La Chine a conçu une puce extrêmement puissante pour la vision artificielle

NVIDIA et ASML sont les deux entreprises occidentales les plus touchées par les sanctions contre la Chine déployées par les États-Unis. Aucun d’eux ne peut fournir ses solutions les plus sophistiquées à ses clients chinois et, selon toute vraisemblance, à l’avenir, le portefeuille de produits qu’ils pourront leur vendre. sera encore réduit. Le prochain paquet de sanctions entrera en vigueur le 16 novembre et à partir de ce jour, NVIDIA ne pourra plus vendre ses puces d’intelligence artificielle A800 et H800 en Chine. Son GPU GeForce RTX 4090 non plus, le plus puissant dont il dispose.

Jensen Huang, le PDG de NVIDIA, affirme avec véhémence depuis des mois, chaque fois qu’il en a l’occasion, que le gouvernement américain n’a pas choisi la stratégie idéale. Comme on pouvait s’y attendre, ce dirigeant défend les intérêts commerciaux de son entreprise, mais il a construit son discours autour d’une déclaration qui se prête difficilement à la discussion : « Si la Chine ne peut pas acheter aux États-Unis des GPU pour l’intelligence artificielle, elle les fabriquera simplement elle-même. « 

La machinerie est déjà en marche. En fait, MetaX, Alibaba, Biren Technology, Moore Threads, Innosilicon, Zhaoxin, Iluvatar CoreX, DenglinAI ou Vast AI Tech ne sont que quelques-unes des entreprises chinoises qui Ils développent déjà des puces avancées pour les applications d’intelligence artificielle. Cependant, le déclin de NVIDIA en Chine favorise particulièrement Huawei, qui dispose déjà des puces Ascend AI prêtes à tenter de combler le vide du marché que la société dirigée par Jensen Huang quittera dans seulement dix jours.

Cette puce chinoise est 3,7 fois plus puissante que le GPU A100 de NVIDIA selon Nature

Ces derniers mois, plusieurs médias asiatiques réputés, dont UDN, ont affirmé que certaines entreprises chinoises spécialisées dans le matériel graphique et d’intelligence artificielle, comme MetaX ou Moore Threads, auraient recruté des ingénieurs chez AMD et NVIDIA. La coïncidence de la puissance économique chinoise, de ses grandes ressources industrielles et des connaissances occidentales donne de la crédibilité aux projets des entreprises que j’ai mentionnées dans le paragraphe précédent.

Dans cette situation, l’article publié dans Nature par plusieurs scientifiques chinois de l’Université Tsinghua a éclaté comme un véritable ouragan. Dans leur texte, ces chercheurs décrivent de manière très détaillée l’architecture d’une puce analogique de vision artificielle qui est, sur le papier, extrêmement efficace d’un point de vue énergétique et ultrarapide. Elle ne cherche à se confronter à aucun algorithme d’intelligence artificielle, seulement à des tâches de vision par ordinateur, mais dans ce domaine, selon ses concepteurs, C’est 3,7 fois plus rapide que le processeur A100 de NVIDIA lorsque les deux sont confrontés à la même tâche intensive de classification d’images.

Nous pourrions considérer cela comme de la vantardise, mais ce n’est certainement pas le cas. L’Université Tsinghua est l’une des institutions scientifiques les plus réputées de Chine, et il est raisonnable d’accepter que votre article ait réussi la vérification par les évaluateurs de Nature. Le plus intéressant de cette puce est sa capacité à combiner photonique et calcul analogique pour délivrer des performances théoriques supérieures à celles du GPU A100. Ce dernier atteint 1 248 TOPS INT8, tandis que le circuit intégré chinois à architecture ACCEL() frôle les 4 600 TOPS.

De plus, il dispose d’un autre atout important en sa faveur. L’unité EAC () de cette puce a été fabriquée en utilisant la technologie d’intégration CMOS 180 nm, une lithographie très mature et beaucoup moins sophistiquée que les plus avancées actuellement en production. Il est difficile de préciser dans quelle mesure leurs performances s’amélioreraient si une lithographie beaucoup plus avancée était utilisée dans leur fabrication, mais en théorie elles devraient s’améliorer de manière significative. Bien entendu, pour le moment ces circuits intégrés ne peut pas être fabriqué à grande échelleils doivent donc encore surmonter le défi de quitter le laboratoire et d’entrer dans les nœuds de production de masse de semi-conducteurs.