SambaNova cible les coûts d'inférence IA avec un cloud de 3,5 Md$

Rodrigo Liang, PDG de la société de puces IA SambaNova Systems, a déclaré que l'inférence de modèle est le défi de coût primordial dans l'intelligence artificielle d'entreprise. Ses commentaires, formulés lors d'une interview avec Bloomberg Open Interest publiée le 3 juin 2026, coïncidaient avec le dévoilement d'une nouvelle initiative cloud IA de 3,5 milliards de dollars soutenue par Vista Equity Partners et Cambium Capital. Liang soutient qu'une architecture désagrégée combinant GPU, CPU et processeurs spécialisés peut réduire considérablement les dépenses et accélérer le déploiement d'agents IA pour les grandes entreprises.

Contexte — pourquoi cela compte maintenant

Les dépenses en IA d'entreprise ont dépassé les coûts d'infrastructure pour l'entraînement des modèles. Forrester Research a estimé en avril 2026 que l'inférence représente désormais plus de 70 % du coût total à vie d'un modèle IA en production. Le contexte macroéconomique présente des coûts de capital persistants élevés, avec le rendement des obligations du Trésor à 10 ans tournant autour de 4,5 %, exerçant une pression sur les calculs de retour sur investissement des entreprises pour les nouvelles technologies.

Le catalyseur est la montée en échelle rapide des applications de modèles de langage large, passant des phases pilotes à un déploiement à grande échelle. Ce changement a mis en lumière l'économie prohibitive de l'exécution de l'inférence uniquement sur des clusters GPU haut de gamme de Nvidia. Une seule requête à un modèle sophistiqué peut coûter plusieurs dollars, rendant l'utilisation généralisée des agents économiquement peu faisable. Cette barrière de coût a déclenché une recherche d'architectures de calcul alternatives et plus efficaces au-delà des centres de données GPU homogènes.

Données — ce que les chiffres montrent

La nouvelle initiative cloud IA est capitalisée avec 3,5 milliards de dollars provenant des sociétés de capital-investissement Vista Equity Partners et Cambium Capital. Les benchmarks internes de SambaNova indiquent que ses systèmes désagrégés peuvent réduire les coûts d'inférence de 70 % à 90 % pour des charges de travail d'entreprise spécifiques comme la génération augmentée par récupération.

Architecture	Coût estimé par 1M de tokens	Objectif de performance
Cloud GPU homogène	12 $ - 18 $	Latence de référence
SambaNova désagrégé	2 $ - 5 $	Latence comparable

Cela se compare aux prix d'inférence cloud prévalents chez les principaux fournisseurs, où les coûts peuvent dépasser 15 $ par million de tokens de sortie pour les plus grands modèles. Le marché total adressable pour l'inférence IA d'entreprise devrait passer de 40 milliards de dollars en 2025 à plus de 150 milliards de dollars d'ici 2030, selon les prévisions de Gartner pour le premier trimestre 2026. Les revenus des centres de données de Nvidia, un indicateur de la demande de matériel IA, ont atteint un record de 42,8 milliards de dollars lors de son dernier trimestre fiscal.

Analyse — ce que cela signifie pour les marchés / secteurs / tickers

Les principaux bénéficiaires sont les entreprises de logiciels d'entreprise avec des feuilles de route d'intégration IA importantes, telles que Salesforce (CRM) et ServiceNow (NOW), qui pourraient voir leurs dépenses opérationnelles cloud réduites. Les entreprises de semi-conducteurs spécialisées dans les processeurs IA alternatifs, comme AMD (AMD) et Intel (INTC), pourraient gagner des parts de marché à mesure que le marché se diversifie au-delà d'une seule architecture. Les fournisseurs de cloud hyperscale pourraient faire face à une pression sur leurs marges si les offres désagrégées contrecarrent leurs prix de service GPU premium.

Une limitation clé est le verrouillage des fournisseurs et la compatibilité des logiciels. L'architecture de SambaNova nécessite des piles logicielles optimisées, créant une friction de migration pour les entreprises standardisées sur des écosystèmes basés sur CUDA. L'argument principal contre est que le rythme d'innovation implacable de Nvidia, illustré par sa plateforme Blackwell récemment annoncée, maintiendra son leadership en matière de coût-performance et son avantage d'écosystème.

Les données de positionnement des marchés d'options montrent une augmentation des achats de puts sur des ETF de semi-conducteurs comme SMH, suggérant que certains investisseurs se protègent contre un ralentissement potentiel de la demande de GPU pur. Les flux de capital-risque et de capital-investissement s'accélèrent vers les startups d'infrastructure IA axées sur l'efficacité, avec plus de 12 milliards de dollars déployés dans le secteur depuis le début de l'année.

Perspectives — ce qu'il faut surveiller ensuite

Le prochain catalyseur majeur est le prochain rapport de bénéfices de Nvidia le 21 août 2026, où les commentaires sur le mélange des revenus d'inférence et les menaces concurrentielles seront scrutés. La conférence Supercomputing 2026 (SC26) en novembre présentera des benchmarks de performance en tête-à-tête des nouveaux systèmes désagrégés par rapport aux clusters GPU phares.

Les niveaux clés à surveiller incluent le taux de croissance des revenus pour les segments cloud de Microsoft Azure, Google Cloud Platform et Amazon Web Services dans leurs rapports du troisième trimestre 2026. Une décélération en dessous de 20 % d'une année sur l'autre pourrait signaler des coupes de coûts d'entreprise impactant les fournisseurs en place. Surveillez le prix de l'action de l'ETF Global X Artificial Intelligence & Technology (AIQ) par rapport à l'indice PHLX Semiconductor (SOX) ; une divergence soutenue indiquerait une rotation du marché au sein de la chaîne d'approvisionnement IA.

Questions Fréquemment Posées

Que signifie l'annonce de SambaNova pour l'action Nvidia ?

Elle introduit un concurrent crédible à long terme sur le marché d'inférence à forte marge, qui constitue une part croissante des revenus de centre de données de Nvidia. Bien que l'écosystème et la domination en matière d'entraînement de Nvidia restent intacts, l'attention des investisseurs se déplacera vers sa capacité à défendre sa part de marché en matière d'inférence. Les analystes surveilleront tout ajustement de guidance lié aux prix de vente moyens d'inférence lors des prochains appels de bénéfices.

En quoi l'informatique IA désagrégée diffère-t-elle de l'IA cloud traditionnelle ?

L'IA cloud traditionnelle repose fortement sur de grands clusters de GPU identiques pour toutes les tâches. Une architecture désagrégée utilise un mélange de matériel—GPU pour le calcul parallèle, CPU pour la logique, et processeurs IA spécialisés pour l'efficacité—orchestrée par un logiciel. Cela associe chaque partie d'une charge de travail IA au matériel le plus rentable, similaire à la façon dont un centre de données moderne utilise différents niveaux de stockage (SSD, HDD, bande).

Est-ce similaire à la transition des mainframes vers l'informatique client-serveur ?

L'analogie se tient en termes de décentralisation de la puissance de calcul et d'optimisation pour des tâches spécifiques. L'ère des mainframes (calcul homogène, centralisé) a cédé la place à des modèles client-serveur (calcul désagrégé, dimensionné correctement). De même, la dépendance initiale de l'industrie IA à l'égard de clusters GPU massifs et homogènes pourrait évoluer vers des systèmes hétérogènes adaptés à l'entraînement par rapport à différents types d'inférence, réduisant ainsi le coût total de possession.

Conclusion

Le pari de 3,5 milliards de dollars de SambaNova signale que le coût d'inférence IA, et non la capacité du modèle, est le prochain champ de bataille décisif pour l'adoption par les entreprises.

Disclaimer : Cet article est uniquement à des fins d'information et ne constitue pas un conseil en investissement. Le trading de CFD comporte un risque élevé de perte de capital.