Lors d’une conférence téléphonique avec les investisseurs, le PDG de DeepSeek, Liang Wenfeng, a remis en cause la suprématie de Nvidia : le matériel Huawei devrait remplacer intégralement les systèmes GB300.
Liang Wenfeng, fondateur et PDG de DeepSeek, s’est exprimé avec une clarté inhabituelle lors d’une conférence avec les investisseurs au sujet de la course au rattrapage de la Chine en matière de puissance de calcul et au sujet de Nvidia :
« Je suis assez optimiste en ce qui concerne la puissance de calcul nationale – sur ce point, Nvidia creuse sa propre tombe. »
Huawei 950 contre Nvidia GB300 : le calcul du dirigeant de DeepSeek
Concrètement, Wenfeng affirme que l’« Atlas 950 SuperPoD » de Huawei – un « supernœud », c’est-à-dire un réseau étroitement couplé de nombreux accélérateurs – pourrait remplacer entièrement les racks « GB200 » et « GB300 » de Nvidia en termes de performances et de prix. Le prix serait certes plus élevé, mais dans des limites raisonnables : que ce soit 50, 100 ou même 200 % plus cher, cela n’aurait finalement aucune importance, selon Wenfeng.
Mais c’est lui-même qui en révèle le bémol : pour atteindre les performances d’un GPU Nvidia, il faudrait quatre puces Huawei, et l’on accuserait un retard d’environ deux ans.
- Quatre Huawei 950 correspondraient à un GB300 – avec, selon Wenfeng, une latence et un éventail de tâches identiques.
- Le supernœud de Huawei devrait être opérationnel au troisième ou quatrième trimestre 2026, tandis que le GB200 de Nvidia a été commercialisé au troisième trimestre il y a deux ans.
Le déficit de puissance de calcul de la Chine : pourquoi les États-Unis sont en tête
Selon Wenfeng, l’écart avec les États-Unis réside dans les ressources, et non dans le personnel : la pénurie de talents ne serait qu’une conséquence du déficit de puissance de calcul. D’après le directeur de DeepSeek, les plus grands modèles d’IA actuels activent simultanément environ 800 milliards de paramètres, contre seulement 10 milliards environ pour les modèles chinois – un retard d’un ordre de grandeur.
Transcription intégrale de la conférence téléphonique de Wenfeng avec les investisseurs. Il se montre ici beaucoup plus catégorique. Il insiste sur le fait que l’open source est *la* priorité. Si vous n’êtes pas d’accord, allez acheter davantage de Zhipu.
Et surtout, il affirme que la modération est *la seule façon de survivre*. Les laboratoires qui veulent « dévorer le monde » seront éliminés. https://t.co/tTCa83rxak pic.twitter.com/XhqVm3zuMK— Teortaxes▶️ (Fan inconditionnel de DeepSeek sur Twitter 2023 – ∞) (@teortaxesTex) 23 juillet 2026
Selon Wenfeng, pour entraîner un modèle de cette envergure, il faudrait environ 50 000 GB300 ou quelque 200 000 Huawei 950 – sans compter la recherche. Huawei mettrait actuellement à la disposition de DeepSeek une capacité d’environ 16 000 accélérateurs ; le goulot d’étranglement se situerait au niveau de la production de Huawei.
Un avantage qui s’effrite : CUDA et l’argument TileLang
L’avantage souvent cité de Nvidia est la plateforme logicielle « CUDA », à laquelle de nombreux développeurs d’IA sont liés. C’est précisément cet avantage que Wenfeng voit s’amenuiser : l’IA serait aujourd’hui capable d’écrire elle-même le code nécessaire, sans compter un outil interne appelé « TileLang », qui permet de reproduire l’écosystème de Nvidia.
Il cite son propre modèle « V3 » comme preuve : bien que ce modèle ait fonctionné sur du matériel Nvidia, il s’est déconnecté de l’environnement logiciel de Nvidia pendant l’entraînement, grâce à un compilateur TileLang écrit en interne. Selon lui, les puces spécialisées pour l’IA rendraient de toute façon l’avance de CUDA de plus en plus insignifiante.
