Que prépare Intel pour ses prochaines cartes graphiques ?

Le groupe Intel s'est lancé sur le segment des cartes graphiques dédiées en 2022 avec la série ARC Alchemist. La commercialisation s'est faite un peu dans la douleur et en ordre dispersé avec un focus initial sur l'entrée de gamme.

Mais Alchemist n'est que le point de départ d'une stratégie de long terme utilisant l'architecture graphique Xe sur tous les segments, de la carte graphique d'entrée de gamme aux GPU destinés aux datacenters.

Pour le gaming, Intel propose la variante Xe-HPG qui va évoluer en Xe2-HPG avec la prochaine génération Battlemage. Cette deuxième fournée de cartes graphiques gaming va permettre une montée en gamme pour correspondre grosso modo au milieu de gamme de la concurrence.

Battlemage a encore du chemin à parcourir

Si Battlemage a discrètement été évoqué ici et là durant l'année passée, une roadmap diffusée par RedGamingTech en dit plus sur les projets d'Intel en matière de carte graphique.

Celle-ci indique que deux GPU avec architecture Xe2-HPG sont en préparation, BMG-G10 et BMG-G21, le premier allant jusqu'à 225W et le second jusqu'à 150W, avec un lancement qui se jouerait sur les deuxième et troisième trimestre 2024. C'était du moins l'objectif lors de l'utilisation de cette roadmap qui date de l'été 2022 et dont le calendrier a peut-être évolué depuis.

BMG-G10 répondrait en particulier aux besoins des gamers et créatifs plus exigeants en offrant des caractéristiques relevées, sans toutefois chercher à faire aussi bien que les meilleures cartes graphiques de la concurrence Nvidia et AMD.

De l'Alchemist+ en 2023

Dans le même temps, Intel préparerait un refresh d'Alchemist avec des GPU ACM+ G20 et ACM+ G21 lancés sur le second semestre 2023, histoire de maintenir et renforcer une présence en ouverture de gamme.

Pour ce qui est de l'architecture graphique Xe-HPG, quelques détails sont évoqués avec une amélioration de la gestion de la mémoire et du ray tracing, diverses optimisations de la micro-architecture et un renforcement des techniques de deep learning pour les traitements d'intelligence artificielle.