Par exemple, lorsqu’Anthropic a décidé d’exécuter ses modèles Claude sur le matériel Trainium d’Amazon, l’entreprise a dû réécrire son code à partir de zéro pour garantir son efficacité.
Entrez Wafer, une startup visant à combler cette lacune. Wafer utilise l’apprentissage par renforcement pour enseigner aux modèles d’IA comment écrire le « code du noyau », le logiciel de bas niveau qui communique directement avec le matériel. En automatisant le processus d’optimisation, Wafer vise à :
– Démocratiser l’efficacité : Faciliter l’exécution de modèles d’IA complexes par du matériel non Nvidia (comme les puces AMD ou Amazon).
– Réduire les coûts : Minimiser le besoin d’ingénieurs spécialisés en performances très coûteux.
– Maximiser « l’intelligence par watt » : Garantir que le matériel n’est pas seulement puissant, mais aussi très efficace dans la façon dont il utilise l’énergie.
Automatisation du plan : l’IA dans la conception de puces
Si Wafer optimise le fonctionnement des logiciels sur les puces, une autre startup, Ricursive Intelligence, s’attaque en premier lieu à la manière dont les puces sont construites.
La conception de puces est l’une des prouesses techniques les plus complexes au monde. Cela nécessite de disposer des milliards de composants sur un minuscule morceau de silicium, puis de subir des tests rigoureux et itératifs pour garantir que tout fonctionne. Traditionnellement, cela nécessite des équipes massives d’experts humains.
Fondée par Azalia Mirhoseini et Anna Goldie, anciennes ingénieurs de Google, Ricursive s’efforce d’automatiser les « longs pôles » du processus : conception physique et vérification de la conception.
Leur vision comprend :
– Conception en langage naturel : Utilisation de grands modèles de langage (LLM) pour que les ingénieurs puissent décrire les modifications ou poser des questions sur une puce à l’aide d’un texte simple.
– Itération accélérée : utilisation de l’IA pour optimiser la disposition des composants, une technique déjà mise au point chez Google.
– La « loi de mise à l’échelle » pour le matériel : Le potentiel d’une boucle récursive dans laquelle l’IA conçoit de meilleures puces, qui à leur tour fournissent plus de calcul pour concevoir des puces encore meilleures.
Pourquoi c’est important : la transition vers le silicium personnalisé
L’industrie technologique s’oriente déjà vers le silicium personnalisé. Des géants comme Apple, Google, Amazon et Meta développent tous leurs propres puces propriétaires pour adapter le matériel spécifiquement à leurs besoins logiciels.
Historiquement, le « goulot d’étranglement » pour ces entreprises n’a pas été le matériel lui-même, mais l’énorme effort de logiciel et de conception requis pour faire fonctionner ce matériel. Si l’IA peut automatiser à la fois la conception de la puce (Ricursive) et l’optimisation du code (Wafer), le « fossé » entourant Nvidia commence à s’évaporer.
“Le fossé réside dans la programmabilité de la puce… Je pense qu’il est temps de commencer à repenser s’il s’agit réellement d’un fossé solide.” — Emilio Andere, PDG de Wafer
Conclusion
L’essor de la conception de puces basées sur l’IA et de l’optimisation logicielle représente un changement fondamental dans l’industrie des semi-conducteurs. Si l’IA parvient à automatiser les parties les plus difficiles de l’ingénierie matérielle, les obstacles à la création de silicium personnalisé hautes performances tomberont, mettant potentiellement fin à l’ère de la domination d’un fournisseur unique à l’ère de l’IA.
