Au cours des deux dernières années, le boom de l’intelligence artificielle générative a été largement défini par un marché unique. Les hyperscalers ont dominé le marché avec des dépenses en capital massives.
Selon CréditSightsles cinq plus grands hyperscalers américains – Amazon Web Services Inc., Microsoft Corp., Google LLC, Meta Platforms Inc. et Oracle Corp. – sont en passe de dépenser environ 700 à 800 milliards de dollars en dépenses d'investissement cette année, dont environ les trois quarts sont directement liés à l'infrastructure d'IA. Un Rapport Allianz a également constaté que les hyperscalers et les grands fournisseurs de services technologiques absorbent désormais environ les deux tiers de toutes les dépenses en IA. Les géants de la technologie ont dépensé des milliards pour construire des méga-clusters personnalisés refroidis par liquide pour former des modèles de pointe, laissant tout le monde se démener pour accéder au calcul brut.
Bien que les hyperscalers aient été les premiers moteurs de la ruée vers l’or du matériel d’IA, le marché est en train de changer. La prochaine phase de croissance de l’infrastructure d’IA va au-delà des géants du cloud public vers les « constructeurs d’IA distribués » – un marché qui comprend les cloud souverains, les néoclouds, les fournisseurs de services d’IA et, de plus en plus, les centres de données d’entreprise grand public.
Cependant, les entreprises et les fournisseurs de néocloud sont confrontés à de sérieux obstacles lorsqu’ils construisent une infrastructure d’IA moderne. Les charges de travail à grande échelle, telles que les frameworks multi-agents et les modèles comportant des milliards de paramètres, nécessitent des environnements haute densité refroidis par liquide. Dans le même temps, les entreprises sont confrontées à des défis en matière de souveraineté des données, car elles ne peuvent pas simplement transférer leur principale propriété intellectuelle vers des modèles publics frontières sans risquer leur avantage concurrentiel. Enfin, une pénurie persistante de talents spécialisés en ingénierie de réseaux fait du déploiement de clusters d’unités de traitement graphique complexes et sur mesure une entreprise à haut risque.
Aujourd'hui, Cisco Systems Inc. a annoncé une expansion de son Cisco Secure AI Factory avec Nvidia Corp.abordant directement ces points de friction. En élargissant son partenariat avec Nvidia pour introduire des architectures à l'échelle rack certifiées Nvidia, Cisco comble le fossé entre les capacités d'IA de niveau hyperscale et la simplicité opérationnelle prête pour l'entreprise.
Cisco étend l'IA Factory à l'échelle du rack
L'annonce de Cisco étend sa stratégie principale d'IA dans trois domaines critiques :
- Infrastructure intégrée à l'échelle du rack : Pour répondre aux charges de travail d'IA à haute densité, Cisco introduit des architectures de rack pré-intégrées et refroidies par liquide. Pour compléter son portefeuille de calcul aux côtés de sa famille UCS existante, Cisco s'associe à Supermicro pour fournir des systèmes haute densité refroidis par liquide, y compris la prise en charge d'architectures telles que celle de Nvidia NVL72. Cela permet à Cisco de proposer des modules de centre de données d'IA complets et clés en main, soutenus par les accords mondiaux de chaîne d'approvisionnement, de support et de niveau de service de Cisco.
- Conformité NCPRA de bout en bout : Cisco a annoncé la prise en charge de l'architecture de référence des partenaires certifiés Nvidia dans les structures réseau front-end et back-end. Opérant sur ses plates-formes de commutation Silicon One et Nexus Spectrum-X, Cisco se distingue comme un partenaire technologique principal capable de fournir des structures unifiées et conformes à la NCPRA en utilisant à la fois son propre silicium et les composants réseau back-end de Nvidia.
- Services d'infrastructure validés par Cisco : Pour relever les défis de déploiement et le déficit de compétences à l'échelle mondiale, Cisco a introduit CVIS, une boîte à outils automatisée et un cadre de services qui accélère le déploiement de « plusieurs mois à quelques semaines ». Soutenu par un nouveau cluster d'ingénierie interne de 1 000 GPU, Cisco pré-valide les performances de la pile complète avant même que le matériel du client n'atteigne l'étage du centre de données.
- Opérations unifiées : L'ensemble de l'infrastructure — des traîneaux de calcul aux commutateurs et appareils de sécurité — est gérée via la plateforme Cisco Cloud Control, qui intègre la télémétrie, l'observabilité et les opérations du deuxième jour dans une interface familière pour les administrateurs réseau.
Au-delà des hyperscalers : intégrer les centres de données IA dans l'entreprise
Pour les responsables des technologies de l’information d’entreprise, cette nouvelle signale un changement dans l’endroit et la manière dont les charges de travail d’IA d’entreprise seront exécutées. Les hyperscalers construisent une infrastructure pour une location publique évolutive, avec du matériel désagrégé et géré par des plans de contrôle logiciels propriétaires. L’informatique d’entreprise fonctionne sous des contraintes totalement différentes :
- Extension du modèle opérationnel d’entreprise : La plupart des organisations informatiques ne disposent pas des équipes d'ingénierie spécialisées nécessaires pour assembler des unités de refroidissement liquide personnalisées, des structures désagrégées et des moteurs d'orchestration open source. En intégrant des architectures rack-scale conformes à la norme NCPRA dans l'écosystème Cisco, les équipes informatiques peuvent créer des « pods IA » standards et reproductibles en utilisant les mêmes flux de travail opérationnels, les mêmes politiques de sécurité et les mêmes outils Nexus/NX-OS sur lesquels ils s'appuient depuis des décennies.
- Protéger la souveraineté des données et l'alpha : Alors que l’IA agentique et les réglages localisés remplacent les requêtes simples et larges, les entreprises souhaitent apporter des modèles à leurs données, et non l’inverse. Les racks d'entreprise clés en main refroidis par liquide permettent aux services informatiques d'exécuter des formations et des inférences denses et hautes performances en interne ou dans des installations de colocation sous leur propre gouvernance.
- Structure et sécurité unifiées : Plutôt que de traiter les clusters d'IA comme des îlots isolés de « shadow IT » avec des réseaux séparés, l'approche de Cisco intègre les structures GPU back-end directement dans les cadres de sécurité et d'observabilité de l'entreprise. La sécurité est intégrée à la pile réseau plutôt que renforcée après le déploiement.
De plus, à mesure que les néoclouds et les cloud souverains étendent les services régionaux d’hébergement d’IA sur l’infrastructure Cisco, l’informatique d’entreprise gagne un « volant d’inertie » opérationnel. Une entreprise peut diffuser en toute transparence les charges de travail de sa Cisco AI Factory sur site vers un cloud souverain alimenté par Cisco, en utilisant des politiques de réseau, des normes opérationnelles et des contrôles de sécurité identiques des deux côtés.
Conseils stratégiques pour les professionnels de l'informatique d'entreprise
À mesure que l’infrastructure de l’IA passe des expériences scientifiques à grande échelle aux déploiements informatiques d’entreprise standard, les responsables technologiques devraient prendre en compte les conseils suivants :
- Évitez les clusters GPU « DIY » : À mesure que les densités de GPU augmentent et que le refroidissement liquide devient obligatoire, la création d’une infrastructure d’IA personnalisée en intégrant des couches disparates de calcul, de stockage et de réseau présente un risque élevé. Donnez la priorité aux piles pré-validées et à l'architecture de référence (telles que les systèmes conformes à la norme NCPRA) pour réduire considérablement le délai d'obtention du premier jeton et le temps moyen de résolution à long terme.
- Tirez parti des compétences existantes en matière de réseau et d’opérations : Ne créez pas de silos isolés et hyper-spécialisés au sein de votre organisation informatique uniquement pour prendre en charge l’IA. Concentrez-vous sur les architectures qui permettent à vos équipes réseau, opérationnelles et de sécurité existantes de gérer les structures d'IA à l'aide de plans de contrôle familiers (par exemple, Cisco Cloud Control et Nexus OS). Améliorer les compétences de votre personnel actuel en matière de réseautage prêt pour l'IA est bien plus durable que d'essayer d'embaucher des spécialistes de niche rares.
- Planifier la mobilité des modèles hybrides : Concevez l’architecture de votre centre de données en gardant à l’esprit l’élasticité hybride. Assurez-vous que quelle que soit la pile que vous déployez sur site, elle partage la gestion et la lignée du réseau avec des fournisseurs régionaux de neocloud ou de cloud souverains. Cela garantit que vous pouvez répartir les charges de travail de formation ou d’inférence en externe sans réarchitecturer votre sécurité ou votre posture réseau.
- Exigez un support complet et des SLA : Les composants matériels des clusters d'IA haute densité échoueront, qu'il s'agisse d'une boucle de refroidissement liquide, d'un émetteur-récepteur ou d'un nœud GPU. Évitez de pointer du doigt plusieurs fournisseurs en sélectionnant des solutions complètes soutenues par un support unique de niveau entreprise dès le deuxième jour et des capacités de service mondiales.
- Achetez le modèle de support, pas la fiche technique. Les déploiements d'IA à l'échelle du rack échouent au niveau de l'intégration, et non des tests de référence. Demandez explicitement à qui appartient l'escalade lorsqu'un plateau GPU, une boucle de refroidissement et un lien de structure sont simultanément suspects. Si la réponse implique que plus d’une gorge s’étouffe, continuez à pousser.
Réflexions finales
L’époque où l’informatique IA était limitée aux hyperscalers touche à sa fin. Grâce à des partenariats tels que ceux entre Cisco et Nvidia, les architectures rack standardisées, refroidies par liquide, atteignent désormais les canaux grand public, offrant ainsi à l'informatique d'entreprise un modèle pour exécuter une infrastructure d'IA haute densité avec confiance, sécurité et simplicité opérationnelle.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
