Que signifie Meta Muse pour le GPU et le CPU ?
Contrairement aux chatbots traditionnels qui présentent un taux d'inactivité élevé, les agents intelligents tels que Meta Muse, grâce à leur disponibilité permanente, entraînent une augmentation exponentielle de la consommation de puissance de calcul. Selon les prévisions de Citigroup, cette tendance fera évoluer le ratio CPU-GPU de 1:8 durant la phase d'entraînement à 1:1, propulsant la taille du marché des CPU à 300 milliards de dollars d'ici 2030. Par ailleurs, le simple fait d'avoir 100 millions d'utilisateurs actifs quotidiens de Muse pourrait rapporter jusqu'à 19 milliards de dollars de revenus GPU à Nvidia.
Avec la sortie d’agents d’intelligence artificielle personnels tels que Meta Muse, l’IA évolue de simples chatbots passifs vers des agents autonomes fonctionnant en continu, ce qui risque d’accroître la consommation de CPU, GPU, mémoire et infrastructures réseau.
Selon le dernier rapport de recherche de Citi publié le 6 octobre, les applications d’agents intelligents représentées par Meta Muse élèvent les attentes du marché du matériel informatique vers de nouveaux sommets. La banque prévoit qu’d’ici 2030, la taille totale du marché potentiel (TAM) mondial des CPU passera de 29 milliards de dollars en 2025 à 300 milliards de dollars, avec un taux de croissance annuel composé impressionnant de 60%.
Du côté des GPU, les agents génèrent également une demande structurée supplémentaire. Selon les calculs de la banque, si Meta Muse atteint 100 millions d’utilisateurs actifs quotidiens, cela nécessiterait environ 200 000 à 390 000 GPU de niveau Blackwell, ce qui pourrait générer pour Nvidia un revenu ponctuel de 700 millions à 1,9 milliard de dollars.
Cette tendance profite directement aux principaux fournisseurs de puissance de calcul. La banque souligne que, puisque Meta est l’un des plus gros clients de la division serveurs d’AMD, AMD deviendra le principal bénéficiaire du renouveau des CPU, avec un objectif de cours relevé à 800 dollars ; parallèlement, Nvidia continuera de profiter de la demande croissante pour les GPU.
L’essor des agents intelligents : le CPU devient le nouveau goulot d’étranglement
Avant l’explosion des agents AI, les CPU se limitaient principalement à gérer des charges de travail traditionnelles et à servir de nœud principal (« Head Node ») pour les applications IA. Dans ces nœuds, la CPU se contente de gérer les requêtes utilisateurs vers le GPU et de retourner les résultats, laissant le lourd travail de multiplication matricielle et d’inférence aux GPU.
Cependant, les agents changent cette répartition. Citi souligne dans son rapport que « comparativement aux chatbots traditionnels, nous pensons que les agents d’IA sont un moteur potentiel de croissance exponentielle de la demande de calcul ». Les agents doivent gérer l’orchestration, les boucles d’inférence, le traitement de données et des composants de sécurité, ce qui fait du CPU le nouveau goulet d’étranglement.
Avec la transition de l’IA de l’entraînement de modèles à l’inférence, puis aux flux de travail autonomes des agents, le ratio CPU/GPU change considérablement. À l’étape d’entraînement, ce ratio est de 1:8 ; à l’inférence, 1:4 ; et pour les agents, il évolue vers 1:1 ou plus. La banque prévoit que d’ici 2030, les CPU dédiés aux agents connaîtront un taux de croissance annuel composé de 247%, occupant 52% du marché global des CPU.
Le bilan GPU de Meta Muse
Meta Muse est le premier agent d’IA pour consommateurs lancé à l’échelle réelle d’un réseau social, son empreinte informatique étant l’une des variables les plus importantes dans l’infrastructure IA actuelle. Contrairement aux chatbots standards, Muse fonctionne de manière autonome et continue ; par conséquent, sa logique sous-jacente en fait un consommateur de GPU beaucoup plus vorace.
Citi a construit un modèle de demande GPU ascendant. Dans le scénario de base, l’utilisateur type effectue quatre requêtes simples et douze tâches agent par jour (comme trouver un restaurant, consulter un agenda ou rédiger une invitation), chaque tâche agent comportant environ huit appels au modèle. Comme le modèle n’a aucune mémoire entre les appels, il doit relire à chaque fois le contexte conversationnel croissant.
Sur cette base, la banque estime que chaque utilisateur de Muse nécessiterait environ 0,0020 GPU de niveau GB200. En résumé, un GPU peut donc servir environ 500 utilisateurs. La banque souligne : « Les agents sont structurellement une charge d’inférence bien plus lourde que les chatbots. » Dans le même cadre, la capacité GPU requise par un utilisateur de chatbot n’est que de 12,5% à 25% de celle d’un utilisateur agent.
Effets en chaîne sur la mémoire et le réseau
Les flux de travail des agents n’accroissent pas seulement la demande en puces logiques, les effets de chaîne s’étendent également à la mémoire et au réseau. Côté mémoire, les CPU ont un taux d’attachement élevé à la LP, DDR et SSD. Micron a récemment souligné que les flux de travail agents, tels que ceux de Meta Muse, permettent aux consommateurs d’accéder à plus de valeur, tandis que les CPU appliquent plus de contraintes sur la DRAM.
Sur le réseau, l’IA agent augmente significativement le trafic. La direction de Nvidia a indiqué à Citi : « Un agent peut fonctionner en continu pendant des heures… générant ainsi beaucoup plus de tokens pour les consommateurs et les charges de travail d’entreprise. »
Un tel fonctionnement continu signifie que ce sont de plus en plus des agents, et non des humains, qui accèdent aux infrastructures. Ceci stimule la croissance du trafic « Nord-Sud » interne aux datacenters (par exemple, pour l’accès au stockage, la sécurité, la configuration, etc.) et crée de nouvelles opportunités d’accélération via l’utilisation de DPU (comme BlueField 4) et d’Ethernet Spectrum-X.
Avertissement : le contenu de cet article reflète uniquement le point de vue de l'auteur et ne représente en aucun cas la plateforme. Cet article n'est pas destiné à servir de référence pour prendre des décisions d'investissement.
Vous pourriez également aimer
Les CDS s’envolent collectivement, les « SpaceX » continuent de s’endetter à toute vitesse ! Jusqu’où la vague d’endettement alimentée par l’IA peut-elle tenir ?
La vague de dettes liées à l'infrastructure de l'IA est en train de remodeler le paysage du crédit mondial à une vitesse sans précédent, avec une dette du secteur technologique atteignant 500 milliards de dollars au cours des neuf premiers mois de cette année. Cependant, les alarmes retentissent sur le marché des CDS, tandis que le rendement des obligations américaines dépasse 5,3 %, un record depuis plus de vingt ans. Dalio souligne qu'il s'agit d'une « bulle classique qui sera percée par les taux d'intérêt ».
La répartition actions-obligations sur le point de s’inverser ? Bank of America émet un signal rare : pour la première fois depuis des dizaines d’années, les obligations « concurrencent » les actions pour l’argent ; le rendement du S&P pourrait être inférieur à 5 % au cours des dix prochaines années.
Savita Subramanian, responsable des actions américaines et des stratégies quantitatives chez Bank of America, a déclaré mercredi lors d'une interview que le marché obligataire redevient attractif et, pour la première fois depuis des décennies, devient un véritable concurrent du marché boursier.
Arrêtez de juger Micron (MU.US) selon les cycles grand public ! L’IA est en train de réécrire la logique NAND, les SSD professionnels ont pris le contrôle des prix.
Eudaemon Research avait auparavant estimé que, dans la structure opérationnelle de Micron, le DRAM était plus résilient que le NAND et que les prix et la demande du NAND reviendraient rapidement à la normale. Cependant, les dernières données du quatrième trimestre fiscal de Micron l’ont amené à corriger cette opinion : le marché du NAND n’est plus homogène, et la logique d’offre, de demande et de tarification du NAND grand public se distingue nettement de celle du SSD pour centres de données d’entreprise.
Le prix cible de Micron a été considérablement relevé par les banques d'investissement, atteignant jusqu'à 3 000 dollars.
DA Davidson a relevé l'objectif de cours de Micron à 3 000 dollars, ce qui implique un potentiel de hausse de 176 % par rapport au cours actuel. La logique principale est qu'un super-cycle de la mémoire, alimenté par l'IA, se poursuivra jusqu'en 2028, avec un écart offre-demande qui continue de s'élargir. La variable clé réside dans le "changement de clientèle" du côté de la demande – les acheteurs passant de petites et moyennes entreprises plus susceptibles de faire défaut à des géants technologiques comme Amazon, Microsoft et Google. Micron a déjà sécurisé 150 milliards de dollars d'engagements restants à honorer.
Prix des cryptos
Plus
