Le gros pari du PDG de Nvidia, Jensen Huang, sur l’IA porte ses fruits, car sa technologie de base alimente ChatGPT

Depuis environ un quart de siècle, Nvidia est à la tête de la révolution de l’infographie, devenant au fil du temps une marque appréciée des joueurs.

Nvidia domine le marché des unités de traitement graphique (GPU), sur lequel il est entré en 1999 avec la GeForce 256. Le jeu a rapporté plus de 9 milliards de dollars de revenus à Nvidia l’année dernière malgré un récent ralentissement.

Mais les derniers résultats de Nvidia indiquent un nouveau phénomène dans le secteur des GPU. La technologie est désormais au centre du boom de l’intelligence artificielle.

« Nous avons eu la bonne sagesse d’aller mettre toute l’entreprise derrière », a déclaré le PDG Jensen Huang à CNBC dans une interview le mois dernier. « Nous avons vu très tôt, il y a environ une dizaine d’années, que cette façon de faire des logiciels pouvait tout changer. Et nous avons changé l’entreprise de bas en haut et sur le côté. Chaque puce que nous avons fabriquée était axée sur l’intelligence artificielle. . »

En tant que moteur derrière les grands modèles de langage (LLM) comme ChatGPT, Nvidia récolte enfin les fruits de son investissement précoce dans l’IA. Cela a contribué à amortir le coup des luttes plus larges de l’industrie des semi-conducteurs liées aux tensions commerciales entre les États-Unis et la Chine et à une pénurie mondiale de puces.

Non pas que Nvidia soit à l’abri des préoccupations géopolitiques. En octobre, les États-Unis ont introduit de nouvelles règles radicales interdisant les exportations de puces d’intelligence artificielle de pointe vers la Chine. Nvidia compte sur la Chine pour environ un quart de ses revenus, y compris les ventes de sa populaire puce AI, l’A100.

« Ce fut un mois mouvementé environ alors que l’entreprise a chamboulé pour repenser tous nos produits afin qu’ils soient conformes à la réglementation tout en étant toujours en mesure de servir les clients commerciaux que nous avons en Chine », a déclaré Huang. « Nous sommes en mesure de servir nos clients en Chine avec les pièces réglementées et de les soutenir avec plaisir. »

L’IA sera au centre de la conférence annuelle des développeurs GTC de Nvidia qui se tiendra du 20 au 23 mars. Avant la conférence, CNBC s’est entretenu avec Huang au siège de Nvidia à Santa Clara, en Californie, pour discuter du rôle de l’entreprise au cœur de l’explosion de l’IA générative.

« Nous pensions simplement qu’un jour quelque chose de nouveau se produirait, et le reste nécessite un certain hasard », a déclaré Huang, lorsqu’on lui a demandé si la fortune de Nvidia était le résultat de la chance ou de la prescience. « Ce n’était pas de la prévoyance. La prévoyance était de l’informatique accélérée. »

Les GPU sont l’activité principale de Nvidia, représentant plus de 80% des revenus. Généralement vendues sous forme de cartes qui se branchent sur la carte mère d’un PC, elles ajoutent de la puissance de calcul aux unités centrales de traitement (CPU) construites par des sociétés comme AMD et Intel.

Désormais, les entreprises technologiques qui se démènent pour concurrencer ChatGPT sont se vanter publiquement sur le nombre d’A100 d’environ 10 000 $ de Nvidia dont ils disposent. Microsoft a déclaré que le supercalculateur développé pour OpenAI en utilisait 10 000.

« Il est très facile d’utiliser leurs produits et d’ajouter plus de capacité de calcul », a déclaré Vivek Arya, analyste des semi-conducteurs pour Bank of America Securities. « La capacité de calcul est fondamentalement la monnaie de la vallée en ce moment. »

Huang nous a montré le système de nouvelle génération de la société appelé H100, qui a déjà commencé à être expédié. Le H signifie Hopper.

« Ce qui rend Hopper vraiment incroyable, c’est ce nouveau type de traitement appelé moteur de transformateur », a déclaré Huang, tout en tenant une carte serveur de 50 livres. « Le moteur de transformateur est le T de GPT, transformateur génératif pré-formé. Il s’agit du premier ordinateur au monde conçu pour traiter des transformateurs à une échelle énorme. Ainsi, les grands modèles de langage seront beaucoup, beaucoup plus rapides et beaucoup plus rentables. »

Huang a déclaré qu’il avait « livré en main propre » au fabricant de ChatGPT OpenAI « le tout premier supercalculateur d’IA au monde ».

Aujourd’hui, Nvidia fait partie des 10 entreprises technologiques les plus importantes au monde, avec une capitalisation boursière de près de 600 milliards de dollars. Il compte 26 000 employés et un nouveau siège social sur le thème du polygone. C’est aussi l’un des rares géants de la Silicon Valley avec un fondateur de 30 ans encore aux commandes.

Huang, 60 ans, a immigré aux États-Unis depuis Taïwan lorsqu’il était enfant et a étudié l’ingénierie à l’Oregon State University et à Stanford. Au début des années 1990, Huang et ses collègues ingénieurs Chris Malachowsky et Curtis Priem avaient l’habitude de se rencontrer dans un Denny’s et de parler de leurs rêves d’activer des PC avec des graphismes 3D.

Le trio a lancé Nvidia depuis un condo à Fremont, en Californie, en 1993. Le nom a été inspiré par NV pour « prochaine version » et Invidia, le mot latin pour envie. Ils espéraient tellement accélérer l’informatique que tout le monde serait vert de jalousie, alors ils ont choisi l’œil vert envieux comme logo de l’entreprise.

« Ils étaient l’un des dizaines de fabricants de GPU à l’époque », a déclaré Arya. « Ce sont les seuls, eux et AMD en fait, qui ont vraiment survécu parce que Nvidia a très bien travaillé avec la communauté du logiciel, avec les développeurs. »

Les ambitions de Huang et sa préférence pour les entreprises apparemment impossibles ont poussé l’entreprise au bord de la faillite à plusieurs reprises.

« Chaque entreprise fait des erreurs et j’en fais beaucoup », a déclaré Huang, qui était l’une des personnes les plus influentes du magazine Time en 2021. « Certaines d’entre elles ont mis l’entreprise en péril, surtout au début, car nous étions petits et nous sommes confrontés à de très, très grandes entreprises et nous essayons d’inventer cette toute nouvelle technologie. »

Au début des années 2010, par exemple, Nvidia s’est lancée sans succès dans les smartphones avec sa gamme de processeurs Tegra. L’entreprise a ensuite quitté l’espace.

En 1999, après avoir licencié la majorité de ses effectifs, Nvidia a lancé ce qu’elle prétend être le premier GPU officiel au monde, le GeForce 256. C’était la première carte graphique programmable qui permettait des effets d’ombrage et d’éclairage personnalisés. En 2000, Nvidia était le fournisseur graphique exclusif de la première Xbox de Microsoft. En 2006, la société a fait un autre pari énorme en publiant une boîte à outils logicielle appelée CUDA.

« Pendant 10 ans, Wall Street a demandé à Nvidia : ‘Pourquoi faites-vous cet investissement ? Personne ne l’utilise.’ Et ils l’ont évalué à 0 $ dans notre capitalisation boursière », a déclaré Bryan Catanzaro, vice-président de la recherche appliquée en apprentissage profond chez Nvidia. Il était l’un des seuls employés à travailler sur l’IA lorsqu’il a rejoint Nvidia en 2008. Aujourd’hui, l’entreprise compte des milliers d’employés travaillant dans l’espace.

« Ce n’est qu’en 2016 environ, 10 ans après la sortie de CUDA, que tout à coup, les gens ont compris qu’il s’agissait d’une manière radicalement différente d’écrire des programmes informatiques », a déclaré Catanzaro. « Il a des accélérations transformationnelles qui donnent ensuite des résultats révolutionnaires en intelligence artificielle. »

Bien que l’IA se développe rapidement, le jeu reste l’activité principale de Nvidia. En 2018, la société a utilisé son expertise en IA pour faire son prochain grand bond en avant dans le domaine graphique. La société a présenté GeForce RTX sur la base de ce qu’elle avait appris en IA.

« Pour que nous puissions faire passer l’infographie et les jeux vidéo au niveau supérieur, nous avons dû nous réinventer et nous perturber, changer littéralement ce que nous avons inventé », a déclaré Huang. « Nous avons inventé cette nouvelle façon de faire de l’infographie, le lancer de rayons, en simulant essentiellement les voies de la lumière et en simulant tout avec l’IA générative. Et donc nous calculons un pixel et nous imaginons avec l’IA les sept autres. »

Dès le début, Huang s’est engagé à faire de Nvidia une entreprise de puces sans usine, ou une entreprise qui conçoit le produit mais sous-traite la production à d’autres qui ont des usines de fabrication de puces, ou fabs. Nvidia réduit ses dépenses d’investissement en externalisant les dépenses extraordinaires de fabrication des puces à Taiwan Semiconductor Manufacturing Company.

Les investisseurs ont raison de s’inquiéter de ce niveau de dépendance vis-à-vis d’une entreprise taïwanaise. Les États-Unis ont adopté le CHIPS Act l’été dernier, qui réserve 52 milliards de dollars pour inciter les entreprises de puces à fabriquer sur le sol américain.

« Le plus gros risque, ce sont vraiment les relations américano-chinoises et l’impact potentiel de TSMC. Si je suis actionnaire de Nvidia, c’est vraiment la seule chose qui m’empêche de dormir la nuit », a déclaré CJ Muse, analyste chez Evercore. « Ce n’est pas seulement un risque Nvidia, c’est un risque pour AMD, pour Qualcomm, même pour Intel. »

TSMC a déclaré qu’il dépensait 40 milliards de dollars pour construire deux nouvelles usines de fabrication de puces en Arizona. Huang a déclaré à CNBC que Nvidia utilisera « absolument » les usines Arizona de TSMC pour fabriquer ses puces.

Ensuite, il y a des questions sur la demande et sur le nombre de nouveaux cas d’utilisation des GPU qui continueront de croître. Nvidia a connu une augmentation de la demande lorsque l’extraction de crypto a décollé parce que les GPU sont devenus essentiels pour concurrencer efficacement sur ce marché. La société a même créé un GPU simplifié uniquement pour la cryptographie. Mais avec la cratérisation de la cryptographie, Nvidia a connu un déséquilibre entre l’offre et la demande.

« Cela a créé des problèmes car l’extraction de crypto a été un cycle d’expansion ou de récession », a déclaré Arya. « Les cartes de jeu sont en rupture de stock, les prix augmentent, puis lorsque le boom du minage de crypto s’effondre, il y a un gros crash du côté des jeux. »

L’année dernière, Nvidia a provoqué un choc majeur chez certains joueurs en fixant le prix de ses nouveaux GPU de la série 40 à un prix bien supérieur à celui de la génération précédente. Maintenant, il y a trop d’offre et, au cours du dernier trimestre, les revenus des jeux ont diminué de 46 % par rapport à l’année précédente.

La concurrence augmente également à mesure que de plus en plus de géants de la technologie conçoivent leurs propres puces personnalisées. Tesla et Apple le font. Tout comme Amazon et Google.

« La plus grande question pour eux est de savoir comment restent-ils en tête? » dit Arya. « Leurs clients peuvent également être leurs concurrents. Microsoft peut essayer de concevoir ces choses en interne. Amazon et Google conçoivent déjà ces choses en interne. »

Pour sa part, Huang dit qu’une telle concurrence est bonne.

« La quantité d’énergie dont le monde a besoin dans le centre de données augmentera », a déclaré Huang. « C’est un vrai problème pour le monde. La première chose que nous devrions faire est la suivante : chaque centre de données dans le monde, quelle que soit la manière dont vous décidez de le faire, pour le bien de l’informatique durable, accélère tout ce que vous pouvez. »

Sur le marché automobile, Nvidia fabrique une technologie de conduite autonome pour Mercedes-Benz et d’autres. Ses systèmes sont également utilisés pour alimenter des robots dans les entrepôts d’Amazon et pour exécuter des simulations afin d’optimiser le flux de millions de colis chaque jour.

Huang le décrit comme « l’omnivers ».

« Nous avons plus de 700 clients qui l’essayent maintenant, de [the] de l’industrie automobile aux entrepôts logistiques en passant par les éoliennes », a déclaré Huang. « Il représente probablement le plus grand conteneur de toutes les technologies de Nvidia : infographie, intelligence artificielle, robotique et simulation physique, tout en un. Et j’ai de grands espoirs là-dedans. »