Intel mise sur systèmes dimensionnés pour l'inférence IA

Contexte et enjeux

Depuis trois ans, les déploiements d’IA privilégient les modèles les plus grands et les clusters les plus puissants. Au sommet du Open Compute Project Global Summit, Intel a présenté une vision opposée : adapter la puissance de calcul à la charge de travail plutôt qu’à la taille du modèle. L’entreprise souligne que l’inférence, et non l’entraînement, devient le facteur économique dominant pour les entreprises, surtout avec l’émergence d’IA agentique qui multiplie les appels CPU.

Architecture du GPU D‑series

Le D‑series, précédemment nommé « Crescent Island », repose sur l’architecture Xe3P. Il délivre 1,3 pétaflops en FP8 et 1,5 téraoctets/s de bande passante mémoire dans un boîtier PCIe de 350 W, refroidi à l’air. La carte intègre jusqu’à 480 Go de mémoire LPDDR5X, dont la version Intel propose 160 Go, tandis que les partenaires peuvent monter des capacités supérieures. Ce choix de LPDDR5X, moins coûteux et plus disponible que la HBM, privilégie la capacité mémoire – critère clé pour charger des modèles de 300 milliards de paramètres sur une seule carte et plus d’un trillion sur un système à huit GPU. La bande passante réduite par rapport à la HBM est compensée par la capacité à loger des modèles plus volumineux, ce qui correspond aux exigences d’inférence où le goulot d’étranglement réside souvent dans la taille du modèle et son contexte.

Racks Xeon et orchestration

Intel a également dévoilé des racks Xeon conformes à la spécification Open Rack v3. Les configurations Xeon 6+ atteignent plus de 46 000 cœurs par rack pour 133,45 kW, tandis que les Xeon 6 à cœurs de performance ciblent les charges nécessitant une latence monothread. L’accent est mis sur le nombre d’agents concurrents qu’un rack peut soutenir à la latence cible, plutôt que sur le simple comptage de cœurs. Cette approche reflète la nature de l’IA agentique, où chaque requête implique récupération, raisonnement, appels d’outils et exécution d’applications, tâches majoritairement exécutées sur CPU. Intel propose une couche d’orchestration capable d’évaluer chaque prompt selon la profondeur d’intelligence, la longueur du contexte, la sensibilité des données et le coût énergétique, afin d’orienter les requêtes vers le D‑series ou vers le CPU selon le profil.

Implications économiques et limites

Le virage vers des systèmes « right‑sized » s’accompagne d’une croissance financière notable : le chiffre d’affaires du deuxième trimestre a atteint 16,1 milliards de dollars, en hausse de 25 % YoY, avec les revenus Data Center et IA à 6,3 milliards (+59 %). Le cours de l’action a triplé en un an, mais Intel ne prétend pas dominer le marché GPU. La stratégie repose sur la capacité à fournir des CPU en grand nombre et des GPU adaptés à l’inférence, tout en évitant les exigences de refroidissement liquide et les coûts de HBM. Une contrainte demeure la dépendance à la disponibilité du LPDDR5X et la nécessité pour les datacenters de réadapter leurs racks aux cartes de 350 W, ce qui peut ralentir l’adoption chez les opérateurs fortement investis dans des solutions à haute densité énergétique.