Le 21 juillet 2026, Zhipu (02513.HK), société cotée à Hong Kong et présentée comme la « première action mondiale de grands modèles », a connu une envolée tant attendue de son cours de Bourse. À la mi-journée, Zhipu a clôturé à 1 116 HKD par action, en hausse de 25,32 %, sa capitalisation boursière totale rebondissant à environ 500 milliards HKD. Lors des deux séances précédentes, le titre avait chuté de 28,49 % puis de 19,56 %, soit une baisse cumulée sur trois jours avoisinant les 50 %.
Le déclencheur immédiat de ce rebond marqué a été l’annonce de deux avancées majeures dans le secteur : Zhipu a officiellement finalisé l’acquisition de XCore Sigma, une société chinoise spécialisée dans les logiciels de calcul hétérogène pour l’IA, et a simultanément mis en service un centre de données domestique dédié à l’IA d’une capacité de 1 GW, entièrement équipé de puces d’IA de fabrication chinoise.
Ces deux initiatives visent les deux axes stratégiques que sont l’« offre de calcul » et l’« activation du calcul », marquant l’évolution de Zhipu d’une entreprise centrée sur les modèles vers un système compétitif global couvrant modèles, puissance de calcul, infrastructure et écosystème. L’environnement concurrentiel mondial de l’IA de pointe connaît ainsi une transformation structurelle profonde.
Qu’est-ce que XCore Sigma ? Pourquoi Zhipu l’a-t-elle acquise ?
Fondée en 2023, XCore Sigma est une société d’infrastructure logicielle de calcul hétérogène pour l’IA, spécialisée dans la technologie des compilateurs et issue du laboratoire de compilateurs de l’Institut de technologie informatique de l’Académie chinoise des sciences. Sa fondatrice, la Dr Huimin Cui, est diplômée de la faculté d’informatique de l’Université Tsinghua (licence et master) et titulaire d’un doctorat de l’Institut de technologie informatique, où elle a également dirigé l’équipe compilateur. L’équipe centrale a piloté ou participé au développement de compilateurs pour plusieurs puces chinoises, dont Loongson, Sunway, Cambricon et Huawei Ascend, maîtrisant la chaîne complète, de la conception du jeu d’instructions virtuel à la génération, traduction et optimisation des opérateurs.
Du côté des produits, XCore Sigma propose une chaîne d’outils logicielle unifiée pour différents types de puces de calcul (CPU, GPU, NPU). Ses solutions couvrent des outils d’optimisation d’inférence pour grands modèles, des outils de génération automatique d’opérateurs et une plateforme logicielle de calcul hétérogène. L’objectif est de fournir une base logicielle standardisée pour l’IA de grands modèles en Chine, tous constructeurs et modèles confondus. Son moteur d’inférence SigInfer revendique une réduction significative de la latence d’inférence et une augmentation du débit. L’atout principal de XCore Sigma réside dans sa technologie de jeu d’instructions virtuel : via un middleware, elle unifie les écosystèmes de différentes puces, fédérant ainsi des puces domestiques fragmentées en un cluster de grande échelle.
L’acquisition s’est élevée à plusieurs centaines de millions de RMB, ce qui en fait l’une des plus importantes opérations de Zhipu depuis son introduction en Bourse. Sur le plan du financement, XCore Sigma avait bouclé des tours seed, angel et pré-série A depuis août 2023, avec des investisseurs tels que Oriza Seed, NewShang Capital, CAS Venture Capital, Morning Hill Capital et BV Baidu Ventures.
Pourquoi l’action a-t-elle chuté auparavant ? Ce rebond n’est-il qu’une correction technique ?
Pour comprendre la vigueur du rebond, il faut d’abord clarifier les causes profondes du précédent effondrement.
Le 8 janvier 2026, Zhipu a fait ses débuts à la Bourse de Hong Kong à 116,2 HKD par action, devenant la première action mondiale de grands modèles. Le titre s’est envolé, atteignant un record historique en séance à 2 980 HKD le 22 juin — soit plus de 24 fois le prix d’introduction, la capitalisation boursière dépassant brièvement 1 330 milliards HKD. Toutefois, cette envolée reposait sur un flottant extrêmement limité : avant la levée des restrictions, seules 11,74 millions d’actions étaient librement négociables. Cette rareté a amplifié l’élasticité du cours, mais aussi posé les bases d’une volatilité extrême.
Le tournant est survenu en juillet. Le 8 juillet, Zhipu a connu la première levée majeure de lock-up post-IPO, avec environ 25,68 millions d’actions détenues par 11 investisseurs de référence devenant négociables, soit environ 5,76 % du total. Une semaine plus tard, le 13 juillet, Zhipu a placé 19,78 millions de nouvelles actions H à 1 588 HKD l’unité, levant environ 31,4 milliards HKD. Le prix de placement était inférieur de 12,99 % à la clôture précédente. Cette augmentation soudaine du flottant a exercé une pression de court terme sur le titre.
Parallèlement, Moonshot AI a lancé le modèle open source Kimi K3 doté de 2,8 trillions de paramètres et aurait accéléré son projet d’introduction à Hong Kong, accentuant les inquiétudes quant à la concurrence dans le segment haut de gamme des grands modèles. Sous ces pressions combinées, le cours de Zhipu a perdu près de 70 % depuis son sommet.
Dans ce contexte, le rebond du 21 juillet reflète à la fois une correction technique après une survente et une réévaluation par le marché du positionnement stratégique de Zhipu. Le renforcement simultané de l’offre de calcul (centres de données) et de l’activation du calcul (optimisation logicielle) pose les bases d’une nouvelle valorisation de la compétitivité à long terme de Zhipu.
Comment l’acquisition répond-elle aux goulets d’étranglement techniques de Zhipu ?
Cette acquisition cible directement les défis d’ingénierie systémiques rencontrés par Zhipu.
Faute de capacité de calcul suffisante, Zhipu avait dû, en janvier, réduire à 20 % du niveau normal le nombre de nouveaux utilisateurs quotidiens pour le GLM Coding Plan. Après le lancement de GLM-5 en mars, le volume d’appels quotidiens de Coding Agent a atteint des centaines de millions, certains utilisateurs signalant des résultats anormaux sur des tâches complexes. L’analyse interne a révélé des difficultés d’ingénierie dans l’architecture d’inférence et la gestion du KV Cache sous forte concurrence. Récemment, après le lancement de GLM-5.2 sur des plateformes d’agrégation, le volume quotidien de tokens appelés a été multiplié par 27 en une semaine, exposant davantage les limites de l’infrastructure d’inférence pour des scénarios à forte concurrence et contexte étendu.
Après son inscription sur la liste des entités américaines, Zhipu a accéléré la substitution domestique et a désormais finalisé l’adaptation d’inférence pour huit grandes plateformes de calcul chinoises, dont Huawei Ascend, Pingtouge et Moore Threads. Cependant, l’écosystème fragmenté des puces domestiques — avec des différences notables dans les jeux d’instructions, bibliothèques d’opérateurs et frameworks de programmation — a complexifié le déploiement des modèles et l’optimisation de l’inférence.
C’est là que réside la valeur de XCore Sigma. Grâce à des compilateurs, des environnements d’exécution et des moteurs d’inférence unifiés, XCore Sigma permet à Zhipu de migrer et d’optimiser efficacement ses modèles sur différentes puces chinoises, réduisant considérablement les coûts d’adaptation répétée. Selon les analystes, l’acquisition vise à renforcer le maillon critique de « l’activation du calcul », en s’appuyant sur des logiciels fondamentaux pour améliorer sensiblement l’utilisation des puces hétérogènes, réduire les coûts d’inférence et accroître l’efficacité du déploiement.
Il est rapporté que Zhipu a finalisé l’intégration de XCore Sigma au premier semestre de cette année, renforçant ainsi ses compétences en compilateurs, environnements d’exécution, moteurs d’inférence et logiciels de calcul hétérogène. Pour GLM-5.2, Zhipu a construit un écosystème middleware équivalent à CUDA, basé sur la puissance de calcul domestique, couvrant désormais toute la pile logicielle d’inférence, des modèles aux compilateurs, moteurs d’inférence, environnements d’exécution et ordonnancement hétérogène.
Que signifie un centre de données de 1 GW ?
Parallèlement à l’acquisition, Zhipu a lancé un centre de données domestique dédié à l’IA d’une capacité de 1 GW, entièrement équipé de puces d’IA chinoises. Dans un contexte de pénuries structurelles persistantes sur l’offre de calcul domestique, cette initiative intègre l’autonomie de calcul au cœur du système compétitif de Zhipu, au lieu de dépendre exclusivement d’achats externes.
Un centre de calcul d’1 GW figure parmi les plus puissants du pays. Selon les informations disponibles, Zhipu a construit ou exploite plusieurs clusters de calcul, chacun intégrant plus de 10 000 puces. Ce centre de données sera l’un des plus vastes hubs de serveurs jamais réalisés par un laboratoire d’IA chinois.
Ce centre fournit les ressources nécessaires à l’entraînement de grands modèles, tandis que l’équipe AI Infra exploite compilateurs, environnements d’exécution et moteurs d’inférence pour maximiser l’utilisation des puces hétérogènes. Ces deux volets répondent respectivement à la « puissance de calcul disponible » et à « l’efficacité d’utilisation du calcul ». Cette approche duale « matériel + logiciel » devient la norme pour bâtir un avantage concurrentiel durable dans l’IA de pointe.
De la compétition sur les modèles à la compétition systémique : le paysage se redéfinit
Selon les experts du secteur, la compétition mondiale sur l’IA de pointe évolue d’une logique de performance individuelle des modèles vers une compétition systémique intégrant modèles, puissance de calcul, infrastructure et écosystème. Les récentes initiatives de Zhipu pour renforcer ses fondamentaux et élargir ses stratégies autour des modèles, agents, MaaS et écosystèmes témoignent de la construction d’un système compétitif complet en tant qu’entreprise de modèles fondamentaux, au-delà de la simple sortie de modèles.
Cette analyse s’appuie sur la logique industrielle : à l’ère des grands modèles, les avancées dépendent fortement de l’échelle de la puissance de calcul et de l’efficacité de l’infrastructure. Sans ressources de calcul suffisantes, il n’est pas possible de poursuivre l’entraînement et l’itération des modèles ; sans infrastructure efficace, la puissance de calcul ne se traduit pas en capacités modèles exploitables. Les deux sont indissociables.
D’un point de vue commercial, la trajectoire de croissance de Zhipu se confirme également. En juillet 2026, le chiffre d’affaires récurrent annuel (ARR) de Zhipu a atteint 1 milliard de dollars, provenant exclusivement des revenus API et Coding Plan, sans contribution des produits grand public. Entre janvier et juillet 2026, l’ARR de Zhipu a été multiplié par 15 sur un an. Alors qu’Anthropic a mis 15 mois pour faire passer son ARR de 100 millions à 1 milliard de dollars, Zhipu a accompli cette progression en seulement cinq mois.
Avec une puissance de calcul à grande échelle, une infrastructure mature et des capacités de post-entraînement sur le long terme, le prochain modèle fondamental de Zhipu devrait progresser vers des volumes de paramètres plus importants et une intelligence accrue, tout en maintenant l’efficacité d’inférence et la facilité de déploiement.
Risques et perspectives : la prudence reste de mise après le rebond
Malgré le rebond marqué du 21 juillet, la valorisation de Zhipu demeure soumise à plusieurs incertitudes.
Premièrement, l’impact des levées de lock-up et des placements d’actions sur la structure actionnariale n’a pas encore été totalement absorbé. La première vague d’actions débloquées représentait environ 25,68 millions de titres, auxquels s’ajoutent 19,78 millions de nouvelles actions H placées, générant une pression d’offre significative à court terme.
Deuxièmement, la concurrence dans l’IA de pointe s’intensifie. Après la sortie de Kimi K3 par Moonshot AI, le marché a réévalué le paysage concurrentiel des grands modèles. Plusieurs entreprises chinoises de grands modèles cherchent activement des financements et préparent leur introduction en Bourse, attirant l’attention des marchés vers de nouveaux acteurs.
Troisièmement, la capacité et la performance des puces d’IA domestiques sont encore en phase de montée en puissance. Il reste à déterminer si un centre de données d’1 GW, reposant exclusivement sur des puces locales, pourra égaler les solutions internationales en termes d’efficacité d’entraînement et de coût d’inférence.
Plus globalement, la double initiative « acquisition + infrastructure » de Zhipu illustre le passage des leaders chinois de l’IA d’une compétition centrée sur les modèles à une course systémique intégrant infrastructures de calcul, socles logiciels et capacités modèles. L’issue dépendra non seulement de la sortie de modèles phares, mais surtout de la capacité à bâtir un écosystème technologique complet, autonome et pérenne.
Synthèse
Le 21 juillet 2026, Zhipu a officialisé l’acquisition de XCore Sigma, société chinoise de logiciels de calcul hétérogène pour l’IA, pour un montant de plusieurs centaines de millions de RMB. Parallèlement, elle a lancé un centre de données IA d’1 GW, entièrement équipé de puces chinoises. Portée par ces annonces, l’action Zhipu a bondi de plus de 25 % dans la journée, la capitalisation boursière rebondissant autour de 500 milliards HKD. L’acquisition de XCore Sigma renforce Zhipu sur les couches compilateur, runtime, moteurs d’inférence et autres infrastructures, tandis que le centre de données d’1 GW répond aux goulets d’étranglement sur l’offre de calcul. Ces deux initiatives ciblent l’« offre de calcul » et l’« activation du calcul », signalant un passage de la compétition sur les modèles à une compétition systémique intégrant modèles, calcul, infrastructure et écosystème. Avec un ARR déjà à 1 milliard de dollars et multiplié par 15 en six mois, Zhipu construit l’un des rares systèmes concurrentiels complets parmi les leaders chinois de l’IA. Toutefois, l’évolution de la structure actionnariale, l’intensification de la concurrence sectorielle et la maturité de l’écosystème informatique domestique restent des facteurs à surveiller.
FAQ
Q1 : Quel était le montant de la transaction pour l’acquisition de XCore Sigma par Zhipu ?
L’acquisition s’est élevée à plusieurs centaines de millions de RMB, l’une des plus importantes opérations de Zhipu depuis son introduction en Bourse. Fondée en 2023, XCore Sigma avait déjà bouclé des tours seed, angel et pré-série A, avec des investisseurs tels que Oriza Seed, CAS Venture Capital, BV Baidu Ventures, entre autres.
Q2 : Quels sont les atouts technologiques de XCore Sigma ?
La technologie de XCore Sigma provient du laboratoire de compilateurs de l’Académie chinoise des sciences. Son équipe centrale a contribué au développement de compilateurs pour des puces domestiques telles que Loongson, Sunway, Cambricon et Huawei Ascend. L’entreprise propose une chaîne d’outils logicielle unifiée pour CPU, GPU, NPU et autres puces de calcul. Grâce à la technologie de jeu d’instructions virtuel, elle intègre des puces de marques et modèles différents dans des clusters collaboratifs, améliorant significativement l’utilisation du calcul.
Q3 : Que signifie un centre de données d’1 GW pour Zhipu ?
Un centre de données d’1 GW, entièrement équipé de puces d’IA domestiques, signifie que Zhipu intègre l’autonomie de calcul à son système compétitif dans un contexte de pénuries structurelles sur l’offre domestique. Ce centre comptera parmi les plus grands hubs de serveurs jamais construits par un laboratoire d’IA chinois, fournissant des ressources massives pour l’entraînement et l’itération de grands modèles.
Q4 : Quel est l’ARR actuel de Zhipu ?
En juillet 2026, l’ARR (revenu annuel récurrent) de Zhipu a atteint 1 milliard de dollars, provenant exclusivement des revenus API et Coding Plan. Entre janvier et juillet 2026, l’ARR a été multiplié par 15 sur un an. Alors qu’Anthropic a mis 15 mois pour passer de 100 millions à 1 milliard de dollars d’ARR, Zhipu a réalisé cette progression en seulement cinq mois.
Q5 : Comment évolue le paysage concurrentiel de l’IA de pointe ?
La compétition mondiale entre entreprises d’IA de pointe évolue d’une logique de performance individuelle des modèles vers une compétition systémique intégrant modèles, calcul, infrastructure et écosystème. Les leaders doivent exceller en R&D sur les modèles, disposer d’une infrastructure de calcul robuste, maintenir des socles logiciels efficaces et garantir une commercialisation durable pour prendre l’avantage dans la prochaine phase de la compétition.
