Anthropic utilisera le NVIDIA GB300 Blackwell Ultra sur Microsoft Azure pour le développement de l'IA

NVIDIA a annoncé qu'Anthropic utilisera les systèmes NVIDIA GB300 Blackwell Ultra via Microsoft Azure pour soutenir ses travaux sur les modèles d'IA avancés. Cette initiative réunit la recherche en IA d'Anthropic, le dernier matériel d'IA pour centres de données de NVIDIA et l'infrastructure cloud de Microsoft.

Pour les utilisateurs de PC au quotidien, il ne s'agit pas d'une annonce de nouvelle carte graphique grand public. Il s'agit plutôt des puissants systèmes informatiques utilisés en coulisses pour entraîner et faire fonctionner de grands modèles d'IA, tels que la famille d'assistants IA Claude.

Qu'est-ce qui a été annoncé ?

Anthropic, la société d'IA derrière Claude, est sur le point d'utiliser les systèmes NVIDIA GB300 Blackwell Ultra via Microsoft Azure. Cela donne à Anthropic accès à des ressources informatiques d'IA haute performance dans le cloud, plutôt que de dépendre uniquement de son propre matériel local.

L'annonce souligne comment les grandes entreprises d'IA utilisent des plateformes cloud à grande échelle pour construire et exploiter des modèles d'IA modernes. Ces modèles nécessitent d'énormes quantités de puissance de calcul, d'autant plus qu'ils deviennent plus performants et gèrent des tâches plus complexes.

Le rôle de NVIDIA est de fournir la plateforme matérielle d'IA. Le rôle de Microsoft Azure est de fournir ce matériel via l'infrastructure cloud. Le rôle d'Anthropic est d'utiliser cette puissance de calcul pour ses travaux de développement d'IA.

Comprendre le GB300 Blackwell Ultra

Le GB300 Blackwell Ultra fait partie de la plateforme d'IA pour centres de données de NVIDIA, conçue pour les charges de travail d'intelligence artificielle très importantes et exigeantes. Ce type de système est différent des cartes graphiques GeForce que l'on trouve dans les PC de jeu.

Les GPU grand public sont conçus pour le jeu, la création de contenu, le streaming et les charges de travail graphiques locales sur PC. Les systèmes d'IA pour centres de données sont conçus pour le calcul à grande échelle, fonctionnant souvent dans des racks de serveurs au sein des centres de données cloud.

Les entreprises d'IA utilisent des systèmes comme ceux-ci pour deux tâches principales : l'entraînement et l'inférence. L'entraînement est le processus de construction ou d'amélioration d'un modèle d'IA en traitant de grandes quantités de données. L'inférence est ce qui se produit lorsqu'un modèle fini répond à une invite, génère du texte, écrit du code, résume des informations ou effectue une autre tâche demandée.

À mesure que les modèles d'IA deviennent plus avancés, l'entraînement et l'inférence peuvent nécessiter des ressources informatiques importantes. C'est pourquoi les entreprises travaillant sur de grands systèmes d'IA s'appuient souvent sur du matériel spécialisé et des plateformes cloud.

Pourquoi Microsoft Azure fait partie de l'annonce

Microsoft Azure est la plateforme de cloud computing de Microsoft. Au lieu d'acheter, d'installer et de maintenir tout le matériel directement, les entreprises peuvent accéder aux ressources informatiques via les centres de données Azure.

Pour le développement de l'IA, l'accès au cloud est particulièrement utile car les charges de travail peuvent être extrêmement importantes. Une entreprise peut avoir besoin d'une grande capacité de calcul pour l'entraînement ou l'exécution de modèles, et l'infrastructure cloud permet de fournir cette capacité à grande échelle.

Dans cette annonce, Azure fournit l'environnement où Anthropic peut utiliser les systèmes NVIDIA GB300 Blackwell Ultra. Cela reflète une tendance industrielle plus large : le développement avancé de l'IA est souvent construit grâce à des partenariats entre des entreprises de modèles d'IA, des fabricants de puces et des fournisseurs de cloud.

Entraînement et exécution de modèles d'IA : la version simple

Pour comprendre l'importance de ce type de matériel, il est utile de séparer le travail d'IA en deux étapes principales.

La première étape est l'entraînement. Pendant l'entraînement, un modèle d'IA apprend des schémas à partir de grandes quantités de données. Ce processus peut prendre beaucoup de temps et de puissance de calcul, en particulier pour les modèles avancés.

La deuxième étape est l'inférence. C'est lorsque les gens utilisent réellement le modèle d'IA. Par exemple, lorsqu'une personne demande à un assistant IA d'expliquer un sujet, de rédiger un brouillon ou d'aider à résoudre un problème, le modèle effectue une inférence.

Les deux étapes sont importantes. L'entraînement aide à créer et à améliorer le modèle, tandis que l'inférence affecte l'expérience des utilisateurs lorsqu'ils interagissent avec lui. Les grands services d'IA ont besoin de suffisamment de puissance de calcul pour prendre en charge à la fois le développement et l'utilisation quotidienne.

Comment cela diffère d'un lancement de GPU de jeu

Les joueurs PC et les constructeurs peuvent reconnaître NVIDIA principalement grâce aux cartes graphiques GeForce. Cependant, les systèmes GB300 Blackwell Ultra de cette annonce ne sont pas destinés aux PC de jeu domestiques.

Cette annonce ne contient aucune revendication de performance de jeu grand public, aucun détail de prix ni aucun détail de sortie de GPU de bureau. Elle est axée sur le matériel d'IA pour centres de données utilisé via Microsoft Azure.

Cette distinction est importante. Les systèmes d'IA pour centres de données et les GPU de jeu peuvent partager une direction technologique NVIDIA plus large, mais ils sont conçus pour des environnements et des charges de travail différents.

Pour un joueur PC, cette nouvelle ne signifie pas qu'une nouvelle carte graphique est immédiatement disponible. Pour les développeurs d'IA et les entreprises qui construisent des produits d'IA, elle indique qu'une infrastructure cloud plus performante devient disponible pour les charges de travail d'IA exigeantes.

Ce que cela signifie pour les services d'IA

Les assistants et outils d'IA dépendent de grands systèmes informatiques que les utilisateurs ne voient généralement jamais. Lorsqu'une personne utilise un chatbot IA, un assistant de codage ou un outil de document, la requête est généralement traitée dans un centre de données.

Des annonces comme celle-ci montrent comment les entreprises d'IA continuent d'investir dans l'infrastructure nécessaire pour construire et exécuter ces services. Des modèles plus avancés peuvent nécessiter plus de puissance de calcul, en particulier lorsqu'ils sont censés gérer des raisonnements complexes, de grands volumes de requêtes ou des cas d'utilisation d'entreprise exigeants.

L'utilisation par Anthropic des systèmes NVIDIA GB300 Blackwell Ultra sur Azure est un exemple de la façon dont les services d'IA sont pris en charge par plusieurs couches technologiques. L'entreprise de modèles construit le système d'IA, l'entreprise de puces fournit le matériel spécialisé et le fournisseur de cloud exploite l'infrastructure à grande échelle.

Ce qui n'est pas inclus dans l'annonce

Il est également utile d'être clair sur ce que cette annonce ne dit pas. Elle ne fournit pas les spécifications des GPU grand public. Elle ne répertorie pas les chiffres de performance de jeu. Elle n'inclut pas le prix du matériel PC.

Elle ne doit pas non plus être interprétée comme une déclaration directe sur les futurs produits GeForce. Bien que NVIDIA opère à la fois sur les marchés du jeu et des centres de données, cette annonce spécifique se concentre sur l'utilisation par Anthropic des systèmes d'IA de NVIDIA via Microsoft Azure.

Pour les lecteurs généraux, le principal enseignement est simple : les outils d'IA avancés dépendent de plus en plus de plateformes de cloud computing spécialisées. Cette annonce est un exemple de plus de l'expansion de cette infrastructure pour une grande entreprise d'IA.

Comment interpréter cette nouvelle

Pour les débutants, la manière la plus simple de comprendre cette annonce est de la considérer comme une mise à jour d'infrastructure en coulisses. Il s'agit de la puissance de calcul nécessaire pour prendre en charge le développement et l'utilisation de modèles d'IA avancés.

Anthropic utilisera les systèmes NVIDIA GB300 Blackwell Ultra via Microsoft Azure, combinant le développement de logiciels d'IA avec un matériel puissant basé sur le cloud. Bien qu'il ne s'agisse pas d'une sortie directe de matériel PC, cela est pertinent pour la manière dont les services d'IA modernes sont construits et fournis.

À mesure que les outils d'IA deviennent plus courants dans les logiciels quotidiens, les systèmes de centres de données qui les alimentent continueront de jouer un rôle important. Cette annonce montre comment les entreprises travaillent ensemble pour fournir la base informatique derrière ces outils.

Article et image originaux : https://blogs.nvidia.com/blog/anthropic-nvidia-gb300-blackwell-ultra-microsoft-azure/