Les actions de Nebius (NBIS) bondissent de 8,5 % grâce à l'accord d'acquisition d'Eigen AI de 643 millions de dollars

Table des matières Le 1er mai 2026, Nebius (NBIS) a révélé son intention d'acheter Eigen AI dans le cadre d'une transaction d'une valeur d'environ 643 millions de dollars. L’acquisition sera financée par une combinaison d’espèces et d’actions Nebius de catégorie A, calculées sur la base du cours moyen pondéré par le volume de l’action de la société sur 30 jours au moment de la signature. La réponse du marché a été immédiate, le NBIS grimpant de 8,51 % à 150,00 $. $NBIS ACHETER EIGEN AI POUR 643 millions de dollars Nebius affirme que l'accord ajoutera la technologie d'inférence et d'optimisation de modèle d'Eigen AI à sa plate-forme Token Factory, visant à améliorer les performances du modèle et l'économie des unités à grande échelle. L’accord devrait être conclu dans les semaines à venir. pic.twitter.com/nxyRrI6L8t — Wall St Engine (@wallstengine) 1er mai 2026 L'accord devrait être finalisé dans les semaines à venir, sous réserve de l'approbation réglementaire pour les préoccupations antitrust et les exigences de conclusion habituelles. Eigen AI est spécialisé dans l'optimisation des inférences et l'amélioration des performances des modèles. Les solutions de l'entreprise permettent aux équipes de développement d'IA de déployer des modèles open source de manière plus efficace et plus rentable dans des environnements réels, éliminant ainsi le besoin d'une infrastructure d'optimisation sur mesure. Nebius Group N.V., NBIS Nebius a l'intention d'intégrer de manière transparente la technologie d'Eigen AI dans Token Factory, son offre d'inférence gérée. Token Factory fournit des points de terminaison d'API à mise à l'échelle automatique et des capacités de réglage fin pour les principaux modèles open source tels que Llama, DeepSeek, Qwen, Gemma et des architectures supplémentaires. Le partenariat entre les deux organisations est antérieur à cette acquisition. Avant cette annonce, ils ont collaboré à des déploiements de modèles optimisés qui ont atteint des positions de leader sur l'analyse artificielle, une importante plateforme d'évaluation des performances de l'IA. Eigen AI est issue du groupe de recherche HAN Lab du MIT. Les cofondateurs de l'entreprise, Ryan Hanrui Wang et Wei-Chen Wang, ont développé deux méthodologies très influentes dans l'infrastructure d'IA de production. Les recherches de Ryan sur Sparse Attention (SpAtten) sont devenues la publication HPCA la plus référencée depuis 2020. Le développement par Wei-Chen de la quantification du poids sensible à l'activation (AWQ) a remporté le prix du meilleur article MLSys 2024 et s'est imposé comme la norme de l'industrie pour le déploiement de modèles 4 bits. Le troisième co-fondateur, Di Jin, a obtenu son doctorat du MIT CSAIL et a joué un rôle direct dans le développement des processus post-formation Llama 3 et Llama 4 de Meta. Son travail comprend la co-écriture de l'apprentissage par renforcement CGPO à partir de la méthodologie de rétroaction humaine. Une fois la transaction finalisée, l’équipe d’Eigen AI établira ses opérations dans la région de la baie de San Francisco, créant ainsi le premier centre américain d’ingénierie et de recherche de Nebius. L’inférence est devenue le segment en expansion la plus rapide dans le paysage informatique de l’IA. Les projections actuelles indiquent qu’elle représentera environ les deux tiers des besoins informatiques globaux de l’IA tout au long de 2026. Le déploiement efficace de l’inférence présente des défis techniques importants. Le processus englobe la représentation du modèle, l’optimisation du noyau GPU et la gestion dynamique de la charge de travail – des capacités qui manquent en interne à la plupart des organisations. Les modèles open source aggravent ces difficultés, car ils sont généralement publiés sans optimisation. Les architectures contemporaines, notamment le mélange d'experts et la compression Sparse Attention, présentent des obstacles supplémentaires liés à l'utilisation de la mémoire et à l'efficacité informatique qui nécessitent une expertise spécialisée. La méthodologie d'optimisation complète d'Eigen AI englobe le raffinement post-formation, les procédures de réglage fin et l'inférence de qualité production pour toutes les principales familles de modèles open source. Les techniques de l'entreprise au niveau du noyau et spécifiques au modèle sont conçues pour optimiser les performances de l'infrastructure matérielle actuelle sans nécessiter de ressources de développement supplémentaires.