Intel Razor Lake‑AX : un objectif de 700 TOPS en 2028, avec la robotique en première ligne

Razor Lake‑AX prend une place plus concrète dans la feuille de route d’Intel. Le groupe vise 2028 pour cette future plateforme, avec un objectif d’environ 700 TOPS de puissance de calcul en intelligence artificielle. Une progression importante sur le papier, qui attire logiquement l’attention de ceux qui suivent les processeurs intégrant des capacités graphiques et IA de plus en plus élevées.

Il faut toutefois garder le contexte de l’annonce : les déclarations ont été faites lors d’une conférence consacrée aux robots humanoïdes, pas pendant la présentation d’un ordinateur portable commercial. Le calendrier et la cible de calcul sont les informations fortes. La configuration détaillée de la puce, sa consommation et son éventuelle arrivée dans des PC grand public restent à préciser.

Une annonce qui concerne d’abord la robotique

Le 16 octobre, au COEX de Séoul, le responsable Intel Cho Min-sung a présenté les prochaines étapes de l’offre du groupe pour la robotique. Les propos rapportés évoquent Nova Lake au début de 2027, puis Razor Lake‑AX en 2028, avec une cible de calcul de l’ordre de 700 TOPS.

Le point de comparaison présenté est la plateforme robotique actuelle fondée sur Panther Lake, donnée pour 180 TOPS théoriques. Le calendrier correspond aussi aux projets évoqués pour les clients : des robots mobiles autonomes en production en 2027, puis des humanoïdes autour de 2028.

Cette présentation donne donc davantage de poids au nom Razor Lake‑AX qu’une simple mention dans une fuite. Elle ne constitue cependant pas encore une fiche produit complète. Entre l’annonce d’une orientation et la commercialisation de machines, il reste des étapes de conception, d’intégration et de validation.

Pour le lecteur qui attend surtout un futur mini-PC puissant, cette différence est importante. Une plateforme intéressante pour un robot peut offrir des caractéristiques utiles ailleurs, mais cela ne garantit ni un format de machine ni une disponibilité en boutique. Le marché des intégrateurs industriels et celui des ordinateurs personnels ne suivent pas automatiquement le même calendrier.

700 TOPS : une capacité de calcul, pas la vitesse de toutes les applications

TOPS signifie milliers de milliards d’opérations par seconde. Un objectif de 700 TOPS correspond donc à 700 000 milliards d’opérations par seconde dans les conditions de calcul retenues. L’unité décrit un débit arithmétique ; elle ne mesure pas directement la durée nécessaire pour répondre à une question, générer une image ou analyser une scène.

Il faut également distinguer les TOPS d’une plateforme et ceux de son seul NPU, l’accélérateur spécialisé dans certains traitements IA. Intel utilise déjà des chiffres de plateforme réunissant les contributions du CPU, du GPU et du NPU. Présenter les 700 TOPS annoncés comme la puissance du seul NPU serait donc un raccourci injustifié.

La précision numérique utilisée compte aussi. Un calcul en faible précision ne représente pas le même travail qu’un calcul avec davantage de précision. Les performances maximales dépendent des formats pris en charge et des opérations exécutées. Sans ces détails, deux chiffres affichés dans la même unité peuvent donner une comparaison beaucoup moins solide qu’ils n’en ont l’air.

Une autre limite tient à la répartition du travail. Un programme n’additionne pas automatiquement toutes les ressources d’une puce pour accélérer une seule étape. Il doit disposer d’un moteur d’exécution et d’opérateurs compatibles, avec une organisation qui exploite correctement les unités disponibles.

Je retiens donc les 700 TOPS comme un objectif ambitieux de capacité IA, pas comme une promesse de rapidité universelle. Ce sera une donnée utile lorsque l’on connaîtra les conditions associées. Elle ne suffit pas aujourd’hui pour estimer les performances d’un modèle précis.

Presque quatre fois 180 TOPS, avec une comparaison à encadrer

Le rapport entre les deux valeurs mises en avant est simple : 700 divisé par 180 donne environ 3,9. La cible annoncée représente ainsi presque quatre fois le chiffre théorique de référence. Ce calcul est exact ; l’interprétation en performances réelles demande beaucoup plus de prudence.

Pour parler d’un traitement presque quatre fois plus rapide, il faudrait comparer le même modèle, avec une qualité de résultat et des réglages comparables. Il faudrait également connaître le niveau de puissance autorisé, le comportement du logiciel et la possibilité de maintenir le débit dans la durée.

Prenons un exemple hypothétique : si un traitement passe une grande partie de son temps à déplacer des données, ajouter de la capacité arithmétique peut laisser ce temps de transfert presque inchangé. Le résultat final progresse alors moins que le chiffre maximal de la puce. Cela n’enlève pas l’intérêt du matériel ; cela rappelle simplement ce que mesure chaque indicateur.

La comparaison ne doit pas davantage être étendue aux jeux. Les TOPS consacrés à l’IA ne donnent pas directement le nombre d’images par seconde d’un moteur 3D. Une future plateforme peut être très performante dans certaines opérations spécialisées sans présenter le même avantage en rendu graphique classique.

Pourquoi les robots ont besoin de calcul près des capteurs

Un robot ne se contente pas de produire une réponse textuelle. Il doit exploiter des caméras et d’autres capteurs, comprendre une situation, puis préparer une action. Ces tâches peuvent faire intervenir plusieurs modèles et des mécanismes de contrôle qui n’ont pas les mêmes exigences.

Dans un scénario de manipulation, par exemple, une caméra observe un objet, un traitement en détermine la position et un autre composant organise le mouvement du bras. Si l’environnement change, la machine doit pouvoir mettre à jour sa perception et adapter son comportement. La puissance utile se mesure donc à l’échelle de cette chaîne, pas seulement pendant un calcul isolé.

Le traitement local peut réduire la dépendance à un aller-retour vers un serveur distant. Il ne supprime pas pour autant les difficultés du temps réel. Il faut encore maîtriser la latence, les variations de délai et le comportement lorsque les ressources sont occupées.

C’est précisément le type de besoin auquel Intel rattache déjà son offre logicielle. OpenVINO Physical AI propose une interface pour relier caméras, capteurs, modèles et actions robotiques. Le groupe travaille aussi sur l’exécution répartie entre CPU, GPU et NPU, ainsi que sur des mécanismes destinés à rendre les boucles de commande plus régulières.

La sécurité du mouvement ne se résume évidemment pas à un nombre d’opérations. Une machine qui agit dans le monde réel demande des limites, des validations et des comportements de repli adaptés à son usage. Une réserve de calcul supplémentaire peut aider les développeurs ; elle ne remplace pas la conception du système complet.

Intel prépare déjà le logiciel et les plateformes de référence

Le projet ne part pas d’une page blanche. Intel propose Robinson Bay, une conception de référence fondée sur ses Core Ultra mobiles série 3 et destinée à plusieurs familles de robots : humanoïdes, quadrupèdes, robots mobiles ou systèmes de vision et de commande.

Physical AI Studio couvre de son côté la préparation de jeux de données, l’entraînement et le déploiement de modèles vision-langage-action. L’idée de l’apprentissage par imitation est de partir de démonstrations pour entraîner des comportements, puis de les intégrer dans une chaîne de déploiement.

Ces outils existants donnent un contexte à la feuille de route matérielle. Pour un fabricant, l’intérêt d’un processeur dépend aussi de sa capacité à reprendre un travail déjà réalisé, à connecter les capteurs nécessaires et à mesurer le comportement de l’ensemble.

Je trouve cette continuité plus importante que la seule taille du chiffre annoncé. Une puce peut avoir beaucoup de ressources et rester difficile à exploiter si les modèles, les pilotes ou les bibliothèques ne suivent pas. À l’inverse, un environnement logiciel cohérent peut faciliter l’utilisation du matériel disponible.

Les informations qui manquent encore pour juger Razor Lake‑AX

Pour mesurer l’intérêt d’une future puce intégrée, il faudra notamment regarder la mémoire. Sa capacité détermine une partie des modèles que l’on peut charger ; sa bande passante influence la vitesse à laquelle les données peuvent alimenter les unités de calcul. Ces deux critères répondent à des besoins différents.

La consommation est tout aussi importante. Un ordinateur portable, une station compacte et un robot alimenté par batterie ne disposent pas des mêmes marges thermiques. Sans enveloppe de puissance ni mesures prolongées, il est impossible de déterminer si la cible annoncée conviendra à un format particulier.

Les détails souvent attendus autour d’un APU puissant, comme le nombre de cœurs graphiques ou les performances en jeu, ne doivent pas être déduits du seul objectif IA. Le terme APU décrit ici l’idée d’une forte intégration des fonctions de calcul, pas une liste de caractéristiques déjà confirmées.

Une étape concrète, sans fiche technique définitive

L’intérêt de cette annonce est de placer Razor Lake‑AX dans un calendrier public et de lui associer un objectif clair pour l’IA embarquée. Le contexte robotique explique pourquoi Intel cherche à réunir davantage de calcul dans une plateforme intégrée, accompagnée d’outils pour la perception et l’action.

Pour les passionnés de PC et d’IA locale, le projet mérite donc d’être suivi. Il manque néanmoins les informations qui permettront de passer de la curiosité à une comparaison de produits : mémoire, puissance, moteurs réellement exploités et logiciels testés.

La prochaine étape utile sera une présentation technique plus complète. D’ici là, le bon titre reste celui d’une ambition pour 2028 : environ 700 TOPS de plateforme, avec la robotique en première ligne. C’est un signal intéressant sur la direction d’Intel, pas encore un benchmark ni une raison suffisante pour décider de son prochain achat.