d-Matrix porta Raptor nei rack Nvidia con NVLink Fusion

L’accordo tra d-Matrix e Nvidia è soprattutto un’operazione di integrazione di sistema. La futura XPU Raptor, progettata per l’inferenza AI, non dovrebbe limitarsi a essere una scheda acceleratrice collegata a un server: d-Matrix intende inserirla direttamente nell’infrastruttura rack-scale di Nvidia attraverso NVLink Fusion. L’obiettivo è unire un processore specializzato e incentrato sulla memoria alla rete, all’interconnessione e al progetto di rack dell’ecosistema Nvidia. 310

Che cosa abilita NVLink Fusion

NVLink Fusion è la piattaforma con cui Nvidia consente ai partner di portare silicio personalizzato nell’infrastruttura AI basata sulle sue tecnologie. Nel caso di d-Matrix, Raptor sarà collegata alla rete NVLink per lo scale-up — cioè la comunicazione ad alta velocità fra i componenti dello stesso sistema —, all’architettura rack MGX e alla rete Spectrum-X per lo scale-out, ossia l’espansione oltre il rack. 3

La differenza pratica è rilevante: anziché vendere solo un acceleratore autonomo, d-Matrix punta a entrare in una configurazione rack con un fabric ad alta banda condiviso e componenti infrastrutturali già definiti e validati. Nvidia descrive questa strada come più rapida e meno rischiosa per portare silicio personalizzato a un’implementazione su larga scala. 310

I componenti Nvidia previsti nel sistema

Il progetto basato su Raptor dovrebbe usare i seguenti elementi della piattaforma Nvidia:

• CPU Vera, per l’elaborazione host nel rack;
• switch NVLink, per il fabric di scale-up;
• DPU BlueField-4, dedicate alle funzioni di elaborazione dati e infrastruttura;
• SuperNIC ConnectX-9, per I/O di rete ad alte prestazioni;
• Ethernet Spectrum-X, per il collegamento scale-out oltre il rack. 10

d-Matrix sta inoltre collaborando con Astera Labs su soluzioni di connettività personalizzate, pensate per mantenere un flusso di dati ad alta velocità all’interno del sistema. 10

In questa divisione dei ruoli, d-Matrix fornisce l’XPU per l’inferenza, mentre Nvidia mette a disposizione gran parte della piattaforma circostante: architettura di riferimento, interconnessione, rete e più in generale l’ecosistema dell’infrastruttura AI. 310

Perché Raptor punta all’inferenza a bassa latenza

Raptor è destinata a carichi di inferenza nei quali conta la latenza nella generazione dei token. Un acceleratore incentrato sulla memoria può essere particolarmente utile quando, durante la generazione, il sistema deve accedere ripetutamente ai pesi del modello; la piattaforma Nvidia offre invece la base di comunicazione e distribuzione necessaria per operare alla scala di un rack.

Questo non significa che Raptor sostituirà le GPU Nvidia per ogni attività AI. L’intesa apre piuttosto la strada a sistemi eterogenei, nei quali silicio specializzato per l’inferenza convive con l’infrastruttura Nvidia. NVLink Fusion è stata presentata proprio per infrastrutture AI semi-personalizzate che combinano chip dei partner con sistemi e rete rack-scale di Nvidia. 26

Il target: un rack con 144 XPU

d-Matrix afferma di voler offrire sistemi con fino a 144 acceleratori Raptor collegati da un unico fabric NVLink all-to-all. A livello di rack, l’azienda indica come obiettivi 2,3 TB di DRAM 3D-stacked e 7,2 PB/s di banda di memoria aggregata, con l’intenzione di supportare modelli oltre i quattro trilioni di parametri a precisione di 4 bit. 24

Si tratta di obiettivi di prodotto dichiarati dall’azienda e quindi prospettici. Le informazioni pubbliche riportano inoltre descrizioni non del tutto uniformi della memoria e della banda per singolo acceleratore: configurazione finale per dispositivo e capacità realmente utilizzabile dovranno essere confermate più vicino al lancio. La dimensione effettivamente distribuibile di un modello dipende anche dalla memoria di runtime, dai metadati del modello, dal formato di quantizzazione e dal software di sistema.

Calendario: tape-out nel 2026, sistemi integrati nel 2027

Raptor viene descritta come un progetto che unisce un die di calcolo a 4 nanometri con DRAM personalizzata. d-Matrix prevede il tape-out — la consegna del progetto finale alla produzione del chip — entro la fine del 2026; i primi sistemi integrati nel rack sono attesi nel quarto trimestre del 2027. 1014

Non è quindi un prodotto congiunto già in vendita, ma una collaborazione pluriennale basata su una roadmap di prodotto. 12

Perché l’apertura ai chip di terze parti conviene a Nvidia

Consentire l’uso di acceleratori specializzati di partner nella propria piattaforma rack-scale permette a Nvidia di servire clienti interessati a silicio mirato senza costringerli a uscire dal suo stack infrastrutturale. Anche se il processore per l’inferenza è di d-Matrix, il sistema proposto può comunque usare fabric NVLink, CPU, switch, DPU, SuperNIC, rete Ethernet Spectrum-X e architettura MGX di Nvidia. 310

Questa è un’implicazione dell’architettura annunciata, non una dichiarazione delle aziende su ricavi o ripartizione economica. I termini finanziari dell’accordo non sono stati divulgati. 1

Il posto di d-Matrix nell’ecosistema NVLink Fusion

Nvidia ha presentato NVLink Fusion per consentire la realizzazione di infrastrutture AI semi-personalizzate con partner esterni. Tra i primi partner resi pubblici figuravano MediaTek, Marvell, Alchip Technologies, Astera Labs, Synopsys e Cadence; Nvidia aveva inoltre dichiarato che le CPU di Fujitsu e Qualcomm potevano essere integrate con GPU Nvidia tramite la piattaforma. 26

L’ingresso di d-Matrix estende questo approccio alle XPU focalizzate sull’inferenza. Il punto più ampio non è quindi soltanto un singolo chip: è un modello di rack più modulare, nel quale i clienti possono potenzialmente combinare silicio di calcolo personalizzato con l’interconnessione e la rete Nvidia, senza dover scegliere fra un sistema interamente Nvidia e una piattaforma totalmente separata.

Il contesto di d-Matrix

d-Matrix ha lanciato l’acceleratore per inferenza Corsair nel novembre 2024. Nel novembre 2025, l’azienda ha comunicato un round Series C da 275 milioni di dollari, con una valutazione di 2 miliardi di dollari e finanziamenti complessivi saliti a 450 milioni; tra gli investitori figura anche M12 di Microsoft. 2839

La partnership su Raptor rappresenta dunque il tentativo di passare da un approccio basato su acceleratori discreti a un modello di distribuzione rack-scale. Se i vantaggi promessi su latenza, capacità e banda si tradurranno in installazioni di produzione dipenderà dal silicio finale, dall’integrazione software e dai benchmark reali quando i sistemi previsti arriveranno nel 2027.