EN DIRECT
OpenAI avance vers une définition rigoureuse du Modèle Standard sur réseau15/11/26 · OpenAI|Un modèle open-weight apprend à piloter des robots réels grâce à l'entraînement en simulation13/11/26|Une analyse forensique détecte des traces de GPU sous embargo dans des modèles chinois12/11/26|Google DeepMind dévoile Gemini 4 Hydrogen12/11/26 · Google DeepMind|AlphaGenome 2 : DeepMind affine son modèle pour décrypter l'ADN non-codant11/11/26 · Google DeepMind|Google DeepMind lance Gemini 4 Carbon10/11/26 · Google DeepMind|Google DeepMind dévoile AlphaProof Code pour la vérification formelle de logiciels10/11/26 · Google DeepMind|OpenAI lance un espace dédié aux entreprises dans ChatGPT10/11/26 · OpenAI|Anthropic lance la tournée de présentation pour son entrée en bourse10/11/26 · Anthropic|Une pétition réclame le retour de Jensen Huang à la tête de Nvidia16/11/26 · Nvidia|OpenAI renforce ses dispositifs contre l'exploitation sexuelle des enfants en ligne16/11/26 · OpenAI|OpenAI élargit l'accès gratuit à ChatGPT pour 200 000 chercheurs16/11/26 · OpenAI|OpenAI avance vers une définition rigoureuse du Modèle Standard sur réseau15/11/26 · OpenAI|Un modèle open-weight apprend à piloter des robots réels grâce à l'entraînement en simulation13/11/26|Une analyse forensique détecte des traces de GPU sous embargo dans des modèles chinois12/11/26|Google DeepMind dévoile Gemini 4 Hydrogen12/11/26 · Google DeepMind|AlphaGenome 2 : DeepMind affine son modèle pour décrypter l'ADN non-codant11/11/26 · Google DeepMind|Google DeepMind lance Gemini 4 Carbon10/11/26 · Google DeepMind|Google DeepMind dévoile AlphaProof Code pour la vérification formelle de logiciels10/11/26 · Google DeepMind|OpenAI lance un espace dédié aux entreprises dans ChatGPT10/11/26 · OpenAI|Anthropic lance la tournée de présentation pour son entrée en bourse10/11/26 · Anthropic|Une pétition réclame le retour de Jensen Huang à la tête de Nvidia16/11/26 · Nvidia|OpenAI renforce ses dispositifs contre l'exploitation sexuelle des enfants en ligne16/11/26 · OpenAI|OpenAI élargit l'accès gratuit à ChatGPT pour 200 000 chercheurs16/11/26 · OpenAI|
ReleaseNVIDIA

Lambda déploie les commutateurs photoniques NVIDIA pour fiabiliser ses clusters GPU

Le fournisseur cloud Lambda utilise les commutateurs à optique co-packagée de NVIDIA pour relier des racks GB300 NVL72 regroupant plus de 10 000 GPU, afin d'améliorer la résilience et l'efficacité énergétique du réseau.

16 novembre 20263 min de lecturePublié parNVIDIA

Lambda, fournisseur de cloud spécialisé dans l'infrastructure GPU, a annoncé l'intégration des commutateurs à optique co-packagée (CPO) de NVIDIA, baptisés NVIDIA Photonics, dans ses clusters d'entraînement d'IA. Ces commutateurs relient des racks GB300 NVL72, chacun regroupant un grand nombre de GPU, pour former un ensemble dépassant les 10 000 accélérateurs interconnectés. L'enjeu est de taille : l'entraînement de grands modèles nécessite que des milliers de GPU communiquent en permanence, et la moindre défaillance réseau peut ralentir ou interrompre un cycle d'entraînement coûteux.

La technologie d'optique co-packagée se distingue des solutions traditionnelles par l'intégration directe des composants optiques au plus près des puces de commutation, réduisant ainsi le nombre de transceivers optiques discrets habituellement nécessaires. Cette approche limite les points de défaillance potentiels, diminue la consommation électrique liée à la conversion électro-optique répétée, et réduit la latence de transmission entre les nœuds. Pour un opérateur comme Lambda, cela se traduit par une meilleure disponibilité des clusters et des coûts d'exploitation réduits, deux facteurs critiques dans un marché où la demande de calcul pour l'IA continue de croître rapidement.

Cette annonce s'inscrit dans la stratégie plus large de NVIDIA visant à positionner ses technologies de mise en réseau comme un composant aussi stratégique que ses GPU pour ce que l'entreprise appelle les 'AI factories' — des infrastructures dédiées entièrement à l'entraînement et à l'inférence de modèles à grande échelle. Lambda figure parmi les premiers fournisseurs cloud à déployer cette technologie à une échelle dépassant les dix mille GPU, ce qui en fait un cas d'usage de référence pour valider les promesses de fiabilité et d'efficacité énergétique de l'optique co-packagée en conditions de production.

Si les gains annoncés par NVIDIA et Lambda restent à confirmer par des mesures indépendantes sur la durée, cette initiative illustre une tendance de fond : à mesure que les clusters d'IA grossissent, le réseau devient un goulot d'étranglement aussi déterminant que la puissance de calcul brute. L'optique co-packagée pourrait ainsi devenir un standard pour les futures générations d'infrastructures d'IA à très grande échelle.

Tags
networkingdata-centerco-packaged-opticsgpu-clusterscloud-infrastructureai-factory

À lire aussi