d-Matrix intégrera sa prochaine génération d’accélérateurs d’intelligence artificielle, le Raptor XPU, dans l’architecture de racks NVIDIA MGX via NVLink Fusion. Cette coopération pluriannuelle vise à déployer ces puces spécialisées en inférence dans de grands centres de données sans avoir à développer une infrastructure complète dès le départ. Les premiers systèmes intégrés sont prévus pour le quatrième trimestre de 2027, la société devant encore finaliser la conception du Raptor, qu’elle souhaite envoyer en production avant la fin 2026.
Les points clés de la collaboration entre d-Matrix et NVIDIA en 30 secondes
- d-Matrix concevra le Raptor pour une intégration directe avec NVIDIA NVLink Fusion et les racks MGX.
- Les systèmes combineront des technologies telles que Vera CPU, BlueField-4, ConnectX-9 et Spectrum-X.
- Le Raptor est spécialisé dans l’inférence et adopte une architecture où la DRAM est empilée sur une puce de calcul SRAM.
- d-Matrix envisage d’associer ses XPU à des systèmes NVIDIA Vera Rubin pour répartir différentes phases de l’inférence.
- La disponibilité initiale est prévue pour le quatrième trimestre 2027.
Cette annonce illustre une tendance plus large dans le marché du matériel dédié à l’intelligence artificielle. NVIDIA utilise NVLink Fusion pour étendre son infrastructure à des processeurs développés par d’autres entreprises, y compris des accélérateurs spécialisés ou des CPU personnalisés.
Pour des sociétés comme d-Matrix, cela résout un problème qui dépasse la simple fabrication d’un bon chip.
Un accélérateur destiné à des centres de données doit disposer d’une connectivité haute vitesse, de serveurs, de racks, d’alimentation électrique, de refroidissement, de réseaux entre nœuds, ainsi que d’une chaîne d’approvisionnement capable de produire l’ensemble du système en volume. Concevoir ces composants séparément peut ajouter des années au développement et augmenter considérablement le coût d’entrée sur le marché.
d-Matrix cherche à éviter une partie significative de ce parcours en adoptant une architecture déjà développée autour de NVIDIA.
Raptor sera relié via NVLink et fera usage de l’écosystème MGX
Le premier résultat de cette collaboration sera un système de racks basé sur NVIDIA MGX, où seront installés les Raptor XPU de d-Matrix.
L’entreprise prévoit d’intégrer des composants NVIDIA tels que les processeurs Vera, les commutateurs NVLink, les unités de traitement de données (DPU) BlueField-4, ConnectX-9 SuperNIC et le réseau Ethernet Spectrum-X.
Elle collabore également avec Astera Labs, membre de l’écosystème NVLink Fusion, pour développer des solutions de connectivité visant à maintenir un flux élevé de données au sein du système.
Ce dispositif permet de distinguer deux niveaux de communication :
NVLink sera utilisé pour le scale-up, c’est-à-dire la connexion entre accélérateurs dans un domaine de calcul haute vitesse et basse latence, tandis que Spectrum-X assurera le scale-out, permettant de communiquer entre différents systèmes et racks dans une installation plus grande.
| Composant | Fonction prévue dans le système |
|---|---|
| d-Matrix Raptor XPU | Inférence spécialisée |
| NVIDIA Vera CPU | Traitement général et coordination |
| NVIDIA NVLink Fusion | Interconnexion haute vitesse entre accélérateurs |
| NVIDIA BlueField-4 | Traitement de l’infrastructure et réseau |
| NVIDIA ConnectX-9 | Connectivité haute performance |
| NVIDIA Spectrum-X | Réseau Ethernet pour l’extension entre systèmes |
| NVIDIA MGX | Architecture modulaire pour serveurs et racks |
| Astera Labs | Solutions de connectivité pour l’intégration |
L’objectif de d-Matrix est de concentrer davantage de ressources dans le processeur tout en utilisant une infrastructure de racks, de refroidissement et de connectivité déjà établie, avec une chaîne d’approvisionnement mature.
Cela ne signifie pas que Raptor deviendra une GPU NVIDIA ni que NVIDIA fabriquera directement cet accélérateur. NVLink Fusion sert ici de point d’intégration entre des siliciums tiers et la plateforme d’infrastructure de NVIDIA.
Une architecture mémoire conçue pour l’inférence
Raptor succédera à Corsair, la plateforme d’inférence que d-Matrix commercialise déjà en production.
L’innovation technologique la plus notable concerne la mémoire.
Les modèles génératifs nécessitent de déplacer constamment de grandes quantités de paramètres et de données entre la mémoire et les unités de calcul. Ce déplacement peut devenir un des principaux goulots d’étranglement en termes de vitesse, consommation énergétique et coût de l’inférence.
d-Matrix travaille depuis plusieurs années sur une architecture visant précisément à réduire cette latence.
Raptor utilisera une solution d’empilement 3D intégrant un chip mémoire DRAM adjacent à un chip de calcul SRAM dans un même paquet vertical, une approche que la société qualifie graphiquement de structure à deux étages.
Les détails techniques de cette technologie ont été présentés lors de Hot Chips 2026 par Sudeep Bhoja, co-fondateur et directeur technique de d-Matrix, et ont été publiés ultérieurement par l’IEEE.
La société affirme que Raptor possède plus de 100 brevets liés et indique que le processeur est en cours d’évaluation par de grands fournisseurs cloud et laboratoires d’intelligence artificielle. Aucun nom précis n’a été divulgué concernant les entreprises impliquées dans ces évaluations.
Ce n’est pas encore un produit commercialisé.
d-Matrix prévoit de finaliser le tape-out de Raptor avant la fin 2026. Le tape-out marque la fin de la conception envoyée à la fabrication, mais reste encore la fabrication des premiers échantillons, les tests, les ajustements, la validation et la production en volume.
La société anticipe donc une disponibilité des systèmes Raptor intégrés MGX au quatrième trimestre 2027.
GPU et XPU pourraient partager une même inférence
La collaboration ne présente pas nécessairement Raptor comme un remplacement des GPU.
d-Matrix propose une approche d’architecture hétérogène où différents processeurs exécutent les parties d’une charge de travail pour lesquelles ils sont les plus adaptés.
Un exemple est l’inférence décomposée des modèles de langage.
Lorsqu’un utilisateur envoie une requête à un modèle, il y a deux phases distinctes aux caractéristiques différentes. Pendant le pré-remplissage, le système traite le contexte initial complet. Ensuite, commence la phase de décodage, où de nouveaux tokens sont générés progressivement.
Le pré-remplissage nécessite une capacité de calcul en parallèle très importante. Le décodage, surtout dans un contexte interactif, est très sensible à la latence et nécessite un accès rapide à la mémoire.
d-Matrix envisage que des systèmes NVIDIA Vera Rubin prennent en charge le phase de pré-remplissage, pendant que les Raptor XPU gèrent certains travaux de décodage.
Des exemples cités incluent les assistants de programmation, les chatbots en temps réel et les agents vocaux, où réduire le délai entre tokens influence directement l’expérience utilisateur.
Il s’agit à ce stade d’un concept d’architecture et de cas d’usage. La société ne fournit pas de benchmarks indépendants ni de chiffres comparant la performance, la consommation ou le coût par token de Raptor avec ceux de Vera Rubin ou d’autres accélérateurs d’inférence.
Ainsi, toute affirmation concernant une latence moindre ou une meilleure efficacité énergétique reste provisionalle, en attendant des hardware final et des mesures comparables.
NVLink Fusion transforme l’infrastructure NVIDIA en une plateforme pour autres puces
L’aspect stratégique de l’accord va au-delà de d-Matrix.
Depuis des années, NVLink est un avantage clé de NVIDIA pour construire des systèmes où de nombreuses GPU fonctionnent ensemble comme un grand domaine de calcul. Avec NVLink Fusion, la société ouvre cette interconnexion à certains processeurs tiers.
Ce résultat crée une relation apparemment paradoxale : d’autres fabricants peuvent rivaliser avec les GPU NVIDIA sur certains workloads tout en utilisant la technologie NVIDIA pour construire leurs systèmes.
Pour NVIDIA, cela étend le marché de NVLink, Spectrum-X, BlueField, ConnectX, MGX et autres composants, même si l’accélérateur principal n’est pas de sa facture.
Pour les concepteurs de puces, cela réduit une barrière importante.
Créer un accélérateur personnalisé est déjà très coûteux, mais le transformer en une plateforme prête pour datacenter avec des centaines ou milliers de processeurs nécessite de résoudre la gestion de l’alimentation, le refroidissement liquide, la connectivité, les serveurs, les racks, le logiciel et la fabrication.
NVLink Fusion permet à des entreprises spécialisées d’entrer sur ce marché sans avoir à reproduire toute l’infrastructure que NVIDIA a bâtie autour de ses GPU.
d-Matrix est un exemple parfait, car sa spécialité est l’inférence. Plutôt que de tenter de concevoir une plateforme complète de bout en bout pour rivaliser avec NVIDIA, elle vise à intégrer Raptor dans une architecture compatible avec le même type d’infrastructure.
Si le calendrier est respecté, le premier matériel issu de cette collaboration sera lancé fin 2027. Deux points restent encore incertains : les performances finales de Raptor une fois fabriqué, et dans quelle mesure les avantages promis de son architecture mémoire seront maintenus à l’échelle rack.
Ce que l’accord révèle déjà, c’est une évolution de NVIDIA, qui va au-delà de la simple vente de GPU. Avec NVLink Fusion, NVIDIA cherche à faire de son interconnexion, de ses réseaux et de ses racks une plateforme commune, permettant aussi le déploiement de certains chips spécialisés concurrents dans le marché croissant de l’inférence IA.