Le choc Kimi vient de passer, NVIDIA Rubin ravive la polémique sur le matériel IA face à l’« anxiété d’approvisionnement »

BlockBeats News, 22 juillet. Le marché boursier américain vient de subir une forte baisse due au trading algorithmique sur l’IA, et une explication populaire parmi les investisseurs est que l’apparition de Kimi K3 a ravivé les inquiétudes concernant la trajectoire coûteuse des modèles d’IA américains et le retour sur les dépenses en capital sur les puces. La semaine dernière, le secteur des semi-conducteurs était sous une pression importante, avec le PHLX Semiconductor Index qui est entré en territoire de marché baissier technique. Nvidia, Micron, les valeurs d’équipement et de stockage ont toutes été prises dans l’ajustement.

Cependant, le dernier rapport de The Information a présenté au marché d’autres chiffres plus explicites : le prochain système serveur Vera Rubin de Nvidia a commencé les tests clients, des dizaines de clients comme CoreWeave, Microsoft, OpenAI, Anthropic et SpaceXAI ayant reçu un petit nombre de racks de test. Chaque rack Rubin contient 72 GPU, avec un prix unitaire d’environ 7 à 8 millions de dollars, supérieur au prix actuel d’environ 5 millions de dollars pour le rack Grace Blackwell 300.

Ce qui stimule le plus l’imagination du marché, c’est la capacité de production. Andrew Bell, vice-président principal de l’ingénierie matérielle chez Nvidia, a déclaré que plus de dix partenaires de fabrication auront finalement la capacité de produire jusqu’à 1 000 racks Rubin par jour. Un calcul rapide suggère qu’en fonctionnement à pleine capacité, cela représenterait un chiffre d’affaires potentiel d’au moins 630 milliards de dollars par trimestre pour les racks. Bien sûr, il ne s’agit que d’un calcul théorique basé sur la capacité et les prix des racks, et cela ne peut être directement assimilé aux prévisions financières de Nvidia, mais cela illustre suffisamment que l’ampleur de la course aux infrastructures pour l’IA est encore en forte croissance.

C’est là la contradiction du marché actuel de l’IA. Des modèles comme Kimi K3, aux hautes performances, coûts faibles et poids ouverts, ont affaibli la confiance du marché dans la prime sur les modèles propriétaires américains, et ont aussi amené les investisseurs à remettre en question la logique des dépenses massives pour garder une longueur d’avance. Dans le même temps, les progrès de Rubin montrent que des clients clés comme OpenAI, Anthropic et Microsoft continuent de s’emparer de la puissance de calcul de prochaine génération. La multiplication des modèles à moindre coût pourrait réduire le coût d’inférence, étendre les cas d’usage de l’IA et, in fine, continuer à soutenir la demande en GPU, mémoire, réseaux et systèmes de refroidissement.

Le rebond du marché américain mardi en est déjà le reflet. Les valeurs technologiques ont mis fin à leur baisse continue, le Nasdaq ayant progressé d’environ 1,3 %, et le PHLX Semiconductor Index ayant enregistré sa plus forte hausse journalière en un mois, avec un solide rebond des actions de stockage comme Micron et SanDisk. Le marché n’a pas complètement tourné le dos au matériel IA ; il recalcule simplement : l’effet d’efficacité apporté par Kimi affaiblira-t-il la demande en puces ou stimulera-t-il davantage de développeurs et d’entreprises à déployer l’IA ?

Par ailleurs, Nvidia évolue de fournisseur de GPU à celui d’un écosystème complet d’infrastructure serveur IA. L’entreprise ne vend plus seulement des GPU, mais se développe aussi dans les processeurs (CPU), les commutateurs réseau, les câbles, le stockage et les technologies de refroidissement. Face aux entreprises comme Google qui développent leurs propres puces d’inférence IA, la stratégie de Nvidia est la suivante : même si les clients utilisent des puces alternatives, elle espère toujours vendre des réseaux, des composants serveurs et des systèmes complets.

Cela signifie qu’une variable-clé dans les transactions de matériel IA est en train d’évoluer. Alors que le marché se concentrait autrefois sur le nombre de GPU vendus par Nvidia, il prend désormais aussi en compte la capacité de production massive des armoires Rubin, la préparation des data centers clients pour leur installation, la possibilité d’atténuer les goulets d’étranglement de mémoire et d’alimentation, et la capacité des fournisseurs cloud à transformer ces armoires coûteuses en chiffre d’affaires réel.

À court terme, Kimi K3 va continuer d’affaiblir le récit du « fossé des coûts élevés » pour l’évaluation de l’IA ; à moyen terme, la planification de la capacité de Rubin rappelle aux investisseurs que la construction d’infrastructures IA bat toujours son plein. Lors de la prochaine saison des résultats, les perspectives de dépenses des fournisseurs cloud et les progrès de la supply-chain de Nvidia détermineront si ce rebond est un simple rattrapage technique ou le début d’un nouveau cycle de valorisation pour les transactions de matériel IA.