Transformer un article de #英伟达#, Nvidia n’est plus simplement une entreprise mais un empire de l’IA.

Beaucoup continuent de considérer NVIDIA comme une société qui vend des puces, mais je pense de plus en plus que cette compréhension est dépassée. En décomposant cette carte d’investissement, une logique plus claire commence à émerger : — ce n’est pas un simple investissement, c’est une “mise en place de toute la chaîne de demande en IA”.
Si l’on regarde seulement la surface, on pourrait penser qu’il s’agit d’investissements dispersés, mais en reliant tous les nœuds, on découvre qu’ils pointent tous vers une même destination : la demande en GPU.

(1) Commençons par la couche la plus basse. $Intel INTC$ $Synopsys SNPS$
C’est la capacité de conception et de fabrication de puces, essentielle pour garantir que l’écosystème des semi-conducteurs ne devienne pas un goulot d’étranglement. On peut comprendre cela comme : même si la concurrence s’intensifie à l’avenir, la capacité de conception fondamentale reste dans le système.

(2) Ensuite, la couche supérieure concerne le réseau et l’interconnexion optique. $Lumentum LITE$ $COHR $MRVL

Ces entreprises résolvent la même problématique — comment faire circuler les données à haute vitesse entre les clusters d’IA. Sans cette couche, même les GPU les plus puissants seraient limités par la bande passante. En d’autres termes, cette couche détermine si la “puissance de calcul peut réellement être exploitée”.

(3) Puis vient la couche la plus critique — la distribution de puissance de calcul. $CRWV $NBIS ainsi que Nscale, Lambda et autres fournisseurs de GPU en cloud, ont pour essence de transformer le GPU de NVIDIA en “ressource à louer”, plutôt que de vendre du matériel une seule fois. Cette étape est cruciale car elle modifie le modèle commercial : passer de la vente d’équipements à un écosystème de revenus récurrents.

(4) Ensuite, la couche des modèles. OpenAI, xAI, Mistral, Cohere, Perplexity
C’est là que “l’absorption de puissance de calcul” devient un véritable trou noir. Toutes les entreprises de modèles sont essentiellement de grands consommateurs de GPU. On découvre une structure intéressante : NVIDIA n’investit pas dans “un seul gagnant”, mais dans “tous ceux qui peuvent devenir gagnants”. Quel que soit le vainqueur, la consommation de GPU sera inévitable.

(5) Plus haut, viennent les applications et scénarios de pointe. conduite autonome (Wayve), robots (Figure AI), pharmaceutique IA ($LLY$, $RXRX$), voire fusion nucléaire (Commonwealth Fusion). Ces secteurs semblent très dispersés, mais en réalité, ils ont tous un seul point commun : — ils transforment l’IA de “logiciel” en “besoin du monde réel”.
Une fois que l’IA entre dans le monde physique, la demande en puissance de calcul n’augmente plus de façon linéaire, mais de façon exponentielle. C’est aussi pour cela que la stratégie de NVIDIA inclut des “secteurs apparemment sans rapport”. Parce qu’elle ne mise pas sur un secteur, mais sur “le point de rupture de la demande”.

Revenons donc à une question plus fondamentale : pourquoi NVIDIA investit-elle aussi largement ? Parce qu’elle fait une chose que peu d’entreprises peuvent réaliser — contrôler à la fois l’offre (puces + réseau + puissance de calcul) et le déploiement de la demande (modèles + applications + scénarios).
Que signifie cela ?
Cela signifie qu’elle ne se contente pas de participer au cycle de l’IA, mais qu’elle “l’amplifie”. Beaucoup voient l’IA comme une compétition, mais la stratégie de NVIDIA ressemble davantage à : — ne pas parier sur qui gagnera, mais s’assurer que tout le monde doit utiliser ses chips.

En regardant cette carte sous cet angle, on découvre une structure plus profonde : chaque investissement renforce une boucle fermée : investissement → croissance de la demande → consommation de GPU → augmentation des revenus → réinvestissement. C’est cela le véritable moteur de la croissance.