Puces, gravure, efficacité, quantique : plus de calcul pour moins de watts, et ce qu’on en fera.
Le calcul est la ressource cachée de tout le reste : sans puces efficaces, ni intelligence artificielle, ni véhicules autonomes, ni réseaux pilotés. La rubrique suit la gravure qui descend — 2 nanomètres et au-delà —, les architectures qui font plus d’opérations par watt, les mémoires, les interconnexions, et le calcul quantique quand il produit des résultats vérifiables plutôt que des promesses.
Nous lisons les feuilles de route de TSMC, Samsung, Intel et des fondeurs chinois, les publications d’architecture, les benchmarks indépendants. L’angle est constant : l’efficacité — le rapport calcul/énergie — compte plus que la performance brute, parce que c’est elle qui décide de ce qui tournera vraiment, du data center au téléphone. Chaque article donne ses ordres de grandeur et cite ses sources.
MediaTek adoptera la plateforme NVLink Fusion de Nvidia pour des accélérateurs IA personnalisés destinés aux systèmes Nvidia à l’échelle du rack.
CUDA Python 1.0 regroupe plusieurs paquets selon une stratégie de version commune.
Les tests du benchmark InferenceX de Semianalysis placent Jalapeño devant Nvidia Blackwell sur deux mesures d’efficacité.
Le nouveau financement porte le total levé par Starcloud à 450 millions de dollars et sa valorisation à 2,3 milliards de dollars.
Six charges d’entraînement de grands modèles ont chacune dépassé 98 % des performances de référence de NVIDIA.