Le fondateur et PDG de Nvidia, Jensen Huang, révèle lors d'une conférence à SIGGRAPH à Los Angeles que la décision stratégique d'investir massivement dans l'intelligence artificielle (IA) en 2018 a été cruciale pour l'avenir de l'entreprise. En misant sur le traitement d'images basé sur l'IA, notamment le ray tracing et le DLSS, Nvidia a redéfini son matériel et contribué à façonner l'industrie. Huang souligne que cette initiative a été plus qu'un succès financier, marquant le début d'un avenir alimenté par l'IA, avec le matériel Nvidia en première ligne. Il met en avant le rôle croissant de l'IA dans divers domaines, allant des jeux vidéo à la conception industrielle, et prédit que l'IA sera au cœur de l'industrie numérique future. Huang présente également les développements récents, comme le GH200, un matériel dédié à l'IA pour les centres de données, soulignant son efficacité et son coût avantageux. Malgré une vision optimiste teintée d'enthousiasme, certaines interrogations subsistent quant aux défis réglementaires et aux implications éthiques liées à l'IA.
Autrefois confinée à l'imagination et aux récits de science-fiction, l'intelligence artificielle est aujourd'hui non seulement une réalité, mais aussi un élément intégré à notre mode de vie. Il y a quelques décennies, l'IA n'était qu'une hypothèse sur les capacités potentielles des machines. Depuis lors, elle a rapidement évolué pour devenir une fonction technologique indispensable, alimentant divers aspects de notre quotidien, de nos entreprises à nos véhicules.
L'intelligence artificielle propulsée par l'ampere A100 de NVIDIA
En 2020, Jensen Huang a dévoilé l'architecture GPU Ampere A100 de NVIDIA, spécifiquement conçue pour l'apprentissage automatique et les marchés HPC. Huang avait alors affirmé que l'A100 représente le plus grand et le plus puissant GPU jamais créé par NVIDIA, marquant également la plus grande puce produite sur un processus semi-conducteur de 7 nm. Doté de 6912 cœurs FP32 CUDA, 432 cœurs Tensor, et 108 SM (Streaming Multiprocessors), l'A100 est associé à une mémoire HBM2e de 40 Go, offrant une bande passante mémoire maximale de 1,6 To/s.
Lors de la présentation, Jensen Huang a abordé divers sujets, dont l'acquisition récente de Mellanox par NVIDIA, de nouveaux produits basés sur l'architecture GPU NVIDIA Ampere très attendue, ainsi que des avancées significatives dans les technologies logicielles. Huang a annoncé que le NVIDIA A100, premier GPU basé sur l'architecture Ampere, représente le plus grand saut de performance générationnelle parmi les huit générations de GPU NVIDIA.
Conçu pour l'analyse de données, le calcul scientifique, les graphiques cloud, il est déjà en production complète, expédié à des clients du monde entier, et comporte une quantité impressionnante de 54 milliards de transistors. Bien que la date de lancement ait été initialement fixée au 24 mars, elle a été retardée en raison de la pandémie de covid-19.
Plus tôt cette année, des chercheurs de l'université de Tsinghua en Chine ont créé une puce hybride appelée ACCEL, combinant électronique et informatique photonique. Cette puce, considérée comme potentiellement plus efficace que la puce A100 de NVIDIA, utilise à la fois la photonique (informatique avec des photons) et l'électronique (informatique avec des électrons). La puce ACCEL, entièrement analogique, peut effectuer 74,8 milliards de milliards d'opérations par seconde en consommant seulement un watt d'énergie.
Les chercheurs estiment que cette technologie pourrait trouver des applications étendues dans les gadgets portables, les voitures sans conducteur et les contrôles industriels, bénéficiant notamment d'un traitement visuel rapide et économe en énergie grâce à la photonique. Malgré les avantages potentiels, les défis tels que la non-linéarité, la consommation d'énergie et la fiabilité demeurent des préoccupations pour la mise en pratique de systèmes basés sur cette technologie.
La Silicon Valley Applaudit : Nvidia en tête avec plus de 20 investissements en intelligence artificielle
Nvidia s'affirme comme le principal investisseur dans le domaine de l'intelligence artificielle, ayant réalisé plus de vingt investissements au cours de l'année, renforçant ainsi sa position dominante en tant que fournisseur majeur de processeurs d'IA. Basée dans la Silicon Valley, la société a dévoilé ses investissements dans « plus de deux douzaines » d'entreprises au cours de l'année, couvrant divers secteurs, depuis de nouvelles plateformes d'IA évaluées à plusieurs milliards de dollars jusqu'à des start-ups plus petites opérant dans des domaines tels que les soins de santé et l'énergie.
Selon les données de Dealroom, Nvidia a participé à 35 transactions en 2023, soit près de six fois plus que l'année précédente, consolidant ainsi sa position en tant qu'investisseur à grande échelle le plus actif dans le secteur de l'IA. Cette activité a surpassé celle des grandes sociétés de capital-risque de la Silicon Valley. Les investissements, totalisant 872 millions de dollars sur neuf mois, ont été dirigés vers des entreprises utilisant les technologies de Nvidia.
En mai, Nvidia a brièvement rejoint le club des entreprises américaines valant plus de 1 000 milliards de dollars, devenant ainsi le premier fabricant de puces à atteindre cette valeur. La rapide augmentation de la valeur de l'action, triplée en moins de huit mois, témoigne de l'intérêt croissant pour l'intelligence artificielle, notamment avec les progrès rapides de l'IA générative capable de mener des conversations humaines et de créer divers contenus, des blagues à la poésie.
Aujourd'hui, Jensen Huang a annoncé que Nvidia avait pris une décision commerciale cruciale en 2018, une décision dont peu de personnes étaient conscientes à l'époque, mais qui a depuis redéfini l'avenir de l'entreprise et contribué à remodeler une industrie en pleine évolution. Ces déclarations ont été faites lors d'une conférence à SIGGRAPH à Los Angeles.
Selon Huang, le moment décisif survenu il y a cinq ans a été le choix d'adopter le traitement d'images basé sur l'IA, incarné par le ray tracing et l'upscaling intelligent, connus respectivement sous les noms de RTX et de DLSS. (Les citations sont extraites de mes notes et peuvent ne pas être textuelles ; des corrections mineures pourraient être apportées après vérification de la transcription). « Nous avons réalisé que la technique traditionnelle largement utilisée pour le rendu en 3D, le tramage, avait atteint ses limites », a-t-il souligné. L'année 2018 a été un moment décisif où nous avons choisi de « parier sur l'entreprise ». Nous devions repenser le matériel, les logiciels et les algorithmes. En réinventant l'imagerie de synthèse avec l'IA, nous avons également réinventé le GPU pour l'IA. »
NVIDIA RTX
La technologie NVIDIA RTX, qui représente l'une des avancées les plus significatives de NVIDIA dans le domaine des cartes graphiques, ouvre la porte à une nouvelle génération d'applications capable de simuler le monde réel à des vitesses inégalées. Grâce à des innovations majeures en matière d'intelligence artificielle, de ray tracing et de simulation, la technologie RTX permet de générer des modèles 3D exceptionnels, des simulations photoréalistes, et des effets visuels stupéfiants de manière plus rapide que jamais.
La technologie NVIDIA RTX intègre toute la puissance de l'intelligence artificielle à l'informatique visuelle, permettant aux développeurs de créer des applications optimisées par l'IA pour accélérer de manière sans précédent les flux de travail des utilisateurs. Cela stimule significativement la créativité des infographistes et des concepteurs, en leur offrant plus de temps et de ressources grâce à des fonctionnalités novatrices de manipulation intelligente d'images, d'automatisation des tâches et d'optimisation des processus de calcul intensif.
La technologie RTX propose des capacités avancées de rendu cinématique en temps réel, exploitant des API de ray tracing optimisées telles que NVIDIA OptiX, Microsoft DXR et Vulkan. Le rendu en temps réel d'environnements et d'objets photoréalistes, associé à des ombres, des éclairages et des reflets d'une précision jusqu'alors inégalée, offre aux infographistes et aux concepteurs la possibilité de créer des contenus exceptionnels à une vitesse inégalée.
NVIDIA DLSS
NVIDIA DLSS (Deep Learning Super Sampling) est une technologie graphique neuronale qui multiplie les performances en utilisant l'IA pour créer des images entièrement nouvelles, afficher une résolution plus élevée grâce à la reconstruction de l'image et améliorer la qualité de l'image d'un contenu ray-traced intensif, tout en offrant une qualité d'image et une réactivité de premier ordre.
DLSS tire parti de modèles d'IA améliorés en permanence grâce à un entraînement continu sur les supercalculateurs NVIDIA, ce qui permet d'obtenir une meilleure qualité d'image et de meilleures performances dans un plus grand nombre de jeux et d'applications. DLSS exploite la puissance incomparable du Deep Learning et de l’intelligence artificielle pour améliorer les performances de jeu tout en préservant la qualité visuelle.
Le DLSS permet aux joueurs de bénéficier d’un rendu fluide dans les paramètres graphiques les plus élevés, sans chute de framerate lors des séquences de jeu les plus intenses. Il est disponible sur les GPU suivants, avec la prise en charge du ray tracing DXR dans les résolutions énumérées ci-dessous :
3840x2160 – Tous les GPU RTX
2560x1440 - RTX 2060, RTX 2070 et RTX 2080
1920x1080 - RTX 2060 et RTX 2070
Efficacité technique ou préoccupations éthiques
L'annonce du fondateur et PDG de Nvidia, Jensen Huang, sur la stratégie d'investissement massif dans l'intelligence artificielle en 2018, semble être teintée d'une vision optimiste délibérément positive, relevant davantage de l'autopromotion que d'une analyse critique. En mettant en avant le traitement d'images basé sur l'IA, notamment le ray tracing et le DLSS, Huang insiste sur le succès financier de cette initiative, présentant Nvidia comme un acteur incontournable ayant redéfini son matériel et façonné l'industrie.
Cependant, derrière cette rhétorique triomphaliste, subsiste une lacune dans la discussion sur les véritables défis et conséquences de l'IA. Les interrogations éthiques et les implications réglementaires sont évoquées en surface, mais le discours ne s'attarde pas suffisamment sur ces questions cruciales. Les préoccupations concernant la confidentialité des données, la prise de décision automatisée, et les impacts sociétaux profonds de l'IA méritent une attention plus approfondie.
En mettant l'accent sur le GH200, un matériel dédié à l'IA pour les centres de données, Huang présente cet outil comme une solution efficace et économique. Cependant, cela soulève des doutes sur la prédominance de l'optimisme commercial par rapport à une réflexion éthique approfondie. Les gains d'efficacité et de coûts ne doivent pas faire abstraction des potentielles conséquences néfastes et des risques inhérents à l'utilisation à grande échelle de l'IA.
Bien que Jensen Huang évoque un avenir alimenté par l'IA et positionne Nvidia en tant que pionnier, il est crucial d'approfondir la discussion au-delà de l'enthousiasme commercial. Une analyse plus critique des implications éthiques et des défis réglementaires est nécessaire pour une compréhension complète de l'impact de cette révolution technologique sur la société et l'industrie.
Source : Jensen Huang, Nvidia CEO, during a conference
Et vous ?
Êtes-vous d'avis avec Jensen Huang que l'investissement massif de Nvidia dans l'IA en 2018 a eu un impact significatif sur l'industrie ? Jensen Huang mentionne le ray tracing et le DLSS comme des éléments clés de l'approche de Nvidia. Quel est votre retour d'expérience quant à leur efficacité et leur valeur ajoutée ?Voir aussi :
Nvidia serait le principal investisseur dans les entreprises d'IA, avec plus de deux douzaines d'investissements dans ce domaine, au cours d'une année Nvidia dévoile GPU Ampere A100, une puce d'intelligence artificielle, avec 54 milliards de transistors et peut exécuter 5 pétaflops de performances La Chine affirme avoir mis au point une puce d'IA plus puissante que celle de l'américain Nvidia, l'ACCEL chinois serait 3000 fois plus efficace que la Nvidia A100 
