Résumé :
Euclyd, une startup néerlandaise de puces d'intelligence artificielle, a récemment finalisé une ronde de financement de série A d'une valeur de 200 millions d'euros, soit environ 230 millions de dollars américains. Le financement a été codirigé par Samsung, Somerset Capital Partners, le Scaleup Europe Fund géré par EQT et Innovation Industries, donnant à la jeune entreprise fondée en 2024 le soutien financier nécessaire pour contester davantage la position de Nvidia sur le marché des puces IA.
Euclyd n'a pas choisi de copier directement la voie de développement du GPU NVIDIA, mais a essayé de trouver des solutions différentes au niveau de l'architecture de la puce. La société développe un système de puce spécifiquement pour les tâches d’inférence de l’IA. Sa conception couvre à la fois l'architecture du processeur et de la mémoire, dans l'espoir d'améliorer l'efficacité de l'exécution des modèles d'intelligence artificielle d'une manière différente des GPU traditionnels.
Ce que l'on appelle l'inférence de l'IA fait référence au processus dans lequel le modèle d'intelligence artificielle formé exécute des tâches dans des applications pratiques. Par exemple, les utilisateurs posent des questions aux chatbots, l'IA génère des images ou des vidéos et les entreprises utilisent de grands modèles de langage pour traiter les demandes commerciales, etc., tous appartiennent à des charges de travail d'inférence. À mesure que les modèles d'IA sont de plus en plus déployés, la puissance de calcul requise pour l'inférence augmente rapidement et est progressivement devenue un champ de bataille important sur le marché des puces d'IA.
Nvidia a actuellement un avantage absolu dans ce domaine. Le GPU de Nvidia, initialement conçu pour le marché des jeux, est devenu plus tard le matériel de base pour la formation et l'exécution de modèles d'IA grâce à son architecture informatique hautement parallèle, et a ainsi établi un vaste écosystème logiciel CUDA. Aujourd'hui, un grand nombre d'entreprises d'IA et de cloud computing s'appuient sur les GPU NVIDIA pour exécuter des services d'intelligence artificielle. C'est également une raison importante pour laquelle NVIDIA peut devenir l'une des entreprises technologiques les plus valorisées au monde.
Euclyd espère utiliser différentes structures pour pénétrer ce marché. La société envisage non seulement de vendre son propre matériel d'IA et ses systèmes de rack complets, mais envisage également de permettre à d'autres sociétés d'utiliser la technologie d'Euclyd pour concevoir leurs propres puces en accordant des licences sur les droits de propriété intellectuelle. En d’autres termes, le modèle commercial de l’entreprise ne se limite pas à être un fournisseur de puces, mais espère également devenir un fournisseur d’architecture de puces IA et de licences technologiques.
La participation de Samsung à ce financement est particulièrement remarquable. Samsung lui-même dispose d'une chaîne industrielle complète depuis la conception de semi-conducteurs et la fabrication de plaquettes jusqu'aux puces mémoire et aux produits électroniques. Par conséquent, investir dans une société de puces IA essayant de concurrencer Nvidia revêt non seulement une importance financière, mais peut également constituer une base pour une coopération future entre les deux parties dans les domaines de l’informatique IA, du stockage et de la technologie avancée des semi-conducteurs.
Euclyd n'est créé que depuis environ deux ans, mais il a déjà reçu un financement à grande échelle, ce qui reflète également la grande attention que les investisseurs accordent au marché des puces d'inférence d'IA. À mesure que l'IA générative passe progressivement de l'étape de formation du modèle à l'étape de déploiement commercial à grande échelle, le nombre de tâches d'inférence que les centres de données doivent gérer continue d'augmenter, et l'efficacité énergétique, la bande passante mémoire et le coût de calcul global de la puce deviennent de plus en plus importants.
Pour les opérateurs de centres de données IA, continuer à acheter un grand nombre de GPU NVIDIA peut obtenir un écosystème logiciel mature et des performances informatiques puissantes, mais cela signifie également des coûts de matériel, d'énergie et d'infrastructure extrêmement élevés. Par conséquent, de plus en plus de fournisseurs de services cloud, de grandes entreprises technologiques et d’entreprises d’IA commencent à rechercher des alternatives à NVIDIA. Cela crée également des opportunités pour Euclyd, AMD et d’autres startups d’accélérateurs d’IA d’entrer sur le marché.
Cependant, défier Nvidia n’est pas aussi simple que de créer une puce IA avec de bonnes performances. La véritable force de Nvidia ne réside pas seulement dans le matériel GPU lui-même, mais aussi dans la plate-forme logicielle CUDA, les outils de développement, les pilotes et l'écosystème de développeurs accumulés au fil de nombreuses années. Tout concurrent souhaitant véritablement remplacer Nvidia dans les environnements de centres de données à grande échelle devra résoudre une série de problèmes, notamment la compatibilité des logiciels, les coûts de migration des développeurs et les risques de déploiement à long terme pour les clients.
Euclyd est encore à un stade relativement précoce de développement, donc l'importance la plus importante de ce financement de 200 millions d'euros est de fournir des fonds suffisants pour que l'entreprise puisse continuer à développer des puces, à améliorer ses produits et à établir un écosystème commercial. Il faudra attendre que ses produits entrent sur le marché réel pour savoir s'il peut finalement obtenir des avantages significatifs en termes de performances et d'efficacité énergétique dans les tâches d'inférence d'IA réelles avec différents processeurs et architectures de mémoire.
Alors que la demande en matière de raisonnement basé sur l'IA continue de croître, NVIDIA est confrontée à de plus en plus de concurrents venant de différentes directions. Euclyd a choisi de commencer par l'innovation architecturale et la conception de mémoire, tandis que d'autres sociétés pourraient rechercher des avancées dans les accélérateurs dédiés, les ASIC personnalisés, l'informatique optique et le packaging avancé. À l'avenir, le marché des puces IA ne sera probablement plus une pure compétition de GPU, mais une compétition globale centrée sur l'architecture informatique, la mémoire, l'écosystème logiciel, la consommation d'énergie et le coût global du système.
Commentaires