Acquisitions

Nscale achète Anyscale pour monter dans la pile de calcul de l’IA

mm
Ajouter Unite.AI à vos sources préférées sur Google

Nscale, l’opérateur de cloud d’IA qui construit ses propres centres de données et génère sa propre énergie, a accepté d’acheter Anyscale, la société derrière le framework de calcul distribué Ray. L’acquisition, annoncée le 30 juillet 2026, ajoute une couche d’orchestration de charge de travail au-dessus de la flotte de GPU de Nscale et déplace les environ 200 employés d’Anyscale aux États-Unis, en Europe et en Inde dans la société basée à Londres. Elle devrait être finalisée dans la deuxième moitié de 2026, sous réserve de conditions de clôture et d’approbations réglementaires.

Anyscale vend la plate-forme gérée que les équipes de machine learning utilisent pour répartir un travail sur des milliers d’accélérateurs à la fois : préparation de données multimodales, pré-entraînement, affinement, apprentissage par renforcement et service d’inférence. Elle conserve sa marque et ses clients existants, que l’annonce de Nscale énumère comme incluant Coinbase, Runway et Bedrock Robotics. Ces clients restent libres de fonctionner sur toute infrastructure qu’ils utilisent actuellement, avec la plate-forme de Nscale devenant une option supplémentaire au fil du temps.

Pourquoi une société d’énergie achète un planificateur

Jusqu’à présent, la présentation de Nscale reposait sur la possession des couches situées sous l’accélérateur : la génération, le campus, les racks. Cet achat la fait monter dans la pile, et la raison se trouve dans la façon dont un cloud d’IA génère des revenus. La capacité de GPU brute louée à l’heure contre des concurrents achetant les mêmes systèmes Nvidia (NVDA ), donc la différence vient de la quantité de travail utile que chaque heure de GPU produit. Cela est décidé au-dessus du métal, dans la façon dont un travail est partitionné, dans la façon dont la préparation de données liée au CPU passe à la formation sur GPU, et dans la façon dont les accélérateurs sont récupérés entre les déploiements d’apprentissage par renforcement au lieu de rester inactifs et chauds.

“La plupart des fournisseurs d’infrastructure n’achètent que des GPU et les louent”, a déclaré Josh Payne, PDG et fondateur de Nscale, qui a décrit l’approche de la société comme la possession de l’énergie, des centres de données, du calcul et du logiciel au-dessus.

Ce poste de coût est également l’argument commercial d’Anyscale. Lors de son lancement du 2 juin 2026 d’une intégration native Azure, la société a indiqué que les clients signalent jusqu’à quatre fois plus d’expérimentation rapide et jusqu’à 90 % de réduction du coût total de possession par rapport aux piles fragmentées qui associent des moteurs de traitement de données natifs du cloud à des API de modèles hébergés. Ce sont les chiffres d’Anyscale, et ils décrivent la couche qu’un vendeur de calcul préférerait posséder plutôt que de contourner.

La même logique apparaît ailleurs dans le secteur du calcul. Qualcomm (QCOM ) a finalisé son acquisition totale en actions du startup de compilateur Modular en juillet 2026, en raison du fait que le logiciel décide de la façon dont le matériel est utilisé, c’est-à-dire où se situent les performances et les coûts de commutation.

La capacité en dessous de l’accord

Nscale ajoute des revenus de plate-forme à une expansion dont les plus grandes tranches atterriront plus tard. La société a évalué sa capacité opérationnelle à plus de 1 GW dans une annonce du 16 mars 2026 couvrant une lettre d’intention avec Microsoft (MSFT ) pour 1,35 GW de calcul d’IA sur son campus Monarch dans le comté de Mason, en Virginie-Occidentale, construit autour des systèmes Vera Rubin NVL72 de Nvidia. Ce déploiement arrive par tranches à partir de la fin 2027, alimenté par des groupes électrogènes au gaz naturel de Caterpillar qui passeront à 2 GW de production sur site d’ici la première moitié de 2028. Nscale s’est également engagé à investir 2,5 milliards de dollars dans les centres de données du Royaume-Uni.

Le financement a suivi le rythme de ce pipeline. Nscale a finalisé une facilité de crédit rotatif de 900 millions de dollars le 7 juillet 2026, syndiquée à travers une douzaine de banques, dont J.P. Morgan, Goldman Sachs, Morgan Stanley (MS ) et MUFG. Le logiciel est vendu contre une capacité qui fonctionne déjà, et contre une capacité sur les nuages d’autres fournisseurs, ce qui constitue une forme de revenus différente d’un bail qui commence à être livré en 2027.

Où se situe Ray maintenant

Le projet open source au centre de l’accord est maintenant sous une gouvernance neutre. Ray est passé à la PyTorch Foundation le 22 octobre 2025, rejoignant PyTorch et le moteur d’inférence vLLM sous la Linux Foundation, avec 237 millions de téléchargements enregistrés à ce moment-là. Nscale indique qu’il rejoindra la fondation dans le cadre de l’acquisition.

Cette structure définit ce que Nscale achète : la plate-forme commerciale, l’équipe d’ingénieurs et les relations avec les clients, au-dessus d’un framework qui reste géré par la communauté et fonctionne partout. Anyscale indique que Ray porte déjà des charges de travail chez Cursor, Physical Intelligence et xAI, et que son produit Azure s’exécute à l’intérieur d’un abonnement Azure du client plutôt que sur du matériel exploité par Anyscale. Le PDG d’Anyscale, Keerti Melkote, a décrit la société combinée comme le premier hyperscaleur d’IA à pile complète.

Pour les équipes d’IA d’entreprise, le changement à court terme est l’optionnalité. Le CTO de terrain d’Anyscale, Christian Stano, a exposé dans une interview Unite.AI comment les équipes de plate-forme structurent les systèmes basés sur Ray pour la production, et que c’est cette architecture que l’accord touche : le même runtime, facturé et exploité par une société qui possède également les mégawatts. Une fois la transaction close, la capacité propre de Nscale devient l’un des endroits où ce runtime peut s’exécuter.

Théo Nash est un spécialiste généré par IA chez Unite.AI, couvrant l'infrastructure IA, le calcul et les systèmes matériels qui alimentent l'intelligence artificielle moderne. Son travail se concentre sur les fondements techniques des charges de travail IA à grande échelle, notamment les centres de données, les accélérateurs, les réseaux et les piles logicielles qui les relient.
Avec une perspective analytique et axée sur l'ingénierie, Théo examine comment les progrès des GPU, du silicium personnalisé, des architectures de mémoire et des systèmes distribués permettent de nouvelles générations de modèles IA. Il prête une attention particulière aux compromis de performance, à l'efficacité énergétique, à la scalabilité et aux contraintes pratiques qui façonnent le déploiement réel de l'infrastructure IA.
Les articles rédigés par Théo Nash sont générés par IA et révisés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude technique, la clarté et la couverture responsable du paysage de calcul IA en évolution rapide.