# Nvidia Articles associés

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

8 billions de yuans, la seconde plus grande introduction en Bourse de l’histoire arrive

Un moment historique : SK Hynix, leader mondial de la mémoire, a fait ses débuts au Nasdaq le 10 juillet, avec une capitalisation boursière atteignant 8 300 milliards de yuans. Son introduction en bourse de 26,5 milliards de dollars est la deuxième plus importante de l'histoire, derrière SpaceX. Née en 1983 du groupe Hyundai, l'entreprise, alors au bord de la faillite, a été reprise par SK Group en 2011. Son pari sur la mémoire HBM (High Bandwidth Memory), développée dès 2013, a porté ses fruits avec l'essor de l'IA. Aujourd'hui, elle détient 58% du marché HBM et est un fournisseur clé pour NVIDIA. Le cycle du marché est exceptionnel : au premier trimestre 2026, SK Hynix a affiché une marge opérationnelle de 72%. Ses bénéfices records permettent des primes annuelles substantielles pour ses employés. Cette super-cycle, porté par la demande en calcul pour l'IA, devrait durer jusqu'en 2028. Cette dynamique profite aussi aux acteurs chinois. ChangXin Technology, le premier fabricant de DRAM de Chine, entrera en Bourse le 16 juillet, avec une valorisation potentielle de 3 000 milliards de yuans. Yangtze Memory a également initié son processus d'introduction en bourse. Bien que des écarts technologiques persistent avec les leaders mondiaux, l'ascension des champions chinois de la mémoire est en marche, marquant une nouvelle phase dans la course mondiale aux semi-conducteurs.

marsbit07/11 04:08

8 billions de yuans, la seconde plus grande introduction en Bourse de l’histoire arrive

marsbit07/11 04:08

DeepSeek développe secrètement ses propres puces, se concentre sur l'inférence, lancé il y a un an, le recrutement s'est fait en toute confidentialité

DeepSeek, la société chinoise d'IA connue pour ses modèles algorithmiques, développerait secrètement sa propre puce d'IA dédiée à l'inférence, selon un rapport de Reuters. Le projet aurait débuté il y a environ un an, visant à réduire la dépendance envers Nvidia. Le développement en est encore aux premiers stades, avec des discussions engagées avec des concepteurs de puces, des fonderies et des fournisseurs de mémoire. Les recrutements d'ingénieurs se feraient de manière discrète, sans annonces publiques. Cette initiative s'inscrit dans une tendance globale où les géants de l'IA comme OpenAI et Anthropic explorent également le développement de puces maison. DeepSeek, qui a historiquement optimisé ses algorithmes pour l'efficacité (modèles R1, V4 adaptés à l'Ascend de Huawei), cherche ainsi à contrôler davantage sa chaîne technologique. La puce, spécialisée pour l'inférence, répondrait au besoin crucial de réduire les coûts et la consommation énergétique des modèles en production. Le design du modèle V3.1, avec son format de données UE8M0 FP8, semble déjà anticiper cette collaboration matérielle. Ce projet ambitieux est soutenu par un tour de table de 510 milliards de yuans (environ 74 milliards de dollars) conclu en juin 2026. Les fonds sont destinés au développement de la puce, à l'expansion de centres de calcul basés sur des puces locales et au recrutement de talents. DeepSeek reste discret sur le sujet, mais marque ainsi une évolution stratégique majeure vers l'intégration matérielle, malgré les défis techniques et financiers importants que représente la conception d'une puce compétitive.

marsbit07/08 02:06

DeepSeek développe secrètement ses propres puces, se concentre sur l'inférence, lancé il y a un an, le recrutement s'est fait en toute confidentialité

marsbit07/08 02:06

Quand le champion du monde de League of Legends utilise ses "plays de dieu" pour jouer en bourse...

Des champions du monde de League of Legends se tournent vers le marché boursier. L'ancien joueur professionnel MLXG a subi des pertes importantes, tandis que son homologue yagao aurait réalisé d'importants profits en investissant tôt dans Nvidia. Cependant, c'est l'ancien champion du monde S4, "imp" (de son vrai nom Gu Seung-bin), qui attire l'attention. Après une carrière éblouissante commencée à 17 ans et couronnée par un titre mondial en 2014 avec Samsung White, sa transition en Chine (LPL) et sa retraite en 2019 ont été marquées par des résultats mitigés et une vie personnelle difficile, incluant un divorce coûteux et une dépression. Récemment, imp a quasiment disparu des écrans de streaming. Selon des confrères, il aurait atteint l'indépendance financière grâce à des investissements judicieux en bourse, notamment sur les marchés coréen et américain. Lors de ses diffusions, il affirmait se concentrer sur les actions technologiques et semi-conducteurs, prétendant avoir investi dans Nvidia avant l'explosion de l'IA et avoir multiplié ses actifs par dix entre mars et octobre. Il évoquait aussi des positions potentiellement importantes sur des valeurs comme SK Hynix. Bien que ces affirmations ne soient pas vérifiées publiquement par imp lui-même, elles dessinent le portrait d'un champion ayant peut-être trouvé un nouveau succès loin de la Faille de l'Invocateur.

Odaily星球日报07/07 03:12

Quand le champion du monde de League of Legends utilise ses "plays de dieu" pour jouer en bourse...

Odaily星球日报07/07 03:12

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

Les tokens dévorent 30% des salaires, la facture IA de la Silicon Valley devient incontrôlable

Les coûts liés aux jetons (tokens) d'IA, représentant désormais 30 % de la masse salariale chez certains acteurs comme SemiAnalysis, illustrent la transformation radicale de la productivité dans les services spécialisés. Si cette dépense achète une efficacité plusieurs fois supérieure au travail humain pour des tâches comme l'analyse de données, d'autres géants technologiques comme Uber ou Microsoft font face à des factures d'IA explosives et à un retour sur investissement encore incertain. Le paradoxe actuel est frappant : les investissements en IA explosent (7400 milliards de dollars en 2024), tandis que les réductions de coûts se poursuivent. Pourtant, l'impact économique mesurable reste limité. La thèse centrale de l'article est que cette phase de construction d'infrastructure précède toujours l'arrivée des bénéfices. L'optimisme repose sur une baisse structurelle des coûts. Grâce aux progrès matériels (ex: GB300 NVL72, +32x de débit) et logiciels (optimisations logicielles multipliant les performances par 14), le prix réel du traitement des jetons s'effondre. Chez SemiAnalysis, un coût affiché de 5$/million de tokens est ramené à 0.99$ grâce à un cache efficace et un ratio entrée/sortie favorable. Cette déflation devrait se poursuivre, rendant l'IA de plus en plus accessible. Le choix pour les entreprises est désormais clair : adopter dès maintenant ces outils pour gagner un avantage concurrentiel décisif, ou attendre et risquer de prendre un retard considérable.

marsbit07/06 00:18

Les tokens dévorent 30% des salaires, la facture IA de la Silicon Valley devient incontrôlable

marsbit07/06 00:18

Les actions semi-conducteurs s'effondrent, mais Anthropic veut fabriquer une puce 2 nm

Selon des informations, l'entreprise d'IA Anthropic aurait initié les premiers travaux pour développer sa propre puce dédiée à l'IA, envisageant de la fabriquer en partenariat avec Samsung en utilisant sa technologie de fabrication avancée de 2 nanomètres et son emballage de pointe. Ce projet, encore à un stade précoce de définition des spécifications, pourrait être abandonné. Cette initiative s'inscrit dans un contexte où la demande de calcul pour son modèle Claude dépasse l'offre disponible. En développant une puce d'inférence personnalisée, Anthropic cherche à optimiser les performances, réduire les coûts opérationnels et gagner en indépendance. Elle rejoint ainsi d'autres géants comme OpenAI, Google et Meta dans cette course à l'autonomie matérielle. Le choix de Samsung comme partenaire de fabrication n'est pas une surprise, ce dernier étant un investisseur stratégique dans le dernier tour de table d'Anthropic. Pour Samsung, c'est l'opportunité de renforcer son activité de fonderie face à TSMC en s'associant à un acteur majeur de l'IA. Cependant, cette quête d'indépendance crée paradoxalement de nouvelles interdépendances dans la chaîne d'approvisionnement mondiale des semi-conducteurs. Anthropic maintient une stratégie de diversification de ses sources de calcul, avec des engagements à long terme massifs auprès d'Amazon AWS (puces Trainium) et de Google (TPU), ainsi que la location d'un vaste cluster de GPU NVIDIA auprès de xAI. Malgré la tendance à la personnalisation des puces, NVIDIA conserve une position dominante sur le marché de l'inférence IA.

链捕手07/03 10:01

Les actions semi-conducteurs s'effondrent, mais Anthropic veut fabriquer une puce 2 nm

链捕手07/03 10:01

Le document le plus « dangereux » de l’année par Nvidia : L’IA se reproduit grâce à du code, une évolution à l’infini

**Article :** Nvidia publie ce qui est qualifié de « l'article le plus dangereux de l'année » sur l'IA auto-reproductrice et l'évolution exponentielle. **Résumé en français :** Des chercheurs de Nvidia, de Cambridge et d'autres institutions ont présenté la « Machine de Gödel de la Reine Rouge » (RQGM), un système d'IA capable d'une évolution récursive et auto-alimentée. Le système fonctionne comme un jeu de survie brutal : une IA génère et teste de nouveaux algorithmes d'apprentissage dans un bac à sable, éliminant les échecs et conservant les succès pour la prochaine itération d'auto-amélioration. L'innovation la plus frappante est que le système ne fait pas seulement évoluer les agents qui exécutent des tâches (comme écrire du code ou des articles), mais fait également évoluer les « examinateurs » ou évaluateurs qui les jugent. En utilisant un processus appelé « évolution utilitaire contrôlée », le système sélectionne périodiquement de nouveaux évaluateurs plus performants et plus stricts, qui à leur tour poussent les agents à s'améliorer davantage, créant ainsi une course aux armements récursive. Cela reflète l'hypothèse de la Reine Rouge en biologie : « il faut courir aussi vite qu'on peut pour rester au même endroit ». L'article démontre l'efficacité de la RQGM sur plusieurs tâches : amélioration des taux de réussite pour la génération de code (Polyglot), doublement du taux d'« acceptation » pour la rédaction d'articles scientifiques par des pairs humains, et meilleures performances en résolution de preuves mathématiques de niveau Olympiade. De plus, le système a corrigé un biais connu des LLM en tant que juges : une préférence pour le contenu généré par l'IA. En faisant évoluer les évaluateurs pour qu'ils identifient et rejettent les textes produits par l'IA tout en conservant la précision, la RQGM a obtenu des juges plus impartiaux. Ce travail brise une barrière théorique vieille de 20 ans associée à la « Machine de Gödel » originale, qui exigeait une preuve mathématique formelle de toute auto-modification. La RQGM utilise à la place la sélection évolutive. Ces avancées alimentent des prédictions audacieuses, comme celle du co-fondateur d'Anthropic, Jack Clark, qui estime à 60 % la probabilité qu'une IA capable d'une auto-évolution récursive (RSI) hautement autonome émerge d'ici fin 2028. Le document suggère qu'une fois qu'une IA commence à concevoir ses propres critères d'évaluation et à s'engager dans une telle boucle d'amélioration exponentielle, la voie vers une intelligence artificielle super intelligente (ASI) pourrait être raccourcie de manière imprévisible et alarmante.

marsbit06/28 07:54

Le document le plus « dangereux » de l’année par Nvidia : L’IA se reproduit grâce à du code, une évolution à l’infini

marsbit06/28 07:54

Les huit pères du Transformer, où sont-ils aujourd'hui ?

En juin 2026, Google a été marqué par le départ de deux figures clés : Noam Shazeer, co-auteur du Transformateur, et John Jumper d'AlphaFold. Ce dernier a rejoint OpenAI, ce qui a provoqué une forte réaction des marchés et des inquiétudes quant à l'exode des talents de Google. Cet événement a remis en lumière les huit co-auteurs de l'article fondateur « Attention Is All You Need » (2017), qui ont tous quitté Google. Ce modèle révolutionnaire a remplacé les réseaux neuronaux récurrents (RNN) par un mécanisme d'attention permettant le traitement parallèle, devenant la base de l'IA moderne. Aujourd'hui, leurs trajectoires sont diverses : * **Ashish Vaswani**, après avoir cofondé Adept AI et Essential AI, serait en pourparlers pour rejoindre NVIDIA. * **Noam Shazeer** a quitté Google une seconde fois pour OpenAI après avoir fondé et revendu Character.AI. * **Niki Parmar** a cofondé Essential AI avant de rejoindre Anthropic. * **Jakob Uszkoreit** a cofondé Inceptive, une entreprise de biotechnologie utilisant l'IA pour la conception de médicaments à base d'ARN. * **Llion Jones** a cofondé Sakana AI au Japon, une société axée sur des modèles collaboratifs inspirés de la nature. * **Aidan N. Gomez** a cofondé Cohere, une entreprise spécialisée dans l'IA pour les entreprises, plaidant pour la souveraineté numérique. * **Łukasz Kaiser** a rejoint OpenAI où il a contribué aux modèles de raisonnement comme o1 et GPT-4. * **Illia Polosukhin** a cofondé NEAR Protocol, une plateforme blockchain qu'il voit comme la future infrastructure pour les agents IA. En 2024, sept des huit auteurs se sont réunis lors du GTC de NVIDIA, recevant un hommage pour avoir « transformé le monde ». Pourtant, malgré leur succès, ils partagent une conviction : le Transformateur n'est pas une fin en soi. Leur héritage réside dans leur quête continue du prochain paradigme qui devra être « nettement, indéniablement meilleur ». Leurs chemins séparés continuent d'explorer les frontières de l'IA.

marsbit06/28 05:38

Les huit pères du Transformer, où sont-ils aujourd'hui ?

marsbit06/28 05:38

活动图片