En Suède, un consortium composé d'Ericsson, AstraZeneca, Saab et SEB a récemment annoncé des partenariats avec NVIDIA pour construire une usine d'IA motivée par les derniers systèmes Grace Blackwell GB 300. En Europe, l'initiative de l'usine de l'IA de l'UE, soutenue par l'entreprise conjointe EuroHPC, établit un réseau d'au moins 15 centres de supercomputing optimisées en AI et plusieurs gigafactories d'IA pour aider les startups, les petites et moyennes entreprises (PME) et les institutions de recherche à travers des champs tels que HealthCare, Climate et Manufacturing tout au long de l'Europe. Aux états-Unis, Nvidia a déclaré son intention de produire des superordinateurs d'IA pour la première fois, en collaboration avec des partenaires comme TSMC, Wistron, Amkor et Spil pour générer jusqu'à 500 milliards de dollars d'infrastructure d'IA au cours des quatre prochaines années. De même, en Asie, les secteurs privés et publics investissent dans la construction d'usines d'IA, en se concentrant sur l'innovation commerciale et la formation des talents d'IA.

L'ère des usines d'IA est arrivée, apportant des opportunités économiques et une productivité accrue mais aussi des risques de sécurité et des défis énergétiques, ainsi que la diminution des connexions humaines tangibles.

Pourquoi les entreprises ont besoin d'usines d'IA

Les entreprises de diverses industries intègrent l'IA dans leurs processus de recherche et développement. Chez Pfizer, l'IA et le supercalcuting ont joué des r?les cruciaux dans la création de Paxlovid, le traitement oral Covid-19 de la société. L'IA a accéléré la découverte des molécules, a réduit de moitié le temps requis pour l'analyse des données cliniques et réduit le temps du cycle de production par les deux tiers. En collaboration avec NVIDIA et CLASSIQ, BMW étudie comment les synergies quantiques-AI peuvent améliorer l'ingénierie des véhicules et la fabrication de la logistique. De même, Goldman Sachs emploie des LLM pour simplifier les opérations juridiques et de conformité, tandis que les clients d'entreprise de Dell utilisent l'IA agentique pour déployer des travailleurs numériques dans les environnements cloud et edge. Goldman Sachs a introduit son assistant GS AI à plus de 10 000 employés - des banqueurs, des commer?ants et des gestionnaires d'actifs. Con?u pour progresser de l'automatisation des taches de base (telle que la relecture et la traduction du code) au comportement agentique, le système est formé pour imiter un employé de Goldman chevronné - consultant des données pertinentes, appliquant des algorithmes appropriés et reflétant les valeurs et les protocoles de prise de décision de l'entreprise.

Au fur et à mesure que le calcul se met dans les workflows quotidiens, rédigeant des documents, générant du code, effectuant une modélisation statistique, même en concevant de nouveaux produits, la demande d'entreprise de calcul est en augmentation. McKinsey a rapporté qu'au cours des trois prochaines années, 92% des entreprises ont l'intention de renforcer leurs investissements en IA. Pour suivre le rythme, les organisations nécessitent non seulement plus de GPU, mais des cha?nes d'approvisionnement entières qui fournissent un calcul à grande échelle, à la vitesse et à la sécurité.

C'est là que les usines de l'IA entrent en jeu. Contrairement aux centres de données conventionnels ou aux installations de fabrication de puces, les usines d'IA combinent trois couches critiques: la production et l'emballage des puces, l'assemblage du système de supercalculateurs et le déploiement à l'échelle du centre de données. Dell Technologies, par exemple, en partenariat avec NVIDIA, a publié Dell AI Factory 2.0, une plate-forme d'entreprise de bout en bout adaptée à l'IA d'agence, facilitant l'accès aux données fédérées, la recherche sémantique et les boucles de rétroaction optimisées pour les effectifs numériques à grande échelle.

En consolidant ces fonctions, les usines d'IA éliminent les retards entre la conception, la construction et le déploiement. Ils accordent aux entreprises un plus grand contr?le direct sur la fa?on dont leurs modèles sont formés, où leurs données sont stockées et à la résilience de leur infrastructure contre les perturbations mondiales.

L'usine AI redéfinie

NVIDIA propose désormais une plate-forme d'usine d'IA entièrement intégrée visant à accélérer cette expansion. Il englobe non seulement les composants matériels, mais un logiciel complet et une pile d'orchestration. L'écosystème Tensorrt prend en charge l'inférence AI à haute performance, tandis que NVIDIA DYNYO et NIM Microservices rationalisent le déploiement et l'optimisation du modèle. Data Flywheel facilite la personnalisation continue basée sur la rétroaction du monde réel, garantissant que les systèmes d'IA s'améliorent avec le temps.

La plate-forme complète de Nvidia permet aux usines d'IA de fonctionner comme des lignes d'assemblage industrielles pour l'intelligence. Les matières premières sont constituées de modèles de fondation, de données clients et de bo?tes à outils. Ces entrées sont moulées par une formation haute performance, un réglage fin et une inférence, tandis que les boucles de rétroaction en cours permettent aux systèmes de s'adapter et de s'améliorer en temps réel.

La solution NVIDIA Blackwell Ultra Ultra Based GB300 NVL72 fournit une sortie 50 fois plus élevée pour le raisonnement de l'IA que les itérations précédentes. DGX SuperPod de NVIDIA intègre cette puissance de calcul dans un système prêt à l'emploi, tandis que DGX Cloud offre la même infrastructure d'IA pratiquement via les principaux fournisseurs de cloud. Les deux options permettent aux entreprises d'évoluer rapidement sans sacrifier les performances.

Pour harmoniser tous ces éléments, le plan omniverse de Nvidia fournit un moyen de simuler des usines entières en tant que jumeaux numériques, optimisant la conception, la mise en page et les flux de travail dans un environnement virtuel.

Transformer la nature du travail

Contrairement aux usines de fabrication traditionnelles, les usines d'IA ne promettent pas d'emploi de masse sur le plancher de l'usine. Au lieu de cela, ils annoncent une transition vers des r?les interdisciplinaires élevés et interdisciplinaires, notamment: 1) les architectes jumeaux numériques qui modélisent les flux de travail industriels dans les simulations; 2) Ingénieurs de l'Operations AI qui supervisent et affinent les performances d'usine; 3) les spécialistes qui programment et entretiennent des systèmes automatisés.

Ces positions sont moins nombreuses mais plus élevées en complexité et en potentiel salarial. à bien des égards, l'usine d'IA reflète un passage plus large des taches cognitives de routine aux compétences cognitives avancées. Ce changement nécessite l'intégration de l'expertise à travers l'informatique, les statistiques, la fabrication et la gestion des processus pour résoudre les problèmes de manière globale.

Au GTC 2025 plus t?t cette année, Jensen Huang a dévoilé ?Blue?, un robot capable d'apprendre des taches en modélisant les environnements physiques, une percée sous-tendue par les mêmes infrastructures que les usines AI soutiennent désormais. Avec les capacités de production de masse, les usines d'IA alimenteront non seulement les modèles numériques mais fabriqueront également la prochaine génération de robots physiques pour la logistique, la fabrication, les soins de santé et l'utilisation domestique.

Les usines d'IA remplissent ainsi un double r?le: ils soutiennent la révolution des logiciels tout en conduisant simultanément une transformation matérielle d'IA.

Le défi environnemental

Cependant, ces avantages ne viennent pas sans co?t. Les usines d'IA sont à forte intensité d'énergie et, si elles sont non gérées, lourdes en carbone. Avec Oracle Planning un investissement de 40 milliards de dollars dans les puces Nvidia pour son installation de Stargate basée à Abilene, au Texas, devrait livrer 1,2 gigawatts de calcul, la durabilité est une préoccupation clé.

Pour atténuer cela, Nvidia et ses partenaires déploient des technologies de pointe. L'immersion liquide et les systèmes de refroidissement directement sur puce sont mis en ?uvre pour réduire considérablement la dépense énergétique en gestion thermique. Les GPU Blackwell de NVIDIA, utilisés dans les systèmes GB200 NVL72, offrent jusqu'à 25 fois plus d'inférence économe en énergie par rapport aux générations précédentes, améliorant la production de calcul par watt.

Pendant ce temps, certaines usines d'IA sont colorées avec des sources d'énergie renouvelables pour réduire la dépendance aux combustibles fossiles. La Suède, par exemple, aide les usines d'IA à travers des partenariats d'énergie verte tirant parti de son abondant puissance hydroélectrique. Les centres de données de Microsoft en Finlande ont également priorisé la priorité à l'approvisionnement en électricité à faible teneur en carbone.

La durabilité est désormais une condition préalable à la conception, pas une réflexion après coup. L'avenir des usines d'IA peut dépendre non seulement de la quantité de calcul qu'ils fournissent, mais de la fa?on dont ils le livrent, équilibrant l'efficacité énergétique avec les capacités de l'IA. Alors que l'IA passe du cloud en un écosystème d'usines, les organisations et les pays qui prennent les devants dans le développement à long terme de ce domaine fa?onneront les contours de l'économie mondiale.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!