Cette fois, Old Huang a étendu les tentacules de l'infrastructure IA jusqu'à la couche modèle.
La semaine dernière, NVIDIA a annoncé deux commandes majeures.
Juste après avoir signé un accord d'acquisition avec Hugging Face, le plus grand centre mondial de modèles open source, des rumeurs ont émergé selon lesquelles il prépare un chèque d'environ 3 milliards de dollars pour Mira Murati, l'ancienne CTO d'OpenAI, la plus célèbre de la Silicon Valley.
Lao Huang a parié sur Thinking Machines Lab, fondé par Murati.
L'évaluation avant investissement a directement atteint au moins 40 milliards de dollars américains, avec un objectif de levée de fonds de 5 à 6 milliards de dollars américains, et NVIDIA pourrait racheter environ la moitié.
Ce n'est pas un premier investissement dans NVIDIA, mais un renforcement continu.
En regardant la vitesse de croissance de Thinking Machines Lab, on dirait qu’elle a été boostée.
Au cours du tour précédent en juillet 2025, il a levé l'une des plus grandes séries de financement initial de l'histoire :
Série de financement initial de 2 milliards de dollars américains, évaluation post-investissement de 12 milliards de dollars américains.
En seulement 14 mois, la valorisation avant investissement a atteint 40 milliards, triplant plus que cela.
Si ce levée de fonds de 5 à 6 milliards de dollars est pleinement souscrite, la valorisation post-investissement atteindra directement 45 à 46 milliards de dollars.
Le plus fou reste à venir.
Cette entreprise vient tout juste de dépasser 100 millions de dollars de revenus annuels, pour une évaluation aussi impressionnante.
Une évaluation de 40 milliards de dollars correspond à un multiple du chiffre d'affaires d'environ 400.
Une entreprise fondée il y a 19 mois, dont plusieurs cofondateurs sont déjà partis, pourquoi NVIDIA serait-elle prête à débourser à nouveau 2,5 à 3 milliards de dollars ?
Après avoir quitté OpenAI il y a deux ans, il a atteint une évaluation de 40 milliards de dollars.
De 12 milliards à 40 milliards, Murati n'a mis que 14 mois.
En septembre 2024, Murati a annoncé son départ d'OpenAI. À l'époque, elle était CTO et avait assumé temporairement les fonctions de PDG pendant les jours où Altman avait été évincé par le conseil d'administration.
Environ cinq mois plus tard, Thinking Machines Lab est apparu.
La liste des startups comprend presque un annuaire des anciens collaborateurs d’OpenAI : parmi les cofondateurs figurent des personnalités de premier plan comme Lilian Weng, John Schulman, Barret Zoph et Luke Metz.
En juillet 2025, 2 milliards de dollars américains ont été versés lors du tour de financement initial.
a16z a mené le tour de financement, avec Accel, NVIDIA, AMD et Jane Street en tant qu'investisseurs suivants. À l'époque, Murati n'avait même pas un produit décent, mais les investisseurs croyaient en elle.
Bientôt, le produit a présenté sa réponse.
En octobre 2025, le premier produit, Tinker, sera lancé, et en décembre, l'accès sera ouvert à tous.
Ce n'est pas un modèle, mais une plateforme de fine-tuning : les développeurs y téléchargent leurs données pour adapter des modèles à poids ouverts selon leurs besoins, et paient en fonction de la puissance de calcul utilisée.
Ensuite, un mouvement plus important arrive.
Le 10 mars 2026, Thinking Machines et NVIDIA ont annoncé un partenariat stratégique pluriannuel : le déploiement d'au moins 1 GW du système Vera Rubin, accompagné d'un investissement majeur non divulgué de la part de NVIDIA.
Huang Renxun (à gauche) et Murati (à droite). Le 10 mars 2026, les deux parties ont officiellement annoncé une collaboration de 1 GW pour Vera Rubin, tandis qu’NVIDIA a effectué un investissement dont le montant n’a pas été divulgué.
Quatre mois plus tard, le 15 juillet 2026, ils ont lancé leur premier modèle interne phare, Inkling :
975 milliards de paramètres totaux, 41 milliards d'activés, contexte maximal de 1 million de tokens, prise en charge du texte, des images et de l'audio, poids complets ouverts.
Ensuite, il s'agit des négociations de financement de 5 à 6 milliards de dollars.
Cela coûte autant à cause de la collaboration de 1 GW mentionnée ci-dessus.
1 GW est une puissance de calcul de niveau laboratoire de pointe. Les puces, le réseau, l'électricité et les centres de données sont tous configurés à l'échelle du gigawatt, chacun représentant un chiffre astronomique.
De 1 milliard de dollars initialement annoncés à aujourd'hui 5 à 6 milliards de dollars, le montant levé a été multiplié par cinq à six pour soutenir cet objectif de 1 GW.
Where does this money come from?
Au dernier tour, NVIDIA n'était qu'un investisseur parmi d'autres, le lead investor étant a16z.
Pour ce tour, l'investisseur principal est désormais Accel, et NVIDIA pourrait couvrir environ la moitié, passant d'investisseur secondaire à principal contributeur.
Ainsi, la scène familière réapparaît : NVIDIA est à la fois le plus grand investisseur de ce cycle et le fournisseur du système de 1 GW.
L'argent entré dans le compte de Thinking Machines sera très probablement réinvesti sous forme de commandes pour NVIDIA.
Investissement, achat, revenus : une boucle fermée au sein de la même entreprise.
The direction is clear enough.
NVIDIA ne se contente plus de fournir des puces à des laboratoires célèbres comme OpenAI et Anthropic ; elle commence à s'associer en amont aux prochains acteurs de pointe par des participations actions.
Dans l'annonce de mars, il y avait une autre phrase facile à négliger : les deux parties devaient concevoir conjointement des systèmes d'entraînement et d'inférence adaptés à l'architecture NVIDIA.
Cela signifie que les futurs modèles de Thinking Machines seront conçus dès le départ selon Vera Rubin.
La route de Murati, pas de compétition pour le premier modèle
À travers la stratégie de Murati au cours de ces 19 mois, vous constaterez qu'elle a constamment évité de s'affronter directement avec OpenAI ou Anthropic sur la question de la puissance de leurs modèles.
Ou même reconnaître directement dans le blog de publication d'Inkling :
Inkling n'est pas le modèle le plus puissant actuel, qu'il soit ouvert ou fermé.
Le modèle économique de Thinking Machines a été fixé dès le jour du lancement de Tinker : il vend l'idée de « transformer le modèle en votre propre outil ».
L'entreprise utilise ses propres données et ses propres activités pour entraîner, affiner et effectuer des inférences sur sa plateforme, et elle facture en fonction de la quantité de puissance de calcul utilisée.
Selon les propres mots de Murati : créer une IA que les gens peuvent façonner et s'approprier.
Cette phrase place Thinking Machines sur une voie différente de celle d'OpenAI et d'Anthropic.
Les deux dernières se battent pour le modèle propriétaire général le plus puissant, tandis qu'elle se place en dessous : ne pas rivaliser pour la première place des modèles, mais créer l'infrastructure permettant à chacun de personnaliser ses propres modèles.
N'est-ce pas précisément les infrastructures IA dont Lao Huang a souvent parlé ?
NVIDIA a parlé pendant deux ans d'usines d'IA, d'infrastructures d'IA et d'économie de jetons, et cherche précisément ce type d'activité où chaque nouveau client consomme davantage de puissance de calcul.
Le 16 mars, lors de la conférence GTC 2026, Jensen Huang a déclaré que la demande en puissance de calcul avait « augmenté d'un million de fois », avec un chiffre d'affaires d'au moins 1 000 milliards de dollars entre 2025 et 2027.
Comprendre cela, et la logique devient claire quant à la raison pour laquelle NVIDIA est disposée à dépenser de l'argent.
En combinant Hugging Face, NVIDIA détient deux atouts majeurs
Ce n'est pas la seule grande action d'NVIDIA ce mois-ci.
Le 3 septembre, NVIDIA a officiellement annoncé l'acquisition de Hugging Face pour 12,9303 milliards de dollars américains, et l'accord a été signé.
Considérez les deux transactions ensemble :
Hugging Face détient l'accès à la distribution de modèles ouverts et à la communauté de développeurs ; Thinking Machines détient les modèles de pointe, la plateforme de fine-tuning et une équipe de recherche.
Un côté est l'entrée, l'autre est le modèle. NVIDIA a misé des deux côtés sur la ligne des poids ouverts.
Les deux ensemble s'élèvent à près de 16 milliards de dollars, séparées par seulement quelques jours.
Le poids complet d'Inkling est disponible sur Hugging Face, avec une version NVFP4 spécialement optimisée pour NVIDIA Blackwell.
Les développeurs téléchargent Inkling depuis Hugging Face, le personnalisent sur Tinker, puis le lancent sur Vera Rubin.
Entrée, modèle, plateforme de fine-tuning, puce : chaque étape fait partie d'un écosystème.
C'est exactement ce que NVIDIA souhaite : verrouiller les entreprises de modèles en investissant en amont, ce qui garantit leurs besoins futurs en puissance de calcul.
Références :
https://techcrunch.com/tag/thinking-machines-lab/
https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation
https://thinkingmachines.ai/news/introducing-inkling/
https://blogs.nvidia.com/blog/nvidia-thinking-machines-lab/
Cet article provient du compte officiel WeChat « Nouvelle Intelligence », auteur : Apocalypses de l'ASI ; éditeur : Yuan Yu