Les entreprises d’IA louent leur propre marge 🧾

$ICP et $FET construisent tous deux pour un monde où les charges de travail de l’IA deviennent beaucoup plus persistantes.
Je pense qu’on passe à côté d’un aspect : que devient la facture quand tout cela fonctionne vraiment ?

Chaque nouvel utilisateur génère davantage d’inférences.

Si chaque requête passe par des API louées ou des GPU dans le cloud, le succès lui-même fait grimper la facture de calcul.
Le cloud est tout à fait logique lorsque la demande est incertaine ou se présente par à-coups.

Un modèle qui répond à des requêtes tous les jours pose un tout autre problème.

C’est précisément ce créneau que B3IQ cherche à occuper.

Les entreprises achètent la machine physique NVIDIA, tandis que B3 s’occupe de l’approvisionnement, de l’assemblage, de l’hébergement et de l’exploitation.

Le propriétaire dispose d’un accès root et d’une passerelle compatible avec OpenAI, ses clés API acheminant les requêtes vers le matériel appartenant à son compte.

Et l’inférence sur une machine B3IQ détenue en propre n’est pas facturée au token.

Ainsi, dès qu’une charge de travail devient prévisible, le calcul cesse de se comporter comme une facture d’utilisation sans plafond et devient une infrastructure appartenant à l’entreprise.

La machine peut aussi être mise à contribution lorsqu’elle n’est pas nécessaire en interne, au lieu de rester inactive.

Je ne pense pas que cela remplace le cloud.

La stratégie la plus intéressante consiste à posséder la capacité de base dont on sait qu’on aura besoin et à louer celle nécessaire pour les pics imprévisibles.

Les entreprises d’IA optimisent depuis des années le coût par token.

B3IQ demande si elles ne devraient pas plutôt posséder la machine qui produit ces tokens.

C’est une question d’infrastructure bien plus vaste.

#IA #DePIN