Pourquoi OpenAI s’éloigne-t-elle des processeurs Nvidia ?
L’annonce de ce partenariat marque une étape stratégique dans la volonté d’OpenAI de contrôler sa propre infrastructure de calcul. Jusqu’à présent, l’entreprise utilisait principalement les processeurs graphiques (GPU) de Nvidia pour l’entraînement de ses modèles et l’exécution de ses services d’inférence.
Le recours à des processeurs généralistes comme ceux de Nvidia engendre des coûts opérationnels élevés. Ces puces sont conçues pour une multitude de tâches, ce qui signifie qu’une partie de leur puissance de calcul n’est pas directement utilisée pour les architectures de réseaux de neurones transformeurs. En développant des circuits intégrés propres à une application (ASIC), OpenAI cherche à allouer chaque transistor à des opérations mathématiques spécifiques à l’intelligence artificielle.
Cette transition répond également à des enjeux de disponibilité. Les tensions sur la chaîne d’approvisionnement des semi-conducteurs ont régulièrement contraint les acteurs de l’IA à attendre la livraison de matériel de calcul. La production de puces internes permettrait à OpenAI de mieux planifier l’expansion de ses capacités de traitement.
L’expertise de Broadcom au service de l’architecture ASIC
Le choix de Broadcom comme partenaire technique repose sur la position de l’entreprise dans le secteur des semi-conducteurs personnalisés. Broadcom ne produit pas de puces de masse pour le grand public, mais conçoit des architectures spécialisées pour les plus grands fournisseurs de services cloud.
L’entreprise possède une expérience établie dans la création de processeurs pour l’intelligence artificielle, notamment grâce à sa collaboration passée avec Google pour le développement des Tensor Processing Units (TPU). Pour OpenAI, l’objectif est de traduire ses besoins logiciels spécifiques en une architecture matérielle capable de gérer des volumes de données massifs avec une latence minimale.
La conception de ces puces impliquera une intégration étroite entre les algorithmes d’OpenAI et la propriété intellectuelle de Broadcom. Ce processus permet de créer un lien direct entre le code et le silicium, une optimisation que les processeurs standards ne peuvent pas offrir.
Quel impact sur l’efficacité énergétique des centres de données ?
L’un des défis majeurs pour l’industrie de l’IA est la consommation électrique des infrastructures de calcul. Les centres de données qui hébergent les modèles de langage de nouvelle génération nécessitent une puissance électrique colossale, ce qui pose des problèmes de coût et d’empreinte environnementale.
L’utilisation d’ASIC conçus spécifiquement pour les modèles d’OpenAI pourrait réduire la consommation d’énergie par opération de calcul. En éliminant les fonctions matérielles superflues présentes sur les GPU, les ingénieurs peuvent optimiser le rapport performance-par-watt.
Cette spécialisation matérielle affecte également la gestion thermique. Des puces plus efficaces dégagent moins de chaleur, ce qui réduit les besoins en systèmes de refroidissement complexes et coûteux dans les centres de données. Pour OpenAI, cette optimisation est une condition nécessaire à la viabilité économique de l’échelle de déploiement prévue pour ses futurs modèles.
Les prochaines étapes de la production de silicium
Bien que le partenariat soit officialisé, le calendrier de déploiement reste complexe. La conception d’une nouvelle architecture de puce nécessite plusieurs années de recherche et de développement avant d’arriver en production de masse.
Les étapes suivantes incluront la validation des modèles de conception et la phase de prototypage. La fabrication finale de ces puces reposera probablement sur les capacités de fonderie de TSMC, le leader mondial de la production de semi-conducteurs de pointe.
Le succès de cette initiative dépendra de la capacité d’OpenAI à maintenir une cohérence entre l’évolution rapide de ses modèles logiciels et le cycle de développement, plus lent, du matériel. Si OpenAI réussit à intégrer ses logiciels et ses puces de manière fluide, elle pourrait transformer radicalement sa structure de coûts et sa position face aux fournisseurs de matériel traditionnels.
Find more reporting in our Sciences et technologies section.