Original | Odaily Planet Daily(@OdailyChina)
Auteur | Azuma(@azuma_eth)
Ce week-end passé, un rapport d'un cabinet de recherche en investissement bien connu, SemiAnalysis, a suscité un vaste débat dans toute l'industrie de l'IA.
Le contenu central du rapport est le suivant : après avoir révélé fin juin que la conception originale à 4 puces (4-die) de Rubin Ultra par NVIDIA serait réduite de moitié, SemiAnalysis révèle à nouveau que NVIDIA a fourni un aperçu de Rubin Ultra à ses principaux clients, mais ses spécifications ont encore baissé par rapport aux attentes précédentes.
Les informations sur Rubin Ultra divulguées dans le rapport de SemiAnalysis sont résumées ci-dessous :
- Rubin Ultra maintiendra le même pic théorique de puissance de calcul que Rubin, soit 35 PFLOPs ;
- Configuration de mémoire vidéo sérieusement réduite, les spécifications sont ramenées à 192 GB avec 8 couches empilées (8-Hi), ce qui est même inférieur aux 288 GB avec 12 couches empilées (12-Hi) de Rubin ;
- La bande passante mémoire change à peine, n'augmentant que de 1 TB/s, ce qui est largement négligeable dans les calculs réels à haut débit ;
- La consommation électrique au niveau de la puce est même légèrement plus élevée, la consommation minimale est identique à celle de Rubin (1800 W), la consommation maximale est en revanche plus élevée (2600 W) ;
- La seule amélioration majeure concerne « l'échelle d'interconnexion » (Scale-up world size), passant de 72 GPU à 576 GPU. Cela signifie que NVIDIA déplace le véritable argument de vente vers les réseaux de clusters. Via le réseau NVLink, il peut connecter jusqu'à 576 Rubin Ultra en un énorme « super GPU logique » (la version standard ne supporte qu'un maximum de 72 cartes interconnectées).
En tant que version haut de gamme phare de Rubin, annoncée avec grande fanfare par NVIDIA lors du GTC 2026, Rubin Ultra était initialement conçu pour répondre aux besoins d'entraînement et d'inférence de modèles d'IA à l'échelle la plus extrême, en intégrant davantage de puces (die) et de mémoire à haute bande passante. Cependant, d'après les détails des spécifications récemment divulgués par SemiAnalysis, NVIDIA a clairement ajusté sa stratégie de conception pour Rubin Ultra.
La HBM devient trop chère, NVIDIA commence à recalculer
Au cours des deux dernières années, l'un des composants clés de l'expansion de l'industrie de l'IA a sans aucun doute été la HBM.
Avec l'explosion de la demande d'accélérateurs d'IA comme les Nvidia H100, H200, Blackwell, la mémoire à haute bande passante est passée d'un produit de stockage haut de gamme relativement de niche à l'élément le plus critique de l'infrastructure d'IA. SK Hynix, Samsung, Micron, tout en battant des records de résultats, ont tous augmenté leurs investissements dans la HBM. Cependant, le déséquilibre entre l'offre et la demande continue de pousser les prix de la HBM à la hausse.
Pour les fabricants de puces d'IA, l'importance de la HBM est évidente : le GPU se charge du calcul, la HBM assure un débit de données rapide. Ensemble, ils déterminent l'efficacité de l'entraînement et de l'inférence des modèles d'IA. Mais le problème est que la HBM est désormais si chère qu'elle commence à affecter l'économie globale des systèmes d'IA. Prenons la HBM3 par exemple : le prix d'une puce HBM3 était au plus bas au Q2 2025, entre 180 et 220 dollars. Au Q1 de cette année (prix contractuel), il était déjà monté à 600-700 dollars, et au Q2 (prix spot), il a atteint 700-850 dollars.
Selon les estimations de SemiAnalysis, avec la hausse des prix de la HBM, le coût purement matériel (BOM) d'un baie unique Rubin Ultra est passé d'environ 6,6 millions de dollars à 8 millions de dollars. Après ajustement des spécifications de conception, le coût pourrait redescendre à environ 6,4 millions de dollars.
Pour NVIDIA, une telle différence de coût soulève une question très pratique : si l'on continue à augmenter la capacité HBM selon la conception originale, cela apportera-t-il une amélioration des performances proportionnelle au coût ? Existe-t-il d'autres solutions plus optimales ?
SemiAnalysis apporte une réponse dans son rapport : l'ajustement de Rubin Ultra est essentiellement le résultat d'une ré-optimisation par NVIDIA de la structure des coûts des systèmes d'IA avec des ressources limitées. Cela consiste à réduire la configuration HBM relativement coûteuse (sa part dans le coût passe de près de 40 % à 28 %) et à réallouer les ressources vers des capacités d'interconnexion et d'extension à plus haute valeur ajoutée (la part des coûts passe de 4 % à 12 %).
Comme mentionné précédemment, la principale orientation d'amélioration de Rubin Ultra se tourne désormais vers les « capacités d'interconnexion et d'extension au niveau système ». L'architecture NVL576 supportée par Rubin Ultra permet de connecter jusqu'à 576 GPU via NVLink en un seul domaine de calcul unifié, visant à compenser les ajustements des spécifications de la puce individuelle par une extension système à plus grande échelle.
Chute des actions du secteur mémoire, le marché craint un pic de la demande
Sous le choc de cette nouvelle potentielle, les actions du secteur mémoire ont chuté en début de séance ce matin sur le marché coréen. À 11h45 heure de Pékin, SK Hynix et Samsung, les deux leaders de la HBM, ont tous deux chuté d'environ 8 %, et l'indice KOSPI a également baissé d'environ 5 %.
Le marché commence à s'inquiéter : si l'ajustement des spécifications de Rubin Ultra révélé par SemiAnalysis est avéré (NVIDIA n'a pas encore confirmé publiquement ces informations), cela signifierait-il que NVIDIA, en tant qu'acheteur le plus central de l'infrastructure d'IA, réduit sa demande en HBM ?
Au cours des deux dernières années, avec la croissance rapide de la demande d'expansion de l'IA, la HBM est devenue la partie la plus critique de l'infrastructure d'IA. NVIDIA, AMD et autres fabricants de puces ont continuellement augmenté la configuration HBM dans leurs accélérateurs d'IA, entraînant une flambée des résultats des fabricants de mémoire comme SK Hynix, Samsung, Micron, et renforçant constamment leur pouvoir de fixation des prix dans toute la chaîne industrielle.
Le choix de NVIDIA pourrait indiquer que les fabricants de puces d'IA envisagent d'optimiser la conception matérielle pour réduire la dépendance de chaque puce individuelle à une HBM de haute capacité. Si cette voie s'avère viable, l'espace pour des augmentations continues de prix par les fabricants de HBM serait très probablement limité.
La construction de l'infrastructure de l'IA finira par quitter l'ère du « matraquage de composants et de la hausse des prix aveugle ». Et maintenant, même NVIDIA, assis sur le trône de fer de la puissance de calcul, commence à compter ses sous.
