Les coûts de codage par IA sont-ils sur le point de déraper ? Pour répondre aux défis des entreprises, AMD, Supermicro et Spectro Cloud ont annoncé conjointement le 5 la mise en place de « AMD Instinct Coder », une solution intégrée d’inférence IA. Cette solution met l’accent sur la stratégie « locale en priorité » et la technologie de routage intelligent, permettant aux entreprises de réduire considérablement les coûts de consommation de tokens tout en garantissant la sécurité des codes sensibles.
(Suite de l’histoire : Meta lance le modèle d’agent IA le plus puissant, Muse Spark 1.1 ! Prend en charge des contextes jusqu’à un million, excelle en programmation et en contrôle autonome de l’ordinateur)
(Informations complémentaires : SpaceXAI, appartenant à Musk, lance officiellement son modèle le plus puissant « Grok 4.5 » ! En partenariat avec Cursor, il cible les agents de codage IA avec une intégration parfaite des logiciels de bureautique Office)
À mesure que les outils d'écriture de code par l'intelligence artificielle (IA) gagnent en popularité dans la communauté des développeurs, les coûts de consommation de jetons pour les entreprises augmentent rapidement. Pour résoudre ce problème auprès des entreprises, des fournisseurs de services cloud et des opérateurs d'IA souveraine, le géant du calcul AMD, le fabricant de matériel Supermicro et la startup de gestion cloud Spectro Cloud ont annoncé conjointement, le 5 août à l'heure de Taipei, le lancement officiel de la solution d'inférence d'IA pour le codage entreprise intitulée « AMD Instinct Coder ».
Résoudre les problèmes de coûts et de sécurité : technologie de routage intelligent
Selon les prévisions de l'organisme de recherche Gartner, en l'absence d'un modèle de gouvernance adéquat, les coûts d'encodage par IA des entreprises pourraient dépasser le salaire moyen des développeurs d'ici 2028. La valeur fondamentale d'AMD Instinct Coder réside dans le « modèle hybride d'exploitation », qui juge intelligemment la complexité de la charge de travail : il achemine automatiquement les tâches d'encodage courantes vers des modèles déployés localement, tandis que les raisonnements avancés et complexes sont confiés à des modèles de pointe externes.
Cette conception permet non seulement de réduire considérablement les coûts élevés des tokens, mais surtout, elle permet aux entreprises de conserver leurs codes sensibles et leurs données contextuelles localement, éliminant ainsi les préoccupations de sécurité liées à la divulgation de secrets à un fournisseur de cloud unique.
Les trois technologies principales déployées à fond : le MI325X en tant que principal modèle
Cette solution tout-en-un intègre parfaitement les technologies de pointe de trois grands fabricants. Sur le plan matériel, la configuration initiale prévoit l'utilisation des dernières GPU Instinct MI325X d'AMD, dotées de 256 Go de mémoire HBM3E et d'une bande passante mémoire maximale atteignant 6 To/s, idéales pour les tâches d'inférence IA exigeantes en mémoire ; accompagnées d'une infrastructure enterprise AI à huit GPU fournie par Supermicro, avec des options de refroidissement par air et par liquide.
Au niveau logiciel, le PaletteAI Inference Launchpad de Spectro Cloud permet aux équipes plateforme des entreprises de configurer facilement des quotas, des mesures et des politiques de routage de modèles, afin de réaliser un contrôle et une gouvernance multi-locataires précis.
Briser la dépendance aux fournisseurs et accélérer l'adoption de l'IA par les entreprises
Pour ce partenariat majeur, Tenry Fu, PDG de Spectro Cloud, souligne que les entreprises ne devraient pas être forcées de faire un compromis entre les capacités des modèles et le contrôle économique ; Dan McNamara, vice-président senior d'AMD, indique également que le codage AI est passé du statut d'outil pour développeurs individuels à celui de décision clé au niveau des plateformes entreprises.
This solution is currently being demonstrated at the Ai4 exhibition in Las Vegas. With this pre-integrated and validated hardware-software combination, enterprises can replace complex DIY infrastructure projects, significantly shortening the time from delivery to production readiness and accelerating the deployment of production-grade AI.
