Les revenus de semi-conducteurs AI de Broadcom dépassent 160 milliards de dollars au T3

Les ASIC font une entrée massive dans les rapports ; la prochaine étape, c'est de voir comment la demande de plusieurs dizaines de GW se transforme en revenus réels.

Écrit par Jim, MSX Maetong

Édité par : Frank, MSX Maetong

Les résultats financiers de NVIDIA de la semaine dernière ont démontré que la demande en puissance de calcul pour l'IA est loin d'avoir atteint son pic.

Et hier soir, après la publication des résultats de Broadcom, une autre tendance est devenue plus claire.

Revenus des semi-conducteurs pour l'IA au T3 : 16,7 milliards de dollars, supérieurs à l'orientation précédente de 16 milliards de dollars ; le prochain trimestre est directement orienté à 21,7 milliards de dollars. Plus important encore, les revenus des puces pour l'IA sont prévus à environ 115 milliards de dollars pour l'exercice 2027 et jusqu'à 230 milliards de dollars pour l'exercice 2028.

Il est donc un peu tard de se demander si les ASIC constituent ou non la deuxième courbe de croissance de l’IA — l’argent de l’IA est déjà dépensé bien au-delà des GPU.

Au moins chez Broadcom, cette ligne a déjà commencé à apparaître dans les rapports, et le volume ultérieur est plus important que prévu. Ce qu'il faudra surveiller ensuite, c'est la capacité de grands projets comme Google, OpenAI et Anthropic à être mis en œuvre selon les délais prévus, ainsi que la part que Broadcom pourra finalement capturer.

If everything goes smoothly, keep playing the music and keep dancing.

Le véritable point d'information dans le rapport financier de NVIDIA réside dans le fait que, malgré ce niveau élevé de base, les fournisseurs de cloud, les entreprises d'IA et les laboratoires de modèles n'ont pas cessé d'augmenter leur puissance de calcul.

Cependant, lorsque les dépenses en capital liées à l'IA passeront de plusieurs dizaines de milliards de dollars à plusieurs centaines de milliards, puis atteindront finalement des niveaux annuels de mille milliards de dollars ou plus, la logique d'achat changera inévitablement.

Par exemple, les grandes entreprises commencent à se demander davantage : combien coûte la réalisation d’une charge de travail IA ? Avec 1 GW d’électricité, combien de puissance de calcul utile peut-on produire ? Si certaines charges de travail sont déjà hautement stables, est-il encore nécessaire d’utiliser uniquement les produits les plus coûteux ?

C'est dans ce contexte que les ASIC deviennent de plus en plus importants.

Comprendre l'ASIC comme simplement un « GPU moins cher » n'est pas exact ; son véritable avantage provient de sa spécialisation.

La conception d'une puce sur mesure n'est pas bon marché, car elle implique des investissements initiaux considérables en recherche et développement, un cycle de développement long, ainsi que la résolution de problèmes d'adaptation complets liés au logiciel, au conditionnement avancé, au réseau, au système et à la chaîne d'approvisionnement.

Mais inversement, une fois qu'une charge de travail devient suffisamment stable et que son déploiement passe de quelques dizaines de MW à plusieurs centaines de MW, puis à GW, les améliorations du coût unitaire, du rapport performance/consommation et du TCO global du système peuvent être rapidement amplifiées.

Ainsi, Google persiste à utiliser les TPU, Meta continue d'étendre ses MTIA, et OpenAI commence à collaborer avec Broadcom pour développer ses propres processeurs, tous ayant conscience que même le transfert d'une partie des charges de travail les plus stables et les plus volumineuses des processeurs généralistes vers des processeurs dédiés pourrait générer une énorme valeur économique.

En les résumant simplement, on constate que cela profite également à plusieurs conditions qui mûrissent simultanément, la variable la plus cruciale étant que l'inférence devient une charge croissante de plus en plus importante.

Il est bien connu que l'entraînement des modèles est souvent effectué par phases, mais une fois que ChatGPT, Gemini, Claude et un nombre croissant d'agents entrent réellement en production, l'inférence devient une tâche qui se produit quotidiennement.

Surtout lorsque le volume d'appels augmente et que les structures de modèle et les modèles de service deviennent progressivement stables, il est naturellement plus adapté à l'optimisation matérielle pour des charges de travail spécifiques. OpenAI a officiellement lancé en juin de cette année son premier processeur d'intelligence, le Jalapeño, développé en partenariat avec Broadcom, conçu spécifiquement pour l'inférence LLM.

Plus remarquable encore, ce n'est pas une puce isolée ; OpenAI et Broadcom la définissent explicitement comme le premier produit d'une plateforme de calcul multigénérationnelle, prévue pour être déployée à partir de la fin 2026 et étendue à l'échelle des gigawatts dans le futur.

La feuille de route de Meta est également très similaire, avec un déploiement de quatre générations de MTIA sur deux ans, axé sur les recommandations, le classement et l'IA générative, plusieurs produits adoptant explicitement une approche inference-first. En avril de cette année, le partenariat avec Broadcom a été élargi, avec plus de 1 GW déployés lors de la première phase, et des extensions prévues à plusieurs GW ; la collaboration sur plusieurs générations de produits se poursuivra jusqu'en 2029.

Cela indique que les grands clients AI d'aujourd'hui passent progressivement d'une simple quête de performance maximale à une autre logique : savoir si les tokens peuvent être produits à moindre coût.

Lorsque l'IA commencera réellement à être commercialisée, le coût d'un million de jetons, la quantité de puissance de calcul efficace générée par watt d'électricité, ainsi que le TCO d'un centre de données entier deviendront de plus en plus importants.

La nature fondamentale des ASIC consiste simplement à ce que les grandes entreprises d'IA commencent à reprendre le contrôle de ce coût.

Une fois cela compris, il sera plus facile d'analyser les résultats financiers de Broadcom.

Au dernier trimestre, le chiffre d'affaires total de Broadcom a atteint 22,187 milliards de dollars américains, en hausse de 48 % en glissement annuel ; dont les revenus provenant des semi-conducteurs AI ont atteint 10,8 milliards de dollars américains, en hausse de 143 % en glissement annuel.

Les prévisions pour le prochain trimestre annoncées par l'entreprise sont plus agressives, avec un chiffre d'affaires total d'environ 29,4 milliards de dollars, dont les revenus provenant des semi-conducteurs AI estimés à 16 milliards de dollars, en hausse de plus de 200 % en glissement annuel.

Qu'est-ce que 16 milliards de dollars ? Cela équivaut à environ 54 % du chiffre d'affaires total prévu par Broadcom pour ce trimestre.

Autrement dit, si les prévisions se réalisent, uniquement le secteur des semi-conducteurs pour l’IA pourrait générer plus de la moitié des revenus de Broadcom — même en incluant déjà les activités logicielles d’infrastructure comme VMware.

En d'autres termes, l'IA modifie directement la structure des revenus de cette entreprise.

Mais il y a ici une méprise facile : les 16 milliards de dollars ne peuvent pas être directement équivalents aux « revenus ASIC », car ils incluent également des produits de réseau AI tels que des puces d'interconnexion Ethernet, SerDes, PCIe et optiques.

Au dernier trimestre, les activités réseau représentaient déjà près de 40 % des revenus des semi-conducteurs AI. Hock Tan a également indiqué que ce pourcentage pourrait avoir atteint un sommet temporaire et qu'à long terme, il reviendrait probablement à environ 30 %.

Ainsi, Broadcom développe en réalité deux activités simultanément : Custom XPU et AI Networking, ce qui constitue la principale différence avec de nombreuses entreprises spécialisées uniquement dans les puces.

Une fois que les clusters d'IA passent de quelques milliers de puces à plusieurs dizaines de milliers, voire des centaines de milliers ou plus, la manière dont les puissances de calcul sont connectées devient de plus en plus importante.

Broadcom sépare davantage le réseau AI en scale-up, scale-out et scale-across : de l'interconnexion haute vitesse au sein du rack, au réseau à grande échelle au sein du centre de données, jusqu'à la connexion entre plusieurs centres de données.

Tant que les clusters AI continuent de grossir, si les grands fournisseurs de cloud augmentent leurs ASIC internes, Broadcom peut participer au marché des XPU personnalisés ; si les clusters GPU continuent de s'étendre, le marché ouvert des réseaux Ethernet pourrait également continuer de croître.

Cela place Broadcom dans une position intéressante, car il mise en réalité sur une continuelle augmentation de la complexité de l'infrastructure IA.

Of course, this does not mean that this business has no competition.

Bien que Google ait signé un accord à long terme avec Broadcom pour développer les futures générations de TPU et les composants associés aux racks AI de nouvelle génération, avec une couverture pouvant aller jusqu'en 2031 ; Google a récemment élargi sa collaboration avec Marvell sur des puces sur mesure.

Cela indique au moins que les grands clients ne confient pas facilement l'ensemble de leur architecture future à un seul fournisseur.

Le marché savait depuis longtemps que l'IA de Broadcom serait puissante.

Ainsi, ce que l'on attendait réellement de ce résultat financier, ce n'était pas de savoir si les 16 milliards seraient atteints, et heureusement, la réponse est maintenant connue.

Du moins à ce jour, la question pour Broadcom n'est plus de savoir s'il y a une deuxième courbe de croissance, mais plutôt à quel point cette courbe pourra être longue, ce qui signifie que le marché deviendra de plus en plus exigeant par la suite.

Auparavant, 100 milliards en soi était une surprise ; maintenant que 115 milliards et 230 milliards sont sur la table, ce qu'il faut observer, c'est comment ces chiffres seront concrétisés.

Les projets de Google, Meta, OpenAI et Anthropic pourront-ils progresser jusqu'à l'échelle GW selon le planning prévu ? Après la production en série du premier lot de puces, pourront-ils obtenir les deuxième et troisième générations ? Le trafic réseau pourra-t-il suivre la croissance de la taille des clusters ?

These are more important than selling tens of billions of dollars more in a single quarter.

Une autre question devient de plus en plus incontournable : les grands clients ne s'abonnent pas à un seul fournisseur.

Google a déjà commencé à élargir ses collaborations avec d'autres fabricants, et il est très probable que Meta et OpenAI conservent également un système à plusieurs fournisseurs. Ainsi, l'avantage actuel de Broadcom est réel, mais il n'atteint pas encore le niveau d'une « dépendance client ».

From this perspective, proving its ability to remain a core part of these customers’ supply chains over the long term will be a decisive factor.

En tout cas, ce résultat financier de Broadcom nous rappelle que les puces personnalisées, les réseaux et l'interconnexion, autrefois perçus comme des éléments de soutien, deviennent progressivement des éléments centraux.

Rappelle également au marché que cette vague d'investissement dans les infrastructures liées à l'IA n'est probablement pas encore arrivée à un stade où seule la concurrence pour les actifs existants reste.

Tant que les grandes entreprises continueront à construire des clusters de plus en plus grands, à acheter plus d'électricité et à calculer plus de tokens, de nouveaux goulets d'étranglement apparaîtront constamment, accompagnés de nouveaux puits de profit.

L'industrie de l'IA est en train de s'étendre d'un seul processeur à une infrastructure complète, ce qui représente un espace d'imaginaire encore plus vaste.