LAS VEGAS — Google étend sa stratégie de conception de puces personnalisées pour centres de données au-delà des accélérateurs d'intelligence artificielle, en dévoilant son premier processeur central (CPU) basé sur l'architecture Arm et conçu en interne pour le cloud computing à usage général. Cette nouvelle puce, baptisée Axion, a été présentée mardi lors de Google Cloud Next. L'entreprise cherche ainsi à réduire sa dépendance aux processeurs x86 classiques et à améliorer les performances et l'efficacité énergétique des charges de travail exécutées sur son cloud. Google affirme que les instances Axion offriront des performances jusqu'à 30 % supérieures à celles des instances cloud Arm à usage général les plus rapides actuellement disponibles, et jusqu'à 50 % supérieures, avec une efficacité énergétique jusqu'à 60 % inférieure, à celles des instances x86 actuelles comparables. Selon l' annonce , ces processeurs sont basés sur l'architecture Neoverse V2 d'Arm et prendront en charge des services tels que Google Compute Engine, Google Kubernetes Engine et Dataproc.
Cette initiative place Google plus directement aux côtés d'Amazon Web Services, qui a passé des années à développer ses processeurs Graviton Arm, et de Microsoft, qui a annoncé son propre processeur Cobalt en 2023. Reuters a rapporté que le lancement de Google reflète un effort plus large des principaux fournisseurs de cloud pour concevoir des puces adaptées à leur propre infrastructure, améliorant ainsi la rentabilité tout en réduisant la dépendance à un petit nombre de fournisseurs de semi-conducteurs.
Les processeurs personnalisés passent d'une option de niche à une stratégie cloud
Depuis des décennies, le calcul sur serveurs généralistes est dominé par les processeurs x86 d'Intel et d'AMD. Les architectures Arm se sont d'abord imposées dans les appareils mobiles grâce à leur efficacité énergétique, avant de s'installer progressivement dans les centres de données. Les fournisseurs de services cloud sont particulièrement bien placés pour accélérer cette transition, car ils contrôlent à la fois le parc matériel et la couche logicielle proposés aux clients. Un client cloud n'a pas besoin d'acheter un serveur Arm physique ; il peut choisir un type d'instance et laisser le fournisseur gérer la machine sous-jacente.
Google indique qu'Axion prendra en charge les charges de travail déjà utilisées en interne par des services tels que la publicité sur YouTube, BigTable et certaines parties de Google Earth Engine. L'entreprise prévoit une disponibilité plus large pour les clients plus tard cette année. mise à jour de son infrastructure positionne Axion comme un élément d'un effort plus vaste visant à offrir aux clients un plus grand choix de processeurs pour les services web, les applications conteneurisées, les bases de données et l'analyse de données.
La demande en IA remodèle l'ensemble de l'architecture des centres de données
Axion est arrivé en même temps que des ajouts majeurs à l'infrastructure d'IA de Google. Google Cloud a annoncé la disponibilité générale de TPU v5p, sa génération d'unités de traitement tensoriel la plus puissante. Un pod TPU v5p peut atteindre 8 960 puces et offre plus du double d'opérations en virgule flottante et trois fois plus de mémoire à large bande passante par puce que TPU v4, selon la mise à jour de Google sur les hypercalculateurs IA. L'entreprise intègre également des GPU Nvidia à cette même architecture plus large, répondant ainsi à la demande des clients pour les accélérateurs propriétaires de Google et le matériel Nvidia, standard du secteur.
Google a présenté pour la première fois la TPU v5p en détail lors d'une annonce, la décrivant comme une infrastructure pour l'entraînement de très grands modèles génératifs. Sa disponibilité générale est cruciale, car les fournisseurs de cloud s'efforcent de garantir une capacité de calcul suffisante pour leurs clients dont les charges de travail d'IA nécessitent des milliers d'accélérateurs fonctionnant en parallèle.
Gemini s'implante plus profondément dans les services cloud d'entreprise
Google a également profité de la conférence pour intégrer plus profondément ses modèles Gemini à Vertex AI, sa plateforme d'apprentissage automatique gérée. Gemini 1.5 Pro est désormais disponible en préversion publique avec une fenêtre de contexte pouvant contenir jusqu'à un million de jetons, permettant ainsi au modèle de traiter des volumes exceptionnellement importants de texte, de vidéo, d'audio et de code en une seule requête. La mise à jour des produits d'IA a également mis en avant de nouvelles fonctionnalités de génération d'images, des outils de gestion des modèles et des contrôles pour les entreprises.
La fenêtre de contexte d'un million de jetons est stratégiquement importante car les applications d'IA d'entreprise doivent souvent analyser de longs documents, des référentiels logiciels, des transcriptions d'appels ou des archives multimédias. Un contexte plus large ne garantit pas un meilleur raisonnement, mais il réduit la nécessité de diviser l'information en de nombreuses étapes de recherche plus petites. Google présente cette capacité comme un avantage concurrentiel par rapport aux modèles d'OpenAI, d'Anthropic et d'autres.
Un cloud verticalement intégré peut optimiser les coûts et les performances
La stratégie de Google s'apparente de plus en plus à une architecture informatique multicouche qu'elle contrôle de la puce au modèle. Axion gère le calcul général, les TPU accélèrent l'apprentissage automatique, les GPU Nvidia restent disponibles pour la compatibilité et Gemini fournit les modèles d'IA phares de l'entreprise. Le résumé de la conférence Google Cloud Next présente ces éléments comme une plateforme unique plutôt que comme des produits isolés.
La logique économique est simple. Les entreprises du cloud exploitent d'immenses centres de données ; par conséquent, même de modestes améliorations des performances par watt peuvent se traduire par des économies substantielles sur les coûts d'électricité, de refroidissement et d'équipement. Les puces propriétaires offrent également aux fournisseurs un pouvoir de négociation lors des achats et permettent d'optimiser le matériel pour leurs logiciels. Le revers de la médaille réside dans la compatibilité avec l'écosystème : les clients disposent de plusieurs décennies de logiciels optimisés pour x86, et la migration des charges de travail vers Arm peut nécessiter des tests ou une recompilation.
La course aux puces se transforme en course aux plateformes cloud
Les processeurs Graviton d'Amazon, Cobalt de Microsoft et Axion de Google démontrent que la conception des processeurs s'intègre désormais à la concurrence dans le cloud. Parallèlement, AWS Trainium et Inferentia, les TPU de Google et l'accélérateur Maia de Microsoft remettent en question l'idée reçue selon laquelle Nvidia ou les fournisseurs de processeurs traditionnels fourniront l'intégralité des puces critiques des futurs centres de données. Aucun de ces processeurs propriétaires ne dispense de recourir à des fournisseurs externes, mais chacun offre à son client cloud un moyen supplémentaire de maîtriser les coûts, la capacité et la différenciation des produits.
Pour les clients, la conséquence immédiate est un choix plus vaste, mais aussi une complexité accrue. Les entreprises peuvent optimiser les charges de travail sur les architectures x86, Arm, GPU et accélérateurs spécialisés, mais les choix d'architecture ont un impact croissant sur la portabilité entre les clouds. Une charge de travail optimisée pour un accélérateur propriétaire peut être moins coûteuse ou plus rapide sur une plateforme, mais plus difficile à déployer ailleurs.
Samedi, Axion était encore en phase de déploiement à grande échelle, sans pour autant remplacer du jour au lendemain les processeurs de serveurs existants. L'annonce de Google marque cependant un tournant structurel : les plus grands fournisseurs de cloud au monde considèrent de plus en plus la conception de semi-conducteurs comme une compétence essentielle de leurs plateformes logicielles. À l'ère de l'IA, la concurrence ne se résume plus à la qualité du modèle ou au nombre de services proposés par le cloud. Il s'agit désormais aussi de savoir qui est capable de construire l'infrastructure informatique sous-jacente la plus performante.