Nvidia dévoile sa roadmap pour les 3 prochaines années

Le CEO de Nvidia, Jensen Huang, a dévoilé des spécifications inédites pour son GPU Rubin, qui sera lancée en 2026, la déclinaison Rubin Ultra prévu pour 2027, et a annoncé l'ajout d'un autre GPU baptisé Feynman pour 2028. Le dirigeant a fourni ces détails lors de sa keynote à la conférence GTC 2025, qui se tient cette semaine à San Jose, en Californie. Nvidia livrera le système Vera Rubin NVL144 dans la seconde moitié de 2026, a-t-il déclaré ; il sera trois fois plus rapide que le système Blackwell Ultra NVL72, qui sera expédié dans la seconde moitié de cette année. Le Vera Rubin NVL144 atteindra 3,6 exaflops en FP4 et 1,2 exaflops en FP8. Le système inclura un CPU sur base Arm appelé Vera, qui succédera aux Grace actuels et disposera de 88 cœurs et 176 threads. Il inclura également le GPU Rubin, qui succédera au Blackwell, et offrira 50 pétaflops de performance en FP4. Le GPU inclura 288 Go de mémoire HBM4, un format considéré comme important pour l'IA. Le système inclura également un lien NVLink 6 plus rapide, avec des vitesses de transfert de données totales de 260 To/seconde, soit deux fois plus rapide que le NVLink 5 des systèmes Blackwell Ultra NVL72.

Dans la seconde moitié de 2027, Nvidia livrera le Rubin Ultra NVL576, qui sera presque quatre fois plus rapide que les systèmes Vera Rubin NVL144. « C'est une augmentation d'échelle extrême. Chaque rack consomme 600 kilowatts, 2,5 millions de pièces, et évidemment beaucoup de GPU », a déclaré Jensen Huang lors de sa keynote. Le système disposera de 576 GPU Rubin, 12 672 cœurs de CPU Vera, 2 304 puces mémoire, 144 commutateurs NVLink, 576 ConnectX-9 NIC et 72 unités de traitement de données Bluefield (DPU). Il offrira 15 exaflops de performance en inférence FP4 et 5 exaflops de performanceen FP8, et inclura la mémoire HBM4e plus rapide, qui transférera des données à 4,6 PBps, et le lien NVLink 7.

En 2028, Nvidia lancera un GPU appelé Feynman, qui inclura une mémoire HBM de nouvelle génération et sera associé à des CPU Vera dans les systèmes. Jensen Huang n'a pas fourni de détails supplémentaires sur la puce. Le dirigeant a également parlé de modèles d'IA de raisonnement, qui peuvent penser plus profondément pour résoudre des problèmes. Ces modèles, qui stimuleront l'IA agentique, généreront plus de jetons lors du raisonnement, ce qui nécessite des GPU plus rapides. « La quantité de jetons générés est plus élevée. Facilement 100 fois plus », a précisé le CEO.

La consommation d'énergie reste problématique

Le dirigeant n’a toutefois pas abordé la question de la consommation d'énergie de ces systèmes, mais il est raisonnable de supposer qu'ils consommeront nettement plus d'énergie et atteindront des centaines de kilowatts d'utilisation dans les prochaines années à mesure que la taille de ces systèmes augmentera, a déclaré Jim McGregor, analyste principal chez Tirias Research. Le système Blackwell NVL72 de Nvidia, qui est actuellement expédié, consomme 120 kilowatts en FP4. Les systèmes Blackwell Ultra NVL72, qui seront expédiés plus tard cette année, pourraient atteindre 135 à 140 kilowatts, selon les estimations publiées par TrendForce mardi. Mais il existe des astuces pour réduire la consommation d'énergie, par exemple en utilisant des chiplets, qui sont des tuiles de calcul intégrées dans le silicium, a noté M. McGregor. Nvidia privilégie la précision FP4, qui est avantageuse sur le plan du calcul, a déclaré Anshel Sag, analyste principal chez Moor Insights & Strategy. Cela réduit également la consommation d'énergie pendant l'inférence. « En utilisant des flottants à 4 bits, nous pouvons quantifier le modèle, utiliser moins d'énergie pour effectuer [les tâches d'IA]. Et en conséquence, lorsque vous utilisez moins d'énergie pour faire la même chose, vous pouvez en faire plus », a indiqué Jensen Huang.

Le dirigeant a corrélé la consommation d'énergie aux revenus générés par l'IA dans les centres de données, notant que les améliorations de performance de l'entreprise en matière de GPU augmenteront et généreront proportionnellement plus de revenus. « Vos revenus sont limités par l'énergie. Vous pouvez déterminer quels seront vos revenus en fonction de l'énergie dont vous disposez pour travailler. Cela ne diffère pas de nombreuses autres industries », a indiqué M. Huang. Lorsque l'on prend en compte l'économie des centres de données, y compris les flops, la bande passante et les watts, a-t-il déclaré, « Rubin va réduire considérablement les coûts » par rapport à la génération précédente Hopper.

Annonces des partenaires

Lors de la conférence GTC, Nvidia a également présenté la famille de modèles de raisonnement Llama Nemotron, conçue pour construire des plateformes d'IA agentique. L'entreprise s'est également associée à Cisco pour Secure AI Factory, qui combine le matériel de réseau et de sécurité de l’équipementier avec les DPU Bluefield et des options de stockage tierces. Enfin, lors de la conférence, Dell a également annoncé des PC équipés des GPU de Nvidia pour les développeurs qui ont besoin de prototyper des modèles d'IA.