La Chine tente à nouveau de modifier les règles du marché des puces pour l’intelligence artificielle. Plutôt que de participer directement à la course aux processus de fabrication les plus avancés, la startup chinoise Dongfang Suanxin (DFSX) adopte une stratégie radicalement différente : réduire le goulet d’étranglement de la mémoire. Sa future plateforme TY64 SuperNode, basée sur les accélérateurs DF2000 de 14 nanomètres, promet jusqu’à 960 To/s de bande passante mémoire, bien au-delà des 576 To/s que propose le système NVIDIA GB200 NVL72, selon les chiffres communiqués par l’entreprise elle-même.

Les clés de DFSX et son pari sur la mémoire en 20 secondes

• DFSX mise sur une architecture et un encapsulage en 3D plutôt que sur la compétition dans les nœuds de fabrication.
• Le futur DF2000 maintiendra un processus de 14 nm, mais portera le débit jusqu’à 15 To/s par puce.
• Une plateforme TY64 SuperNode atteindrait 960 To/s de bande passante agrégée, selon la société.
• La proposition vise à réduire la dépendance chinoise à la mémoire HBM et aux technologies soumises à des restrictions américaines.
• Les chiffres n’ont pas encore été vérifiés par des évaluations indépendantes.

Cette initiative arrive à un moment où l’industrie commence à reconnaître que augmenter uniquement la puissance de calcul ne suffit plus pour améliorer la performance des modèles d’IA. Dans des charges telles que l’entraînement de grands modèles linguistiques ou l’inférence à grande échelle, déplacer les données de la mémoire vers les unités de calcul est devenu l’un des principaux facteurs limitant la performance.

La « mur de mémoire », le nouvel ennemi de l’intelligence artificielle

Pendant des années, la course dans le domaine des semi-conducteurs a tourné autour de deux indicateurs : la taille du nœud de fabrication et le nombre de FLOPS (opérations par seconde).

Cependant, l’explosion de l’IA a mis en évidence un autre problème connu depuis des décennies : le memory wall, ou « mur de mémoire ».

Les GPU actuels sont capables d’effectuer d’énormes quantités d’opérations mathématiques, mais restent souvent partiellement inactifs en attendant que les données soient transférées depuis la mémoire. Ce temps d’attente réduit l’utilisation effective du matériel et limite l’efficacité des systèmes coûtant des millions de dollars.

DFSX affirme que là réside la véritable opportunité.

Au lieu de poursuivre les processus de 2 ou 3 nanomètres, la société a conçu une architecture où mémoire et logique de calcul sont physiquement beaucoup plus proches.

Un chip de 14 nanomètres évitant la dépendance à la HBM

Le premier accélérateur de la société, le DF1000, a déjà attiré l’attention en utilisant un procédé mature de 14 nm associé à une architecture Near-Memory Computing, ou calcul en proche mémoire.

Son design élimine l’utilisation traditionnelle de micro-bumps via le hybrid bonding au niveau de la wafer, connectant directement la logique à la mémoire par des millions de connexions verticales. Selon DFSX, cela permet d’atteindre un débit de 6,4 To/s en utilisant leur propre mémoire, évitant ainsi la dépendance à la mémoire HBM soumise à des contraintes commerciales.

La prochaine génération, baptisée DF2000, ira encore plus loin.

Au lieu d’empiler une seule couche de mémoire sur la logique, elle utilisera plusieurs tours de mémoire et de calcul regroupés via une architecture appelée 3.5D Infinity Chiplet.

Selon la feuille de route dévoilée par l’entreprise :

Les chiffres proviennent de DFSX et n’ont pas encore été vérifiés par des tiers indépendants.

Plus de mémoire, mais une puissance de calcul moindre

Cette stratégie comporte une contrepartie importante.

Même si la bande passante est très élevée, la puissance de calcul reste nettement inférieure à celle de NVIDIA.

Selon les données fournies par DFSX :

• TY64 avec DF2000 : 64 PFLOPS BF16
• NVIDIA GB200 NVL72 : 360 PFLOPS BF16

L’écart reste conséquent.

La thèse de la société chinoise est que de nombreux modèles d’IA actuels n’exploitent pas pleinement ces FLOPS parce qu’ils attendent en permanence les données de la mémoire.

Si cette hypothèse est correcte, une architecture avec une puissance brute moindre mais un accès à la mémoire plus rapide pourrait offrir une meilleure efficacité dans certains scénarios d’inférence.

La réponse chinoise aux restrictions américaines

Au-delà de la technologie, le projet reflète la transformation que traverse l’industrie chinoise des semi-conducteurs.

Les restrictions américaines limitent l’accès à la lithographie avancée et aux mémoires HBM de dernière génération. En conséquence, plusieurs entreprises chinoises cherchent à concurrencer via de nouvelles architectures plutôt que d’emboîter le pas à NVIDIA, AMD ou TSMC.

DFSX s’appuie sur une chaîne d’approvisionnement entièrement nationale et a déjà présenté une feuille de route incluant :

• DF1000, dont les livraisons devraient commencer avant la fin 2026.
• DF2000, prévu pour le dernier trimestre 2026.
• DF3000, attendu fin 2027 avec un objectif de 20 To/s par puce.

Le logiciel et la fabrication restent des inconnues majeures

Les chiffres publiés par DFSX sont impressionnants, mais de nombreuses questions subsistent.

Premièrement, la société n’a pas encore démontré la performance de ses plateformes en charges réelles comparables à celles de NVIDIA.

De plus, le succès commercial dépendra de facteurs tels que :

• La maturité de l’écosystème logiciel.
• Les compilateurs et bibliothèques pour l’IA.
• La capacité de scalabilité à l’échelle de centaines ou milliers d’accélérateurs.
• Les rendements de fabrication.
• L’efficacité énergétique.

L’entreprise elle-même reconnaît que l’empilement tridimensionnel pose aussi des défis industriels, notamment concernant la qualité des rendements de fabrication lorsque le nombre de couches augmente.

Ce qui devient de plus en plus évident, c’est que la prochaine génération d’accélérateurs pour l’IA ne se décidera pas uniquement par la finesse du nœud de fabrication. La mémoire, l’encapsulage avancé et la rapidité de transfert de données commencent à devenir aussi importants que le nombre de FLOPS.

Questions fréquentes

Qu’est-ce que DFSX ?

Dongfang Suanxin (DFSX) est une startup chinoise spécialisée dans les accélérateurs pour l’intelligence artificielle, privilégiant des architectures proches de la mémoire et une chaîne d’approvisionnement nationale.

Pourquoi utilise-t-elle un procédé de 14 nm ?

La société privilégie une architecture différente basée sur l’encapsulation 3D et la mémoire intégrée pour réduire la dépendance aux nœuds avancés et à la mémoire HBM.

Est-ce que le DF2000 sera plus rapide que NVIDIA ?

Pas nécessairement. DFSX indique qu’il offrira un débit mémoire supérieur, mais reconnaît une puissance de calcul BF16 inférieure à celle du système NVIDIA GB200 NVL72.

Ces chiffres ont-ils été vérifiés ?

Non. Les données concernant le DF2000 et le TY64 SuperNode proviennent de la société elle-même et n’ont pas encore été confirmées par des tests indépendants.

vía : wccftech