Résumé en langage simple
Cette nouvelle annonce qu’en 2026, JD Cloud a dévoilé une information majeure lors de son salon technologique : la création d’un super cluster de calcul doté de 100 000 puces GPU fabriquées en Chine. Ce cluster repose entièrement sur des puces de la marque chinoise Moore Threads et est conçu pour fournir des ressources de calcul aux grands modèles d’apprentissage automatique ainsi qu’aux robots intelligents et aux bras mécaniques industriels, des exemples d’« AI physique » capables de fonctionner dans le monde réel. Il sera mis à la disposition de l’ensemble de l’industrie.
C’est la première fois qu’un fournisseur de services cloud majeur en Chine remplace l’ensemble des puces de son cluster de calcul par des produits nationaux, ce qui coïncide parfaitement avec la politique du Ministère de l’Industrie et de l’Information visant à promouvoir le développement de tels clusters. Cela marque un tournant important, car les GPU chinois, jusqu’alors considérés comme ayant des performances moyennes et seulement utilisables de manière occasionnelle, ont enfin franchi le cap de la commercialisation à grande échelle. La baisse des coûts de calcul par l’IA devrait donc entraîner une réduction significative des barrières à l’utilisation de cette technologie dans tous les secteurs.
---
Analyse détaillée
1. Quel est le niveau de ce super cluster de 100 000 puces GPU ?
Beaucoup ne comprennent pas bien ce qu’un tel cluster représente. Pour vous donner une idée, auparavant, tous les grands fournisseurs de services cloud en Chine utilisaient des puces NVIDIA étrangères pour leurs clusters de calcul. Les puces chinoises ne pouvaient au mieux fournir que quelques milliers de puces, et atteindre 10 000 puces était considéré comme un niveau de pointe dans l’industrie. Cette fois, avec 100 000 puces, la difficulté ne réside pas simplement dans le fait de multiplier le nombre de puces par 10 : il s’agit de connecter 100 000 ordinateurs de jeu haute performance pour effectuer des calculs en même temps. Même un seul ordinateur en panne pourrait bloquer plusieurs mois de travail sur un grand modèle d’apprentissage automatique. Les puces chinoises n’étaient pas suffisamment fiables et rapides pour répondre à ces exigences. Cette fois, les performances des puces chinoises ont été multipliées par 10, créant un véritable pool de calcul capable de gérer des modèles d’apprentissage automatique de manière stable.
2. Pourquoi maintenant ? Les conditions politiques et industrielles sont idéales
Cette initiative n’est pas le résultat d’une décision hasardeuse de la part de JD Cloud pour suivre la tendance ; elle coïncide avec deux facteurs clés :
- Le plan de développement des communications de l’industrie et de l’information pour la période 2021-2025, qui encourage explicitement la construction de clusters de calcul intelligents nationaux et offre diverses formes de soutien. Auparavant, les entreprises hésitaient à utiliser des puces chinoises de peur de rencontrer des problèmes. Désormais, la politique offre une direction claire.
- Les applications d’IA physique (robots logistiques, bras mécaniques industrielles, robots de service domestiques) sont à un point de croissance exponentielle, nécessitant des capacités de calcul beaucoup plus importantes que les applications purement en ligne. Les puces importées étaient non seulement très chères, mais leur approvisionnement pouvait également être limité. JD Cloud, disposant de milliers de scénarios réels dans les domaines du commerce de détail, de la logistique et de l’industrie, a un réel besoin de telles capacités de calcul et les met à disposition de l’ensemble de l’industrie, et non pas seulement comme un élément de spectacle.
3. Il ne s’agit pas de simplement acheter des puces pour remplir les quotas : il s’agit d’une collaboration complète et fondamentale
Auparavant, de nombreux fournisseurs de services cloud achetaient des puces chinoises uniquement pour répondre aux exigences de nationalisation, mais les plateformes cloud et les logiciels d’apprentissage automatique restaient basés sur des technologies étrangères, limitant les performances des puces chinoises à environ 30 %. Cette fois, JD Cloud et Moore Threads collaborent dès le niveau des puces pour les adapter aux besoins spécifiques de JD Cloud. Les outils associés à la plateforme cloud ont été conçus spécialement pour ces puces, et le processus d’apprentissage automatique a été développé conjointement. Cela permet de maximiser les performances des puces, et les besoins réels de JD Cloud peuvent être utilisés pour améliorer continuellement les performances des puces, créant ainsi un cycle vertueux : « scénarios réels → entraînement de modèles → optimisation des puces ».
4. L’avantage concret : une baisse significative des coûts de calcul par l’IA pour l’ensemble de l’industrie
L’activation de ce cluster de 100 000 puces entraînera une baisse importante des prix des services d’IA. Auparavant, l’entraînement d’un grand modèle d’apprentissage automatique nécessitait des dépenses considérables. Avec des puces chinoises, les coûts de calcul seront réduits de moitié par rapport aux puces importées, grâce à l’économie d’échelle. Les petites entreprises et les startups n’avaient pas les moyens d’utiliser l’IA ; par exemple, ouvrir une petite usine et mettre en place des systèmes de contrôle intelligent pour les bras mécaniques coûtait des centaines de milliers de yuans. Désormais, cela peut être réalisé pour quelques dizaines de milliers de yuans. De plus, le coût de création de vidéos longues ou de contenu 3D pour les particuliers diminuera considérablement, et il sera bientôt possible d’acquérir des robots de service domestiques capables d’aider réellement dans les tâches ménagères, plutôt que des modèles de base uniquement destinés à des tâches simples comme le nettoyage.
5. Un jalon pour l’industrie : les GPU chinois passent d’une utilisation occasionnelle à une utilisation à grande échelle
Jusqu’alors, l’industrie considérait les GPU chinois comme peu fiables, uniquement adaptés à des tâches simples d’IA. De nombreuses entreprises hésitaient à les utiliser de peur de perturber leurs activités. Avec le lancement de ce cluster de 100 000 puces, il est démontré que les GPU chinois peuvent gérer des clusters de grande taille de manière stable. Désormais, d’autres fournisseurs de services cloud et entreprises n’auront plus à choisir entre des technologies étrangères et nationales ; ils pourront simplement suivre ce modèle. Cela permettra à l’ensemble de la chaîne industrielle des technologies de calcul d’IA (puces, serveurs, plateformes cloud) de se développer de manière indépendante, sans plus dépendre des fabricants étrangers.