La plateforme Vera Rubin de Nvidia pourrait améliorer l'économie de l'inférence IA — la phase au cours de laquelle les modèles entraînés génèrent des réponses pour les utilisateurs — en augmentant le rendement que les centres de données peuvent tirer d'une alimentation électrique limitée. Un nouveau rapport du cabinet d'études SemiAnalysis estime que Rubin peut produire plus de revenus et de bénéfices par gigawatt que la plateforme Blackwell de la génération actuelle de la société, un facteur susceptible d'influencer l'attention des investisseurs sur l'action NVDA alors que les fournisseurs cloud continuent d'étendre leur capacité d'infrastructure IA.

Ces conclusions arrivent à un moment où la disponibilité de l'électricité est devenue une contrainte centrale sur la quantité de capacité IA que les opérateurs peuvent mettre en ligne.

Rubin surpasse Blackwell en revenus par gigawatt

Le dernier benchmark AgentX de SemiAnalysis a révélé que Rubin NVL72 — la configuration à l'échelle d'un rack de la nouvelle plateforme — a produit environ 39 % de revenus annuels en plus par gigawatt que la configuration GB300 la plus performante, construite sur la plateforme Blackwell de la génération actuelle qui sert de base de comparaison. Le rapport a également estimé environ 42 % de bénéfices modélisés en plus par gigawatt sur les principales charges de travail IA agentiques, dans lesquelles les modèles exécutent des tâches à long contexte et à tours multiples.

L'efficacité énergétique est devenue un enjeu central pour les centres de données IA. Lorsque les systèmes génèrent plus de tokens — les unités de texte que les modèles traitent et produisent — par mégawatt d'électricité consommé, les entreprises cloud peuvent servir davantage d'utilisateurs avec la même alimentation électrique.

Le rapport a également mesuré la performance de Rubin par rapport au coût total de possession, une mesure qui combine le matériel, l'énergie et les dépenses d'exploitation sur la durée de vie d'un système. Lors d'un test exécuté à 170 tokens par seconde, Rubin a délivré jusqu'à 67 fois le débit total par TCO de GB300.

SemiAnalysis attribue ces gains à la conception intégrée de matériel et de réseau de Nvidia. La plateforme combine le GPU Rubin, le CPU Vera, NVLink 6, ConnectX-9, BlueField-4 et Spectrum-6 en un seul système ciblant les charges de travail IA à long contexte et à tours multiples.

Les limites énergétiques façonnent les dépenses d'infrastructure IA

L'accent mis sur l'énergie intervient alors que les opéurs de centres de données font face à des contraintes d'électricité disponible sur plusieurs marchés. L'achat de davantage d'accélérateurs ne peut à lui seul résoudre le problème lorsque les installations manquent d'énergie pour faire fonctionner de nouveaux systèmes. Un rendement plus élevé par mégawatt pourrait donc permettre aux opérateurs de soutenir davantage d'activité IA dans des budgets énergétiques fixes.

Pour l'action NVDA, les investisseurs pourront observer l'ampleur de l'adoption de Rubin par les clients à mesure que les priorités de dépenses d'infrastructure évoluent vers l'efficacité et les coûts d'exploitation.

Montée en production en cours chez les grands fournisseurs cloud

Nvidia a annoncé Vera Rubin en mars et indiqué que les partenaires commenceraient à proposer des systèmes Rubin au second semestre 2026. La société a positionné la plateforme comme la prochaine étape après Blackwell pour l'entraînement et l'inférence IA à grande échelle.

Dès juillet, Nvidia a déclaré que CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure et Nebius faisaient tourner des racks Rubin tandis que la production de NVL72 accélérait. La société a également indiqué que son réseau de production couvrait plus de 350 sites d'usine dans 30 pays.

Ces déploiements offrent aux opérateurs cloud un accès précoce aux systèmes Rubin avant la fenêtre de disponibilité du second semestre 2026, tandis que Nvidia s'efforce d'étendre la production tout au long de l'année grâce à la fabrication de ses partenaires sur les principaux marchés mondiaux.

Source : Blockonomi