La Chine commence à élaborer sa propre version du « chip-to-cloud », avec une répartition du pouvoir de plus en plus visible. Au premier semestre 2025, Baidu et Huawei ont conjointement concentré plus de 70 % du marché chinois des services cloud basés sur des GPUs nationales, selon un rapport de Frost & Sullivan qui évalue les fournisseurs capables de contrôler l’ensemble de la chaîne de valeur : depuis le puce d’intelligence artificielle jusqu’aux clusters de calcul et au service cloud.

Le leadership, en réalité, n’est pas disputé à parts égales. Baidu aurait atteint une part de marché de 40,4 % et Huawei de 30,1 %, une photographie qui confirme que la compétition ne se limite plus uniquement à la conception d’accélérateurs, mais porte également sur la capacité à transformer des milliers — voire dizaines de milliers — de puces en un “pool” de calcul utilisable, stable et commercialisable à grande échelle.

De la puce individuelle à l’écosystème complet : la stratégie du “full stack”

Ce changement majeur s’explique par une tendance que le marché récompensera : au-delà de la simple pièce de silicium, les grands groupes technologiques chinois et leurs divisions de semi-conducteurs investissent dans le full stack : matériel, logiciel, plateformes de développement et produits cloud. L’objectif est clair : réduire la dépendance extérieure et bâtir une alternative propre aux écosystèmes dominants en IA, où le logiciel et les outils ont autant d’importance que la puissance brute du chip.

Le rapport souligne cette transition : les leaders ne rivalisent plus uniquement par des spécifications techniques, mais intègrent une infrastructure de bout en bout. Dans ce contexte, le terme “GPU cloud” ne désigne pas une entreprise qui loue simplement des GPU, mais celles qui contrôlent toute la valeur et peuvent garantir l’approvisionnement, l’exploitation et l’évolution technologique sans recourir à des tiers pour les éléments cruciaux.

Une mise en garde : encore des limites techniques et de marché

Ce constat ne doit pas être interprété de façon triomphaliste. Frost & Sullivan indique que le marché domestique des GPU fait encore face à des restrictions en matière de performance matérielle, d’écosystèmes logiciels, d’intégration des systèmes et d’exploitation commerciale. Seuls quelques fournisseurs ont réalisé des déploiements véritablement à grande échelle.

Ce détail est important : il décrit l’état réel de l’industrie chinoise des accélérateurs. Elle est passée d’un « plan de contingence » à un « plan sérieux », mais elle construit encore des habitudes, des compatibilités et des outils qui transforment une GPU en une plateforme attrayante pour les développeurs et les entreprises.

Cependant, la projection du rapport reste ambitieuse : dans les 3 à 5 prochaines années, les GPUs nationales pourraient évoluer du statut de « soutien stratégique » à celui de « pilier central » de l’industrie de l’IA du pays, soutenues par une équation qui commence à convaincre les acheteurs : un rapport coût-performance compétitif pour les charges réelles d’entraînement et d’inférence.

Baidu et Kunlunxin : l’intégration comme avantage stratégique

Pour Baidu, le leadership réside dans l’intégration de sa plateforme d’IA Baige avec des GPU développés par sa division de semi-conducteurs Kunlunxin. Cette combinaison — plateforme + puce maison — représente précisément ce type “d’intégration verticale” qui permet de faire évoluer les services : le fournisseur n’est pas dépendant d’un approvisionnement externe pour ses accélérateurs et peut optimiser logiciel, pilotes, compilateurs et déploiement en fonction de son propre hardware.

Un chiffre significatif indique la dynamique : Kunlunxin aurait livré près de 70 000 unités en 2024, ce qui illustre que nous sommes au-delà des prototypes ou pilotes isolés, avec un volume suffisant pour constituer des clusters et gagner en expérience opérationnelle.

De plus, Kunlunxin — créée en 2012 en tant qu’unité interne — gagne en autonomie avec le temps. Ce processus explique pourquoi la prochaine étape se dessine déjà : la levée de fonds en bourse.

L’essor des IPO : semi-conducteurs, cloud et stratégie nationale

Il ne s’agit pas seulement d’un enjeu industriel, mais aussi financier. Dans un contexte où l’autosuffisance est renforcée et la demande en puissance de calcul en croissance, plusieurs entreprises chinoises du secteur accélèrent leur processus d’introduction en bourse. Dans ce cadre, Baidu a annoncé avoir déposé en toute discrétion une demande pour une IPO à Hong Kong concernant Kunlunxin, sans préciser encore la taille ni la structure définitive de l’opération.

Ce mouvement s’inscrit dans une logique double : d’un côté, capter des financements et donner de la visibilité à une unité stratégique ; de l’autre, renforcer le message selon lequel la Chine souhaite construire une filière complète pour l’IA, du chip au service cloud.

La concurrence évolue également. Le texte indique que Enflame, un autre concepteur chinois basé à Shanghai, aurait terminé son processus de “mentorat” en vue d’une entrée éventuelle sur le marché STAR, segment technologique de référence en Chine. Cela montre que le marché domestique des accélérateurs devient plus mature : plus de capital, plus de préssion pour des ventes concrètes et un focus renforcé sur l’exécution.

Huawei : le second pilier du “GPU cloud” national

De son côté, Huawei apparaît comme le deuxième acteur majeur, avec une part de 30,1 %. Sa présence renforce l’idée que le “GPU cloud” en Chine se concentre sur des géants capables de gérer des infrastructures massives et de maintenir une chaîne de production complète, du chip au service, avec la capacité de déployer et de convaincre de grands clients.

Dans ce contexte, la part de marché n’est pas seulement un indicateur économique : elle reflète qui parvient à transformer la computation en un service accessible, ce qui demande bien plus que de concevoir un seul chip. Il faut du support, des outils, de la documentation, une intégration fluide avec les flux d’entreprises, et une expérience utilisateur qui ne pénalise pas lorsqu’on s’écarte des standards dominants.

Impacts pour l’écosystème IA en Chine

Pour les entreprises chinoises entraînant ou déployant des modèles, la transition vers des fournisseurs “chip-to-cloud” implique une promesse : une meilleure continuité d’approvisionnement et une voie domestique pour faire évoluer l’IA. Pour l’écosystème technique, cela signifie que l’effort principal doit désormais porter sur le logiciel, la compatibilité et les outils, car c’est là que se gagne — ou se perd — la fidélité des développeurs.

Et pour le marché mondial, l’évidence est claire : la demande en puissance de calcul pour l’IA pousse à construire des alternatives globales, complètes, pas seulement en chips. La Chine mise sur une industrie indépendante des fournisseurs étrangers pour l’essentiel, et Baidu ainsi que Huawei apparaissent, pour l’instant, comme les principaux bénéficiaires de cette stratégie.

Questions fréquentes

Que signifie “GPU cloud” lorsqu’on parle de Chine et de semi-conducteurs nationaux ?
Il désigne les fournisseurs qui contrôlent toute la chaîne “chip-to-cloud” : accélérateurs propres, clusters de calcul et infrastructure cloud prête à l’emploi pour les clients.

Pourquoi Baidu et Huawei dominent-ils ce marché face à d’autres acteurs ?
Parce qu’ils combinent des puces maison avec la capacité à exploiter de grands centres de calcul et à offrir des services cloud à grande échelle, ce qui requiert une intégration et une solidité opérationnelle importantes.

Les GPUs chinoises peuvent-elles déjà rivaliser avec les meilleures du marché ?
Il existe encore des limitations en termes de performance, de logiciels et d’intégration, mais on note une amélioration du rapport coût-performance dans des charges opérationnelles réelles et une avancée vers des déploiements plus importants.

Que signifient les initiatives de Kunlunxin et autres concepteurs souhaitant entrer en Bourse ?
Cela indique généralement une phase d’expansion : besoin de capitaux, pression pour la croissance et volonté de devenir des acteurs stratégiques dans l’infrastructure de l’IA.

Source : scmp