InfrastructureAI News · 22 juil. 2026, 15:21· 2 min de lecture

SenseTime lance le projet Galaxy pour renforcer ses puces IA domestiques

SenseTime a lancé le Galaxy Project, une initiative associant près de vingt partenaires pour accélérer le déploiement d'infrastructures de calcul IA reposant sur des puces domestiques chinoises. L'annonce a été faite lors d'une keynote intitulée « Intelligent Transformation and Symbiosis » par Yang Fan, cofondateur de SenseTime et président de sa division Large Device Business Group, qui a présenté un système en boucle fermée reliant technologie au niveau des puces, partenariats d'écosystème et déploiement commercial. En parallèle du Galaxy Project, SenseTime a signé un accord de calcul spatial avec le fabricant de satellites Guoxing Aerospace, ainsi qu'un partenariat de recherche avec cinq institutions, dont le Shanghai Artificial Intelligence Laboratory, destiné aux applications de calcul scientifique. Yang Fan justifie ce calendrier par trois tendances convergentes : une demande croissante de tokens dans les déploiements en entreprise, une adoption de l'IA industrielle qui rattrape son retard sur les usages grand public, et une commercialisation des puces domestiques désormais assez mature pour permettre l'installation rapide de centres de calcul intelligents sur silicium chinois.

Ces annonces reposent toutefois largement sur des chiffres fournis par SenseTime elle-même, sans validation indépendante. L'entreprise affirme que sa plateforme de grands appareils traite en moyenne 2,42 trillions de tokens par jour, un volume qu'elle projette de multiplier par 25 pour atteindre 10 trillions de tokens quotidiens d'ici le quatrième trimestre 2026, une prévision et non une mesure constatée. SenseTime revendique également, grâce à sa technologie d'inférence hybride hétérogène, une hausse de 85 à 152 % de l'utilisation des FLOPs des modèles sur les puces domestiques courantes, un rapport coût-efficacité d'inférence 1,25 fois supérieur aux puces H-series de Nvidia, et un rendement en tokens 2,5 fois supérieur à coût égal par rapport aux configurations d'inférence homogènes domestiques, un niveau qui franchirait selon elle le seuil de rentabilité jusqu'ici considéré comme minimal pour le calcul domestique. Aucun de ces résultats n'a été vérifié par un tiers, et l'écart entre un cluster de test optimisé et un environnement de production réel, avec ses pipelines de données hétérogènes et ses mises à jour de firmware tardives, est précisément l'endroit où ce type de chiffres a tendance à s'effriter.

Les puces IA domestiques chinoises souffrent traditionnellement d'une pile logicielle fragmentée, obligeant à retravailler les modèles pour les faire fonctionner sur des architectures différentes. SenseTime dit avoir construit une couche d'adaptation complète, couvrant modèles, frameworks, opérateurs, chaînes d'outils et matériel, pour permettre aux clients de migrer leurs charges de travail entre fournisseurs de puces domestiques sans réécriture lourde. L'entreprise cite deux cas concrets : une réduction par trois du temps de prédiction dans une tâche de prédiction de protéines à longue séquence grâce à l'optimisation d'opérateurs fusionnés, et un taux d'accélération parallèle multi-cartes de 93 % pour des modèles DiT de génération vidéo sur puces domestiques, avec une migration à coût nul pour les outils de développement IA courants. SenseTime a par ailleurs introduit une nouvelle métrique, les « Tokens Per Watt », censée remplacer les indicateurs classiques d'efficacité énergétique des data centers, associée à un agent de collaboration en puissance de calcul chargé de la planification des ressources, de la prévision du prix de l'électricité et de l'optimisation du stockage d'énergie, au sein d'un système de données à huit niveaux comportant cinq chaînes de décision.

Dans nos dossiers

NVIDIA

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Interesting Engineering

Google lance ses puces TPU 8, trois fois plus puissantes, pour accélérer l'entraînement IA et réduire les coûts cloud

Google a dévoilé la huitième génération de ses Tensor Processing Units lors de la conférence Google Cloud Next, en introduisant deux puces d'IA distinctes : la TPU 8t, dédiée à l'entraînement des modèles, et la TPU 8i, optimisée pour l'inférence. La TPU 8t peut s'étendre jusqu'à 9 600 puces dans un seul superpod, atteignant 121 exaflops de puissance de calcul, soit près de trois fois les performances de la génération précédente, baptisée Ironwood. Elle vise un taux de "goodput" supérieur à 97 %, c'est-à-dire un temps de calcul productif maximisé, limitant les pauses dues aux pannes ou aux goulots d'étranglement. La TPU 8i, quant à elle, embarque 288 Go de mémoire haute bande passante et 384 Mo de SRAM on-chip, et affiche une amélioration de 80 % du rapport performance/dollar par rapport à la génération précédente, permettant de traiter presque deux fois plus de charge à coût équivalent. Les deux puces seront disponibles en accès général via Google Cloud d'ici la fin de l'année. Cette annonce marque une rupture dans la façon dont l'industrie conçoit l'infrastructure IA. En séparant les cas d'usage entraînement et inférence en deux architectures matérielles distinctes, Google reconnaît que les charges de travail modernes ont des profils radicalement différents. Les agents IA, qui enchaînent des raisonnements, appellent des outils et interagissent en boucle avec d'autres modèles, exigent des temps de réponse très courts et une mémoire rapide proche du processeur, ce que la TPU 8i cible directement. Pour les entreprises clientes, le gain de performance par dollar est concret : gérer deux fois plus d'utilisateurs simultanés sans augmenter la facture cloud change l'équation économique du déploiement de modèles à grande échelle. Google développe ses TPU depuis 2016 pour ses propres systèmes internes, dont Gemini, mais les ouvre désormais plus largement aux clients cloud face à une demande explosive en calcul IA. La stratégie est claire : offrir une alternative intégrée à l'écosystème Nvidia en combinant silicium propriétaire, réseaux personnalisés, frameworks logiciels et services cloud en un seul stack. Les deux puces supportent JAX, PyTorch, SGLang et vLLM, abaissant la barrière à la migration pour les développeurs. Sur le plan énergétique, les TPU 8 offrent jusqu'à deux fois plus de performance par watt que la génération Ironwood et utilisent un refroidissement liquide de quatrième génération. La bataille pour l'infrastructure IA de prochaine génération s'intensifie, avec Google, Microsoft, Amazon et Meta qui investissent massivement dans leurs propres puces pour réduire leur dépendance à Nvidia tout en contrôlant les coûts d'exploitation à long terme.

UELes entreprises européennes déployant des modèles IA sur Google Cloud pourraient bénéficier d'une réduction significative de leurs coûts d'inférence grâce au gain de 80 % du rapport performance/dollar annoncé pour les TPU 8i.

InfrastructureOpinion

1 source

2NVIDIA AI Blog

Coherent inaugure l'extension de son site texan pour renforcer l'infrastructure optique de l'IA

Coherent, fabricant américain de composants optiques et de semi-conducteurs composés, a officiellement lancé la construction d'un bâtiment manufacturier élargi à Sherman, au Texas, ville de 45 000 habitants située à une heure au nord de Dallas. La cérémonie d'inauguration s'est tenue en présence de Jensen Huang, fondateur et PDG de NVIDIA, de Jim Anderson, PDG de Coherent, ainsi que du maire de Sherman et de la directrice exécutive du développement économique du Texas. L'expansion porte sur la production de wafers en phosphure d'indium (InP), matériau central des interconnexions optiques qui relient puces, serveurs et centres de données à la vitesse de la lumière. Coherent opère déjà ce qu'elle décrit comme la première fab 6 pouces à base d'InP au monde. L'entreprise bénéficiera d'une subvention de 50 millions de dollars dans le cadre du CHIPS Act fédéral, s'ajoutant à environ 17 millions de dollars de soutien antérieur issus du programme CHIPS du Texas et de la Sherman Economic Development Corporation. NVIDIA, de son côté, a annoncé un investissement de 2 milliards de dollars dans Coherent assorti d'un engagement d'achat pluriannuel de plusieurs milliards pour des lasers et produits de réseau optique. L'enjeu dépasse la simple extension industrielle. Les semi-conducteurs composés comme l'InP et l'arséniure de gallium constituent le système nerveux invisible de l'infrastructure IA moderne, mais leurs chaînes d'approvisionnement domestiques ont été structurellement fragiles pendant des années. Concrètement, lorsque 576 GPU s'étendent sur huit racks pour fonctionner comme un seul système, configuration prévue dans le NVIDIA Vera Rubin Ultra NVL576, le cuivre ne peut plus transporter le signal sur de telles distances sans pertes et surconsommation électrique. La photonique sur silicium et les interconnexions optiques deviennent alors incontournables : après un coût de conversion électrique-lumière, la distance est quasi gratuite en termes d'énergie. Anderson a indiqué que le site, à pleine capacité, soutiendra plus de 550 emplois directs, et des milliers d'emplois indirects. Cette inauguration s'inscrit dans un mouvement plus large de réindustrialisation du secteur des semi-conducteurs aux États-Unis, accéléré par le CHIPS Act doté d'environ 50 milliards de dollars. NVIDIA a par ailleurs annoncé la production de jusqu'à 500 milliards de dollars d'infrastructure IA sur le sol américain, avec de nouveaux sites en Arizona et au Texas. La relation entre NVIDIA et Coherent remonte à près de vingt ans, mais s'est formalisée en mars 2026 en partenariat stratégique pluriannuel. Sherman, longtemps cité anonyme du nord du Texas, s'est ainsi imposée comme l'un des symboles concrets de la course mondiale à la suprématie dans l'IA, une course qui se gagne autant dans les usines que dans les laboratoires.

InfrastructureActu

1 source

3Le Big Data

Micron et Anthropic s’allient pour renforcer l’infrastructure IA de nouvelle génération

Micron Technology et Anthropic ont annoncé le 22 juin 2026 un accord stratégique multidimensionnel qui couvre quatre axes : la co-conception d'architectures de mémoire et de stockage optimisées pour l'IA, un contrat d'approvisionnement à long terme portant sur l'ensemble du portefeuille de solutions pour centres de données de Micron, le déploiement interne de Claude dans les équipes de Micron, et une participation financière du fabricant de semi-conducteurs au tour de financement Série H d'Anthropic. Les deux entreprises travailleront conjointement sur les technologies de mémoire HBM (High Bandwidth Memory), les modules DRAM haute performance et les SSD destinés aux data centers, ces composants étant au cœur des infrastructures utilisées pour entraîner et faire tourner les modèles Claude. Tom Brown, cofondateur d'Anthropic et responsable des ressources de calcul, a souligné que la mémoire et le stockage jouent désormais un rôle central dans l'efficacité des systèmes d'entraînement et d'inférence de l'entreprise. L'accord illustre un changement de paradigme dans l'industrie de l'IA : les performances d'un modèle dépendent autant de l'infrastructure matérielle sous-jacente que des avancées algorithmiques. Si les GPU concentrent souvent l'attention, la capacité à les alimenter en données à très haute vitesse est devenue un facteur déterminant pour les coûts, les performances et la consommation énergétique des infrastructures à grande échelle. En optimisant directement les sous-systèmes mémoire utilisés par Anthropic, les deux partenaires cherchent à réduire le coût unitaire de chaque requête traitée par Claude, un levier concurrentiel décisif à mesure que le marché de l'IA générative se masse-marketise. L'accord d'approvisionnement sécurise par ailleurs la croissance d'Anthropic sur plusieurs années, limitant les risques de pénurie de composants critiques dans un marché en tension. Ce partenariat s'inscrit dans une stratégie plus large d'Anthropic visant à consolider ses fondations matérielles face à l'accélération de la demande autour de Claude. Reuters relevait récemment qu'Anthropic a multiplié les accords destinés à renforcer ses capacités de calcul, au moment même où le laboratoire enchaîne les levées de fonds record pour rivaliser avec OpenAI et Google DeepMind. Pour Micron, l'opération représente une opportunité de positionner ses technologies HBM comme composants de référence dans les futures générations d'infrastructure IA, un marché en croissance explosive. La collaboration technique directe avec un laboratoire de premier plan lui permet d'anticiper les besoins des prochains modèles et d'adapter son offre bien en amont, transformant un client potentiel en co-développeur.

InfrastructureOpinion

1 source

4Next INpact

Google lance ses TPU v8 et spécialise ses puces pour l’IA : enjeux et comparatif maison

Google a annoncé sa huitième génération de Tensor Processing Units (TPU), ses puces spécialisées dans les calculs d'intelligence artificielle. Pour la première fois dans l'histoire de la gamme, la firme de Mountain View propose deux variantes distinctes basées non plus sur le niveau de performance, mais sur le type d'usage : le TPU v8t, orienté vers l'entraînement des modèles, et le TPU v8i, dédié à l'inférence. C'est une rupture notable avec les générations précédentes, comme les v5e et v5p, qui se différenciaient uniquement par l'efficacité énergétique contre la puissance brute. Cette spécialisation par usage représente un changement de stratégie significatif pour Google. Selon la firme elle-même, "les deux puces peuvent gérer différentes charges de travail, mais la spécialisation permet d'obtenir des gains significatifs". En séparant l'entraînement de l'inférence au niveau matériel, Google cherche à optimiser le rapport performances/coût pour chaque étape du cycle de vie d'un modèle d'IA. Pour les entreprises clientes de Google Cloud, cela se traduit potentiellement par des coûts d'exploitation réduits et une meilleure efficacité dans le déploiement de modèles génératifs à grande échelle. Cette annonce s'inscrit dans une course aux puces IA qui s'est considérablement intensifiée depuis 2018, date des TPU v3. En huit générations, Google a construit une alternative crédible aux GPU de Nvidia, qui dominent encore largement le marché de l'accélération IA. La firme utilise ses TPU en interne pour entraîner ses propres modèles Gemini, ce qui lui confère un avantage compétitif double : maîtrise du hardware et du software. Face à la montée en puissance de concurrents comme les puces Trainium d'Amazon ou les Gaudi d'Intel, la spécialisation des TPU v8 pourrait devenir un argument commercial décisif pour attirer les grandes entreprises vers Google Cloud plutôt que vers AWS ou Azure.

UELes entreprises européennes qui s'appuient sur Google Cloud pour entraîner ou déployer des modèles d'IA pourraient bénéficier d'une réduction des coûts d'exploitation grâce à la spécialisation matérielle des TPU v8.

InfrastructureOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic