- L’auteur a travaillé pendant 10 ans comme analyste en investissement dans divers hedge funds et dispose d’un point de vue singulier sur l’évolution des technologies d’IA et la valorisation boursière du marché actions
- Ces dernières années, il a travaillé comme développeur et mène plusieurs projets open source liés aux modèles et services d’IA.
# Nvidia : The Bull Case
Contexte de la hausse du cours de Nvidia
- Croissance de l’IA et du deep learning : le deep learning et l’IA sont considérés comme les technologies les plus révolutionnaires depuis Internet, et Nvidia a acquis une position quasi monopolistique dans le domaine des GPU, entraînant d’importants investissements et dépenses d’infrastructure de la part des grandes entreprises
- Marges élevées : plus de 90 % de marge sur les produits haut de gamme destinés aux data centers
- Marché extensible : avec la croissance des technologies d’IA, une nouvelle demande émerge dans divers domaines d’application comme les data centers, la robotique et le remplacement du travail humain
- « Loi de mise à l’échelle » : les performances des modèles s’améliorent régulièrement avec l’augmentation des données et des ressources de calcul, et Nvidia en tire pleinement parti
Position actuelle de Nvidia et avantages concurrentiels
- Plateforme CUDA : l’écosystème logiciel de Nvidia, devenu le standard de fait de la programmation GPU
- Acquisition de Mellanox : une technologie d’interconnexion haute performance entre GPU qui donne un avantage sur les concurrents dans les data centers
- Logiciels propriétaires et qualité des pilotes : des pilotes et une stabilité logicielle supérieurs à ceux d’AMD
- Stratégie de maintien du leadership : réinvestissement des profits élevés en R&D afin de conserver durablement l’avance technologique
# Principales menaces pour Nvidia
Concurrence matérielle
- Cerebras : une nouvelle approche avec des puces d’IA de taille wafer, contournant les limites de parallélisation GPU et d’interconnexion de Nvidia
- Groq : une technologie fondée sur le « calcul déterministe » pour maximiser les performances en inférence IA
- Développement de puces maison par les grands clients :
- Amazon : adoption de puces internes comme Trainium2 et Inferentia2
- Google : développement en interne des puces TPU de 6e génération
- Microsoft et OpenAI : annonce de plans de développement de leurs propres puces d’IA
- Apple : possibilité d’appliquer à des puces d’IA le savoir-faire accumulé sur les puces orientées grand public
Concurrence logicielle
- Frameworks d’abstraction de haut niveau :
- des plateformes comme MLX, Triton et JAX réduisent l’importance de CUDA et élargissent les possibilités de remplacement
- Technologies de conversion de code : des techniques utilisant des LLM pour convertir du code CUDA vers d’autres matériels sont en cours de développement
- Amélioration des pilotes AMD : des développeurs open source travaillent sur de nouveaux pilotes pour optimiser les performances des GPU AMD
Innovations d’efficacité dans les modèles d’IA
- Arrivée de DeepSeek :
- DeepSeek atteint des performances comparables à celles de modèles concurrents pour un coût 45 fois inférieur à celui de Nvidia, grâce à l’entraînement en précision mixte FP8 et à des techniques d’inférence très efficaces
- utilisation de l’architecture Mixture-of-Experts(MOE) pour implémenter de grands modèles avec une meilleure efficacité mémoire
- des techniques comme « Multi-head Latent Attention » réduisent fortement l’utilisation de la VRAM
- le coût des appels API est 95 % moins élevé que chez OpenAI et Anthropic
Évolution de la structure industrielle
- Rôle de TSMC : comme Nvidia ne fabrique pas elle-même ses puces, TSMC peut produire celles d’autres concurrents avec le même procédé
- Efforts d’internalisation de tous les clients : pour réduire leur dépendance aux produits à forte marge de Nvidia, les grands clients investissent dans la conception de leurs propres puces
Perspectives de marché et défis pour Nvidia
- Le cours actuel de Nvidia repose sur un scénario de croissance très optimiste supposant 20 fois le chiffre d’affaires 2025 et plus de 75 % de marge
- Les innovations d’efficacité ainsi que l’intensification de la concurrence matérielle et logicielle laissent entrevoir un risque de ralentissement de la croissance et de baisse des marges
- Même si Nvidia conserve son avance dans le domaine de l’IA, les défis constants lancés par les concurrents pourraient affecter sa part de marché et son potentiel de croissance à long terme
# Conclusion
- Nvidia occupe aujourd’hui une position sans équivalent comme leader de l’innovation en IA, mais les menaces concurrentielles multiformes et l’évolution rapide du secteur pourraient rendre difficile le maintien de sa valorisation actuelle très élevée
- Les investisseurs doivent évaluer positivement l’avance technologique de Nvidia et le potentiel de croissance du marché de l’IA, tout en surveillant attentivement les risques liés aux innovations des concurrents et aux changements de structure du marché
1 commentaires
Avis Hacker News
L'explication de DeepSeek rappelle l'expérience des réseaux dans les années 80-90. À l'époque, la vidéo à la demande constituait un gros marché, et le potentiel des algorithmes avancés de codage vidéo avait été sous-estimé. La possibilité de la vidéo sur Internet venait non pas d'un Internet plus rapide, mais d'algorithmes plus intelligents.
Si DeepSeek peut faire plus avec moins de ressources, le paradoxe de Jevons entrera en jeu. Les ventes de GPU augmenteront, car même de petites entreprises pourront se dire qu'elles peuvent rivaliser. DeepSeek affirme pouvoir entraîner des modèles concurrents avec environ 200 employés et à un coût 20 fois inférieur à celui des grandes entreprises.
Cela souligne le désavantage du premier entrant dans le développement de modèles d'IA. Si un modèle peut être copié pour 5 % du coût, deux décisions rationnelles s'imposent :
Des entreprises comme OpenAI doivent se transformer en plateformes bénéficiant d'effets de réseau directs.
L'essentiel du calcul IA se concentre sur l'inférence. Il est possible d'exécuter R1 (680B) en distribué sur trois ordinateurs grand public. L'avantage de NVIDIA réside dans sa capacité à relier efficacement des milliers de GPU, mais cela ne sera important que pour une petite partie du calcul IA.
Plusieurs avantages de NVIDIA sont attaqués. Cependant, comme les concurrents n'attaquent chacun qu'un seul de ces avantages, NVIDIA restera probablement la seule entreprise à tous les cumuler.
Le véritable test de l'IA des robots humanoïdes, c'est plier le linge. Cela reste un problème difficile avec la technologie actuelle. On se demande s'il y a eu des avancées récentes dans l'IA robotique.
L'efficacité du déploiement d'un modèle MoE 687B sur du matériel standard est surestimée. C'est impossible sur du matériel Apple, et à peine faisable sur un ordinateur de bureau. À cause des problèmes de bande passante PCIe, une tâche de programmation prend 12 minutes.
Il pourrait y avoir une stratégie illégale : attendre le rebond du cours de NVDA, puis profiter en créant un concurrent à OpenAI.
Peu de gens évaluent correctement l'effet de DeepSeek. Si c'est 10 fois plus efficace, cela ne signifie pas qu'on utilisera 1/10 des ressources, mais qu'on en utilisera 10 fois plus. Les produits technologiques ont toujours évolué dans cette direction.
Même sans s'intéresser aux stratégies de vente à découvert sur le marché boursier, les articles sur DeepSeek v3 et R1 contiennent beaucoup d'excellent contenu technique qui résume clairement des idées intéressantes.