Les puces de Cerebras Systems pourraient être 15 fois plus rapides que certains modèles Blackwell de Nvidia, mais Nvidia possède 2 avantages distincts

Le fabricant de puces d'intelligence artificielle (IA) Cerebras Systems (CBRS 6,87 %) est devenu public le 14 mai dans une ambiance très animée. L'action a bondi de 68 % lors de sa première journée de cotation — un signe, selon les experts, que le marché de l'IA est vivant et en bonne santé.

L'engouement autour de cette introduction en bourse est logique, étant donné que Cerebras rivalise avec de grands concepteurs de puces comme Nvidia (NVDA 0,68 %) et AMD, qui ont tous deux connu des performances extraordinaires ces dernières années.

Les investisseurs étaient probablement encore plus enthousiasmés en lisant dans le document d'enregistrement de Cerebras que la société affirme que ses puces sont 15 fois plus rapides que celles de ses principaux concurrents.

Bien que cela soit indéniablement intrigant, les unités de traitement graphique (GPU) de Nvidia ont encore deux avantages distincts sur les puces de Cerebras.

Source de l'image : Getty Images.

Pourquoi les puces de Cerebras sont différentes

Alors que la plupart des concepteurs de puces commencent le processus de fabrication en découpant de grandes plaquettes de silicium en plusieurs petits morceaux qui deviendront finalement des puces individuelles, Cerebras utilise une plaquette de silicium entière pour fabriquer une puce massive : ses moteurs à échelle de plaquette (WSE) sont 58 fois plus grands que les processeurs Blackwell 200 de Nvidia. Certains médias ont décrit les puces de Cerebras comme étant de la taille d'une assiette.

Développer

NASDAQ : CBRS

Cerebras Systems

Variation d'aujourd'hui

(-6,87 %) $-19,36

Prix actuel

$262,50

Points clés

Capitalisation boursière

$61B

Fourchette journalière

$254,25 - $284,99

Fourchette sur 52 semaines

$185,00 - $386,34

Volume

121K

Volume moyen

12,8M

Marge brute

39,03 %

Les puces plus grandes ont certainement certains avantages dans les centres de données, car elles permettent d'intégrer plus de mémoire et de puissance de traitement. Cerebras affirme que son modèle WSE-3 possède 250 fois plus de mémoire sur puce que le modèle B200 de Nvidia et 2 625 fois plus de bande passante mémoire.

Avoir plus de mémoire sur la puce aide à résoudre les goulets d'étranglement dans le traitement des données que rencontrent les GPU plus petits, comme la récupération de données auprès d'autres GPU ou de la mémoire externe adjacente à la puce.

Bien que cela puisse rendre les puces de Cerebras compétitives, voire meilleures dans certaines situations, voici deux raisons pour lesquelles les actionnaires de Nvidia ne paniquent pas.

1. Les puces plus petites présentent certains avantages

Alors que Cerebras se concentre naturellement sur les inconvénients des puces de ses rivaux, il existe des scénarios où les puces plus petites peuvent offrir des avantages, principalement parce qu'elles offrent plus de flexibilité aux clients.

D'une part, les puces de la taille d'une plaquette sont plus coûteuses à fabriquer, et elles contiennent beaucoup plus de cœurs que les plus petites. Si suffisamment de parties d'une des énormes puces de Cerebras sont défectueuses, la puce entière (cher) pourrait devoir être jetée. Bien que la société ait conçu ses puces avec des redondances pour réduire la probabilité que cela se produise, des défauts surviennent dans tous les processus de fabrication de puces.

De plus, toutes les tâches d'IA ne nécessitent pas toute la puissance d'un WSE-3. Les tâches plus petites requièrent moins de GPU, donc les petites ou moyennes entreprises cherchant à déployer des applications d'IA trouveront probablement des solutions plus économiques auprès de sociétés comme Nvidia. Et les GPU de Nvidia peuvent être déployés en clusters personnalisés pour fournir la capacité de traitement requise.

2. CUDA

Mais le plus grand avantage concurrentiel de Nvidia pourrait être sa couche logicielle CUDA (Compute Unified Device Architecture), qui domine actuellement le marché. C'est une plateforme logicielle qui permet aux développeurs d'écrire du code pour les GPU de Nvidia — et en général, ce code ne peut être exécuté que sur les GPU de Nvidia.

L'entreprise a lancé CUDA en 2006, et au cours des deux dernières décennies, un écosystème robuste s'est développé autour de cette plateforme, largement adoptée par les consommateurs et les entreprises.

Par exemple, selon Nvidia, les sociétés pharmaceutiques utilisent CUDA pour aider à découvrir de nouveaux médicaments, les constructeurs automobiles l'utilisent pour améliorer la conduite autonome de leurs véhicules, et les détaillants l'utilisent pour analyser les données clients qui influencent leurs recommandations de produits et leur publicité.

Se détourner de CUDA serait un processus difficile. Il ne suffirait pas de réécrire beaucoup de code, mais il faudrait aussi faire face à cet énorme écosystème existant. Sans parler du fait que la plupart des développeurs du secteur ont travaillé avec CUDA toute leur carrière, et utilisent de nombreux autres outils développés spécifiquement pour CUDA. Ils sont habitués à ces outils et y sont efficaces. Abandonner tout cela serait une option peu attrayante pour la plupart des entreprises.

Développer

NASDAQ : NVDA

Nvidia

Variation d'aujourd'hui

(-0,68 %) $-1,50

Prix actuel

$218,01

Points clés

Capitalisation boursière

5,3 T$

Fourchette journalière

$215,17 - $221,07

Fourchette sur 52 semaines

$129,16 - $236,54

Volume

2,8 M

Volume moyen

171,3 M

Marge brute

74,15 %

Rendement du dividende

0,02 %

Selon Business Insider, l'année dernière, CUDA supportait plus de 900 bibliothèques et modèles d'IA, chaque bibliothèque correspondant à une industrie exploitant la technologie de Nvidia.

Il est vrai que Cerebras a construit sa propre couche logicielle pour rivaliser avec CUDA, mais Nvidia a une longueur d'avance considérable.

La barrière concurrentielle de Nvidia est comparable à celles des sociétés de paiement Visa et Mastercard, qui jouent un rôle vital dans la facilitation des transactions de paiement. Une autre société pourrait-elle faire ce que ces deux-là font d’un point de vue technologique ? Bien sûr, mais pourrait-elle reproduire leurs réseaux mondiaux et leur échelle énormes ?

Eh bien, cela ne s’est pas encore produit.