CUDA n’est pas le rempart de NVIDIA, ses équipes le sont : l’argument vu de l’intérieur de la pile.

Un ingénieur qui a travaillé pendant huit ans sur les compilateurs, les bibliothèques et les DSL CUDA soutient que l’explication habituelle de l’avantage de NVIDIA — un vaste ensemble de logiciels CUDA qui enferme les développeurs — est fausse. Selon cette explication, CUDA est un produit défini par ce que les clients éprouvent lorsqu’ils atteignent une limite, et ce qui l’a rendu possible a été environ une décennie d’investissements non rentables à partir de 2006 environ.

L’explication habituelle de l’avantage de NVIDIA est que CUDA est un langage de programmation et un compilateur, qu’une masse énorme de logiciels a été écrite dans ce langage, et que c’est ce volume qui fait que les développeurs ne peuvent pas quitter les GPU NVIDIA. Dans un essai qui circule cette semaine, un ingénieur avec huit ans d’expérience sur les compilateurs, bibliothèques et langages spécifiques à un domaine de CUDA — des générations Volta à Rubin — soutient que cette explication est une méprise sur ce qu’est le produit.

CUDA comme expérience client, et non comme base de code

Dans cette analyse, CUDA n’est pas un langage, un logiciel ou une architecture matérielle. C’est un produit défini par ce qu’un client éprouve à chaque point de friction, et la liste des promesses constitue la substance de l’argument.

Lorsque la programmation GPU est trop difficile
CUDA offre un accès au matériel moins exigeant en effort, plutôt qu’une spécification que le client doit satisfaire seul.
Lorsque le code n’est pas assez rapide
Les ingénieurs NVIDIA s’impliquent directement sur le problème du client — un support intégré au produit, et non une file de tickets reléguée au second plan.
Lorsque quelques GPU ne suffisent pas
La plateforme s’adapte d’un poste de travail à un déploiement en centre de données, sans imposer une réécriture à un stade intermédiaire.
Lorsque personne d’autre ne peut fournir le matériel
La capacité de plaquettes et de HBM est sécurisée des années à l’avance, afin que l’expansion du client ne soit pas limitée par l’allocation d’un tiers.

Quatre promesses, un seul produit. Chacune est tenue par des équipes, et non par une API — c’est pourquoi l’essai situe l’avantage dans l’organisation plutôt que dans la chaîne d’outils.

L’artefact visible est l’écosystème logiciel. L’argument est que l’écosystème est le résidu de cette expérience, et non sa cause.

Le pari de 2006 et la décennie qu’il a coûtée

L’histoire importe pour la thèse, car elle explique pourquoi la position est difficile à occuper plutôt que simplement difficile à copier.

Vers 2006, NVIDIA a commencé à transformer les GPU, jusque-là processeurs graphiques, en une plateforme de calcul à usage général — un pari selon lequel la demande future de puissance de calcul dépasserait de loin ce qu’exigeaient les charges de travail graphiques. Selon le récit de l’essai, les premières années furent un échec commercial : le coût supplémentaire pesait sur les marges, le marché n’était pas prêt et la stratégie a suscité un scepticisme persistant, y compris de la part du conseil d’administration.

Environ une décennie a suivi, pendant laquelle NVIDIA a continué de financer le matériel, les logiciels et l’écosystème de développeurs avant que le retour commercial ne soit visible. Puis l’apprentissage profond est arrivé, et la plateforme était déjà en place.

2,006

l’année où le pari sur les GPU à usage général a commencé

années pendant lesquelles l’auteur de l’essai a travaillé sur la pile CUDA

10+

années d’investissement avant les retombées commerciales, selon l’auteur

Cette séquence est la partie qu’un concurrent ne peut pas acheter à la fin. Un rival peut financer une équipe de compilateurs aujourd’hui ; il ne peut pas absorber rétroactivement une décennie de pertes sur une plateforme dont personne ne voulait, ce qui était la situation de NVIDIA jusqu’à l’arrivée du marché.

Ce que le récit du volume logiciel laisse de côté

Le récit des volumes traite les coûts de basculement comme techniques. L’essai les traite comme organisationnels : les développeurs restent parce que, quand quelque chose casse, une personne compétente répond, et parce que la capacité arrive lorsqu’on en a besoin. Ce sont des fonctions des effectifs et des accords d’approvisionnement, pas d’une spécification de langage.

Il recadre aussi ce qu’un concurrent devrait reproduire. Pas une chaîne d’outils — la chaîne d’outils est la partie la moins chère — mais une entreprise disposée à porter une plateforme non rentable assez longtemps pour que son marché apparaisse.

Ce qu’un concurrent devrait reproduire

Une chaîne d’outils
La partie la moins chère. Un concurrent peut embaucher des ingénieurs compilateurs et livrer un langage dès aujourd’hui.
Une décennie de travail non rentable
Non achetable a posteriori : les pertes doivent être absorbées alors que le marché n’existe pas encore.
Une organisation de support
Du personnel qui répond lorsqu’un noyau client est lent — un coût en effectifs et en culture qui évolue avec la base de clients, pas avec la base de code.
Un approvisionnement sécurisé des années à l’avance
Une allocation de plaquettes et de HBM engagée avant que la demande ne soit visible, ce qui exige un bilan et de la crédibilité, pas une feuille de route.

Trois des quatre ne peuvent pas être achetés au moment où ils sont nécessaires.

Le calendrier

L’argument est désormais assorti d’un test. Le 12 novembre, comme rapporté, Jensen Huang a démissionné de son poste de directeur général de NVIDIA, la directrice financière Colette Kress étant nommée directrice générale par intérim et Harvey C. Jones étant nommé premier président du conseil d’administration de l’entreprise.

L’essai désigne Huang comme la personne qui a fait tenir l’effort et lui a donné un objectif unique. Si c’est exact, l’avantage concurrentiel n’est ni le logiciel ni le silicium — c’est l’organisation, et l’on demande désormais à l’organisation de le démontrer sans la personne qui l’a assemblée.

un essai d’un ingénieur ayant huit ans d’expérience sur les compilateurs, bibliothèques et DSL CUDA chez NVIDIA, couvrant les générations Volta à Rubin ; le pari de 2006 sur les GPU à usage général et la décennie d’investissement sont tels que décrits dans cet essai. La démission et les nominations du 12 novembre sont telles que rapportées par CNBC et traitées séparément sur ce site. Les dates de la section historique sont celles couramment documentées ; l’essai ne donne pas de chiffres exacts pour la période d’investissement.

Contact : [email protected]

Veuillez noter que la version française est assistée par Ai, des erreurs mineures peuvent donc exister.

Auteur

Ai-Banking-NetworkSecurity (ABN), ABN ASIA a été fondée par des personnes ayant des racines profondes dans le milieu académique, avec une expérience professionnelle aux États-Unis, aux Pays-Bas, en Hongrie, au Japon, en Corée du Sud, à Singapour et au Vietnam. ABN ASIA est l'endroit où l'académie et la technologie rencontrent l'opportunité. Avec nos solutions de pointe et nos services de développement logiciel compétents, nous aidons les entreprises à se développer et à s'imposer sur la scène mondiale. Notre engagement : Plus vite. Mieux. Plus fiable. Dans la plupart des cas : moins cher également.

N'hésitez pas à nous contacter chaque fois que vous avez besoin de services informatiques, de conseils en matière de numérique, de solutions logicielles prêtes à l'emploi, ou si vous souhaitez nous envoyer des demandes de propositions (RFP). Vous pouvez nous contacter à l'adresse [email protected]. Nous sommes prêts à vous aider avec tous vos besoins technologiques.