d-Matrix Raptor wordt onderdeel van Nvidia’s rack-scale AI-infrastructuur

d-Matrix’ overeenkomst met Nvidia rond NVLink Fusion draait in de kern om integratie. Raptor moet niet slechts een inferentiekaart worden die via een gewone serveruitbreiding wordt aangesloten, maar een onderdeel van Nvidia’s AI-infrastructuur op rack-schaal. Het idee is d-Matrix’ geheugen-gerichte inferentieprocessor te combineren met de systeemarchitectuur, interconnects en netwerken die al in Nvidia’s AI-fabrieken worden gebruikt. 310

Wat NVLink Fusion voor Raptor verandert

NVLink Fusion is Nvidia’s platform om chips van partners in Nvidia-gebaseerde AI-infrastructuur op te nemen. Voor d-Matrix betekent dat een koppeling van Raptor aan Nvidia’s NVLink-scale-upnetwerk, de MGX-rackarchitectuur en Spectrum-X voor scale-outnetwerken. Nvidia positioneert die aanpak als een snellere route met minder integratierisico naar grootschalige inzet: een partner bouwt voort op een gevalideerd rack-ecosysteem, in plaats van iedere systeemlaag zelf samen te stellen. 3

Praktisch gezien is Raptor voorzien als onderdeel van een rack op basis van Nvidia’s MGX-referentieontwerp. Dat is wezenlijk iets anders dan een los verkrijgbare accelerator: Raptor wordt onderdeel van een rack-scale systeem met een gedeelde fabric met hoge bandbreedte en een vooraf bepaalde infrastructuurconfiguratie. 310

Welke Nvidia-onderdelen beschikbaar komen

Het geplande Raptor-systeem omvat de volgende onderdelen van Nvidia’s platform:

• Vera-CPU’s voor hostcomputing in het rack;
• NVLink-switches voor de scale-upfabric;
• BlueField-4-DPU’s voor dataverwerking en infrastructuurtaken;
• ConnectX-9 SuperNICs voor snelle netwerk-I/O;
• Spectrum-X Ethernet voor scale-outnetwerken buiten het rack. 10

d-Matrix werkt daarnaast met Astera Labs aan maatwerkconnectiviteit die een datastroom met hoge doorvoer in het systeem moet ondersteunen. 10

De taakverdeling is strategisch relevant: d-Matrix levert de inferentie-XPU, terwijl Nvidia een groot deel van het omliggende platform levert — de referentiearchitectuur, scale-upconnectiviteit, netwerkonderdelen en het bredere AI-infrastructuurecosysteem. 310

Gericht op inferentie met lage vertraging

Raptor is bedoeld voor inferentiewerk waarbij de vertraging bij het genereren van tokens belangrijk is. Een geheugen-gerichte accelerator kan daarbij relevant zijn, omdat tijdens het genereren herhaaldelijk modelgewichten moeten worden geraadpleegd. Nvidia’s platform levert vervolgens de communicatie- en implementatiebasis om dat op rack-schaal te laten werken.

De samenwerking betekent niet dat Raptor Nvidia-GPU’s voor al het AI-werk vervangt. Zij opent juist een route naar heterogene systemen, waarin gespecialiseerde inferentiechips naast Nvidia-infrastructuur kunnen draaien. Nvidia’s NVLink Fusion-strategie is nadrukkelijk gericht op semi-custom AI-infrastructuur die partnerchips combineert met Nvidia-racks en -netwerken. 26

Het voorgestelde rack met 144 XPU’s

d-Matrix verwacht systemen te kunnen aanbieden met maximaal 144 Raptor-accelerators, verbonden via één all-to-all NVLink-fabric. De door het bedrijf genoemde doelen op rackniveau zijn 2,3 TB 3D-gestapeld DRAM en 7,2 PB/s totale geheugenbandbreedte. Daarmee zouden modellen van meer dan vier biljoen parameters bij 4-bitprecisie ondersteund kunnen worden. 24

Deze cijfers zijn toekomstgerichte productdoelen. In openbare berichtgeving verschillen de beschrijvingen van geheugen en bandbreedte per accelerator. De uiteindelijke configuratie per chip en de bruikbare modelcapaciteit moeten dus nog worden bevestigd wanneer het product dichter bij lancering komt. Ook runtimegeheugen, modelmetadata, het gebruikte kwantisatieformaat en de systeemsoftware bepalen hoe groot een model in de praktijk kan zijn.

Planning: tape-out in 2026, geïntegreerde systemen in 2027

Raptor wordt omschreven als een ontwerp met een compute-die op 4 nanometer en aangepast DRAM. d-Matrix verwacht de tape-out — het moment waarop het chipontwerp naar de productievoorbereiding gaat — vóór eind 2026. De eerste in racks geïntegreerde systemen worden in het vierde kwartaal van 2027 verwacht. 1014

Het gaat dus om een productroadmap voor meerdere jaren, niet om een gezamenlijk rackproduct dat nu al leverbaar is. 12

Waarom Nvidia baat heeft bij chips van derden

Door zijn rack-scale platform open te stellen voor partnerchips kan Nvidia klanten bedienen die gespecialiseerde chips willen, zonder dat zij Nvidia’s infrastructuurstack hoeven te verlaten. Ook wanneer d-Matrix de inferentieprocessor levert, kan het voorgestelde systeem nog steeds gebruikmaken van Nvidia’s NVLink-fabric, CPU’s, switches, DPU’s, SuperNICs, Ethernet-netwerken en MGX-architectuur. 310

Dat is een gevolgtrekking uit de systeemarchitectuur, geen bekendgemaakte afspraak over omzetverdeling of andere commerciële voorwaarden. De bedrijven hebben geen financiële details openbaar gemaakt. 1

Plaats binnen het NVLink Fusion-ecosysteem

Nvidia introduceerde NVLink Fusion om samen met partners semi-custom AI-infrastructuur mogelijk te maken. Op de eerste openbare partnerlijst stonden MediaTek, Marvell, Alchip Technologies, Astera Labs, Synopsys en Cadence. Nvidia meldde ook dat CPU’s van Fujitsu en Qualcomm via het platform met Nvidia-GPU’s kunnen worden geïntegreerd. 26

d-Matrix breidt die aanpak uit naar inferentiegerichte XPU’s. De bredere betekenis zit minder in één chip dan in een modulairder rackmodel: klanten kunnen in potentie eigen of gespecialiseerde rekensilicon combineren met Nvidia’s interconnect- en netwerkinfrastructuur, in plaats van te moeten kiezen tussen een volledig Nvidia-systeem of een volledig losstaand platform.

Achtergrond: d-Matrix

d-Matrix lanceerde zijn Corsair-inferentieaccelerator in november 2024. In november 2025 meldde het bedrijf een Series C-financieringsronde van 275 miljoen dollar bij een waardering van 2 miljard dollar. Daarmee kwam de totale opgehaalde financiering op 450 miljoen dollar; M12 van Microsoft behoorde tot de investeerders. 2839

Met de Raptor-samenwerking probeert d-Matrix dus de stap te zetten van een afzonderlijke inferentieaccelerator naar een model voor implementatie op rack-schaal. Of de beloofde voordelen rond vertraging, capaciteit en bandbreedte ook tot productiesystemen leiden, zal afhangen van de uiteindelijke chip, software-integratie en praktijkbenchmarks wanneer de geplande systemen in 2027 verschijnen.