# Puissance de calcul Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Puissance de calcul", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Logique fondamentale de la transmission des goulots d'étranglement dans la chaîne industrielle de la puissance de calcul IA

**Résumé : L’évolution des goulots d'étranglement dans la chaîne d'approvisionnement de la puissance de calcul IA** La demande explosive d'IA a transformé les contraintes d'approvisionnement, faisant passer le goulot d'étranglement d'un problème unique (GPU) à une cascade systémique de cinq dimensions : puces, mémoire, interconnexion, électricité et refroidissement. Cette progression suit une logique séquentielle claire de contraintes complémentaires ("à la Leontief"), chaque solution révélant immédiatement la limitation suivante. 1. **Calcul (GPU) - 2022-2024** : La capacité de production des wafers avancés et de l'emballage (CoWoS de TSMC) a été la première limitation majeure. 2. **Mémoire (HBM) - 2024-2025** : Avec l'explosion des paramètres des modèles, la bande passante mémoire est devenue critique. La production complexe de HBM par seulement trois fabricants est désormais l'élément le plus tendu, retardant les déploiements malgré la disponibilité des GPU. 3. **Interconnexion optique - 2025-2026** : Pour interconnecter des milliers de GPU, le cuivre atteint ses limites physiques (poids, atténuation, puissance). Le passage à l'optique (CPO, photonique sur silicium) devient impératif pour monter en charge. 4. **Électricité & Refroidissement liquide - À partir de 2026** : C'est l'ultime contrainte physique. La consommation électrique des racks explose (jusqu'à 200 kW+), nécessitant un accès au réseau électrique en GW et un passage obligatoire au refroidissement liquide direct (D2C, immersion) pour dissiper la chaleur. Cette évolution redéfinit la répartition de la valeur dans la chaîne, déplaçant les opportunités d'investissement des fabricants de GPU vers les spécialistes de la mémoire HBM, de l'optique et des infrastructures électriques/thermiques. L'efficacité future résidera dans l'optimisation de tous ces maillons (quantification, puces dédiées, etc.) pour réduire les coûts et la consommation énergétique.

marsbitIl y a 2 jours 12:29

Logique fondamentale de la transmission des goulots d'étranglement dans la chaîne industrielle de la puissance de calcul IA

marsbitIl y a 2 jours 12:29

Dans le domaine de la génération de vidéos par IA, « Bien en avance » devient réalité

L'intelligence artificielle chinoise en génération vidéo est désormais considérée comme « bien en avance » sur ses concurrents américains, selon un article largement relayé. Des modèles comme Seedance 2.0 de ByteDance, Kling 3.0 de Kuaishou et HappyHorse d'Alibaba dominent les classements d'évaluation internationaux, devançant des outils comme Sora d'OpenAI ou Veo 3 de Google. Cette avance s'explique par plusieurs atouts structurels. Premièrement, les entreprises chinoises disposent d'un réservoir de données vidéo de très haute qualité, issues de leurs propres plateformes (TikTok/Douyin, Kuaishou). Ces données, enrichies par les comportements naturels des utilisateurs (partages, achats, taux de visionnage), sont un avantage compétitif majeur et difficile à reproduire. Deuxièmement, la technologie a trouvé des débouchés commerciaux clairs et rentables en Chine : création de vidéos pour le e-commerce, publicités, et surtout, production de mini-séries générant du revenu via des placements de produits. Ce cycle vertueux « produit-données-ventes » est absent du marché américain. Cependant, des défis persistent. L'écart en matière de puissance de calcul (hardware) entre les États-Unis et la Chine se creuse, et les modèles de langage généraux américains (comme GPT-5.5) conservent une avance de près d'un an. De plus, les entreprises chinoises font face à des pressions sur les droits d'auteur, des coûts de calcul élevés qui remettent en cause la viabilité économique de l'accès libre, et doivent gérer une forte demande. En conclusion, si la Chine a pris une réelle avance dans ce domaine spécifique, elle doit continuer à innover pour transformer cet avantage technique en succès commercial durable.

marsbit05/21 04:41

Dans le domaine de la génération de vidéos par IA, « Bien en avance » devient réalité

marsbit05/21 04:41

L'IA sauve un groupe d'investisseurs dans les énergies nouvelles

L'intelligence artificielle a relancé les investisseurs dans les énergies renouvelables. Alors que le marché boursier connaît des fluctuations, le secteur de l'électricité, notamment les énergies vertes et le stockage, explose. Des entreprises comme Datang Power et Jingneng Power affichent des hausses spectaculaires, tandis qu'une vague d'introductions en bourse (comme Sige New Energy) génère des rendements multipliés par plusieurs centaines pour les premiers investisseurs. La logique du secteur a fondamentalement changé. Après une période difficile de dévalorisation et de financement restreint entre 2022 et 2025, l'année 2026 marque un tournant. Les politiques nationales, comme le "Plan d'action pour une synergie entre l'IA et l'énergie", placent l'électricité verte et le stockage au cœur des infrastructures d'IA. Les nouveaux centres de calcul doivent désormais intégrer des solutions d'énergie propre. Ainsi, l'électricité verte est requalifiée en "actif central du socle de l'IA", créant une nouvelle dynamique où "la puissance de calcul équivaut à l'électricité, et l'électricité verte à un actif". Cette évolution se reflète dans les investissements. Les valorisations des projets leaders, comme China Resources New Energy, ont rebondi d'environ 60%. Les financements affluent vers les actifs liés au socle énergétique de l'IA : gestion de réseau, stockage à grande échelle, énergies distribuées, refroidissement liquide, etc. Des fonds comme KKR, ayant anticipé cette tendance en investissant dans des infrastructures vertes, réalisent des retours sur investissement exceptionnels (jusqu'à 15 fois pour CoolIT Systems). La demande énergétique induite par l'IA est colossale, avec un déficit de puissance prévu de 55 GW pour les data centers en 2026. Cette pénurie annoncée ouvre un espace de croissance immense pour la production d'électricité verte, la modernisation du réseau et le stockage. Pour les investisseurs ayant persévéré durant la phase difficile, la récolte commence, marquant le début d'une revalorisation durable des actifs énergétiques à l'ère de l'IA.

marsbit05/20 12:01

L'IA sauve un groupe d'investisseurs dans les énergies nouvelles

marsbit05/20 12:01

Mettre les serveurs au fond de la mer, cette idée est tout à fait sérieuse

**Titre : Plonger des serveurs au fond de l'océan, c'est du sérieux** Un centre de données immergé, connecté directement à l'énergie éolienne offshore, vient d'être mis en service en mer de Chine orientale, au large de Shanghai. Ce projet, d'un investissement de 1,6 milliard de yuans, héberge plus de 2000 serveurs dans 192 baies scellées à 10 mètres de profondeur. L'objectif principal est de résoudre deux défis majeurs des data centers : l'alimentation électrique et le refroidissement. L'eau de mer, à environ 15°C, offre un refroidissement naturel exceptionnel, permettant un PUE (indicateur d'efficacité énergétique) de seulement 1,15, bien en dessous de la moyenne nationale chinoise de 1,48. Le site, situé à 500 mètres d'un parc éolien offshore, est alimenté à plus de 95% par de l'électricité verte. À pleine capacité, il permettrait d'économiser 61 millions de kWh par an et ne consomme pas d'eau douce. L'idée, pionnière avec le projet Natick de Microsoft, a été validée : les serveurs en environnement scellé (azote sec) présentent une fiabilité bien supérieure à leurs équivalents terrestres. Après un premier prototype commercial à Hainan, le projet de Shanghai innove en se connectant directement à la source d'énergie renouvelable, réduisant considérablement les coûts d'infrastructure. Cette approche combine deux ambitions stratégiques : développer l'éolien offshore, qui bénéficie d'une électricité stable, et répondre à la demande exponentielle de calcul, notamment pour l'IA, dans les régions côtières densément peuplées où le terrain et l'énergie sont rares. La perspective est d'intégrer à l'avenir des modules de calcul directement dans les monopodes des éoliennes offshore, créant des "fermes informatiques" maritimes autonomes. Avec le plus grand parc éolien offshore au monde, la Chine est bien placée pour mener cette convergence entre l'énergie verte et la puissance de calcul.

marsbit05/20 04:36

Mettre les serveurs au fond de la mer, cette idée est tout à fait sérieuse

marsbit05/20 04:36

Quand la puissance de calcul se marchandise, à quand le marché à terme des GPU ?

**Quand la puissance de calcul devient une marchandise : combien de temps avant un marché à terme des GPU ?** Un article de Variant examine la possibilité d'un marché à terme pour la puissance de calcul (GPU). Il propose un cadre d'analyse basé sur cinq conditions préalables au développement d'un tel marché. Le constat actuel est mitigé. Le marché présente une **volatilité des prix élevée** (✅) et des **infrastructures de règlement physique embryonnaires** via des courtiers de gré à gré (✅). Cependant, il souffre d'une **offre très concentrée** chez les grands clouds (❌), d'un **manque de standardisation** des unités de calcul (❌), et les alternatives de couverture restent limitées pour la majorité des acteurs (⚠️). L'article compare cette évolution à celles du pétrole et de l'électricité. Pour que le marché mûrisse, une **fragmentation de l'offre** (nouveaux fournisseurs, adoption de puces alternatives) et une **standardisation** sont nécessaires. Cette dernière pourrait être portée par la demande croissante en **inférence** (moins exigeante que l'entraînement) et l'adoption potentielle de **modèles open-source**, qui démocratiseraient l'accès et homogénéiseraient les besoins matériels. Les auteurs s'interrogent sur l'unité de transaction future (puce, heure d'instance, token) et concluent que si un marché à terme robuste n'est pas pour tout de suite, l'activité dynamique des courtiers et la création d'indices de prix en sont les prémices.

marsbit05/18 09:33

Quand la puissance de calcul se marchandise, à quand le marché à terme des GPU ?

marsbit05/18 09:33

La cartographie des investissements dans l'IA est en train de se remodeler : au-delà des « Sept Magnifiques », quelles opportunités dans la chaîne d'approvisionnement des semi-conducteurs ?

Depuis que ChatGPT a déclenché la vague d'intelligence artificielle fin 2022, l'investissement en IA s'est largement concentré sur les "sept géants" (Magnificent-7). Cependant, l'émergence de DeepSeek en 2025 et les débats sur l'efficacité des dépenses en capital IA ont commencé à remodeler cette perspective. Les investisseurs réalisent désormais que les véritables opportunités résident peut-être moins dans les géants eux-mêmes que dans la chaîne d'approvisionnement en semi-conducteurs qui leur fournit les "pelles et les outils". Le récent cycle de résultats a validé la forte demande en capacité de calcul, apaisant les craintes d'une bulle. Cette certitude des dépenses en capital bénéficie avant tout à l'écosystème des semi-conducteurs, selon une logique de "vendeur de pelles" pendant une ruée vers l'or. Les ETF liés aux semi-conducteurs ont atteint des sommets historiques. Parmi les segments clés, la mémoire (HBM) est un goulot d'étranglement essentiel pour l'entraînement de l'IA, profitant aux leaders comme SK Hynix, Samsung et Micron. La photonique pour les interconnexions dans les data centers gagne également en importance. L'article identifie une sélection de 11 actions semi-conductrices ("AI-11") réparties en quatre piliers : la fonderie/lithographie (TSMC, ASML), les puces logiques et sur mesure (AMD, Broadcom, Marvell, Intel), la mémoire (Micron, SK Hynix, Samsung) et le stockage d'entreprise (SanDisk, Western Digital). Chaque dollar de dépense en infrastructure IA des hyperscalers transite par cette chaîne. Si les "sept géants" conservent une position dominante, l'écart de taux de croissance de leurs bénéfices prospectifs par rapport au reste du S&P 500 se réduit. L'attention des investisseurs et les flux marginaux se déplacent désormais vers les fournisseurs en amont de la chaîne de valeur. En conclusion, la logique d'investissement a évolué : elle est passée de "paris sur les gagnants finaux" à "l'investissement dans les segments les plus certains de la chaîne d'approvisionnement". La certitude des dépenses en capital IA profite massivement à l'écosystème des semi-conducteurs, un changement clé pour saisir les futures opportunités dans ce secteur.

marsbit05/12 08:17

La cartographie des investissements dans l'IA est en train de se remodeler : au-delà des « Sept Magnifiques », quelles opportunités dans la chaîne d'approvisionnement des semi-conducteurs ?

marsbit05/12 08:17

55 milliards de dollars, l'« usine à puces » de Musk commence à devenir réalité

Dans les années 1980, l'industrie japonaise des semi-conducteurs dominait le monde. Aujourd'hui, c'est Elon Musk qui, face à une dépendance similaire, lance un projet stratégique pour maîtriser sa propre chaîne d'approvisionnement en puces. SpaceX a proposé d'investir 55 milliards de dollars (pourrait atteindre 119 milliards) dans l'usine "Terafab" au Texas. Cette initiative conjointe avec Tesla vise à répondre aux énormes besoins en puissance de calcul (pour xAI, Starlink, l'autopiloté Tesla, Optimus) de l'écosystème d'entreprises de Musk, réduisant ainsi sa dépendance envers Nvidia. Il s'agit moins d'une simple usine que d'une stratégie d'infrastructure IA verticalement intégrée, contrôlant la production, l'énergie et le déploiement. Cependant, la réalité industrielle est rude : la construction prend des années (première production optimiste mi-2028), nécessite une expertise et des équipements de pointe (comme les machines EUV d'ASML), et les retards sont fréquents. Ce projet reflète une course plus large à l'autonomie en matière de calcul dans l'ère de l'IA, où la puissance de traitement est une ressource stratégique. Son annonce, coïncidant avec la future introduction en bourse de SpaceX, sert également de récit capitalistique, liant Tesla au récit porteur de l'IA et du supercalcul. Ainsi, alors que SpaceX continue ses lancements de fusées, le projet Terafab, bien qu'encore sur le papier, symbolise la redéfinition des frontières industrielles par Musk, transformant potentiellement la future chaîne d'approvisionnement des semi-conducteurs pour l'IA.

marsbit05/08 14:10

55 milliards de dollars, l'« usine à puces » de Musk commence à devenir réalité

marsbit05/08 14:10

Capacité de calcul limitée : pourquoi DeepSeek-V4 est-il open source ?

Face à des contraintes de calcul, DeepSeek a choisi de rendre son modèle DeepSeek-V4 open source, tout en proposant une version Pro aux capacités avancées mais limitée en débit en raison de ressources de calcul haute performance insuffisantes. Le modèle exploite une architecture MoE (Mixture of Experts) avec 1,6T de paramètres au total mais seulement 49B activés lors de l'inférence, permettant une gestion de contexte longue (1 million de tokens). Une version Flash, avec 284B de paramètres totaux et seulement 13B activés, est conçue pour une adoption massive sur du matériel moins performant, visant ainsi les PME et développeurs. Le modèle excelle dans des tâches exigeantes comme la génération de code et le raisonnement complexe, rivalisant avec des modèles fermés leaders. DeepSeek a également collaboré avec des fabricants de puces chinoises (Huawei, Cambricon, Hygon) pour optimiser l'exécution sur du matériel local, bien que des défis persistent en termes de performance pure et d’approvisionnement. Cette stratégie intervient dans un contexte de concurrence intense sur le marché chinois des modèles de langage et de départs clés dans l’équipe R&D. DeepSeek cherche également à lever des fonds à une valorisation élevée, et cette version open source constitue une démonstration de sa résilience technologique et de son orientation pragmatique vers une IA accessible malgré les limites actuelles du calcul.

marsbit04/26 00:38

Capacité de calcul limitée : pourquoi DeepSeek-V4 est-il open source ?

marsbit04/26 00:38

Où se trouve le goulot d'étranglement dans la chaîne industrielle de l'IA Infra ?

L'industrie de l'infrastructure IA (AI Infra) fait face à des goulots d'étranglement systémiques à presque tous les niveaux, entravant le déploiement massif de la puissance de calcul nécessaire aux applications d'intelligence artificielle. Quatre principaux obstacles sont identifiés : Le « mur de la mémoire » : La demande croissante en mémoire à large bande (HBM) et DRAM pour l'inférence IA dépasse l'offre, les nouvelles capacités de production n'étant attendues qu'à partir de 2027. Le « mur de la bande passante » : La vitesse de calcul dépasse celle du transfert des données, créant des goulots à tous les niveaux (puces, serveurs, centres de données). L'énergie nécessaire pour déplacer les données dépasse parfois celle utilisée pour les calculs. Le « mur de calcul » : La fabrication de puces haut de gamme est limitée par la disponibilité des équipements de production avancés, notamment les machines de lithographie EUV (ASML), et par la chaîne d'approvisionnement mondiale complexe en matériaux et équipements spécialisés. Le « mur électrique » : Bien que la consommation énergétique des data centers IA soit énorme, ce défi est considéré comme plus gérable à moyen et long terme grâce aux énergies renouvelables. Au-delà de ces murs, l'expansion de la production est freinée par des pénuries en amont : * **Équipements de test (ATE)** : Essentiels pour tester à 100% les puces IA complexes, leur demande explose. * **Substrats IC/porteurs** : Un point de rupture critique. Ces composants, plus chers que les puces dans certains cas, sont indispensables pour le packaging avancé (2.5D/3D). Leur production, concentrée chez quelques fabricants taïwanais, est un goulot d'étranglement majeur pour des sociétés comme NVIDIA. * **Matériaux spéciaux** : Des « épices industrielles » comme les fibres de verre à faible CTE, les feuilles de cuivre spéciales et les forets de précision sont en pénurie. Leur haute technicité et leur production limitée menacent toute la chaîne. * **Salles blanches haute technologie** : La construction de ces environnements de production ultra-propres pour les puces et packaging avancés est un secteur à forte barrière technique et financière, en forte demande. Enfin, la connectivité dans les data centers évolue avec une compétition entre le cuivre et la fibre optique selon la distance : le cuivre regagne du terrain pour les courtes distances (<7m) grâce à son coût et sa fiabilité, des solutions hybrides (Micro LED) émergent pour les distances moyennes, et la fibre optique (dont la fibre creuse innovante) reste cruciale pour les longues distances. Les technologies de PCB et de substrats doivent également évoluer (plus de couches, substrats en verre) pour supporter la bande passante requise. En résumé, le développement de l'infrastructure IA est contraint par des limitations multidimensionnelles, de la fabrication fondamentale des puces aux matériaux et équipements spécialisés en amont. La recomposition des chaînes d'approvisionnement et l'évolution des technologies de connexion (cuivre/optique) façonneront l'avenir du secteur.

marsbit04/21 10:40

Où se trouve le goulot d'étranglement dans la chaîne industrielle de l'IA Infra ?

marsbit04/21 10:40

活动图片