L’intelligence artificielle fait déjà partie intégrante de la plupart des domaines d’activité. Outre l’amélioration des algorithmes, le matériel, en particulier les puces spécialisées, joue un rôle clé dans le développement de ce domaine.
Le succès des méthodes modernes d’IA dépend de calculs à grande échelle qui n’auraient pas été possibles il y a seulement quelques années. La formation d’algorithmes avancés peut prendre des mois et coûter des dizaines de millions de dollars.
Une puissance de calcul aussi colossale est fournie par des puces spécialisées avec le nombre maximum de transistoren cours de développement pour l’informatique efficace dont ont besoin les systèmes d’IA.
Dans cet article, nous reviendrons sur l’histoire, les principes de fonctionnement et la distribution des puces IA, leurs avantages en termes de performances et efficacité énergétique par rapport aux générations précédentes et aux puces à usage général. Nous parlerons également des tendances de développement dans l’industrie des semi-conducteurs et de la conception des puces, qui déterminent l’évolution des semi-conducteurs en général.
Le terme « puces IA » fait référence à des puces informatiques spéciales qui atteignent une efficacité et une vitesse élevées pour l’informatique au détriment des performances d’autres types d’informatique.
- Les puces spécifiques à l’IA offrent des performances et une efficacité énergétique supérieures à celles des processeurs à usage général.
- Des entreprises de premier plan comme NVIDIA, Intel, AMD, Microsoft, Amazon et Google investissent activement dans le développement de puces IA spécialisées.
- L’introduction de processus technologiques avancés permettra de créer des puces d’IA plus petites, plus productives et plus économes en énergie.
- Les puces d’IA commencent à être intégrées dans les appareils électroniques grand public tels que les smartphones et les PC pour effectuer des tâches d’intelligence artificielle directement sur les appareils de l’utilisateur.
L’industrie préfère les puces IA
Entre les années 1960 et 2010, les innovations techniques visant à rendre les transistors plus petits ont permis au nombre de transistors sur une puce de doubler environ tous les deux ans, un phénomène connu sous le nom de loi de Moore. Grâce à cela, les performances et l’efficacité énergétique des processeurs ont augmenté des millions de fois.
Cependant, aujourd’hui, les transistors ne mesurent que quelques atomes de large. Leur réduction supplémentaire crée des défis d’ingénierie extrêmement complexes, entraînant une forte augmentation des coûts d’investissement et du coût de la main-d’œuvre hautement qualifiée dans l’industrie des semi-conducteurs.
En conséquence, la vitesse à laquelle la loi de Moore fonctionne ralentit, ce qui augmente le temps nécessaire pour que la densité des transistors double. Néanmoins, la poursuite des travaux dans cette direction est justifiée, car elle nous permet d’améliorer constamment leur efficacité et leur rapidité, ainsi que d’intégrer des circuits plus spécialisés dans une seule puce.
Historiquement, l’effet d’échelle a favorisé les puces à usage général telles que les unités centrales de traitement. Cependant, la croissance de la demande de solutions spécialisées, notamment pour l’IA, a bouleversé cette tendance. En conséquence, les puces dédiées à l’IA gagnent désormais des parts de marché par rapport aux processeurs à usage général.
Bases des puces d’intelligence artificielle
Les puces IA incluent :
- unités de traitement graphique (GPU);
- réseaux prédiffusés programmables sur site (FPGA) ;
- circuits intégrés spécifiques à une application (ASIC) pour l’IA.
Les unités centrales de traitement (CPU) à usage général peuvent également être utilisées pour résoudre certains problèmes simples d’IA. Cependant, à mesure que la technologie évolue, son utilisation devient moins efficace.
À l’instar des processeurs à usage général, les puces IA améliorent la vitesse et l’efficacité énergétique en utilisant un grand nombre de transistors de plus en plus petits. Mais contrairement aux processeurs, les puces spécialisées disposent de fonctionnalités de conception supplémentaires optimisées spécifiquement pour les tâches d’intelligence artificielle.
Ces fonctionnalités accélèrent considérablement les calculs répétables, prévisibles et indépendants requis par les algorithmes d’IA. Ceux-ci inclus:
- exécution parallèle plutôt que séquentielle d’un grand nombre de calculs ;
- des calculs avec une précision réduite pour la mise en œuvre réussie des algorithmes d’IA tout en réduisant le nombre requis de transistors ;
- un accès accéléré à la mémoire, par exemple en stockant l’intégralité de l’algorithme d’IA sur une seule puce ;
- en utilisant des langages de programmation spécialement conçus pour traduire efficacement le code de l’IA afin de l’exécuter sur la puce appropriée.
Différents types de puces IA sont utilisés pour différentes tâches. Les GPU sont le plus souvent utilisés pour le développement initial et la formation d’algorithmes, les FPGA sont utilisés pour exécuter des algorithmes entraînés sur des données réelles (inférence) et les ASIC peuvent être conçus à la fois pour la formation et l’inférence.
| Éducation | Conclusion | Communauté | Précision de sortie | |||
| Efficacité | Vitesse | Efficacité | Vitesse | |||
| CPU | 1 x niveau de base | Très haut | ~98-99,7 % | |||
| GPU | ~10-100x | ~10-1000x | ~1-10x | ~1-100x | Haut | ~98-99,7 % |
| FPGA | — | — | ~10-100x | ~10-100x | Moyenne | ~95-99 % |
| ASIC | ~10-1000x | ~10-1000x | ~10-1000x | ~10-1000x | Faible | ~90-98 % |
Potentiel de marché
Lisa Su, PDG d’AMD, estime le marché cible des puces IA à 400 milliards de dollars. Pour comprendre la signification de ce chiffre, New Street Research a analysé l’état actuel de l’industrie.
NVIDIA domine actuellement le marché avec 38 à 39 milliards de dollars de dépenses, suivi de Broadcom, qui développe des TPU pour Google. Malgré la croissance significative des accélérateurs d’IA, les GPU devraient représenter l’essentiel de la croissance du marché d’ici 2027.
New Street Research prédit que l’industrie des puces IA connaîtra une croissance significative dans les années à venir. D’ici 2027, le marché pourrait atteindre une échelle où les puces d’intelligence artificielle représenteront environ 10 millions de serveurs contenant 100 millions de puces. Cela correspond à environ 10 % des internautes utilisant l’IA à diverses fins.
L’intégration de l’intelligence artificielle dans les applications et les flux de travail quotidiens stimulera son utilisation et alimentera la croissance de l’industrie des puces IA.
Les principaux acteurs de l’industrie reconnaissent également le potentiel du secteur. Selon les médias, Sam Altman, PDG d’OpenAI, mènerait une initiative visant à lever jusqu’à 7 000 milliards de dollars pour le développement de l’industrie des semi-conducteurs afin d’assurer le développement de l’intelligence artificielle avec la puissance de calcul nécessaire à l’avenir.
Ce n’est pas un fait que l’initiative d’Altman réussira. Mais cette décision montre à quel point les visionnaires de la technologie prennent au sérieux la course à l’IA.
Impact du COVID-19 et de l’IA générative
Au début de la pandémie de COVID-19, l’industrie des semi-conducteurs a été plongée dans une crise massive en raison des perturbations de la chaîne d’approvisionnement. Cela a eu un impact négatif sur toutes les industries qui dépendent de l’approvisionnement en puces, de l’automobile au divertissement en passant par l’électronique grand public.
En 2022, la situation a commencé à s’améliorer progressivement. Les principaux fabricants se sont adaptés aux nouvelles réalités et les restrictions liées à la pandémie ont été partiellement levées. Cependant, la sortie du chatbot ChatGPT fin novembre 2022 a ajouté à la pression sur le secteur nouvellement récupéré.
Le succès fulgurant de ce service d’une petite startup n’est pas passé inaperçu auprès des géants de la technologie. Microsoft, Google, Amazon, Meta et bien d’autres entreprises se sont lancées dans une nouvelle course dans le domaine de l’IA générative.
En conséquence, l’industrie des semi-conducteurs risque de retomber dans de graves pénuries. La demande de puces d’IA monte en flèche, les fabricants vendant leurs futurs fournitures des mois à l’avance et une pléthore de produits arrivant sur le marché provenant d’entreprises établies et de petites entreprises.
Principaux acteurs
Aujourd’hui, le leader dans la production de puces pour la formation à l’IA est NVIDIA, occupant 80 % du marché. Depuis début 2023, la croissance rapide du secteur de l’IA générative a fait passer la capitalisation boursière de l’entreprise de 364 milliards de dollars à 2 190 milliards de dollars.
Des sociétés comme Intel et AMD investissent également activement des milliards de dollars dans le développement de puces spécialisées en IA, cherchant à se tailler une niche sur ce marché prometteur.
Les fournisseurs de services cloud, notamment Microsoft, Amazon et Google, travaillent également à la création de leurs propres puces IA. Tout en restant clients de NVIDIA, les géants de la technologie cherchent à réduire leur dépendance à l’égard de fournisseurs tiers et à s’assurer qu’ils disposent des puces dont ils ont besoin face aux pénuries imminentes.
Il existe d’autres acteurs sur le marché. Ils développent principalement des solutions hautement spécialisées. Parmi eux figurent Kneron, Cerebras Systems et Lightmatter.
Il est important de souligner que très peu de fabricants de puces utilisent des procédés technologiques modernes. Toutes les sociétés ci-dessus commandent généralement des semi-conducteurs auprès de TSMC, Intel et Samsung.
L’avenir de l’industrie
L’industrie des puces personnalisées IA devrait connaître une croissance rapide dans les années à venir. Les principaux moteurs seront la demande croissante, l’introduction de processus technologiques avancés et les investissements à grande échelle dans l’industrie des semi-conducteurs. Les principaux acteurs se concentreront sur l’innovation.
En 2024-2025, TSMC commencera à produire les premiers lots et la production à petite échelle de puces de 2 nm. La production de masse est attendue au second semestre 2025.
La transition vers une technologie de processus de 2 nm vise à augmenter l’efficacité énergétique. On s’attend à ce que la vitesse des transistors augmente de 10 à 15 % avec la même consommation d’énergie, ou que la consommation d’énergie diminue de 20 à 30 % sans perte de performances.
En 2026, TSMC passera au processus N2P 2 nm de deuxième génération avec alimentation inversée. Après avoir maîtrisé les normes 3 nm et 1,4 nm, Intel prévoit de développer une technologie de traitement 1 nm, où 1 nm correspond à seulement 4 atomes de silicium.
En outre, le développement de puces IA dans l’électronique grand public est attendu. Des fabricants comme Intel, AMD, Apple et Qualcomm introduisent activement des unités de traitement neuronal (NPU) spécialisées dans leurs produits. Ils vous permettront de lancer et d’effectuer des tâches d’IA directement sur les appareils des utilisateurs.
Par exemple, la puce Qualcomm Snapdragon 8 Gen 3 actuelle peut déjà déployer des modèles comme Stable Diffusion et Meta Llama 2. Selon les développeurs, elle est capable de générer une image en moins d’une seconde – la technologie précédente le faisait en 15 secondes environ. . En comparaison, un ordinateur portable bien équipé peut prendre jusqu’à deux minutes pour créer une image.
Ainsi, l’amélioration continue des technologies de production garantira la création de puces IA de plus en plus miniatures, productives et économes en énergie. Des investissements majeurs dans cette industrie prometteuse stimuleront de nombreuses innovations.
Texte : Bogdan Kaminsky
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE
Newsletters ForkLog : restez à l’écoute de l’industrie Bitcoin !