Expansion de la puissance de calcul et recherche de rapport qualité-prix élevé à l'ère de l'IA

Les grandes entreprises technologiques continuent d'investir massivement dans l'IA. Les derniers rapports financiers de Microsoft, Google et d'autres entreprises montrent que les revenus et les marges bénéficiaires des activités cloud continuent d'augmenter, l'IA devenant un nouveau levier de croissance. La "course aux armements" en termes de Puissance de calcul entre ces principaux fournisseurs de cloud est en plein essor, et il est difficile de voir une réduction des dépenses d'investissement à court terme. L'industrie prévoit que l'équilibre entre l'offre et la demande de Puissance de calcul pour l'IA pourrait ne pas être atteint avant environ 2030.

Pendant ce temps, le marché attend également de voir davantage d'applications d'IA "de proximité" qui peuvent apporter aux utilisateurs une véritable amélioration de la productivité ou une commodité dans la vie quotidienne. Cette année, des produits remarquables tels qu'OpenAI Sora et le grand modèle national Kimi ont déjà émergé, et nous espérons voir des mises à jour continues de grands modèles comme GPT et Gemini à l'avenir, ainsi que davantage d'applications d'IA côté utilisateur. Cependant, le chemin vers l'AGI reste long, et les applications d'IA qui changeront réellement la société humaine pourraient encore nécessiter un temps d'incubation considérable.

Actuellement, l'industrie devrait davantage se concentrer sur la manière de fournir une "puissance de calcul à haut rapport qualité-prix". D'après l'expérience historique, la baisse du coût unitaire de la puissance de calcul est une condition nécessaire au développement de l'IA. Une puissance de calcul IA bon marché, facilement disponible et stable est la base de l'émergence d'applications majeures en IA. Prenons Sora comme exemple, sa publication officielle prendra encore plusieurs mois, une des raisons importantes étant la nécessité d'optimiser continuellement la puissance de calcul requise pour l'inférence.

Pour réduire les coûts de puissance de calcul, l'industrie s'attaque à plusieurs fronts : en ce qui concerne la capacité de production de GPU, TSMC élargit considérablement la capacité de packaging CoWoS nécessaire pour les puces AI ; en ce qui concerne les équipements réseau, la nouvelle génération de puces AI de NVIDIA utilise des câbles en cuivre pour contrôler les coûts, et les fabricants de modules optiques poussent également des solutions à haut rapport qualité-prix comme LPO ; en ce qui concerne le refroidissement, avec l'augmentation de la densité de puissance par armoire, les avantages en termes de rapport qualité-prix des solutions de refroidissement liquide commenceront progressivement à se manifester.

Dans l'ensemble, bien que les principaux fournisseurs de cloud aient la capacité d'investir massivement, la demande du marché plus large est celle d'une puissance de calcul AI à bon rapport qualité-prix. À l'avenir, la clé pour promouvoir le développement de l'IA sera de réduire le coût unitaire de la puissance de calcul tout en garantissant les performances. Cela nécessite un effort conjoint à partir de plusieurs segments, tels que les puces, les réseaux et le refroidissement, pour créer une infrastructure AI plus rentable et fournir un soutien solide à l'innovation des applications AI.