Les surprises incroyables de la conférence de Nvidia à la GTC – Vous ne devinerez jamais ce qui s’est passé !

Le GTC de Nvidia : un événement pour les développeurs

Le président de Nvidia, Jensen Huang, a accueilli un public si nombreux au SAP Center de San Jose en déclarant : « J’espère que vous comprenez que ce n’est pas un concert ». C’est ainsi qu’il a introduit ce qui est peut-être l’opposé d’un concert : l’événement GTC de l’entreprise. « Vous êtes arrivés à une conférence pour les développeurs. Il y aura beaucoup de science pour décrire des algorithmes, l’architecture informatique, les mathématiques. Je sens un poids très lourd dans la salle ; tout à coup, vous êtes au mauvais endroit. »

Nvidia : repousser les limites de l’informatique générale

Il n’y avait peut-être pas de concert de rock, mais le PDG de 61 ans, vêtu d’une veste en cuir, de la troisième entreprise la plus valorisée au monde en termes de capitalisation boursière, avait certainement un bon nombre de fans dans le public. L’entreprise a été créée en 1993 dans le but de repousser les limites de l’informatique générale. « L’informatique accélérée » est devenue le cri de ralliement de Nvidia : ne serait-il pas formidable de fabriquer des puces et des cartes spécialisées, plutôt que destinées à un usage général ? Les puces Nvidia offrent aux joueurs avides de graphismes les outils dont ils ont besoin pour jouer à des jeux en haute résolution, avec une qualité et un taux d’images plus élevés.

Nous avons besoin de GPU plus grands

Les unités de traitement graphique (GPU) sont le point de départ de Nvidia. Si vous avez déjà assemblé un ordinateur, vous pensez probablement à une carte graphique qui se connecte dans un slot PCI. C’est là que le voyage a commencé, mais nous avons parcouru un long chemin depuis lors.

L’entreprise a annoncé sa toute nouvelle plateforme Blackwell, qui est un véritable monstre. Huang affirme que le cœur du processeur repousse les limites de la physique en termes de taille de puce. Il combine la puissance de deux puces, offrant des vitesses de 10 Tbps.

« Je tiens ici pour environ 10 milliards de dollars d’équipement », a déclaré Huang en brandissant un prototype de Blackwell. « Le prochain coûtera 5 milliards de dollars. Heureusement pour vous tous, cela devient moins cher par la suite. » En regroupant plusieurs de ces puces, on peut obtenir une puissance vraiment impressionnante.

La génération précédente de GPU optimisés pour l’IA s’appelait Hopper. Blackwell est entre 2 et 30 fois plus rapide, selon la mesure utilisée. Huang a expliqué qu’il avait fallu 8 000 GPU, 15 mégawatts et 90 jours pour créer le modèle GPT-MoE-1.8T. Avec le nouveau système, vous pourriez utiliser seulement 2 000 GPU et consommer 25 % de l’énergie.

Ces GPU transportent une quantité phénoménale de données, ce qui est une excellente transition vers un autre sujet abordé par Huang.

La prochaine étape

Nvidia a lancé un nouvel ensemble d’outils pour les constructeurs automobiles travaillant sur les voitures autonomes. L’entreprise était déjà un acteur majeur dans le domaine de la robotique, mais elle a renforcé son engagement avec de nouveaux outils pour permettre aux roboticiens de rendre leurs robots plus intelligents.

Huang a répété à plusieurs reprises l’expression « usine d’IA », plutôt que centre de données. « Il y a une nouvelle révolution industrielle en cours dans ces salles [de serveurs] : je les appelle des usines d’IA », a déclaré Huang.

L’entreprise a également présenté Nvidia NIM, une plateforme logicielle destinée à simplifier le déploiement de modèles d’IA. NIM s’appuie sur le matériel de Nvidia comme base et vise à accélérer les initiatives d’IA des entreprises en fournissant un écosystème de conteneurs prêts pour l’IA. Il prend en charge des modèles provenant de différentes sources, dont Nvidia, Google et Hugging Face, et s’intègre à des plateformes telles qu’Amazon SageMaker et Microsoft Azure AI. NIM élargira ses fonctionnalités au fil du temps, notamment avec des outils pour les chatbots d’IA générative.

« Tout ce que vous pouvez numériser : tant qu’il y a une certaine structure où nous pouvons appliquer des modèles, cela signifie que nous pouvons apprendre ces modèles », a déclaré Huang. « Et si nous pouvons apprendre ces modèles, nous pouvons en comprendre la signification. Lorsque nous comprenons la signification, nous pouvons également la générer. Et nous voici, dans la révolution de l’IA générative. »

Rattrapez-vous sur le GTC 2024 de Nvidia :

Mise à jour : Cet article a été mis à jour pour inclure de nouvelles informations et une vidéo de la keynote.