Dans le nouvel accord pluriannuel entre Meta et Nvidia, les processeurs Nvidia deviennent les protagonistes d'une stratégie qui va au-delà des seuls GPU et vise l'inférence à grande échelle.
Meta investit des milliards dans des puces Nvidia, notamment des GPU et CPU autonomes
La société mère de Facebook, Moitiéa signé un accord pluriannuel avec Nvidia qui comprend non seulement un GPU mais, pour la première fois, également un CPU autonome. L'accord représente un changement d'orientation stratégique pour les deux sociétés.
Meta s'est engagé à acheter des millions de puces Nvidia, y compris les GPU actuels Puits noirles futurs GPU Rubin et, inédits, les processeurs autonomes Grâce Et Vrai. Aucune des deux sociétés n’a divulgué la valeur de la transaction.
Ben Bajarin, PDG et analyste principal du cabinet de conseil en technologie Stratégies créativesa estimé la valeur de la transaction à plusieurs milliards de dollars. Selon The Register, cela pourrait ajouter des dizaines de milliards aux revenus de Nvidia au cours de la durée du contrat.
Auparavant, le PDG Mark Zuckerberg avait annoncé son intention de presque doubler les dépenses consacrées à l'infrastructure de l'intelligence artificielle en 2017. 2026jusqu'à un maximum de 135 milliards de dollars. Ce nouvel accord semble cohérent avec cette trajectoire d’investissement agressive.
Nvidia cible les processeurs pour l'inférence, au-delà de la formation des GPU
L'aspect le plus significatif de l'accord ne concerne pas les GPU, mais la décision de Meta d'adopter largement les CPU Nvidia vendus comme produits indépendants. Jusqu'à présent, les processeurs Grace étaient proposés presque exclusivement dans le cadre des « Superchips », des modules combinant CPU et GPU.
En janvier 2026, Nvidia a officiellement modifié sa stratégie commerciale en commençant à proposer des processeurs séparément. Le premier client rendu public à ce stade était le fournisseur neocloud CoreWeavemarquant le début d’un nouveau secteur d’activité.
Le groupe cible un marché en forte croissance. Ces dernières années, l'industrie de l'IA a été dominée par la formation de grands modèles sur des GPU, mais l'accent se tourne de plus en plus vers l'inférence, c'est-à-dire l'exécution de modèles déjà entraînés. Pour bon nombre de ces tâches, l’utilisation du GPU est excessive par rapport aux besoins réels.
Bajarin a expliqué au Financial Times que « nous étions à l’ère de la formation et maintenant nous nous dirigeons de plus en plus vers l’ère de l’inférence, ce qui nécessite une approche complètement différente ». Dans ce contexte, l'utilisation de Processeurs optimisés pour l'efficacité devient centrale.
Caractéristiques techniques des processeurs Nvidia Grace et Vera
Comme le rapporte The Register, Ian Buck, vice-président et directeur général d'Hyperscale et HPC chez Nvidia, a déclaré que le processeur Grace peut « fournir 2 fois plus de performances par watt » sur les charges de travail back-end telles que la gestion de bases de données. En outre, il a ajouté que « Meta a déjà eu l'occasion de tester Vera sur certaines de ces charges de travail, avec des résultats très prometteurs ».
Le processeur Grace est intact 72 cœurs Arm Neoverse V2 et utilise la mémoire LPDDR5xune combinaison qui, selon Nvidia, offre des avantages significatifs en termes de bande passante et de densité. Ces caractéristiques sont particulièrement pertinentes dans les centres de données, où la consommation et l'espace sont des contraintes critiques.
La prochaine génération, le processeur Vera, porte le nombre de cœurs à 88 noyaux personnalisés Arm et introduit le multi-threading simultané, c'est à dire la possibilité de gérer plusieurs threads par cœur en parallèle. Il comprend également des fonctionnalités informatiques confidentielles, conçues pour protéger les données pendant leur traitement, et pas seulement lorsqu'elles sont stockées ou transmises.
Selon Nvidia, Meta prévoit d'utiliser Vera pour le traitement privé et les capacités d'IA au sein du service de messagerie crypté. WhatsApp. Les débuts opérationnels de ces processeurs dans les systèmes Meta sont attendus pour 2027confirmer la planification à long terme.
Processeurs Nvidia : la stratégie autonome et le défi d'Intel et d'AMD
Le choix de proposer des processeurs en tant que produits autonomes place Nvidia directement en concurrence Intel Et DMLA sur le marché des serveurs. Jusqu'à présent, le groupe était dominant notamment sur le segment des GPU pour l'entraînement de modèles d'intelligence artificielle.
Avec cette décision, Nvidia entre dans un domaine où Intel et AMD détiennent traditionnellement la majorité des actions, notamment dans les centres de données à usage général. Cependant, la combinaison de GPU et de CPU optimisés pour l’IA pourrait redéfinir l’équilibre concurrentiel dans les années à venir.
Dans l’ensemble, la fourniture de processeurs Nvidia pour l’inférence vers Meta représente un banc d’essai crucial. Si les performances et l’efficacité énergétique répondent aux attentes, d’autres hyperscalers pourraient suivre le même chemin, réduisant ainsi leur dépendance aux processeurs x86 conventionnels.
Meta, hyperscalers et différentes stratégies de puces
L’achat de processeurs autonomes auprès de Nvidia place Meta sur une voie différente de celle de la plupart des autres hyperscalers. Amazone s'appuie sur ses propres processeurs Gravitondéveloppé en interne, tandis que Google a choisi les processeurs Axion pour couvrir une partie de ses charges de travail.
Meta préfère au contraire s’appuyer sur Nvidia tout en travaillant en parallèle sur des puces IA propriétaires. Selon le Financial Times, cette stratégie interne aurait toutefois rencontré des « défis techniques » et des retards de déploiement, ralentissant la disponibilité de solutions entièrement internes.
La décision de Meta met en évidence à quel point il est complexe et coûteux de développer des puces propriétaires compétitives par rapport à celles proposées par les grands fabricants. Par rapport à des entreprises comme Amazon et Google, l’entreprise dirigée par Zuckerberg choisit donc une combinaison plus hybride entre achats externes et R&D interne.
Concurrence croissante : puces propriétaires et startups spécialisées
Nvidia évolue également dans un contexte de plus en plus concurrentiel. Au cours des derniers mois Google, Amazone Et Microsoft ont dévoilé de nouvelles puces développées en interne, conçues pour réduire les coûts et la dépendance vis-à-vis des fournisseurs traditionnels.
En parallèle, OpenAI il a co-développé une puce avec Broadcom et conclu un accord important avec AMD, renforçant l'écosystème d'alternatives aux solutions Nvidia. Différentes startups, comme Cérébrauxlancent également des puces d'inférence spécialisées qui pourraient éroder la domination de Nvidia dans des segments spécifiques.
En décembre dernier, Nvidia a acquis les talents de la société de puces d'inférence Groq dans le cadre d'un accord de licence. Cette opération vise à consolider les compétences internes et à répondre aux pressions concurrentielles sur un marché en rapide évolution.
Réactions du marché et diversification des fournisseurs
À la fin de l'année dernière, le titre Nvidia a perdu environ 4% après des rumeurs selon lesquelles Meta négociait avec Google pour l'utilisation de Unité de traitement tensoriel. Toutefois, jusqu’à présent, aucun accord de ce type n’a été annoncé publiquement.
Meta n’est cependant pas un client exclusif de Nvidia. Selon The Register, la société exploite également une flotte de GPU DMLA Instinct et a été directement impliqué dans la conception des racks Helios d'AMD, qui devraient être commercialisés plus tard cette année. Cela met en évidence une stratégie d’approvisionnement diversifiée, conçue pour réduire le risque de dépendance à un seul fabricant.
Perspectives d'avenir pour les CPU et GPU dans le cloud IA
Le choix de Meta de s'appuyer fortement sur les processeurs Nvidia indique que l'architecture du centre de données pour l'IA évolue vers un mélange plus équilibré entre les GPU pour la formation et les CPU optimisés pour l'inférence. Cette approche pourrait devenir le modèle de référence pour de nombreux grands opérateurs cloud.
Cela dit, la course aux puces propriétaires et l’arrivée de nouveaux concurrents rendent la situation concurrentielle tout sauf stable. Dans les années à venir, la capacité à proposer des solutions efficaces, évolutives et sécurisées, telles que des CPU avec calcul confidentiel, sera décisive pour déterminer les gagnants sur le marché mondial de l'intelligence artificielle.
Voir l’article original en italien
