d-Matrix adota NVLink Fusion da NVIDIA para conectar seus XPUs de inferência à plataforma de IA

d-Matrix adota NVLink Fusion da NVIDIA para conectar seus XPUs de inferência à plataforma de IA

A fabricante de chips de inferência d-Matrix anunciou que usará o NVLink Fusion para conectar seus XPUs de próxima geração Raptor à plataforma de infraestrutura de IA da NVIDIA, juntando-se a um grupo crescente de parceiros que constroem sobre a plataforma NVIDIA.

Ao conectar o Raptor à rede scale-up NVLink e à rede scale-out Spectrum-X, à arquitetura de rack MGX e à plataforma NVIDIA mais ampla, o NVLink Fusion oferece à d-Matrix um caminho acelerado e de menor risco do silício customizado à implantação em larga escala.

Por que isso importa

“A demanda por inferência está disparando, mas capital, tempo e energia continuam finitos”, disse Sid Sheth, cofundador e CEO da d-Matrix. “Com NVLink Fusion e MGX, podemos integrar nossos XPUs Raptor a uma arquitetura refrigerada a líquido amplamente implantada, dando aos clientes um caminho mais rápido e de menor risco para implantar e escalar inferência de latência ultrabaixa.”

Construir um XPU é apenas o primeiro passo. Implantá-lo em escala de fábrica de IA exige uma plataforma completa cobrindo rede, arquitetura de rack, energia, refrigeração, software e uma cadeia de suprimentos comprovada. Cada etapa — obter os chips, integrar interfaces de alta velocidade, validar a solução de rede scale-up, projetar e certificar o rack — adiciona tempo, custo e risco. O NVLink Fusion permite que inovadores de silício conectem seus chips diretamente à plataforma comprovada da NVIDIA.

O que a d-Matrix ganha

Ao padronizar um rack comum, os data centers podem ser construídos uma única vez e suportar GPUs, CPUs e XPUs. A d-Matrix planeja integrar também CPUs Vera, SuperNICs ConnectX-9, DPUs BlueField-4 e rede Ethernet Spectrum-X, dando aos seus XPUs um domínio scale-up de alta largura de banda e baixa latência em um único rack, capaz de operar ao lado de sistemas GPU como o Vera Rubin NVL72 para inferência desagregada.

O efeito prático é uma plataforma “AI factory” totalmente fungível — rodando cada workload, modelo e arquitetura com o melhor desempenho por watt e menor custo por token — e clientes com flexibilidade para casar o compute certo a cada carga de trabalho.