Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

La pénurie de T-glass pèse sur la chaîne d'approvisionnement des accélérateurs IA

Un tissu de fibre de verre spécialisé appelé T-glass, dont le japonais Nittobo contrôle environ 90 % de l'offre mondiale, est devenu le dernier goulot d'étranglement de la production d'accélérateurs IA : les prix ont grimpé de 20 à 30 % et les délais dépassent désormais 20 semaines.

TechnologieAnalyseCamille RousseauPublié le: 27 septembre 20267 min de lectureSources 4
La pénurie de T-glass pèse sur la chaîne d'approvisionnement des accélérateurs IA

L'histoire des accélérateurs IA se raconte d'ordinaire à travers la feuille de route GPU de Nvidia ou les capacités de fonderie de TSMC. Mais selon Tom's Hardware, une entreprise japonaise, Nittobo, contrôle environ 90 % de l'offre mondiale d'un tissu de fibre de verre spécialisé appelé T-glass, et ce matériau entre dans chaque boîtier de puce IA avancée. La demande dépasse aujourd'hui l'offre.

Le T-glass est un tissu de verre à faible CTE utilisé dans le cœur organique des substrats de circuits intégrés, la couche d'interconnexion entre une puce et sa carte de circuit imprimé. Il maintient la stabilité dimensionnelle des grands boîtiers qui chauffent fort. À mesure que les processeurs IA grossissent et tournent plus chaud, la tâche devient plus difficile. Selon Tom's Hardware, la physique qui permet de garder les processeurs IA plats et fonctionnels repose sur le T-glass.

Pourquoi l'offre ne peut pas être activée d'un simple geste

Nittobo triple la capacité de son usine de Fukushima, au Japon. Mais la nouvelle offre n'arrivera pas sur le marché avant la mi-2027. Ce calendrier compte, car le T-glass n'est pas une matière première que l'on peut remplacer ou mettre en production rapidement. Le matériau exige des fours électriques de fusion spécialisés fonctionnant entre 1 600 et 1 700 degrés Celsius, et le procédé consiste à faire fondre un verre riche en silice, à le transformer en fil puis à le tisser en un tissu ultramince. Tom's Hardware rapporte que cette montée en échelle demande des années d'investissement et d'expertise.

Une autre fibre de verre, l'E-glass, s'emploie de la même manière mais coûte moins cher et sert surtout les puces d'entrée de gamme, comme les microcontrôleurs et les anciens processeurs mobiles. Le T-glass l'emporte par sa résistance thermique. Pour les puces à forte puissance, en particulier les énormes boîtiers 2.5D et 3D, le T-glass reste l'option préférée.

Bilal Hachemi, analyste chez Yole Group, qui suit la chaîne d'approvisionnement des substrats de circuits intégrés, a déclaré à Tom's Hardware Premium que remplacer le T-glass n'est pas simple car il « présente des valeurs diélectriques et de CTE spécifiques qui conviennent mieux aux puces IA, surtout pour le cœur organique ». Hachemi note aussi que l'industrie des substrats de circuits intégrés a toujours travaillé avec des marges faibles, de sorte que même une hausse modérée de la demande peut provoquer des pénuries. « Toute augmentation de la demande de matériaux de build-up, de matériau ABF ou de T-glass peut causer une pénurie potentielle, parce que cela va contre les bases de cette industrie », a-t-il dit.

Les chiffres derrière la tension

La tension actuelle vient des hyperscalers, qui construisent des boîtiers de puces toujours plus grands et consomment donc plus de T-glass par unité. Selon des données de Nvidia citées par Tom's Hardware, la taille des interposeurs est passée de 814 mm2 pour l'architecture Hopper à 1 700 mm2 pour Blackwell, soit une hausse de 109 %, et les générations Rubin et Feynman à venir monteront encore en échelle.

Bank of America estime que le segment des matériaux électroniques de Nittobo verra ses ventes presque doubler, de 40 900 000 000 de yens (266 000 000 de dollars) en 2025 à 87 700 000 000 de yens d'ici mars 2028, avec des marges opérationnelles proches de 48 %. Takashi Enomoto, analyste de recherche chez Bank of America, estime que la demande de tissu T-glass « semble devoir croître plus que prévu initialement », ajoutant que l'attention portait sur le T-glass épais pour les semi-packages GPU et CPU, mais que la demande de T-glass ultramince devrait désormais augmenter à mesure que les dispositifs de pointe délaissent l'E-glass.

La course aux allocations a déjà produit un spectacle inhabituel. Hachemi affirme que voir Nvidia s'adresser directement à un fournisseur de matériaux en amont comme Nittobo est sans précédent. « Pour la première fois, nous voyons Nvidia, le client final, contacter les fournisseurs de matériaux en amont pour sécuriser la capacité et s'assurer qu'il l'obtiendra », a-t-il déclaré à Tom's Hardware. La crainte est qu'une fois Nvidia ayant verrouillé sa part, les acheteurs de puces rivaux ne se disputent le reste.

Nittobo ne mise pas uniquement sur Fukushima. L'entreprise double la capacité de production de fil brut dans son usine taïwanaise et réimporte le fil au Japon pour fabriquer le tissu, et elle a conclu un accord de collaboration avec Nanya Plastics pour externaliser une partie du tissage. D'ici 2027, environ 20 % du tissu de verre de Nittobo devrait être tissé par Nanya, selon Tom's Hardware.

Bill Ho, analyste chez Yuanta, résume la situation en aval sans détour : « Avec une offre de T-glass encore plus contrainte aujourd'hui, les fournisseurs ne communiquent plus de délais. » Les délais des laminés cuivrés, un matériau en aval, sont passés de 8 à 10 semaines en temps normal à plus de 20, et les prix ont augmenté de 20 à 30 %.

Un problème parallèle : la mémoire dont l'inférence a réellement besoin

Si les matériaux contraignent l'offre, la bande passante mémoire contraint la conception. À Hot Chips 2026, d-Matrix a présenté son accélérateur Raptor 3D-DRAM pour l'inférence générative, et la manière dont l'entreprise pose le problème, telle que rapportée par ServeTheHome, se lit comme un constat du point de blocage du matériel IA. Les poids des modèles ne cessent de grossir, et le cache KV évolue avec la longueur de contexte multipliée par la taille du lot. L'article de ServeTheHome donne l'exemple de 64 utilisateurs à 1 000 000 de contexte produisant environ 935 Go de cache KV.

La SRAM atteint la cible de bande passante, mais seulement à très petite échelle. Une paire de cartes accélératrices SRAM Corsair approche 300 To/s avec une latence d'environ 1 ns, mais ne stocke qu'environ 4 Go, car une cellule SRAM 6T est environ 10 fois plus grande qu'une cellule DRAM et les fuites atteignent des dizaines de watts à l'échelle du Go. La HBM règle la capacité mais peine sur la bande passante : ServeTheHome rapporte que d-Matrix cite un plafond pratique d'environ 20 To/s pour les boîtiers HBM4 comme le Vera Rubin de Nvidia et l'Instinct MI455 d'AMD. À 2,4 pJ/bit, pousser 100 To/s à travers la HBM consommerait environ 1,92 kW avant même de compter le trafic de fabric.

La réponse de d-Matrix consiste à empiler directement le calcul sur les puces DRAM, avec une puce logique TSMC N4 posée sur une puce DRAM 3D en empilement face-à-face de 36 um. L'IO vertical 3D descend à environ 0,3 à 0,4 pJ, soit environ 10 fois moins que la HBM, selon ServeTheHome. À 32 000 000 000 d'octets par carte avec des poids en 4 bits et un cache KV en 8 bits, d-Matrix dimensionne, selon l'entreprise, pour faire tenir un modèle de frontière comme Kimi K3 à 1 000 000 de contexte dans une montée en échelle de 72 cartes.

Le détail d'ingénierie est là où réside la difficulté. Chaque moteur tensoriel a besoin d'un flit de 128B par accès, mais avec 3 bancs par canal un seul accès renvoie 96 000 000 000 octets, si bien que livrer un flit demande deux accès et récupère 192 000 000 000 octets, gaspillant environ 33 % de la bande passante près de 33 To/s. La réponse de d-Matrix, le stream blocking, partage un accès partiel de 32B entre trois flits. Déplacer 100 To/s à 0,37 pJ/bit revient à 296 W pour le seul IO.

Les hyperscalers construisent les leurs, prudemment

Le Maia 200 de Microsoft, présenté à la même conférence et couvert par ServeTheHome, montre l'autre bout du compromis. La puce en 3 nm compte 140 000 000 000 de transistors, six piles de HBM3e, 7 To/seconde de bande passante HBM, 10 000 TFLOPS en FP4 et un TDP de 750 watts, avec une puce SoC de 820 mm2. Microsoft l'a associée à une topologie quadruple entièrement connectée, sans aucun réseau de scale-out : tout est en scale-up, sur 128 racks et 6 000 puces dans la diapositive présentée. L'architecture de flux de données Software Defined Local Access de l'entreprise garde l'accès aux données local et fixe le flux à la compilation, ce qui apporte du déterminisme et réduit le trafic de fabric.

Rien de tout cela ne desserre la contrainte matérielle. Le Zhenwu V900 d'Alibaba, annoncé avec 216 Go de mémoire et 1 200 Go/s de bande passante inter-puces et dont la production de masse est prévue pour le premier trimestre 2027, ajoute un acheteur de plus à la file, comme le note la revue de semaine du 25 septembre de SemiEngineering. Samsung prévoirait au moins de doubler sa production de la famille HBM4 en 2027, selon Seoul Economic Daily, et CXMT a indiqué que sa DRAM G5 de cinquième génération est entrée en production de masse avec un demi-pas de zone active de 11,95 nm, sans toutefois divulguer ses rendements de fabrication. Plus de mémoire et plus d'accélérateurs signifient plus de substrat, et plus de substrat signifie plus de T-glass.

La conclusion est inconfortable : la contrainte déterminante sur le calcul IA en 2027 ne sera peut-être ni la lithographie ni l'offre de HBM, mais un tissu de verre tissé par une seule entreprise à Fukushima, avec un concurrent qui aide à le tisser et un délai que personne ne veut annoncer.

Commentaires 0

Sources

4
  1. 01Shortages of crucial chip packaging material threatens AI accelerator supply chainsEN
  2. 02d-Matrix Raptor 3D-DRAM Accelerator for Generative Inference at Hot Chips 2026EN
  3. 03Microsoft's Maia 200 AI Accelerator at Hot Chips 2026EN
  4. 04Chip Industry Week In ReviewEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.