Moore Threads : Briser les barrières concurrentielles de l'écosystème par une architecture unifiée

À l’ère de l’IA, les entreprises de semi-conducteurs doivent établir une stratégie complète de propriété intellectuelle pour être considérées comme maîtrisant réellement les technologies clés.

Texte | Hu Jiaqí

ID | BMR2004

Récemment, le fabricant chinois de GPU Moore Thread (688795.SH) a annoncé le lancement officiel de son service d’intelligence artificielle Coding Plan. Ce nouveau produit, basé sur la capacité de calcul en précision totale du MTTS5000, double l’efficacité de puissance grâce à une architecture hardware-software collaborative, transformant directement les capacités GPU, traditionnellement orientées bas niveau, en outils de productivité pour les développeurs. Cette étape marque le début pour une entreprise chinoise de GPU de passer d’un simple fournisseur de matériel à un constructeur de plateformes de calcul complètes.

Moore Thread, fondée en juin 2020, a été cotée sur le marché STAR à la fin 2025, avec un record de 88 jours pour son IPO, attirant l’attention du marché. Son objectif ne se limite pas à combler le déficit en puissance de calcul, mais vise à construire une infrastructure de calcul accéléré à l’échelle mondiale et une solution tout-en-un, fournissant un support fondamental pour la transformation numérique intelligente dans divers secteurs.

Si la puissance de calcul est le ticket d’entrée, alors la capacité systémique est la clé pour rester durablement compétitif. Sur cette dimension plus profonde de la compétition, le magazine « Business School » a interviewé des responsables de Moore Thread et des experts du secteur, pour révéler une facette moins visible : comment une entreprise chinoise de GPU construit sa « barrière défensive » en matière de propriété intellectuelle et d’architecture fondamentale.

01

Stratégie de dépôt de brevets axée sur le produit

En matière de stratégie de brevets, Moore Thread ne cherche pas simplement à augmenter le nombre de brevets, mais privilégie le développement de brevets à haute valeur.

Selon un responsable de Moore Thread, à fin juin 2025, l’entreprise a obtenu 514 brevets autorisés, dont 468 brevets d’invention, ce qui la place parmi les leaders des fabricants de GPU chinois. Ces brevets ne sont pas dispersés, mais concentrés autour du cœur du calcul IA, couvrant la conception d’architecture de processeurs, l’accélération des applications IA et l’optimisation du calcul parallèle, les pilotes et systèmes logiciels de base, ainsi que les clusters GPU et l’interconnexion haute performance, formant progressivement une stratégie systématique.

En termes de stratégie, Moore Thread privilégie la cultivation de brevets à haute valeur, notamment dans des domaines clés tels que la conception d’architecture de processeurs, l’optimisation du calcul parallèle, la gestion de mémoire, les protocoles d’interconnexion à haute vitesse, l’optimisation des compilateurs et pilotes, la gestion de l’efficacité énergétique et l’accélération du calcul IA. Ces technologies influencent directement la performance, l’efficacité énergétique et la compatibilité, créant des barrières technologiques.

En 2024, Moore Thread a remporté deux prix nationaux pour ses brevets à haute valeur : le premier prix du concours de cultivation de brevets en intelligence artificielle pour le projet de cluster Quwa Zhi Suan, et la médaille d’or du concours de brevets à haute valeur en Chine pour le projet GPU multifonctionnel, illustrant ses efforts en R&D et gestion de brevets.

L’économiste industriel senior Liang Zhenpeng, dans une interview à « Business School », souligne que posséder des brevets à haute valeur renforce la voix technologique de l’entreprise, soutient l’adaptation hardware et l’ouverture logicielle, et permet de défendre contre les risques de contrefaçon tout en améliorant la capacité de négociation sur les licences, contribuant à construire une chaîne industrielle autonome et contrôlable.

Selon lui, l’attention des fabricants de GPU vis-à-vis des brevets doit se recentrer sur leur capacité à soutenir la mise en œuvre industrielle et l’application commerciale, c’est-à-dire si ces brevets peuvent soutenir un système technologique complet et une solution industrielle.

Pour l’évaluation et la commercialisation des portefeuilles de brevets, il faut considérer la couverture technologique, la stabilité juridique, la pertinence du marché et la difficulté pour les concurrents de contourner ces brevets, en analysant leur contribution réelle aux fonctionnalités produits, au contrôle des coûts et à la compatibilité écologique. Les indicateurs clés incluent le taux de citation des brevets, la portée des revendications, la couverture géographique, l’historique des litiges et la contribution à la normalisation. Les entreprises doivent équilibrer quantité et qualité, en déployant des brevets à haute valeur dans les domaines clés, tout en constituant un réseau de protection avec des brevets périphériques, évitant ainsi une simple course à la quantité.

Dans ce contexte, la gestion de la propriété intellectuelle de Moore Thread a également évolué vers une approche systémique. Grâce à la certification nationale de conformité en propriété intellectuelle, l’entreprise a étendu sa gestion du juridique à l’ensemble du processus de R&D, de gestion et de transformation technologique. La planification de brevets intervient dès la phase de conception de produits, de choix de la trajectoire technologique et de stratégie de marché, constituant une infrastructure pour le développement à long terme, plutôt qu’un simple remède après coup.

Ces actions traduisent une transformation cognitive. À l’ère de l’IA, une entreprise de semi-conducteurs sans une stratégie systématique de propriété intellectuelle ne sera pas considérée comme maîtrisant véritablement ses technologies clés. Le GPU n’est plus un simple matériel, mais une plateforme complexe comprenant un système d’instructions, un compilateur, un pilote, une bibliothèque d’opérateurs, un système de gestion et une architecture de cluster. Chaque étape correspond à une innovation technologique susceptible d’être brevetée, chaque nœud technologique pouvant devenir un atout stratégique dans la coopération commerciale et la compétition industrielle future.

02

L’espace de différenciation hardware se réduit

L’augmentation de la densité des transistors coûte de façon exponentielle, tandis que les gains de performance se réduisent, avec une baisse évidente des bénéfices liés au processus de fabrication.

Pour les GPU, qui dépendent fortement de la densité de transistors, de l’efficacité énergétique et de la fréquence, le processus de fabrication reste un facteur déterminant de la densité de performance et de la consommation.

Moore Thread utilise principalement des procédés de fabrication matures de gamme moyenne à haute, comme le montre le modèle MTTS50 de 2022 destiné au marché de l’innovation technologique, basé sur un procédé de 12 nm. Ce nœud est une option fiable pour des produits graphiques, permettant une production rapide et un contrôle des coûts.

Globalement, l’industrie voit ses GPU hautes performances évoluer vers des procédés plus avancés, généralement autour de 7 nm. Les leaders mondiaux comme NVIDIA utilisent des procédés de 4 nm chez TSMC, offrant une densité et une efficacité accrues. La capacité de production avancée en Chine est limitée par la chaîne d’approvisionnement et les équipements, avec une maturité et un taux de réussite encore perfectibles, ce qui limite la performance et la consommation énergétique maximales des GPU domestiques.

Actuellement, Moore Thread optimise ses produits en ajustant l’architecture et la gestion du scheduling, tout en utilisant des procédés matures, pour équilibrer consommation et performance, tout en maîtrisant les coûts et la stabilité d’approvisionnement. Cette stratégie facilite la mise en marché rapide des produits actuels et laisse une marge pour des itérations futures avec l’amélioration progressive des procédés avancés domestiques.

Selon Cao Xinming, professeur au Centre de recherche en propriété intellectuelle de l’Université de Finance et d’Économie du Centre-Sud, cette évolution est d’abord due à la proximité des limites physiques du hardware. Avec la montée en gamme vers 3 nm ou 2 nm, le coût d’augmentation de la densité de transistors devient exponentiel, tandis que les gains de performance se réduisent. La capacité de production avancée est concentrée chez quelques grands fabricants comme TSMC, Samsung et Intel, ce qui limite l’espace de différenciation hardware pour les GPU domestiques.

03

Architecture unifiée et écosystème logiciel

La compétition dans l’industrie GPU connaît une transition structurelle, où le système de propriété intellectuelle et l’écosystème des développeurs deviennent cruciaux.

Si la limite physique du hardware réduit l’espace pour différencier par le procédé, la maturité de l’écosystème logiciel élève considérablement le seuil de compétition.

Cao Xinming explique que la compétition dans l’industrie GPU évolue vers une nouvelle phase. La loi de Moore (procédés) et la performance brute (FLOPS) restent des barrières d’entrée, mais la capacité à bâtir un système de brevets solide et un écosystème de développeurs basé sur un logiciel avancé devient déterminante pour la rentabilité et la position à long terme.

Selon un responsable de Moore Thread, l’entreprise construit son socle technologique et écologique autour de MUSA (Meta-computing Unified System Architecture), une architecture unifiée de calcul GPU intégrant matériel et logiciel.

MUSA est une architecture de calcul accélérée unifiée, développée en interne, combinant hardware GPU et logiciel. Elle couvre toute la chaîne technologique, du design du processeur, de l’ensemble d’instructions, du modèle de programmation, aux bibliothèques logicielles et aux frameworks de pilotes, visant à fournir une haute performance pour divers scénarios de calcul parallèle, notamment IA, rendu graphique, simulation physique, calcul scientifique et encodage vidéo ultra HD.

Après cinq ans de R&D intensive et d’itérations continues, la version MUSA 5.0 marque une étape de maturité, avec des avancées clés en termes d’unification de la stack, d’efficacité de calcul et d’ouverture écologique. Sur le plan du développement, MUSA supporte nativement MUSA C, tout en étant compatible avec TileLang, Triton et d’autres langages modernes de programmation parallèle, offrant une expérience de développement flexible et efficace, réduisant les coûts de migration et d’adaptation. En termes de performance, la bibliothèque centrale muDNN atteint une efficacité proche du maximum théorique sur des opérateurs clés comme GEMM et FlashAttention, avec une amélioration significative de la communication et une optimisation du compilateur, intégrant aussi des bibliothèques d’opérateurs haute performance pour accélérer l’entraînement et l’inférence.

Par ailleurs, la stratégie écologique de MUSA s’étend à l’ouverture de ses composants clés, notamment les bibliothèques d’accélération, de communication et le cadre de gestion système, pour attirer des partenaires et co-construire l’écosystème.

Cao Xinming souligne également que, derrière l’écosystème logiciel, les brevets jouent un rôle de plus en plus fondamental dans le cadre réglementaire.

Le logiciel GPU ne se limite pas à une accumulation d’ingénierie, mais inclut de nombreuses innovations fondamentales, telles que l’optimisation de compilation, la gestion du calcul parallèle, la coordination entre pilotes et hardware, ainsi que l’adaptation profonde aux principaux frameworks IA. Ces innovations peuvent faire l’objet de brevets. Sans un système de propriété intellectuelle solide, il est difficile d’établir une confiance durable dans la coopération inter-entreprises et la division du travail industrielle, ni de construire une alliance écologique stable.

04

La compétition des nouveaux entrants

À l’avenir, la compétition en matière de brevets GPU se concentrera davantage sur le calcul hétérogène, l’intégration IA, l’optimisation hardware-software, et les nouveaux scénarios d’application.

Dans l’industrie GPU, la principale évolution pour les nouveaux entrants est l’augmentation significative des barrières à l’entrée.

Les nouveaux venus doivent souvent investir massivement dans la R&D et la fabrication, sans garantie de marché immédiat. Mais produire un chip n’est que la première étape : sans outils de compilation, support de pilotes et compatibilité avec les frameworks IA, il est difficile pour les développeurs d’utiliser efficacement la nouvelle puce, et pour les utilisateurs de migrer vers cette plateforme. L’absence d’une base utilisateur solide empêche la formation d’un écosystème, et sans écosystème, le produit ne peut s’ancrer. Ce cercle vicieux rend le démarrage dans le secteur GPU beaucoup plus difficile que dans d’autres segments du semi-conducteur.

Aujourd’hui, les développeurs sont profondément liés à CUDA d’NVIDIA et à ses outils, leur flux d’entraînement, l’optimisation des opérateurs et leur expérience sont bâtis sur cette plateforme. À moins qu’une nouvelle plateforme ne propose un avantage de performance ou d’efficacité énergétique d’un ordre de grandeur supérieur, il sera difficile de convaincre les développeurs de réécrire leur code ou de reconstruire leurs processus. C’est pourquoi de nombreuses entreprises de chips IA privilégient la compatibilité avec CUDA ou les frameworks principaux, pour réduire la barrière d’entrée en s’appuyant sur un écosystème existant.

La stratégie de Moore Thread reflète cette approche pragmatique : d’un côté, elle développe ses propres modèles de programmation et bibliothèques de base pour établir une base technologique contrôlable ; de l’autre, elle met l’accent sur la compatibilité avec les interfaces graphiques et frameworks IA dominants, trouvant un équilibre entre autonomie et compatibilité.

Parallèlement, la question des risques liés aux brevets et au droit devient de plus en plus pressante. Cao Xinming explique que, après des années d’accumulation, les brevets clés dans le domaine GPU sont nombreux. Avant la commercialisation, les nouveaux entrants doivent souvent effectuer des recherches complexes et coûteuses pour vérifier qu’ils ne violent pas de brevets existants. En cas de litige avec des acteurs majeurs, la durée des procès et les coûts élevés peuvent mettre en difficulté des entreprises aux ressources limitées.

Il recommande que, dans ce contexte, une voie plus réaliste pour les nouveaux entrants consiste à se concentrer sur des scénarios verticaux spécifiques, en développant des stacks technologiques adaptés à des applications fermées, comme la conduite autonome, le edge computing ou la vision industrielle. Dans ces cas, la consommation d’énergie, la latence ou l’adaptabilité environnementale sont souvent plus importantes que la puissance de calcul universelle, permettant de se différencier par une spécialisation plutôt que par une copie intégrale de l’écosystème GPU général.

À plus long terme, la configuration du secteur GPU n’est pas figée. L’émergence du matériel et des logiciels open source, comme RISC-V ou les frameworks open source tels que PyTorch et TensorFlow, offre de nouvelles variables. La montée en puissance de RISC-V vector extension, par exemple, pourrait permettre de construire des plateformes de calcul haute performance différentes des architectures traditionnelles ; l’ouverture de frameworks comme PyTorch ou TensorFlow permet aux fabricants de matériel d’optimiser autour d’un écosystème logiciel commun, sans dépendre exclusivement d’un seul fournisseur. Ces évolutions, bien qu’elles ne bouleversent pas immédiatement le marché, laissent une marge d’entrée pour les nouveaux acteurs à long terme.

Liang Zhenpeng pense que la compétition future en brevets GPU se concentrera davantage sur le calcul hétérogène, l’intégration IA, l’optimisation hardware-software, et les nouveaux cas d’usage comme le métavers ou la conduite autonome. La tendance à l’ouverture et à l’open source dans l’écosystème logiciel permettra aux entreprises d’étendre leur influence via des brevets essentiels et des licences open source. Pour les nouveaux entrants, il est stratégique de se concentrer sur des innovations techniques de niche pour bâtir un portefeuille de brevets, de participer activement à la communauté open source pour renforcer leur influence, de collaborer avec d’autres pour accéder rapidement à des technologies clés, et de planifier une expansion internationale tout en surveillant les risques, afin de se positionner dans la compétition mondiale.

Source | « Business School » numéro spécial de mars et avril