Nouvelles de l'industrieActualités

Suivre l'actualité des entreprises, les changements stratégiques, les activités de financement et les ajustements de personnel à travers les industries de la blockchain et de la cryptomonnaie. Obtention d'une vue d'ensemble complète du secteur.

NVIDIA fait pression avec ses CPU, la Chine riposte avec RISC-V : Plongée approfondie dans les semi-conducteurs - Quatrième partie

Une information significative est apparue cette semaine : le CPU Vera de NVIDIA, conçu pour l'IA des centres de données, sera disponible pour les clients chinois dès août, à un prix unitaire dépassant 20 000 $. Face à cette arrivée, reposant toujours sur l'architecture Arm, la question se pose en Chine : existe-t-il une alternative autonome pour les CPU haute performance au-delà du duopole x86/Arm ? RISC-V émerge comme la réponse. Cette architecture ouverte, née il y a plus de dix ans, dépasse désormais le domaine de l'embarqué pour viser les serveurs et l'IA. Elle représente une opportunité de briser le "triangle impossible" de l'industrie (prospérité, contrôle, autonomie), offrant une voie potentiellement libre, contrôlée et florissante. La Chine devient un acteur central de cette poussée, motivée par la sécurité d'approvisionnement, la réduction des coûts, la souveraineté technologique et l'explosion de l'IA. Des équipes locales ont franchi le seuil symbolique des 15 points SPECint par GHz, signe d'entrée dans le club haute performance. Les progrès vont au-delà du simple cœur (core) pour englober des sous-systèmes complets : réseaux sur puce cohérents (NoC), gestion, fiabilité (RAS). Un processeur serveur 40 cœurs, 100% compatible avec le standard RVA23 (sans instructions personnalisées), illustre cette maturité croissante et cette priorité donnée à la compatibilité logicielle sur les performances artificielles. Cependant, les défis restent immenses. La fragmentation de l'écosystème due aux extensions personnalisées, l'immaturité des outils de développement (EDA) et de validation, les écarts de performance monocœur et d'efficacité énergétique par rapport aux architectures établies, ainsi que les contraintes liées aux procédés de fabrication avancés, constituent autant d'obstacles concrets. Le fossé logiciel, symbolisé par CUDA chez NVIDIA, est particulièrement profond. En résumé, la porte s'est ouverte pour RISC-V en Chine comme une alternative sérieuse et nécessaire à long terme. Le chemin est néanmoins long et semé d'épreuves techniques ardues. La course ne consiste pas à remplacer immédiatement des solutions comme le Vera de NVIDIA, mais à construire, pierre par pierre, une base autonome pour la prochaine révolution du calcul.

marsbit06/18 17:52

NVIDIA fait pression avec ses CPU, la Chine riposte avec RISC-V : Plongée approfondie dans les semi-conducteurs - Quatrième partie

marsbit06/18 17:52

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

**Titre :** Guide de test de la carte AI de WeChat : l'ère du "AI Shopping" est-elle arrivée ? **Résumé :** WeChat Pay a lancé une "carte AI dédiée", présentée comme permettant à des agents IA (comme WorkBuddy) d'effectuer des paiements pour répondre aux besoins des utilisateurs. Cependant, les tests révèlent que cela ne permet pas une consommation "entièrement automatique". En réalité, la carte AI est un portefeuille séparé du portefeuille WeChat principal. L'utilisateur doit la recharger avec des fonds spécifiques. Chaque paiement initié par l'IA nécessite une confirmation manuelle sur le téléphone de l'utilisateur. La carte isole les dépenses liées à l'IA pour une meilleure gestion. L'activation se fait via le chatbot WorkBuddy. Les cas d'usage annoncés sont l'achat de contenu payant, l'utilisation d'API/outils payants et les abonnements. Cependant, dans la pratique, il est difficile de déclencher ces paiements. Un test pour commander un thé via WorkBuddy a échoué. L'agent a dû utiliser une compétence externe ("Assistant de vie Meituan"), ce qui a consommé beaucoup de crédits (plus que l'allocation quotidienne gratuite). Après autorisation et paiement via la carte AI, l'agent a acheté un bon d'achat incorrect, pas le produit désiré. L'échec ne vient pas de la fonction de paiement elle-même, qui fonctionne, mais de la chaîne d'exécution de l'agent IA : compréhension précise du besoin, appel correct à des plateformes tierces, sélection du bon produit, etc. La carte AI ne gère que l'étape finale du paiement. Le mécanisme actuel est prudent : fonds limités à la carte AI, confirmation obligatoire pour chaque transaction, pas d'accès direct au portefeuille principal. Cela minimise les risques (mauvais achats, abonnements non désirés). **Conclusion/Recommandations :** Il est possible d'expérimenter cette fonction, mais avec prudence : commencez par de petites recharges, vérifiez toujours les détails (produit, prix) avant de confirmer le paiement, et ne présumez pas que l'agent IA a parfaitement compris une demande complexe (notamment pour la livraison, les coupons spécifiques).

marsbit06/18 12:08

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

marsbit06/18 12:08

a16z : Le secteur de la cryptographie entre dans l'ère du « Show Me the Evidence »

L'industrie crypto entre dans une ère du « prouve-le ». L'époque où un livre blanc, un token et une vision ambitieuse suffisaient à attirer l'attention est révolue. Face au renforcement de la réglementation, aux scandales et au bruit informationnel, le marché exige désormais des preuves tangibles : que construisez-vous vraiment, qui l'utilise et quelles sont les données ? L'entrée en scène d'institutions financières traditionnelles comme BlackRock, Fidelity et JPMorgan, avec des produits concrets (fonds monétaires tokenisés, ETF, blockchain Onyx), a considérablement relevé le seuil de crédibilité. Un projet sérieux doit désormais présenter une « pile de preuves » : partenariats réels avec intégrations, données en mainnet (volume d'échanges, utilisateurs actifs, revenus), signes d'adoption par le marché et validation par des tiers (audits, recherches indépendantes). Pour les startups, la logique de communication doit évoluer. La vision reste importante, mais elle ne peut plus se substituer aux preuves. Il faut ancrer le récit dans des faits démontrables : « Nous avons réduit le règlement transfrontalier de trois jours à quatre minutes, avec trois entreprises clientes » est plus puissant qu'une déclaration d'intention vague. Cette évolution représente à la fois une pression et une opportunité. Elle élimine le bruit des projets purement spéculatifs mais favorise ceux qui disposent déjà d'un produit, d'utilisateurs et de données solides. L'enjeu n'est plus de raconter la meilleure histoire, mais de démontrer par des preuves qu'elle est déjà en train de se réaliser.

marsbit06/18 04:47

a16z : Le secteur de la cryptographie entre dans l'ère du « Show Me the Evidence »

marsbit06/18 04:47

Recettes de 13 milliards de dollars, paiement de 17,2 milliards à Microsoft : la vérité sur les dépenses faramineuses de l'IA révélée par les comptes divulgués d'OpenAI

Une fuite de documents financiers d'OpenAI pour 2025 révèle une réalité brutale derrière le boom de l'IA. Malgré des revenus en hausse de 253% à 13,07 milliards de dollars, la société a subi une perte opérationnelle de 20,92 milliards. Le modèle consiste à "brûler des capitaux pour la croissance" : pour chaque dollar gagné, 1,60 dollar est dépensé. La structure des coûts est éclairante. Les dépenses de R&D (19,18 milliards de dollars), largement constituées de calculs d'entraînement de modèles, représentent 147% des revenus. Les coûts d'inférence (7,5 milliards) liés à l'utilisation par les utilisateurs grimpent avec les 900 millions d'utilisateurs hebdomadaires actifs de ChatGPT, dont seulement 5,6% sont payants. Un fardeau majeur provient de Microsoft, à qui OpenAI a payé 17,2 milliards de dollars (50,5% de ses coûts totaux) pour des services cloud et une redevance sur les revenus. Ce phénomène n'est pas isolé. xAI d'Elon Musk a dépensé 3 dollars pour chaque dollar de revenu en 2025. Anthropic, malgré une croissance rapide, fait face à des marges brutes plus faibles que prévues en raison des coûts d'inférence. Ensemble, ces trois leaders ont engendré plus de 30 milliards de dollars de pertes opérationnelles. Le chemin vers la rentabilité dépend d'une baisse radicale du coût marginal de l'inférence, à l'image de la réutilisation des fusées chez SpaceX. En attendant, la course à la "loi de l'échelle" en IA continue d'être financée par des levées de fonds massives, mettant à l'épreuve la patience des investisseurs.

marsbit06/18 04:03

Recettes de 13 milliards de dollars, paiement de 17,2 milliards à Microsoft : la vérité sur les dépenses faramineuses de l'IA révélée par les comptes divulgués d'OpenAI

marsbit06/18 04:03

活动图片