L’ère de la puissance de calcul hétérogène pour l’IA arrive ! L’essor du silicium développé en interne s’accélère avec le Maia 300 de Microsoft, tandis que TSMC (TSM.US) et Marvell (MRVL.US) profitent du cycle de croissance des ASIC.

Selon l’application économique Zhihui Finance, alors que certains médias citent des sources bien informées rapportant que le géant américain de la technologie Microsoft (MSFT.US) prévoit de lancer prochainement son nouvel accélérateur AI maison, le Maia 300, la célèbre institution d’investissement de Wall Street, Wedbush Securities, estime que cette dynamique de marché pourrait être extrêmement favorable à Marvell Technology (MRVL.US), qui se concentre sur les ASIC AI et les puces d’interconnexion optique pour data centers, ainsi qu’à TSMC (TSM.US), le « roi de la sous-traitance de puces ». Microsoft pourrait annoncer sa nouvelle génération de puces AI ASIC Maia 300 dès septembre 2026, et serait en discussion avec TSMC pour sécuriser la capacité de production de plus de 300 000 puces pour 2027, tout en espérant obtenir à long terme une capacité de plus d’un million de puces.

Dans une déclaration, Microsoft précise clairement que le déploiement des ASIC AI Maia développés en interne vise des besoins massifs de charges de travail d’inférence AI, mesurées en gigawatts (GW). Cela signifie en grande partie que les géants du cloud computing à très grande échelle passent d’un modèle de « commande collective de GPU » à une infrastructure de puissance AI hétérogène, coexistant avec Nvidia AI GPU, AMD AI GPU et ASIC/XPU maison : les processus d’entraînement AI et les charges de travail AI de pointe avec les architectures les plus complexes et évoluant le plus rapidement requièrent toujours des clusters de GPU AI, tandis que les charges de travail d’inférence AI à grande échelle pour les modèles AI matures et open source, Copilot et AI Agent (agents intelligents AI), sont de plus en plus adaptées aux puces maison spécialisées en AI.

Il est évident que Microsoft tente de suivre le modèle commercial de location et vente de puissance de calcul de Google avec Google TPU, au lieu d’utiliser exclusivement ses puces pour des processus internes d’entraînement ou d’inférence AI. Actuellement, cela ressemble davantage à la location de puissance sur Azure Cloud, plutôt qu’à la vente directe de puces brutes. Microsoft a clairement annoncé que Maia 200 enrichit la capacité d’inférence AI disponible pour les clients sur Azure Cloud, tout en ouvrant le SDK Maia en préversion aux développeurs, startups AI et institutions académiques.

Dans l’ensemble, la génération précédente de puces AI maison de Microsoft, Maia 200, est passée du stade de développement interne à une utilisation concrète en production sur Azure Cloud, permettant aux clients de consommer effectivement la puissance d’inférence AI ; cependant, à ce stade, il ne faut pas interpréter cela comme la possibilité de louer en masse ou individuellement les puces Maia 200, comme on le fait avec les GPU Nvidia Blackwell, H100 ou Google TPU.

Plus important encore, Reuters rapporte que Microsoft essaie de convaincre de grands clients cloud, dont Anthropic, d’adopter Maia 300, ce qui signifie que Maia n’est plus seulement une puce propriétaire utilisée pour Microsoft 365 Copilot ou les charges de travail internes d’OpenAI.

Maia 300 de Microsoft réduit les coûts d’inférence AI, TSMC et Marvell sur la chaîne des principaux bénéficiaires ?

Matt Bryson, analyste senior chez Wedbush, écrit dans un rapport aux clients : « Jusqu’à présent, le projet de puces AI maison Maia de Microsoft n’a pas répondu aux attentes, et de façon générale, Microsoft manque de solidité dans l’exécution matérielle. »

« Cela dit, le développement des puces AI maison de Microsoft approche un jalon critique de plusieurs générations de produits, et, d’après l’expérience, c’est généralement à ce stade – après 4 à 5 ans de développement et arrivée à la troisième génération de produit – que les impacts positifs deviennent réels. Si cela aboutit à des commandes d’infrastructure massive de puissance AI, les partenaires de propriété intellectuelle et de conception de puces, Marvell, ainsi que le fabricant de la puce, TSMC, devraient être les bénéficiaires directs du succès des puces AI maison de Microsoft. »

L’analyste Bryson souligne aussi que Maia 300 pourrait affecter le cours du titre Nvidia (NVDA.US) et ses fondamentaux, car il représentera, après Amazon et Google, un nouveau projet de puces AI maison personnalisées visant à réduire les coûts d’inférence AI pour les entreprises. Toutefois, Bryson précise que l’impact sur Nvidia pourrait être limité, le groupe ayant toujours excellé dans « l’assurance de volumes suffisants d’approvisionnement » et en puissance AI généraliste.

D’après les médias, Maia 300 pourrait être lancé dès cet automne. Microsoft négocie avec TSMC pour sécuriser la capacité de production de plus de 300 000 puces et prévoit une livraison en 2027. Maia 200 a été lancé en janvier, et les premiers prototypes du projet de puce AI maison Maia ont vu le jour en novembre 2023.

Microsoft et Marvell n’ont pas immédiatement répondu aux demandes de commentaires des médias.

Microsoft veut suivre la voie de Google TPU ! Maia 300 vise le socle de puissance Azure, TSMC et la chaîne des puces sur mesure entrent dans un nouveau cycle de croissance

Au niveau de l’architecture, l’avantage potentiel de Maia sur les GPU Nvidia n’est pas « la puissance brute », mais l’économie unitaire sous des charges d’inférence massives et répétitives – coût par token, débit de tokens par watt (Tokens/Watt) et coût total de possession (TCO) des serveurs AI.

Le GPU doit être polyvalent entre entraînement, inférence, calcul scientifique et de nombreuses charges de travail dynamiques, le vrai avantage est donc la généralité+écosystème logiciel CUDA/TensorRT+capacité de cluster NVLink ; Maia appartient à une catégorie d’accélérateurs AI maison conçus par Microsoft pour les charges de travail Azure, avec une cohérence logicielle et matérielle permettant de concentrer davantage de transistors, de budget énergétique et de surface sur la puce pour le calcul tensoriel basse précision, la capacité/bande passante mémoire et le transfert de données propre à l’inférence transformer.

Maia 200 utilise déjà la technologie TSMC 3nm, des Tensor Core FP4/FP8 natifs, 216GB de HBM3e, 7TB/s de bande passante et 272MB de SRAM sur la puce ; Microsoft a renforcé le DMA, le NoC et un réseau Scale-up à deux niveaux, optimisé pour réduire les coûts du mur mémoire, KV cache et déplacement de données durant l’inférence. Les derniers résultats financiers rapportent que Maia 200 offre une performance par dollar 30% supérieure aux hardware de dernière génération du cluster, et une performance par watt de 40% supérieure pour ses modèles MAI maison. C’est la raison pour laquelle l’ASIC/XPU est si compétitif à l’ère de l’inférence : lorsque des milliards de tâches de génération de tokens similaires peuvent être hautement standardisées, la flexibilité des GPU universels Nvidia n’est pas nécessairement justifiée pour chaque requête d’inférence.

Si Maia 300 se concrétise selon les plans et volumes rapportés, cela constitue un « fort avantage structurel » pour le thème mondial des semi-conducteurs AI, tout en élargissant le TAM (taille du marché total) de l’infrastructure AI et en reconfigurant les bassins de profit – autrement dit, cela accroît la demande pour la capacité avancée de TSMC, la chaîne industrielle avancée, la conception de ASIC sur mesure, la mémoire HBM/NAND/DRAM de niveau data center, le packaging avancé, la connexion optique rapide et les réseaux de data centers. Néanmoins, cela peut freiner l’expansion du marché des GPU AI dominé par Nvidia et AMD.

Chris Caso, stratégiste chez Wolfe Research, une grande institution de Wall Street, explique que l’indice SOXX des semi-conducteurs de Philadelphie a doublé en trois mois, avant de chuter de 25% depuis son sommet ; la faiblesse récente ressemble plus à un ajustement de prévisions après une forte hausse. Caso prévoit que la demande en puces AI excédera l’offre au moins jusqu’en 2028, et pense que le ralentissement des dépenses en capital pour le cloud ne s’est pas concrétisé, la concurrence sur l’AI agent pousse, au contraire, les géants du cloud à investir sans alternative.

L’équipe d’analyse menée par Brian Nowak chez Morgan Stanley vient de publier une étude dans laquelle les dépenses en capital des cinq plus grands acteurs mondiaux du cloud (Meta, Amazon, Microsoft, Google, SpaceX) sont à nouveau revues à la hausse, à environ 1,2 et 1,4 billion de dollars pour 2027/2028 respectivement. Les attentes de dépenses pour les grandes sociétés technologiques américaines pour 2026 sont relevées de 433 milliards à 805 milliards de dollars par rapport à l’an dernier.

Cela ne signifie pas pour autant que Maia peut rapidement remplacer Nvidia. Au contraire, la compétition pour l’inférence est passée du « pic de FLOPS par puce » à « l’efficacité globale de l’usine AI », et la forteresse la plus solide de Nvidia reste CUDA, TensorRT-LLM, Dynamo, la bibliothèque Kernel mature, et l’écosystème intégré GPU—NVLink—réseau—logiciel. TensorRT-LLM optimise en continu pour les quantifications FP8/FP4, le KV cache paginé, la décodification spéculative, le parallélisme expert, etc., sur les chemins critiques de l’inférence ; par conséquent, la vraie difficulté pour Microsoft n’est pas de concevoir la puce Maia, mais de construire un compilateur, des Kernels, un planificateur, une compatibilité avec les modèles et un écosystème développeur assez mature pour en faire une plateforme tierce à grande échelle.

Selon Morgan Stanley, Wedbush Securities et autres institutions optimistes sur l’investissement dans la chaîne industrielle de puissance AI, la demande quasi infinie de puissance AI de pointe à l’ère de l’inférence et autour des agents AI permet aux ASIC AI de devenir une deuxième branche d’écosystème de puissance de calcul au trillion de dollars, sans forcément négativer la demande en GPU, renforçant ainsi l’idée que le « super cycle des semi-conducteurs AI n’est pas une phase GPU, mais une phase de hausse du contenu silicium de tout le data center ».

Sur les perspectives du titre TSMC, Simon Coles, analyste chez Barclays Bank, a récemment relevé l’objectif de cours de TSMC de 625 à 650 dollars tout en maintenant la recommandation de « achat » ; si ce prix est atteint, la capitalisation de TSMC passerait d’environ 2,17 à 3,37 trillions de dollars.

La logique centrale haussière de Coles se résume ainsi : l’AI mondiale cause une « bataille pour l’approvisionnement en wafers logiques avancés » – son enquête de chaîne de fournisseurs en Asie observe une concurrence féroce pour la capacité de production de wafers logiques avancés, tandis que TSMC domine à la fois les technologies avancées N2/N3 et le packaging avancé CoWoS, deux goulots d’étranglement du calcul AI, et cette rareté se traduit par un très fort pouvoir sur les prix et volumes. Autrement dit, la vision haussière à 650 dollars ne repose pas que sur « Nvidia continue à vendre des GPU », mais sur le fait que tous les clusters hétérogènes AI – Nvidia/AMD GPU, Google TPU, AWS Trainium, Microsoft Maia, AMD GPU – nécessiteront technologie avancée et packaging avancé, faisant de TSMC, à l’ère de l’inférence AI, l’actif semi-conducteur le plus proche du « péage sur l’infrastructure de calcul ».

Sur les perspectives du titre Marvell, le point haussier le plus audacieux est celui de John Vinh, analyste chez KeyBanc, qui vise 400 dollars (relevé à 385 dollars le 14 juillet tout en maintenant la recommandation « acheter »), soit une hausse de 91,8% par rapport au cours actuel de 208,56 dollars. Pour un flottant estimé à 875,8 millions d’actions, 400 dollars correspond à une valorisation potentielle de près de 350,3 milliards de dollars. La logique haussière de Vinh repose sur « l’ère du cloud computing hétérogène des géants + ère de l’inférence AI » – c’est-à-dire que Marvell se développe sur deux axes de croissance : ASIC/XPU maison et interconnexion rapide (optique/réseaux) pour les clouds hyperscale.

La cible de 400 dollars proposée par Vinh ne mise pas uniquement sur Maia 300, mais sur le fait que lorsque les géants du cloud comme Microsoft, Google et Amazon passeront de l’achat de GPU Nvidia à une diversité GPU+ASIC maison, Marvell évoluera du fournisseur d’interconnexion AI à un « marchand d’armes » central pour la silicium maison des géants du cloud.