Le Japon souhaite créer une « équipe nationale de robots » et prévoit d’acheter 27 500 puces Nvidia Rubin ! Le super cycle de puissance de calcul de l’IA passe du cloud à « l’IA physique »

Selon APP de Finance Zhihui, le gouvernement japonais et de grandes entreprises japonaises ont conjointement promu et formé une alliance—la nouvelle société Noetra Corp, récemment créée, prévoit d’acheter 27 500 GPU AI de nouvelle génération auprès de Nvidia. Grâce à l’acquisition à grande échelle de GPU AI d’architecture Rubin, produit de pointe en puissance de calcul AI, ils construiront une infrastructure de cluster de puissance de calcul AI ultra-large pour accélérer le développement de modèles d’intelligence artificielle pour robots au Japon, ainsi que pour créer un immense groupe de robots mené par le gouvernement japonais, soutenu par des politiques et réunissant les entreprises les plus avancées.

La nouvelle entreprise Noetra Corp est essentiellement un projet “équipe nationale” soutenu financièrement par le gouvernement japonais et formé et exploité conjointement par de grandes entreprises japonaises. Noetra est composée de dizaines d’entreprises, dont SoftBank, Preferred Networks, NEC, Fujitsu, responsables de la construction de grands centres de données et de l’intégration des forces de recherche en AI de chaque entreprise. Elle prévoit d’acheter 27 500 GPU next-gen d’architecture Rubin auprès de Nvidia pour développer des modèles de base japonais et, finalement, créer un système “AI physique souveraine” pour les robots ; le gouvernement japonais jouant principalement le rôle de financement et de promotion des politiques industrielles.

Les 27 500 unités Rubin “alimentent l’équipe nationale robotique du Japon”. De plus, la visite du CEO de Nvidia, Jensen Huang, au Japon pour collaborer avec Fanuc, Yaskawa, Kawasaki Heavy Industries et Fujitsu dans le développement de l’AI physique, ainsi que l’intégration de SoftBank, NEC, Hitachi, Sony, Preferred Networks dans l’écosystème Cosmos, et les performances récemment annoncées de TSMC, surnommée le “roi de la sous-traitance des puces” et fabricant exclusif de puces AI Nvidia, ainsi que la perspective plus optimiste pour la demande de puissance de calcul AI, prouvent que le cycle d’investissement mondial en puissance de calcul AI est loin d’être terminé. L’expansion de la puissance de calcul évolue d’une course armée unilatérale dirigée par des géants américains du cloud vers une résonance multi-centre “AI cloud, AI souveraine et AI physique”.

Achat massif de 27 500 Rubin ! Le gouvernement investit 387,3 milliards de yens dans l’AI physique, les géants japonais créent avec Nvidia une base nationale pour l’AI des robots

Les grandes entreprises japonaises prévoient d’acheter 27 500 GPU AI Rubin de nouvelle génération et d’investir au moins 2,4 milliards de dollars dans la construction de modèles de base locaux et de grands centres de données, ce qui signifie que la demande en GPU ne dépend plus uniquement de clients commerciaux comme Microsoft ou Meta, mais bénéficie du soutien financier motivé par la sécurité nationale, l’autonomie technologique et la pression démographique. Rubin n’est pas seulement une puce AI isolée de Nvidia, mais une plateforme d’usine IA de niveau rack intégrant GPU, CPU, NVLink, réseau et DPU. Cet achat japonais stimulera donc simultanément la demande globale d’infrastructures de puissance de calcul AI pour les puces mémoire HBM/DRAM/NAND, l’emballage avancé, les interconnexions et communications optiques rapides, l’équipement électrique des centres de données et les systèmes de refroidissement liquide.

La nouvelle société Noetra indique qu’elle sera responsable de la coordination du projet et de la construction d’un grand centre de données pour l’AI. D’ici mars prochain, cette nouvelle société fondée conjointement par les grands groupes japonais recevra jusqu’à 387,3 milliards de yens (environ 2,4 milliards de dollars) de soutien financier du gouvernement. Des dizaines d’entreprises, dont SoftBank dirigée par le légendaire investisseur japonais Masayoshi Son, Preferred Networks soutenue par Toyota Motor, et NEC, contribuent à l’organisation et à l’exploitation efficace de Noetra.

La taille de cette commande d’infrastructure AI au Japon est importante, mais reste modeste par rapport au plan d’expansion du géant américain Microsoft, qui vise à construire un immense centre de données équipé de centaines de milliers de CPU Vera Rubin et GPU AI Nvidia.

Ce projet est l’une des principales initiatives du gouvernement japonais pour réduire sa dépendance à la technologie étrangère et renforcer sa sécurité nationale. Hiroki Tamba, président de Noetra, souligne que le Japon compte parmi les plus grands fabricants mondiaux de robots industriels, et pourrait ainsi proposer une alternative aux super systèmes d’intelligence artificielle des États-Unis et de la Chine. Tamba a auparavant dirigé le développement du large modèle linguistique japonais initié par SoftBank.

“Notre objectif est de créer une véritable troisième option—une solution que le Japon et d’autres pays peuvent choisir.” Tamba a indiqué en interview. Il a souligné que la création de Noetra vise à intégrer les grands projets AI actuellement dispersés parmi des dizaines d’entreprises.

L’entreprise prévoit de publier un grand modèle AI de pointe avant mars prochain, suivi de mises à jour régulières. Tamba indique que l’objectif à long terme est de lancer, dans les prochaines années, un grand modèle AI physique spécialement destiné aux applications robotiques les plus avancées.

Noetra mobilisera des ingénieurs de SoftBank, Preferred Networks, NEC et Fujitsu, qui disposent tous de leur propre grand modèle linguistique AI exclusif. SoftBank possède le modèle Sarashina, Preferred Networks détient PLaMo, et NEC propose son modèle phare appelé cotomi.

Le développement de modèles locaux d’AI physique est au cœur de la stratégie plus large visant à faire du Japon un centre mondial leader dans la recherche et l’industrie des robots humanoïdes. Le gouvernement japonais vise à détenir au moins 30 % du marché mondial des robots, estimé à 60 000 milliards de yens d’ici 2040.

La compétition mondiale pour développer des modèles AI capables de contrôler des comportements complexes et de piloter les systèmes robotiques humanoïdes les plus intelligents s’intensifie. Pour le Japon, dont la population diminue et qui fait face à une pénurie grave de main-d’œuvre, promouvoir cette technologie est une nécessité urgente.

“Le Japon a beaucoup d’excellentes idées, mais manque de main-d’œuvre.” Jensen Huang, CEO de Nvidia, a déclaré mercredi lors d’une interview au Japon, “Grâce à l’automatisation, à l’intelligence artificielle et à la technologie robotique, l’économie japonaise peut retrouver sa prospérité.”

De la course aux grands modèles à la course aux robots souverains : l’investissement AI s’étend du cloud au monde physique

L’utilité stratégique de la visite de Jensen Huang au Japon dépasse une simple rencontre clientèle. En collaborant avec Fanuc, Yaskawa, Kawasaki Heavy Industries et Fujitsu, Nvidia promeut l’AI physique et intègre SoftBank, NEC, Hitachi, Sony et Preferred Networks dans l’écosystème Cosmos. Cela lie l’expertise accumulée du Japon en robotique, fabrication de précision, capteurs et données industrielles au modèle mondial, jumeau numérique, plateforme d’entraînement et pile edge computing de Nvidia. Après l’extension de la demande AI à la simulation robotique, l’apprentissage par renforcement, le raisonnement visuel et le contrôle temps réel, chaque robot nécessitera une puissance de calcul pour l’entraînement en data center et des ressources côté Jetson pour l’inférence, ouvrant une courbe de demande des semi-conducteurs plus large et durable que celle des robots conversationnels.

La réunion de Huang avec son “sauveur” d’il y a 30 ans possède une valeur narrative et de marque, mais ce qui influence réellement la valorisation des actifs, c’est l’intégration systématique par Nvidia de la chaîne d’approvisionnement japonaise pour la robotique, l’automobile, équipements de puces, stockage, matériaux et communications optiques.

Selon Sega, Jensen Huang a assisté le 15 juillet à un événement organisé par SEGA, retrouvaillant le président précédent Shoichiro Irimajiri après de nombreuses années. Huang a déclaré sur scène : "Sans tout ce qu’a fait Sega, sans tout ce qu’a accompli Irimajiri Shoichiro, Nvidia ne serait pas là aujourd’hui."

Cette histoire remonte à environ 1996. À l’époque, Nvidia, récemment fondée, échoua complètement dans le développement du GPU pour la nouvelle console de Sega suite à une erreur stratégique, plongeant la société au bord de la faillite. Huang avoua l’échec à Irimajiri, alors VP de Sega, qui, au lieu de sanctionner, incita Sega à investir environ 5 millions de dollars dans cette start-up alors en manque de liquidités.

L’AI physique ne consiste pas à intégrer simplement un modèle conversationnel dans un robot, mais nécessite une simulation numérique continue, la génération de données synthétiques, l’entraînement de modèles vision-langue-action, l’apprentissage par renforcement et l’inférence temps réel côté terminal ; cela crée à la fois une demande en puissance de calcul pour l’entraînement en data center et pour l’inférence sur les robots. Le Japon dispose d’avantages en robotique industrielle, fabrication de précision et données d’usine réelles ; son investissement AI ne vise donc pas à copier les grands modèles américains, mais à établir un troisième écosystème reliant “modèles souverains—modèles de base pour robots—équipements industriels”.

La capacité de Vera Rubin à être produite en série selon le calendrier devient le facteur clé pour transformer l’histoire de la chaîne industrielle en revenus réels. Nvidia a clairement annoncé la montée en puissance de la production de Rubin ; techniquement, ce n’est pas qu’une simple évolution du GPU, mais un design intégré de Vera CPU, Rubin GPU, NVLink 6, ConnectX, BlueField et puces switch Ethernet pour une usine AI de niveau rack, visant à réduire au maximum de 90 % le coût d’inférence par token par rapport à Blackwell, tout en réalisant une partie de l’entraînement des modèles MoE avec environ un quart de GPU.

Le refus récent de Jensen Huang quant aux rumeurs de retard de Vera Rubin aidera à tempérer le risque d’annulation ou de retard par les clients dans les déploiements de data center, électricité et réseau, mais ne supprime pas complètement les risques d’escalade liés à HBM4, cartes de circuit complexes, refroidissement liquide et intégration rack ; les investisseurs doivent observer non pas “si les puces sont produites”, mais si l’expédition des racks complets, l’acceptation client et la stabilité d’utilisation sont réalisées simultanément.

La folie d’investissement AI diminue, mais le cycle de construction de l’infrastructure de puissance de calcul est loin d’être terminé

Le récent repli collectif des valeurs AI de puissance de calcul ressemble plus à une correction financière due à valuation élevée, positions saturées, perturbations de taux et inquiétudes sur le rendement que réellement à une réduction des dépenses industrielles. Le marché du capital met fin à l’expansion de valorisation indifférenciée pour les actifs AI, tandis que la demande réelle de puissance de calcul glisse des géants américains du cloud vers trois nouveaux vecteurs : AI souveraine, entreprises intelligentes et AI physique.

En juillet, même avec des rebonds ponctuels des ETF AI, les valeurs ont baissé de 6–8 % sur le mois, reflétant une divergence temporaire entre cours boursiers et fondamentaux. L’essentiel n’est plus de poursuivre indistinctement tous les actifs AI, mais de cibler les segments bottleneck capables de transformer les dépenses de capital en revenus, cash et barrières technologiques—process avancé CoWoS/3D, puces stockage HBM/DRAM/NAND, CPU hautes performances de data center, packaging CoWoS avancé, interconnexion rack, chaîne électrique des data centers, serveurs AI avec refroidissement liquide, et plateformes AI physiques capables d’accueillir de véritables robots humanoïdes. La “fièvre d’investissement AI” n’est pas terminée, mais le marché est passé de l’achat d’histoires à la vérification des commandes, taux d’utilisation et rendement du capital.

Au Japon, Noetra, formée avec soutien financier gouvernemental et participation de dizaines d’entreprises dont SoftBank, prévoit d’acheter 27 500 accélérateurs Rubin et a d’ores et déjà obtenu 387,3 milliards de yens, environ 2,4 milliards de dollars, pour construire un grand centre de données et des modèles locaux d’ici mars prochain ; en parallèle, Nvidia collabore avec Fujitsu, Fanuc, Yaskawa et Kawasaki Heavy Industries sur l’AI robotique, montrant que le Japon transforme la pénurie de main-d’œuvre, la automatisation industrielle et la souveraineté technologique en budgets de puissance de calcul à long terme et non purement commerciaux.

Les derniers résultats de TSMC apportent la validation la plus précieuse sur la fabrication des puces AI ainsi que la capacité centrale et la demande de la chaîne industrielle AI de puissance de calcul. Au deuxième trimestre, le chiffre d’affaires de TSMC a atteint un impressionnant 40,2 milliards de dollars, dépassant largement les estimations des analystes, soit une hausse annuelle de 33,7 % ; le bénéfice net s’élève à 706,56 milliards de nouveaux dollars taïwanais, +77,4 % sur un an, avec une marge brute et un taux de marge opérationnelle respectivement à 67,7 % et 60,3 %. Le calcul haute performance représente désormais 66 % des revenus, les procédés avancés de 7 nm et moins constituent 77 % du chiffre d’affaires des wafers, le nouveau procédé 2 nm représente déjà 3 %.

Encore plus marquant, le chiffre d’affaires visé par TSMC pour le troisième trimestre grimpe à 44,6–45,8 milliards de dollars. L’entreprise augmente également ses dépenses en capital pour 2026 de 52–56 milliards à 60–64 milliards de dollars et révise à la hausse sa croissance annuelle en dollars à un peu plus de 40 %, tout en ajoutant 100 milliards d’investissement supplémentaire aux États-Unis, portant son engagement total en Amérique à environ 265 milliards de dollars. En tant que planificateur final de capacité pour les clients de puces AI tels que Nvidia et acteur clé pour la production de puces logiques avancées, de procédés 2 nm et de packaging high-tech, TSMC démontre à travers ses profits, taux d’utilisation et dépenses de capital que la visibilité sur la demande d’infrastructure AI avec procédés avancés continue d’augmenter, plutôt que de signaler un ralentissement mondial de la demande de puissance de calcul AI.

Pour les analystes de Wall Street, la baisse du thème puissance de calcul AI relève davantage du désengorgement de positions en levier, des impacts de taux et risques géopolitiques, et d’une revalorisation du financement par la dette et du rendement du capital. Le cycle industriel de l’infrastructure AI n’est pas terminé, mais la vague de puissance de calcul stimulée par la liquidité entre dans sa phase de vérification par les commandes, taux d’utilisation et rendement du capital.

Une étude récente de Bank of America (BofA) prévoit qu’à l’horizon 2027, sous l’impulsion de la vague massive des agents intelligents AI et de la hausse continue de la puissance AI d’inférence, les investissements mondiaux dans les infrastructures cloud et AI atteindront 1,5 trillion de dollars. Elle souligne que la correction estivale actuelle des valeurs semi-conducteurs AI, incluant les puces mémoire, est une remise à plat saine, et non le signal d’un changement structurel dans la demande de puissance AI.

Le 12 juillet, une équipe d’analyse dirigée par Brian Nowak, analyste senior chez Morgan Stanley, a publié une étude, relevant encore leurs prévisions de dépenses en capital pour les cinq plus grands acteurs mondiaux du cloud computing et industrie (Meta, Amazon, Microsoft, Google, SpaceX) à environ 1,2 trillion en 2027 et 1,4 trillion de dollars en 2028. L’institution relève d’ailleurs de plus de 80 % ses attentes de Capex 2026 pour les géants tech américains, passant de 433 milliards à 805 milliards de dollars en un an.

Morgan Stanley, dans sa dernière étude, hausse les prévisions de Capex 2027 et 2028 de Meta de 29 % et 22 % respectivement, à 225 milliards et 250 milliards de dollars ; celles d’Amazon de 15 % et 29 %, à 308 milliards et 318 milliards de dollars. Selon Morgan Stanley, le super cycle d’investissement en capital n’est pas terminé, mais 2026 et 2027 seront peut-être les années les plus marquées en termes de croissance. Après 2028, le facteur déterminant des valorisations ne sera plus “qui dépense le plus”, mais “qui saura le plus vite transformer les ressources de puissance AI en chiffre d’affaires, profit et cash flow libre”.