❌

Vue lecture

Il y a de nouveaux articles disponibles, cliquez pour rafraîchir la page.

AMD mise 8,2 milliards $ sur World Labs pour s’ancrer dans l’IA physique

Dans la course à l’IA, sans doute plus qu’ailleurs, les acquisitions sont un moyen de gagner du temps et de recruter des talents.

Depuis 2022, AMD a bâti par acquisitions une chaîne de valeur allant des semi-conducteurs adaptatifs aux réseaux, en passant par les logiciels d’inférence, les modèles d’IA et les infrastructures de data centers.

L’acquisition de World Labs pour environ 8,2 milliards $, entièrement payée en actions, marque un nouveau cap. AMD ne vise plus seulement les processeurs et les systèmes mais aussi l’expertise en modèles et en recherche

Ce laboratoire d’IA fondé et dirigé par Fei-Fei Li, professeure à Stanford et figure majeure de l’IA, lui offre un accès direct à des expertises en modèles d’IA et en intelligence spatiale, au moment où les besoins de calcul s’étendent au-delà des modèles de langage.

Connue pour ses recherches sur la vision par ordinateur et pour sa défense d’une IA « centrée sur l’humain », Fei-Fei Li a fondé World Labs en 2024 afin de travailler sur des modèles capables de comprendre et de représenter l’espace physique en trois dimensions. Elle rejoindra AMD comme vice-présidente exécutive et Chief Scientist, rattachée à sa CEO Lisa Su.

La transaction est évaluée à environ 8,2 milliards de dollars et prendra la forme d’un échange d’actions. AMD indique que la clôture est prévue avant la fin de 2026, sous réserve des autorisations réglementaires et des conditions habituelles de clôture.

Ce que fait World Labs

Basé à San Francisco, World Labs développe des modèles d’intelligence spatiale capables de générer, reconstruire et simuler des environnements 3D interactifs à partir de textes, d’images ou de vidéos. Le laboratoire travaille également sur des technologies destinées à l’apprentissage et à la simulation pour la robotique.

Ce positionnement diffère de celui des principaux laboratoires centrés sur les grands modèles de langage. AMD met en avant l’émergence de cas d’usage liés au raisonnement, à la robotique, à la simulation et à « l’IA physique », des domaines qui imposent des profils de charge et des exigences d’infrastructure plus variés.

Lisa Su souligne que la construction des plateformes de calcul de la prochaine génération d’IA « nécessite une compréhension approfondie de l’évolution des modèles ». Fei-Fei Li évoque pour sa part l’accès aux ressources et à la profondeur d’ingénierie d’AMD pour accélérer les recherches de World Labs et définir l’infrastructure nécessaire à la prochaine ère de l’IA.

Le montant de 8,2 milliards $ place l’opération parmi les acquisitions les plus significatives de l’histoire d’AMD depuis l’emblématique rachat de Xilinx en 2020…pour 35 milliards.

Elle pourrait aussi renforcer son l’ambition de fournir une infrastructure d’IA pour un écosystème ouvert. Un positionnement qui s’oppose implicitement aux approches plus intégrées de certains acteurs du marché.

World Labs évolue sur le même créneau que AMI Labs, la start-up fondée par Yann LeCun après son départ de Meta. Elles développent des « world models » et une IA capable de comprendre et d’agir dans le monde physique. World Labs privilégie toutefois l’intelligence spatiale et la génération ou simulation d’environnements 3D, quand AMI Labs défend une approche plus large de l’intelligence machine, associant mémoire, raisonnement, planification et sécurité.

Les principales acquisitions d’AMD dans le domaine de l’IA

Année Cible Domaine Montant annoncé / réalisé Apport pour AMD
2022 Xilinx FPGA, SoC adaptatifs, accélérateurs Environ 49 milliards USD Élargit le portefeuille au-delà des CPU et GPU, vers le calcul adaptatif et l’embarqué.
2022 Pensando Systems DPU, réseau data center 1,9 milliard USD Renforce les capacités réseau et le traitement de données pour le cloud et l’infrastructure.
2023 Mipsology Logiciels d’inférence IA Non communiqué Renforce les capacités logicielles d’inférence sur les architectures AMD.
2023 Nod.ai Logiciels IA open source Non communiqué Vise à améliorer la pile logicielle ouverte, un axe central face à l’écosystème Nvidia.
2024 Silo AI Laboratoire d’IA, modèles open source 665 millions USD Apporte des compétences en modèles de langage multilingues et en déploiement de solutions IA sur le matériel AMD.
2024–2025 ZT Systems Infrastructure de serveurs et data centers 4,9 milliards USD annoncés ; 4,4 milliards USD de contrepartie comptabilisée à la clôture Donne à AMD une expertise systèmes et rack-scale pour les solutions d’IA de bout en bout. AMD a conservé les activités de conception, puis cédé en 2025 l’activité de fabrication à Sanmina pour 2,4 milliards USD.
2025 Enosemi Photonique silicium, optique copackagée Non communiqué Soutient le développement de solutions optiques pour les futures générations de systèmes IA.
2025 Brium Compilateurs et logiciels Non communiqué Renforce la pile logicielle et les outils de développement.
2025 Équipe d’Untether AI Conception de puces IA Non communiqué Apporte des compétences en conception de silicium pour l’IA.
2026 World Labs Modèles d’IA, intelligence spatiale, IA physique Environ 8,2 milliards USD, en actions Ajoute une équipe de recherche dirigée par Fei-Fei Li et des expertises sur les modèles capables de représenter et simuler des environnements 3D. Opération annoncée, non encore finalisée.

The post AMD mise 8,2 milliards $ sur World Labs pour s’ancrer dans l’IA physique appeared first on Silicon.fr.

AMD franchit le cap des 1 000 milliards $ de capitalisation

AMD est devenu le quatrième fabricant américain de semi-conducteurs à dépasser les 1 000 milliards $ de valorisation boursière, porté par un bond de près de 10% de son action en séance.

Le titre a atteint un plus haut historique à 615,52 $, avant de clôturer en hausse de 9,6% à 613,31 $, le 21 septembre.

Cette performance place AMD aux côtés de Nvidia, Broadcom et Micron, seuls autres groupes américains du secteur à avoir déjà atteint ce seuil.

Nvidia, qui avait dépassé les 1 000 milliards dès 2023, reste largement en tête avec une capitalisation supérieure à 5 000 milliards $.

Une stratégie qui dépasse la puce

Au-delà de la conjoncture boursière, la progression d’AMD reflète une évolution stratégique.

Le groupe ne se contente plus de vendre des puces individuelles mais propose désormais des systèmes complets associant processeurs, équipements réseau et matériels connexes.

Le groupe californien profite également de la demande croissante pour les processeurs centraux utilisés en complément des puces graphiques dans les serveurs dédiés à l’inférence, un segment sur lequel il grignote des parts de marché à Intel.

Les résultats du deuxième trimestre, publiés début août, avaient déjà illustré cette dynamique : le chiffre d’affaires avait atteint 11,54 milliards $, en hausse de 50% sur un an, porté par une division Data Center en croissance de 107%, à 6,7 milliards $.

The post AMD franchit le cap des 1 000 milliards $ de capitalisation appeared first on Silicon.fr.

AMD rachète Taalas pour accélérer sur l’inférence IA

AMD étoffe son portefeuille dans l’IA avec le rachat de Taalas, une start-up basée à Toronto et fondée en 2023. La transaction reste soumise aux conditions de clôture habituelles et aux autorisations réglementaires.

Taalas développe des composants en silicium spécialisés pour l’inférence IA. À la différence de l’entraînement, qui mobilise d’importantes capacités de calcul pour construire un modèle, l’inférence intervient lors de son utilisation opérationnelle, souvent en temps réel.

La technologie de Taalas vise à réduire les goulets d’étranglement liés au calcul et à la mémoire dans les architectures généralistes. La start-up conçoit notamment des accélérateurs adaptés à des modèles spécifiques, en intégrant directement certains paramètres du modèle dans le silicium.

Cette approche permet de gagner en performance et en efficacité énergétique, au prix d’une flexibilité moindre qu’avec un GPU généraliste. Les accélérateurs de Taalas sont configurés pour un modèle donné et peuvent donc être beaucoup plus rapides et moins coûteux dans des scénarios d’usage ciblés. Mais ils doivent être adaptés lorsque le modèle évolue.

Le premier composant de Taalas ferait fonctionner une version allégée de Llama 3.1, le modèle de Meta.

Une brique supplémentaire pour AMD

AMD prévoit d’intégrer la technologie de Taalas dans sa feuille de route d’accélérateurs et entend également développer des solutions au niveau système combinant ces technologies avec ses GPU Instinct.

L’opération doit ainsi compléter la plateforme IA full stack d’AMD, qui comprend les solutions rackscale Helios, les accélérateurs Instinct, les processeurs EPYC, le logiciel ROCm et les composants de son écosystème logiciel et matériel.

Pour AMD, l’enjeu consiste à proposer plusieurs types de processeurs selon les charges de travail. Les GPU restent adaptés à une grande variété de modèles et d’usages tandis que des accélérateurs spécialisés peuvent être pertinents pour des modèles stabilisés exécutés à très grande échelle. Par exemple dans les moteurs de recherche, les assistants conversationnels ou les services de génération de contenu.

Cette acquisition intervient alors que le marché de l’IA se déplace progressivement de l’entraînement des modèles vers leur déploiement massif. Les fournisseurs de cloud et les grandes entreprises cherchent désormais à réduire le coût et la consommation énergétique de milliers, voire de millions, de requêtes quotidiennes.

Cette évolution ouvre la voie à des architectures plus spécialisées. Les GPU offrent une grande souplesse mais leur coût et leur consommation peuvent devenir pénalisants lorsque les modèles sont exécutés de manière répétitive et prévisible. Les ASIC et autres accélérateurs dédiés tentent de répondre à cette contrainte en optimisant le matériel pour un modèle ou une famille de modèles.

La bataille de l’inférence s’intensifie

Nvidia a renforcé sa présence sur ce segment en dévoilant, notamment, un processeur et un système d’IA s’appuyant sur la technologie de Groq, une start-up spécialisée dans l’inférence.

La pression concurrentielle ne vient toutefois pas uniquement des deux géants des GPU car les hyperscalers développent également leurs propres puces, à l’image des accélérateurs conçus pour leurs infrastructures cloud.

Pour AMD, le principal défi sera d’intégrer cette technologie dans une offre industrielle et logicielle cohérente. Une puce spécialisée peut afficher des performances très élevées sur un modèle donné, mais son intérêt dépend de la stabilité des architectures d’IA, de la capacité à reconfigurer rapidement le matériel et de la compatibilité avec les outils de développement existants.

L’intégration avec Instinct et ROCm sera donc déterminante. AMD devra démontrer que Taalas peut compléter ses GPU plutôt que constituer une technologie isolée, difficile à programmer ou limitée à quelques cas d’usage.

The post AMD rachète Taalas pour accélérer sur l’inférence IA appeared first on Silicon.fr.

AMD entre vraiment dans le jeu des racks IA exascale

Ne dites plus TDP, mais « puissance CPU par défaut ».

Avec ses puces EPYC de 6e génération (« Venice »), AMD a fait la bascule. Il communique ce nouvel indicateur qui reflète la consommation cumulée calcul + I/O pour une cible de performance donnée.

Jusqu’à 256 cœurs avec EPYC Venice

Les CPU Venice utilisent des cœurs Zen 6 et 6c. Ils se répartissent en quatre familles.

Dans le haut du panier, les EPYC 9006 SP7 (9 références) vont de 64 à 256 cœurs physiques, pour 300 à 600 W de puissance par défaut. Ils sont attendus au T4 2026.

Prévus pour S1 2027, les EPYC 9006 SP8 (22 SKU) se destinent à des environnements plus restreints, avec 8 à 128 cœurs physiques et 130 à 400 W de puissance par défaut.

La série 9006X SP7 cible le HPC, avec davantage de cache L2 que les 9006 SP7 et une fréquence maximale portée à 5,15 GHz. Quant aux 9006 LP (basse consommation ; ex-Verano), ils visent les nœuds de tête au sein des architectures agentiques.

AMD EPYC 9006 Venice

Un GPU Instinct à l’intersection de l’IA et du HPC

Lancée en parallèle des EPYC Venice, la gamme de GPU Instinct MI400 comprend pour le moment deux modèles.

D’un côté, le MI455X, doté de 432 Go de HBM4 (23,3 To/s de bande passante théorique) et annoncé à 20 Pflops en FP8 (sparse). Comme souvent avec ces puces, AMD n’a pas officialisé de TDP (à titre indicatif Vera Rubin avoisine les 2000 W).

AMD Instinct MI455X

De l’autre, le MI430X, pourvu de la même quantité de DRAM, mais positionné sur la convergence IA/HPC, avec une performance théorique de 288 Tflops en FP64. Disponibilité prévue pour 2027, avec en ligne de mire les AI (giga)factories. Le supercalculateur Alice Recoque en embarquera.

Helios AI ou la promesse de racks exaflopiques pour l’inférence FP8

Les EPYC Venice et les Instinct MI455X sont – avec les DPU/NIC Pensando – la matière première des racks Helios AI. Au menu, jusqu’à 72 GPU, 18 CPU et 31 To de mémoire HBM4 (1,7 Po/s). Puissance maximale théorique : 1,4 Eflops en FP8 (format numérique souvent utilisé en production pour l’inférence).

Les racks Helios AI utilisent le nouveau standard ORW (Open Rack Wide) de l’Open Compute Project. Les livraisons doivent démarrer ce trimestre. Bull, HPE, Lenovo et Supermicro, entre autres, fourniront des systèmes.

AMD Helios AI

Ryzen AI Embedded : des P100 aux X100, un TDP doublé

Pour la robotique et plus globalement l’IA « physique », AMD dégaine les cartes Kria AI. Elles reposent sur la dernière génération des processeurs Ryzen AI Embedded (X100).

Ces derniers associent CPU (8 à 16 cœurs Zen 5), iGPU (32 ou 40 unités de calcul) et NPU (50 TOPS), pour un TDP de 55 W (contre 28 W pour la quasi-totalité des P100). Capacité maximale de la mémoire unifiée : 128 Go (273 Go/s en LPDDR5X-8533 sur bus 256 bits).

AMD Ryzen AI Embedded X100

La production de masse des cartes Kria AI est attendue au T4 2026. Avec, comme partenaires, Arbor, Congatec, iBase, IEI, Sapphire et Seavo.

AMD prévoit une solution commune avec Cerebras pour cette année

À la même échéance, OpenAI entend mettre en service des racks Helios AI. Ce sera la première phase du déploiement de 6 GW annoncé en octobre 2025.

Aux dernières nouvelles, Meta a commencé à tester ces mêmes racks et à valider les EPYC Venice.

AMD travaille aussi avec Cerebras. Il s’engage à unifier ses puces avec les racks Helios AI en un « système d’inférence désagrégé ». Une solution commune devrait sortir d’ici à fin 2026, initialement au sein de l’offre Cerebras Cloud.

À consulter en complément :

Le datacenter IA, trame idéale pour le premier CPU d’Arm
Après la DRAM, le spectre d’une pénurie de CPU
Meta va-t-il devenir un néocloud ?
IaaS, inférence, bureautique… Microsoft rend son cloud un peu plus « local »
D’AWS à GCP, comment l’IA de Slack est devenue multicloud

Illustrations © AMD

The post AMD entre vraiment dans le jeu des racks IA exascale appeared first on Silicon.fr.

ROCm.ai, ou comment AMD inculque sa stack aux LLM

Rendez-vous en août pour la sortie de ROCm.ai.

AMD a fixé le rendez-vous à l’occasion de sa conférence Advancing AI. La promesse : de la programmation GPU assistée par IA. Avec, comme principaux leviers, des skills et un système appelé Hyperloom.

AMD met à contribution son serveur Lemonade

Six skills sont pour le moment disponibles. On les retrouve dans les catalogues de plug-in de Claude et de Codex, ainsi que sur la marketplace Cursor.

Deux de ces skills ciblent l’exécution côté client, sur les puces Ryzen AI : Local AI Use et Local AI App Integration.

Local AI Use fait passer la génération d’images ainsi que la synthèse et la reconnaissance vocales par un serveur Lemonade local. Les agents sont invités à l’exploiter, entre autres, lorsque l’utilisateur déclare vouloir économiser des tokens ; ou s’il mentionne des éléments comme OmniRouter, SD-Turbo ou l’inférence NPU.

Local AI App Integration ajoute un mode local aux applications qui utilisent des API cloud, grâce à une version embarquée du serveur Lemonade. Les agents sont censés l’exploiter lorsque l’utilisateur évoque l’IA locale, hors ligne, privée, etc.

Les quatre autres skills ciblent l’exécution côté serveur. Deux d’entre elles créent un endpoint vLLM, respectivement sur les GPU Instinct et sur les CPU EPYC. AMD précise aux agents que la skill Instinct… ne doit pas être utilisée avec les GPU NVIDIA.

Les deux skills restantes sont connectées à Magpie (framework d’évaluation de noyaux GPU) et TraceLens (bibliothèque Python pour l’analyse de workflows d’inférence et d’entraînement).

5 autres skills dans les cartons

Quatre skills cross-stack sont en roadmap :

  • ROCm Doctor
    Diagnostic des échecs ROCm, PyTorch et llama.cpp sur les GPU AMD à partir d’une liste de mauvaises configurations
  • Hyperloom Kernel Optimizer
    Optimisation automatique de l’inférence sur les GPU AMD
  • vLLM Semantic Router
    Paramétrage d’un routeur de requêtes
  • HRR Replay Analysis
    Enregistrement, rejeu et analyse des workloads GPU entre accélérateurs Instinct, Radeon et Ryzen

AMD en prépare aussi une sur la partie client : APU Memory Tuner, avec laquelle les agents IA pourront régler la répartition entre mémoire dédiée et mémoire partagée.

Claude Code intégré au cœur du réacteur Hyperloom

On l’aura constaté : plusieurs de ces skills permettent d’exploiter le fameux Hyperloom. Ce système agentique a, sur le papier, un rôle : optimiser les workloads IA pour les GPU AMD (en l’état, MI300X, MI325X et MI355X). Il gère actuellement deux serveurs (SGLang, vLLM) et trois langages (HIP, Triton, FlyDSL).

architecture Hyperloom AMD

Au bas de l’édifice se trouve TraceLens. La bibliothèque – agrémentée pour le coup d’une couche agentique – consomme les traces collectées par Magpie, qui s’appuie lui-même sur Intellikit (suite d’outils de profilage à bas niveau).

Cette analyse nourrit la boucle d’optimisation. La brique GEAK (Generating Efficient AI-Centric Kernels) en est le point central, chargée de générer les implémentations. À l’origine, elle optimisait noyau par noyau (« couche kernel ») La dernière version conserve cette option, mais peut aussi optimiser un workload dans son ensemble (« couche système »). Plusieurs modifications architecturales le permettent. En particulier, le remplacement de mini-swe-agent par Claude Code et ses workflows dynamiques. Mais aussi la réutilisation récursive de la couche kernel par la couche système (AMD parle de « conception fractale »). Et l’introduction d’Arbor. Cette méthode favorise l’exploration de l’espace d’optimisation en apportant un système de recherche arborescente qui fait office de mémoire de travail partagée.

GEAK v4 workflow kernel

GEAK v4 workflow e2e

Au-delà d’utiliser Claude Code dans le cadre d’Hyperloom, AMD l’exploite pour accélérer le développement de ROCm. Il travaille aussi avec OpenAI autour de Codex, qui « aide déjà à écrire du code Triton » et « progresse » avec Gluon.

À consulter en complément :

LLMD, un serveur d’inférence made in France qui se frotte à vLLM
PC IA : le NPU, emblème d’un marché qui se cherche encore
Jalapeño plutôt que Stargate : OpenAI a revu ses priorités
Meta mise des dizaines de milliards sur les GPU d’AMD
VM cloud : AMD reste dans le match du rapport coût-performance

Illustration principale générée par IA

The post ROCm.ai, ou comment AMD inculque sa stack aux LLM appeared first on Silicon.fr.

Le grand retour des CPU et de la mémoire à l’ère de l’IA agentique

C’est le grand retour des CPU et de la mémoire à l’ère de l’IA agentique.

Après l’euphorie autour de l’IA générative et l’explosion de la demande de GPU, les CPU et les mémoires reprennent de la valeur en Bourse comme dans les comptes d’exploitation.

Intel, AMD et Micron profitent d’un même mouvement de fond : la montée en puissance de l’IA agentique, des data centers et de la demande en capacités de calcul plus équilibrées.

Le marché croyait les processeurs classiques relégués derrière les GPU, indispensables à l’entraînement des modèles d’IA. Mais la montée des agents d’IA change la donne. Il faut désormais orchestrer davantage de tâches, de flux et d’inférences, ce qui redonne de l’importance aux CPU dans les datacenters.

Intel résume ce virage en affirmant que le ratio entre CPU et GPU dans certains usages est passé de 1 pour 8 à 1 pour 4, avec un mouvement qui pourrait encore favoriser les processeurs. AMD partage cette lecture et a relevé sa prévision de croissance du marché des CPU à 35 % par an en moyenne d’ici à 2030.

Ce rebond repose surtout sur les datacenters, où les CPU utilisés pour l’IA prennent le relais d’une activité PC plus molle.

Intel a aussi relevé ses prix, réorienté sa production vers les Xeon et tenté de reprendre la main sur le plan industriel avec sa nouvelle gravure 18A. En revanche, son bilan financier reste fragile avec des marges qui remontent lentement et une activité historique du PC qui demeure peu dynamique.

Les CPU reviennent au centre du jeu

AMD profite lui aussi du retournement, mais avec une dynamique plus lisible sur les ventes que sur la seule cote boursière. Au premier trimestre 2026, le groupe a annoncé 10,3 milliards $ de chiffre d’affaires, en hausse de 38 % sur un an, dont 5,8 milliards $ pour les puces serveurs Epyc et les GPU Instinct, soit une progression de 57 % sur un an.

Cette activité data center représente désormais 56 % des revenus d’AMD, ce qui montre sa dépendance à l’IA pour sa croissance.

Micron n’est pas un fabricant de processeurs au sens strict, mais sa trajectoire est liée au même cycle. Les mémoires sont devenues un goulot d’étranglement de l’IA, et le marché récompense les fournisseurs capables d’accompagner l’explosion des serveurs et des accélérateurs.

En 2025, Micron a été l’un des plus gros gagnants du secteur technologique en Bourse, porté par la demande en puces mémoire complémentaires des GPU utilisés dans l’IA. Autrement dit, le rebond concerne l’ensemble de l’écosystème qui permet de les alimenter en bande passante et en stockage rapide.

Ce mouvement n’efface pas les fragilités. Intel reste l’acteur le plus exposé à l’exécution de sa feuille de route, AMD doit transformer sa bonne dynamique commerciale en gains de parts de marché durables, et Micron reste très cyclique malgré la demande liée à l’IA.

Mais pour l’instant, les marchés ont tranché : les processeurs et la mémoire ne sont plus des segments « secondaires ». Ils redeviennent des actifs stratégiques, soutenus par une nouvelle phase de l’IA où la capacité à orchestrer les calculs compte autant que la puissance de calcul elle-même.

The post Le grand retour des CPU et de la mémoire à l’ère de l’IA agentique appeared first on Silicon.fr.

❌