Le rapport, qui cite des personnes ayant une connaissance directe des projets, signale une accélération des efforts de Microsoft pour concevoir ses propres accélérateurs d'intelligence artificielle et réduire sa forte dépendance à l'égard des processeurs coûteux de Nvidia. Cette décision fait partie d'une vague plus large de dernières nouvelles sur l'IA dans laquelle les plus grands opérateurs de cloud computing du monde s'empressent de créer du silicium personnalisé adapté à leurs propres charges de travail.
Une réponse directe au pouvoir de tarification de Nvidia
Les GPU de Nvidia alimentent actuellement l'écrasante majorité de la formation et de l'inférence de grands modèles d'IA chez les fournisseurs de cloud hyperscale, et cette dépendance a un prix élevé. Microsoft, comme Google, Amazon et Meta, a dépensé des milliards pour acquérir du matériel Nvidia pour répondre à la demande de services d'IA tels que son assistant Copilot et le service Azure OpenAI.
Le Maia 300 se positionne comme la tentative de Microsoft de récupérer une partie de ces dépenses. En concevant des puces optimisées spécifiquement pour les types de charges de travail exécutées dans ses propres centres de données, Microsoft vise à renforcer son pipeline de production de puces IA et à réduire sa dépendance à l'égard du matériel de Nvidia, dont l'offre est limitée et dont les prix sont élevés.
De Maia 100 à Maia 300
Microsoft a annoncé pour la première fois son entrée dans le silicium IA personnalisé en novembre 2023, en dévoilant l'accélérateur d'IA original Maia 100 aux côtés du processeur central Cobalt 100 lors de sa conférence des développeurs Ignite. Le Maia 100 a été présenté comme une puce conçue dès le départ pour exécuter de grands modèles de langage et d’autres charges de travail d’IA dans Azure.
Le passage au Maia 300 représente une évolution générationnelle significative. Bien que le rapport de The Information n'ait pas divulgué de spécifications détaillées, la convention de numérotation – et l'écart de plusieurs années depuis le Maia 100 original – indiquent des améliorations substantielles en termes de performances et d'efficacité énergétique, les deux mesures les plus importantes pour l'inférence de l'IA à grande échelle.
Pourquoi les hyperscalers se tournent vers le personnalisé
Microsoft est loin d’être le seul à s’intéresser au silicium interne. La stratégie est devenue une caractéristique déterminante du paysage matériel actuel de l’IA :
- Google utilise ses unités de traitement tensoriel (TPU) depuis environ une décennie et les propose désormais aux clients cloud.
- Amazon a investi massivement dans ses familles de puces Trainium et Inferentia via sa division Annapurna Labs.
- Meta développe sa gamme MTIA (Meta Training and Inference Accelerator).
- AMD continue d'élargir sa gamme de GPU Instinct en tant que principale alternative marchande à Nvidia.
Pour ces entreprises, le calcul est simple. Le silicium personnalisé peut être adapté aux modèles et aux piles logicielles précis qu'une entreprise exécute, ce qui pourrait potentiellement réduire le coût par requête, réduire la latence et relâcher l'emprise de Nvidia sur la chaîne d'approvisionnement de calcul de l'IA. Même un abandon partiel du matériel Nvidia peut se traduire par des centaines de millions de dollars d’économies à grande échelle.
Ce que septembre pourrait apporter
Si Microsoft dévoile le Maia 300 le mois prochain, il profitera probablement de l'occasion pour détailler les tests de performances, la disponibilité dans Azure et quels produits d'IA propriétaires fonctionneront sur le nouveau matériel. La société a déjà présenté son silicium personnalisé comme complémentaire, plutôt que comme remplacement global, des GPU Nvidia, suggérant un modèle hybride dans lequel les deux familles de puces coexistent au sein de l'infrastructure d'IA d'Azure.
Les analystes du secteur surveilleront de près deux choses : si le Maia 300 offre des gains significatifs en termes de rapport qualité-prix par rapport à la génération actuelle de Nvidia, et si Microsoft peut en fabriquer suffisamment pour réduire ses commandes Nvidia. La production de puces à cette échelle dépend d’une capacité de conditionnement avancée et de partenariats de fonderie qui restent étroits dans l’ensemble du secteur.
Vue d'ensemble
L'émergence du Maia 300 souligne un changement fondamental dans l'économie de l'IA. Les entreprises qui construisent et exploitent les plus grands systèmes d’IA ne se contentent plus d’être simplement les plus gros clients d’un seul fournisseur de puces. Ils deviennent des concepteurs de puces à part entière, remodelant une chaîne d’approvisionnement que Nvidia domine depuis le début du boom de l’IA générative.
Pour Microsoft, les enjeux sont particulièrement importants. L’entreprise s’est engagée à réaliser d’énormes dépenses en capital pour développer son infrastructure d’IA, et les investisseurs se demandent de plus en plus si ces dépenses se traduiront par des marges durables. Un programme de puces interne réussi est l’un des leviers les plus évidents dont dispose Microsoft pour améliorer la rentabilité unitaire de son activité IA.
Gardez une longueur d'avance sur l'IA
Vous souhaitez rester au courant des derniers développements en matière de matériel d’IA, de silicium personnalisé et des entreprises qui remodèlent le secteur ? Ajoutez AI Buzz Wire à vos favoris pour une couverture quotidienne des histoires qui comptent.
Lire plus d'actualités sur l'IA →
