Edge AI : Pourquoi le traitement se déplace vers la couche périphérique

Points clés :

• L'essor rapide des appareils connectés et des volumes de données rend l'informatique distribuée indispensable pour la vitesse, les performances et la sécurité des données.
• Les mouvements stratégiques de NVIDIA et VMware permettent désormais d'exécuter des charges de travail d'IA et d'apprentissage automatique gourmandes en données directement en périphérie (edge).
• Le traitement en périphérie offre des avantages tangibles dans un large éventail d'industries, de l'IoT industriel aux applications grand public.

Avec des milliards de capteurs et d'appareils intelligents dans le monde, les architectures cloud centralisées traditionnelles atteignent leurs limites. Si le cloud computing a révolutionné l'agilité des startups et la scalabilité des entreprises, les charges de travail émergentes — vidéo haute définition, véhicules autonomes, logistique en temps réel — exigent une latence sous-seconde et une gestion sécurisée des données sur site.

« Les clients réalisent qu'externaliser trop de traitements vers le cloud n'est plus viable », déclare Markus Levy, responsable des technologies IA chez NXP Semiconductors, lors d'une récente discussion sur l'IA embarquée. « La périphérie est là où se trouve la vraie opportunité. »

Les données de MarketsandMarkets prévoient que le marché de l'edge computing passera de 3,6 milliards de dollars en 2020 à 15,7 milliards d'ici 2025 — une expansion de plus de quatre fois, tirée par le besoin de traitement à faible latence et à large bande passante.

Les mouvements du marché accélèrent l'adoption de l'edge : NVIDIA

L'acquisition d'Arm par NVIDIA pour 40 milliards de dollars en septembre 2020 marque une étape majeure vers le rapprochement de l'IA accélérée par GPU vers l'appareil. Si NVIDIA domine depuis longtemps les GPU de centre de données, la prédominance d'Arm dans les processeurs mobiles — fournis à Apple, Qualcomm, Broadcom et autres — offre une plateforme puissante pour l'IA en périphérie.

Zeus Kerravala, analyste chez un cabinet de recherche industriel, note : « Si vous voyez l'IA comme l'avenir, propulsée par les GPU et les CPU, la capacité de NVIDIA à construire des systèmes de bout en bond vient de faire un bond — surtout dans l'arène de l'edge computing. »

Les régulateurs surveillent de près l'accord pour d'éventuelles implications antitrust, compte tenu du vaste réseau de licences d'Arm et de l'influence croissante de NVIDIA sur les marchés des CPU mobiles.

SmartNICs : Déplacer l'intelligence vers la périphérie

Au VMworld 2020, VMware a dévoilé le projet Monterey — une collaboration avec NVIDIA qui exploite les SmartNICs et les DPU BlueField de NVIDIA pour accélérer les charges de travail IA en périphérie. En déchargeant l'hyperviseur, le réseau, la sécurité et les fonctions de stockage du CPU hôte vers le DPU, Monterey libère jusqu'à 30 % des cycles CPU pour la logique applicative.

Alexander Harrowell, analyste senior chez Omdia, observe : « La tendance est claire : rapprocher le calcul des données améliore les performances et l'utilisation des ressources. Les SmartNICs déplacent les responsabilités de l'hyperviseur vers le réseau, débloquant un modèle de calcul de type Harvard. »

Greg Lavender, vice-président senior et CTO de VMware, explique : « Décharger les E/S et le calcul vers le cœur Arm dans les SmartNICs libère les ressources CPU, donnant aux applications un calcul et une mémoire supplémentaires pour fonctionner plus vite. »

Pour l'écosystème des objets connectés, ce changement permet l'IA en temps réel — transformant les appareils IoT passifs en systèmes intelligents et réactifs, comme le souligne Levy.

Pour plus de couverture sur l'IoT industriel, rejoignez Industrial IoT World ce décembre.