La nouvelle génération d’infrastructures pour l’intelligence artificielle ne se limite plus au domaine des GPU. NVIDIA et AMD conçoivent des plateformes complètes où CPU, GPU, mémoire, réseau et stockage fonctionnent en synergie comme un seul système intégré. Dans ce contexte, émergent NVIDIA Vera Rubin et AMD Helios, deux architectures poursuivant le même objectif, mais avec des philosophies très différentes.

En résumé : Vera Rubin et Helios en 20 secondes

• NVIDIA mise sur un écosystème entièrement intégré autour de Vera Rubin.
• AMD répond avec Helios, une plateforme ouverte basée sur les accélérateurs Instinct MI500.
• Les deux systèmes sont conçus pour faire évoluer des milliers de GPU dans une seule infrastructure d’IA.
• La différence ne réside pas seulement dans la puissance, mais aussi dans l’architecture complète du centre de données.

NVIDIA : une intégration totale du composant jusqu’au rack

Avec Vera Rubin, NVIDIA poursuit la stratégie qui lui a déjà apporté de grands succès avec DGX et GB200 NVL72.

La société ne vend pas uniquement des GPU. Elle conçoit pratiquement toute la plateforme :

• CPU Vera basée sur Arm
• GPU Rubin
• Réseau Spectrum-X et InfiniBand
• BlueField DPU
• NVLink et NVSwitch
• Software CUDA, NCCL et toute la suite AI Enterprise

L’objectif est que tout fonctionne comme un ordinateur géant unique.

L’architecture NVL72 permet déjà de connecter des dizaines de GPU avec une bande passante interne considérable. Rubin ira encore plus loin en augmentant la mémoire HBM, la capacité d’interconnexion et l’efficacité énergétique.

L’avantage est évident : NVIDIA contrôle quasiment tous les composants clés.

Mais cet avantage comporte aussi ses inconvénients.

L’utilisateur entre dans un écosystème très intégré, rendant le remplacement ou la mise à niveau d’une pièce beaucoup plus complexe.

AMD Helios : une architecture plus ouverte

AMD adopte une philosophie différente.

Helios sera la progression naturelle de ses plateformes Instinct, utilisant la future gamme Instinct MI500, accompagnée de processeurs EPYC Venice et d’une nouvelle génération d’interconnexions à très haute vitesse.

Bien qu’AMD développe également une plateforme complète, sa stratégie reste plus ouverte que celle de NVIDIA.

L’entreprise mise sur :

• ROCm comme alternative à CUDA
• CPU EPYC
• GPU Instinct
• Interconnexions UALink et Ultra Ethernet
• Partenariats avec différents fabricants OEM

AMD cherche à convaincre les grands fournisseurs de cloud en offrant une plus grande flexibilité pour bâtir des infrastructures sur mesure.

Deux philosophies face à un même défi

Le véritable enjeu ne se résume plus simplement à produire des GPU plus rapides.

Le vrai goulot d’étranglement se produit lorsque des milliers d’accélérateurs doivent fonctionner simultanément.

À ce stade entrent en jeu des aspects tels que :

• latence entre les nœuds
• bande passante
• mémoire partagée
• consommation énergétique
• refroidissement
• stockage
• software distribué

C’est pourquoi NVIDIA parle de plus en plus d’AI Factory, tandis qu’AMD emploie le concept d’AI Infrastructure.

Dans les deux cas, la GPU n’est qu’une composante du système complet.

Logiciel : le vrai différenciateur

Si une différence majeure existe, c’est probablement au niveau du logiciel.

CUDA reste la norme incontournable pour la majorité des développeurs IA.

À cela s’ajoutent des outils comme :

• TensorRT
• NCCL
• AI Enterprise
• NIM
• Dynamo
• NeMo

AMD a considérablement amélioré ROCm ces deux dernières années, et de plus en plus de modèles fonctionnent désormais correctement sur ses accélérateurs Instinct.

Cependant, il existe encore une différence notable dans le degré de maturité de l’écosystème.

Mémoires et stockage : une nouvelle bataille

Un autre enjeu majeur concerne le rôle du stockage.

Les modèles d’IA ne tiennent plus entièrement dans la mémoire HBM.

Ainsi, NVIDIA et AMD développent de nouvelles architectures où SSD PCIe Gen6, mémoire CXL et stockage distribué deviennent partie intégrante de la hiérarchie mémoire.

NVIDIA a déjà lancé des initiatives comme Storage-Next et SCADA, tandis que tout indique qu’AMD poursuivra une voie similaire dans Helios pour réduire sa dépendance à la mémoire HBM.

Quelle plateforme sera la meilleure ?

Il est encore trop tôt pour le dire.

Rubin n’est pas encore disponibles commercialement, et Helios arrivera plus tard.

De plus, de nombreuses spécifications détaillées restent confidentielles.

Ce qui semble clair, c’est que la compétition ne se limite plus à la puissance brute d’une GPU.

Les grands fournisseurs de cloud évalueront désormais des aspects comme :

• coût par token généré
• efficacité énergétique
• facilité de déploiement
• écosystème logiciel
• capacité de montée en charge
• disponibilité de mémoire
• intégration avec réseaux et stockage

En définitive, Vera Rubin et Helios incarnent deux visions distinctes pour construire la prochaine génération d’usines d’intelligence artificielle. NVIDIA mise sur une intégration quasi totale du hardware et du software, tandis qu’AMD cherche à offrir une alternative plus ouverte et flexible pour les hyperscalers et grands centres de données. La vraie compétition ne sera plus seulement entre GPU, mais entre des plateformes complètes capables de répondre à la demande croissante de modèles IA de plus en plus grands et complexes.

Questions fréquentes

Qu’est-ce que NVIDIA Vera Rubin ?

Il s’agit de la prochaine plateforme d’intelligence artificielle de NVIDIA, combinant CPU Arm Vera, GPU Rubin, réseaux NVLink et InfiniBand, ainsi que toute la pile logicielle CUDA.

Qu’est-ce qu’AMD Helios ?

Helios est la future plateforme d’IA d’AMD basée sur les accélérateurs Instinct MI500, des processeurs EPYC, et une architecture conçue pour les grands centres de données.

La différence réside-t-elle uniquement dans les GPU ?

Non. La compétition se concentre de plus en plus sur des plateformes complètes intégrant processeurs, mémoire, réseaux, stockage et logiciels.

Laquelle sera la première à arriver ?

NVIDIA et AMD ont annoncé des calendriers différenciés pour leurs prochaines générations, mais toutes deux sont prévues pour les prochains cycles de déploiement d’infrastructures IA en centres de données.