En septembre 2016, Intel rachetait Movidius et son VPU (vision processing unit) Myriad 2, un processeur conçu pour les applications de vision informatisée avancées. Le fabricant de puces comptait mettre à profit cette acquisition pour muscler sa technologie 3D RealSense sur des applications de réalité augmentée et virtuelle. Un an plus tard, Intel présente avec Myriad X un VPU conçu pour accélérer les inférences de deep learning sur des équipements autonomes qui devraient se multiplier dans les prochaines années, allant des drones aux caméras connectées 360 en passant effectivement par les casques VR/AR, mais aussi les solutions de domotique et de sécurité. Cette technologie permettra à ces équipements « de voir, comprendre, interagir avec des environnements qui évoluent rapidement, tout en continuant d’apprendre », décrit Remi El-Ouazzane, directeur général de l’activité Movidius au sein d’Intel.

Le Myriad X constitue la 3ème génération de VPU à faible consommation d’énergie.

Ces capacités de vision avancée, embarquées directement dans les équipements, peuvent aussi être exploitées dans des robots personnels qui pourront alors évaluer une situation et un contexte émotionnel, explique Remi El-Ouazzane. Cette annonce ne constitue qu'une première étape pour Intel qui compte faire évoluer ses solutions IA de bout en bout. La feuille de route sur sa technologie VPU prévoit une augmentation des performances de traitement qui n’empiétera pas sur la consommation d’énergie, assure le DG de Movidius. Remi El-Ouazzane annonce dans les dix prochaines années l’arrivée de catégories d’équipements entièrement nouvelles.

Selon Intel, le Myriad X peut traiter plus de 4 milliers de milliards d’opérations par seconde (Tops). Par rapport au VPU Myriad 2, le Myriad X a décuplé ses performances pour des applications nécessitant de faire tourner plusieurs réseaux de neurones simultanément. Il supporte la connexion directe de 8 capteurs RGB haute résolution. Ce VPU est livré avec un SDK fournissant les frameworks, outils de développement, pilotes et bibliothèques pour mettre en œuvre des applications combinant imagerie, vision informatisée et applications de deep learning. Le SDK inclut aussi un framework FLIC avec une approche plug-in pour élaborer des pipelines applicatifs spécifiques. Enfin, pour le développement des réseaux de neurones profonds, il comporte aussi un compilateur pour récupérer rapidement ceux qui ont été mis au point avec les frameworks les plus utilisés, en particulier Caffe et Tensorflow.