Startups & Inovação
Etched : un ASIC 160x plus efficace que le Nvidia H100 atteint 5 Md$
Dr. Adrian Vale
Spécialiste LLMs, AI Agents et Infrastructure IA
4 min de lecture
Source originaleÉcouter l'Article
Narration automatique par IA
Spécialiste LLMs, AI Agents et Infrastructure IA
Etched, une startup basée à San Jose, a été valorisée à 5 milliards $ après 1 milliard $ de ventes de son ASIC Sohu, un chip 160 fois plus efficace énergétiquement que le Nvidia H100. Ce développement pourrait remodeler le marché des puces d'IA, évalué à 255 milliards $ d'ici 2030.
La startup californienne Etched, spécialisée dans les puces pour intelligence artificielle, a récemment franchi une étape majeure en atteignant une valorisation de 5 milliards de dollars. Cette performance impressionnante résulte de ventes contractées pour un total de 1 milliard de dollars de son ASIC (Application-Specific Integrated Circuit) appelé Sohu. Cet ASIC a été conçu spécifiquement pour les charges de travail d'inférence des modèles de langage basés sur des transformateurs, comme GPT et Llama.
Avec une efficacité énergétique 160 fois supérieure à celle du Nvidia H100, le Sohu se positionne comme une alternative sérieuse dans un marché dominé par Nvidia, qui détient actuellement entre 70 % et 95 % de parts de marché selon les segments. La demande croissante pour des solutions d'IA plus spécialisées et économes en énergie alimente cette poussée, dans un secteur dont la valeur pourrait atteindre 255 milliards de dollars d'ici 2030.
Le Sohu d'Etched présente des caractéristiques techniques impressionnantes :
Cette combinaison de caractéristiques représente une rupture significative avec les GPU polyvalents, offrant une solution parfaitement adaptée aux besoins spécifiques des charges de travail modernes en intelligence artificielle.
Dans un contexte où les coûts d'énergie pour l'entraînement et l'inférence des modèles ne cessent d'augmenter, le Sohu pourrait représenter une avancée stratégique pour les entreprises cherchant à réduire leurs dépenses opérationnelles.
Historiquement, Nvidia a dominé le marché des puces d'IA, grâce à ses GPU flexibles et largement adoptés. Cependant, avec l'émergence de solutions spécialisées comme les ASICs, une transformation du secteur est en cours. Ces puces conçues sur mesure pour des tâches précises, comme l'inférence des modèles de langage, offrent des gains significatifs en termes de performance et d'efficacité énergétique.
Selon des experts, cette tendance pourrait forcer des acteurs majeurs comme Nvidia et AMD à innover davantage pour maintenir leur position dominante. Pendant ce temps, des startups comme Etched trouvent leur place en développant des produits ciblant les niches spécifiques de ce marché en pleine expansion.
Les prochaines étapes pour Etched et son ASIC Sohu détermineront leur impact sur l'industrie :
Le passage aux ASICs comme le Sohu peut nécessiter des ajustements dans les frameworks logiciels actuels, souvent optimisés pour les GPU. Cependant, les gains en performances et en efficacité énergétique pourraient justifier ces efforts supplémentaires.
Les entreprises opérant de grands modèles d'IA pourraient réduire considérablement leurs coûts énergétiques en adoptant le Sohu. Cela dit, des investissements seront nécessaires pour intégrer ces nouvelles solutions dans des environnements souvent basés sur les écosystèmes Nvidia ou AMD.
Le Sohu est un ASIC conçu spécifiquement pour l'inférence des modèles de langage, offrant une efficacité énergétique 160 fois supérieure au Nvidia H100.
Nvidia et AMD sont les principaux acteurs, mais d'autres startups développant des ASICs spécialisés émergent également comme concurrents potentiels.
Le Sohu peut réduire considérablement les coûts énergétiques liés à l'inférence des modèles d'IA, mais nécessitera des ajustements technologiques pour s'intégrer dans des infrastructures existantes.
💡 Dica Pro: Les ASICs sont généralement moins flexibles que les GPU, mais leur efficacité énergétique et leurs performances spécifiques peuvent réduire les coûts d'exploitation jusqu'à 70 % pour certains modèles d'IA à grande échelle.
