# GPU Articles associés

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

Les fermes de minage de Bitcoin se transforment en usines d'IA

Les fermes de minage de Bitcoin se transforment progressivement en infrastructures de calcul pour l'IA, redéployant les ressources accumulées durant le cycle précédent de la cryptomonnaie. Des entreprises comme Crusoe, initialement spécialisées dans le minage utilisant du gaz torché, convertissent désormais leurs centres de données pour alimenter des projets d'IA comme le "Stargate" d'OpenAI. La valeur clé réside moins dans les matériels que dans l'accès à l'électricité, aux terrains et aux autorisations de raccordement au réseau, des atouts maîtrisés par les mineurs. Parallèlement, des acteurs issus de la cryptosphère, tels qu'Alex Atallah (co-fondateur d'OpenSea) avec OpenRouter, réutilisent leur expertise en agrégation de marchés pour créer des plateformes d'API unifiées pour les modèles d'IA. Les capitaux générés par le boom des cryptomonnaies sont réinvestis dans l'IA, comme l'illustrent l'investissement de Jed McCaleb dans Voltage Park ou les participations initiales de FTX dans Anthropic et Cursor. Ce transfert de ressources couvre trois domaines : les infrastructures physiques (électricité, data centers), les compétences humaines (ingénieurs, entrepreneurs) et les capitaux. Il alimente à la fois la course aux calculs et favorise des expérimentations organisationnelles, comme le réseau de formation distribué Psyche de Nous Research. La cryptomonnaie ne se mute pas en IA, mais elle en nourrit l'expansion en recyclant ses actifs stratégiques.

链捕手Il y a 8 h

Les fermes de minage de Bitcoin se transforment en usines d'IA

链捕手Il y a 8 h

Évalué à 10 milliards de dollars, Nvidia mise gros ! Prime Intellect est en train de se débarrasser de son étiquette Web3 ?

Prime Intellect, une infrastructure d'IA décentralisée, a annoncé un tour de table de série A de 130 millions de dollars, portant sa valorisation à 10 milliards. Le tour est dirigé par Radical Ventures et implique les bras de capital-risque de Nvidia, Intel et Dell. La société, fondée en 2024, déclare un chiffre d'affaires annualisé (ARR) dépassant 100 millions de dollars et plus de 6000 clients entreprises. Initialement présentée avec un angle Web3 et des références à une future tokenisation, la plateforme a depuis nettoyé sa documentation de ces éléments, se repositionnant comme une entreprise d'infrastructure IA pure. Son produit phare, Prime Intellect Lab, permet aux entreprises d'entraîner et d'optimiser leurs propres modèles d'agents IA sans gérer de clusters GPU coûteux. La société a démontré sa technologie en entraînant des modèles de grande échelle (comme INTELLECT-3, un modèle MoE de 1060 milliards de paramètres) sur des GPU distribués géographiquement. Ses partenariats techniques avec Nvidia (utilisation de Dynamo pour l'inférence, tests sur Vera CPU) et d'autres géants du matériel visent à optimiser les coûts et les performances. Un cas d'usage notable est celui de la fintech Ramp, qui a utilisé la plateforme pour entraîner un agent spécialisé, obtenant de meilleurs résultats que certains grands modèles pour sa tâche spécifique. Si le chiffre d'ARR doit être interprété avec prudence (c'est une projection, non un revenu réalisé), il reflète la croissance rapide d'un modèle économique basé sur la location de puissance de calcul GPU, les services d'entraînement et d'inférence.

Foresight News07/13 02:38

Évalué à 10 milliards de dollars, Nvidia mise gros ! Prime Intellect est en train de se débarrasser de son étiquette Web3 ?

Foresight News07/13 02:38

Meta se lance aussi dans la vente de pelles, Mark Zuckerberg : les modèles peuvent être lents, mais les GPU doivent rapporter

Meta, confronté à des défis dans le développement de ses propres modèles d'IA (comme les difficultés avec Gemini et les retards des agents IA), se tourne vers un nouveau plan stratégique : la commercialisation de sa puissance de calcul. Le groupe envisagerait de lancer "Meta Compute", un service permettant de louer une partie de son infrastructure GPU massive à des clients externes. Cette décision s'appuie sur d'importants investissements en infrastructures. Meta a considérablement accru ses capacités de data centers et de calcul, avec des engagements récents approchant les 10GW. Cette capacité pourrait être allouée à plusieurs usages : alimenter ses propres modèles (comme Muse Spark et le futur "Watermelon"), améliorer ses systèmes de recommandation publicitaire, ou être louée à haut prix sur le modèle de SpaceX. Meta pourrait également héberger des modèles tiers, comme Claude d'Anthropic, pour les proposer en service. Cela lui permettrait un usage interne, une vente directe aux entreprises, et le développement d'applications verticales intégrant des agents IA. Cette orientation répond à la réalité très coûteuse de la course aux modèles d'IA de pointe. En monétisant son infrastructure, Meta cherche à générer des revenus à haute marge (100 milliards de dollars annuels potentiels pour 200MW loués) et à rendre ses investissements compréhensibles pour les marchés, sans pour autant abandonner son objectif à long terme de développer une intelligence artificielle de niveau supérieur (ASI). Cette stratégie positionnerait Meta en concurrent direct des grands clouds (AWS, Azure, Google Cloud) et des spécialistes du calcul IA comme CoreWeave.

marsbit07/06 01:22

Meta se lance aussi dans la vente de pelles, Mark Zuckerberg : les modèles peuvent être lents, mais les GPU doivent rapporter

marsbit07/06 01:22

Un mégawatt pour 60 000 agents intelligents, le GB300 de NVIDIA écrase la génération précédente par 20 fois

Selon les résultats du nouveau benchmark AA-AgentPerf, conçu spécifiquement pour mesurer les performances des agents IA, le système GB300 NVL72 de NVIDIA peut gérer jusqu'à 61 400 agents simultanés par mégawatt, soit environ 20 fois plus que la génération précédente H200 (2 600 agents par mégawatt). Cette mesure « agents par mégawatt » devient un indicateur clé, plus pertinent que les tokens par seconde pour évaluer l'efficacité réelle des systèmes d'IA agentique. Le benchmark AA-AgentPerf, développé par Artificial Analysis, simule le fonctionnement réel d'un agent de programmation, avec des sessions longues (jusqu'à 200 tours) et un contexte pouvant dépasser 100 000 tokens. Il impose des objectifs de niveau de service (SLO) sur la vitesse de génération et la latence pour déterminer le nombre maximal d'agents concurrents qu'un système peut supporter de manière utilisable. L'écart de performance s'explique par une avancée systémique. Le GB300 NVL72 relie 72 GPU via NVLink en un seul système rack, permettant une répartition optimale des modèles MoE (Mixture of Experts) et une gestion efficace du cache KV et de la communication. Les optimisations logicielles, comme celles de TensorRT-LLM, contribuent également à ces gains. Il est important de noter que ce benchmark utilise des trajectoires pré-enregistrées et ne reflète pas directement la capacité d'un environnement de production réel. Il représente néanmoins un changement significatif dans la manière d'évaluer la puissance de calcul dédiée aux agents IA, en se concentrant sur le coût énergétique par agent utile plutôt que sur la performance brute.

marsbit07/06 01:07

Un mégawatt pour 60 000 agents intelligents, le GB300 de NVIDIA écrase la génération précédente par 20 fois

marsbit07/06 01:07

L'IA balaie le monde, pourquoi la combinaison Crypto + IA est-elle si décevante ?

**Résumé : L'IA domine, mais pourquoi la combinaison Crypto + IA reste terne ?** Alors que l'IA connaît un essor mondial, le secteur blockchain peine à y trouver sa place. Une analyse par segments révèle un décalage structurel entre l'offre et la demande. * **Calcul et stockage décentralisés** : Bien que logiques pour la souveraineté des données ou les coûts, ces solutions ne présentent pas encore un avantage technique suffisant pour justifier le risque de migration des entreprises loin des géants du cloud. * **Validation des modèles et protection de la vie privée** : Des technologies comme le ZKML (Zero-Knowledge Machine Learning) résolvent des problèmes à long terme (audit, confidentialité), mais pas les priorités opérationnelles immédiates des entreprises. Leur adoption massive suivra probablement la réglementation, comme le montre l'Acte européen sur l'IA. * **Infrastructure pour agents IA** : Les projets blockchain développent une infrastructure pour une économie future d'agents autonomes interagissant entre eux. Cependant, le marché actuel se concentre sur l'automatisation des processus internes. La demande n'est pas encore mature. * **Paiement pour agents IA** : C'est le seul segment où la blockchain est sur un pied d'égalité avec la finance traditionnelle, car aucun des deux n'a encore résolu le défi des micropaiements fréquents et en temps réel entre machines. **Le problème fondamental n'est pas la logique de combinaison Crypto+IA, mais une grave inadéquation entre l'offre et la demande.** Les entreprises de l'IA traditionnelle recherchent des gains de performance immédiats et une stabilité à tout prix, tandis que la plupart des projets blockchain mettent l'accent sur des valeurs à plus long terme (décentralisation, transparence, propriété des données), souvent au déficit de la performance. L'absence de cas d'utilisation phare à grande échelle est le principal obstacle à l'adoption et au financement institutionnel. L'avenir du secteur dépendra de sa capacité à s'adapter aux besoins du marché actuel de l'IA tout en préparant l'infrastructure pour sa prochaine phase évolutive.

marsbit06/29 06:50

L'IA balaie le monde, pourquoi la combinaison Crypto + IA est-elle si décevante ?

marsbit06/29 06:50

GPT conçoit GPT

OpenAI a dévoilé son premier puce, Jalapeño, destinée à l'inférence des grands modèles linguistiques. Ce mouvement ne vise pas principalement à concurrencer Nvidia, mais marque une étape stratégique où OpenAI cherche à maîtriser l'ensemble du processus de production de l'intelligence artificielle, des modèles aux puces, en passant par les centres de données et l'énergie. Alors que l'écart entre les modèles se réduit, le vrai fossé se creuse au niveau de la puissance de calcul, des coûts d'inférence et de l'efficacité système. Chaque jeton (Token) généré représente un coût, et OpenAI, avec ses produits à forte demande comme ChatGPT, supporte une « taxe de calcul » importante sur le matériel externe. Jalapeño est conçu pour réduire cette « taxe d'inférence » en optimisant les coûts opérationnels quotidiens. Un détail crucial est le cycle de conception de seulement neuf mois, accéléré par l'utilisation par OpenAI de ses propres modèles d'IA pour aider à concevoir et optimiser la puce. Cela crée un cycle vertueux : de meilleurs modèles conçoivent de meilleures puces, qui réduisent le coût d'exécution des modèles futurs, permettant plus d'utilisateurs et de données pour affiner les prochaines générations de puces. OpenAI ne cherche pas à devenir un fournisseur de matériel comme Nvidia. Son approche s'apparente plutôt à celle d'Apple : construire un écosystème fermé et intégré où les modèles, les produits (ChatGPT, API), les puces et les infrastructures sont optimisés conjointement pour contrôler l'ensemble de la chaîne de valeur de l'IA. À long terme, cela pourrait repositionner les entreprises de modèles en tant que joueurs majeurs de l'infrastructure IA, aux côtés des fournisseurs de matériel traditionnels.

marsbit06/25 14:07

GPT conçoit GPT

marsbit06/25 14:07

活动图片