Avec Microsoft, Meta, Google, Amazon et d'autres entreprises technologiques...ASIC Alors que NVIDIA commence à utiliser des circuits intégrés spécifiques à une application (ASIC) pour créer ses propres puces, les inquiétudes grandissent quant à l'érosion de sa part de marché future. En réponse, le PDG de NVIDIA, Jensen Huang, a déclaré à Taipei…EntretienÀ l'époque, il avait directement souligné que l'argument commercial selon lequel les ASIC peuvent remplacer les GPU est « illogique ».
Pour démontrer que l'avantage concurrentiel de NVIDIA reste solide, Jensen Huang a également révélé que les dépenses de R&D de NVIDIA approchent les 450 milliards de dollars (environ 1.44 billion de NT$).
Le problème des ASIC est-il un faux problème ? Jensen Huang : L’universalité est la clé.
Interrogé par les médias à Taipei sur son point de vue concernant la tendance émergente des puces personnalisées sous forme d'ASIC, Huang Jen-hsun a adopté une position très ferme.
Actuellement, les fournisseurs de services cloud (CSP) développent activement des circuits intégrés spécifiques (ASIC) optimisés pour des modèles d'IA spécifiques afin de réduire les coûts (comme les TPU de Google, Maia de Microsoft et MTIA de Meta). Cependant, Jensen Huang estime que les algorithmes des modèles d'IA évoluent rapidement et que le développement d'un ASIC prend plusieurs années. Au moment où la puce est fabriquée, l'architecture du modèle peut déjà avoir évolué.
À l'inverse, les GPU de NVIDIA offrent une programmabilité et une polyvalence élevées, s'adaptant à tous les algorithmes d'IA les plus récents. Il a souligné qu'il est illogique de tenter de suivre le rythme effréné de l'évolution de l'IA avec des ASIC rigides.
450 milliards de dollars en infrastructures de R&D
Pour conserver cet avantage en matière de polyvalence, NVIDIA investit massivement. Jensen Huang a révélé que les dépenses de R&D de l'entreprise sont sur le point d'atteindre 450 milliards de dollars.
Que signifie ce chiffre ? Il représente plusieurs fois le chiffre d’affaires annuel d’Intel ou d’AMD, et dépasse même le budget annuel de recherche et développement de nombreux pays. Grâce à ces investissements massifs en R&D, NVIDIA est capable de faire progresser simultanément l’architecture des puces, la technologie d’interconnexion NVLink, l’écosystème logiciel CUDA et l’intégration des systèmes d’IA, rendant difficile pour ses concurrents (même ceux qui investissent dans leurs propres puces) d’égaler ses performances globales et son efficacité de développement.
Analyse des points de vue
Les propos de Huang visaient clairement les analystes de Wall Street et ces clients « tièdes ».
Les récents résultats financiers de Microsoft et Meta montrent qu'ils augmentent simultanément leurs achats de GPU NVIDIA et développent leurs propres puces personnalisées. Les analystes craignent qu'une fois ces puces personnalisées basées sur des ASIC généralisées, la période faste de NVIDIA ne soit révolue.
Mais la logique de Huang Renxun est simple : la vitesse est le seul moyen de gagner.
Les ASIC présentent l'avantage d'une spécialisation et d'une efficacité énergétique optimales, mais à l'ère de l'IA, où de nouvelles architectures émergent chaque mois (comme la récente DeepSeek ou les nouveaux modèles publiés en continu par OpenAI), cette spécialisation risque d'entraîner une stagnation. NVIDIA a investi 450 milliards de dollars en R&D pour garantir une vitesse d'itération si rapide de ses GPU que les ASIC de ses concurrents peinent à égaler les performances de la génération précédente.
