Nvidia repousse de 2027 à 2028 ses serveurs Kyber sous Rubin Ultra en raison de problèmes de production

Nvidia a repoussé de 2027 à 2028 le lancement de Kyber, son architecture serveur bâtie sur les accélérateurs Rubin Ultra. L'information a été rapportée par CNBC, qui cite le cabinet d'analyse SemiAnalysis. Le retard serait dû à des difficultés de production de l'un des composants clés du système.

Ce que l'on sait du report

• Source de l'information : CNBC, citant les analystes de SemiAnalysis
• L'architecture Kyber glisse de 2027 à 2028
• Kyber repose sur les accélérateurs Rubin Ultra
• Cause du retard : des difficultés de production de l'un des composants clés du système

Rubin Ultra fait partie des prochaines générations d'accélérateurs IA de Nvidia. Dans la feuille de route annuelle de l'entreprise, il succède aux architectures Blackwell, Blackwell Ultra et Vera Rubin. Kyber désigne quant à lui la plateforme rack qui regroupe ces puces en un système de calcul unique, destiné aux data centers qui entraînent et servent de grands modèles d'IA.

Depuis 2024, Nvidia affiche publiquement une stratégie de sortie d'une nouvelle génération d'infrastructure IA environ une fois par an. Ce rythme passait auparavant pour quasi impossible avec un matériel aussi complexe que des systèmes rack à refroidissement liquide, comptant des dizaines de milliers d'interconnexions entre puces. C'est précisément cette cadence inédite qui a permis à l'entreprise de dominer le marché des puces d'entraînement des grands modèles de langage. Mais elle exige aussi un fonctionnement sans accroc de toute la chaîne d'approvisionnement, des fonderies sous contrat qui fabriquent les puces jusqu'aux assembleurs de racks serveurs.

Pourquoi ce report compte pour le marché

Ces dernières années, Nvidia s'est tenu à un cycle annuel serré de renouvellement de ses puces et racks IA haut de gamme. C'est ce rythme qui lui permettait de conserver sa domination sur le marché des accélérateurs pour l'entraînement et l'inférence des grands modèles de langage. Tout glissement de ce calendrier affecte directement les plans des hyperscalers comme Microsoft, Google, Amazon et Meta. Ceux-ci programment leurs achats d'équipements pour data centers des années à l'avance et dimensionnent leurs capacités en fonction des dates d'arrivée prévues de chaque nouvelle génération de puces.

Les difficultés de production de composants clés pour les puces IA de pointe n'ont rien de rare ces dernières années. Les goulets d'étranglement concernent le packaging avancé, l'approvisionnement en mémoire HBM et les capacités des fondeurs sous contrat. Ils ne touchent pas seulement Nvidia, mais toute la chaîne d'approvisionnement en semi-conducteurs de l'industrie de l'IA.

Comment cela s'inscrit dans la stratégie de Nvidia

Nvidia bâtit publiquement sa position de marché sur la promesse d'un renouvellement annuel prévisible de ses architectures. Cette tactique lui permet de dissuader ses clients de passer à des concurrents comme AMD ou aux puces maison des hyperscalers : les clients savent à l'avance quand arrivera la prochaine génération et sur quel calendrier planifier leurs dépenses d'investissement. Le report d'un an d'une seule plateforme serveur suffit à remettre en question la soutenabilité de ce rythme et oblige les grands clients à revoir leurs propres calendriers de mise en service de nouveaux data centers.

Pour les analystes de SemiAnalysis, qui ont été les premiers à signaler ce retard, de tels reports servent aussi d'indicateur de l'état général de la chaîne d'approvisionnement en semi-conducteurs de pointe. Sont concernées en premier lieu les capacités de packaging avancé (advanced packaging) et de production de mémoire de nouvelle génération, dont la demande dépasse régulièrement l'offre depuis plusieurs années.

Ce que cela signifie

Le report d'un an d'une plateforme serveur phare montre que même le leader du marché des puces IA se heurte à des limites physiques dans la vitesse de montée en cadence de sa production. Cela pourrait ralentir le rythme auquel les plus grands fournisseurs de cloud augmentent leurs capacités de calcul pour les nouvelles générations de modèles d'IA.