Executive Brief
Startup akselerator kecerdasan buatan (AI) asal Silicon Valley, d-Matrix, secara resmi mengumumkan pengadopsian teknologi interkoneksi NVLink Fusion dan arsitektur rack-scale Nvidia MGX. Kerja sama strategis ini memungkinkan prosesor inference generasi berikutnya milik d-Matrix, yaitu Raptor™ XPU, untuk terhubung dan beroperasi secara langsung di dalam ekosistem rak server data center Nvidia. Kemitraan ini menegaskan fleksibilitas baru dalam arsitektur AI factory, di mana akselerator spesifik inference dapat bersanding secara native dengan GPU dan CPU Nvidia di dalam satu infrastruktur terpadu.
Mengapa Keputusan Ini Sangat Penting?
Integrasi d-Matrix ke dalam ekosistem Nvidia menandai perubahan paradigma besar dalam arsitektur hardware komputasi awan dan hyperscaler:
- Pergeseran Beban Kerja dari Training ke Inference
Industri AI kini mengalami transisi fokus dari pemodelan skala besar (training) ke eksekusi pemodelan secara real-time (inference). Workload inference—seperti pada AI coding assistants, agen suara, dan chatbots interaktif—memiliki karakteristik teknis yang sangat berbeda: sangat sensitif terhadap latensi (latency-sensitive) dan membutuhkan efisiensi biaya per token yang ekstrem. Akselerator spesifik seperti d-Matrix Raptor, yang mengusung arsitektur berbasis memori (memory-centric) dengan pemrosesan 3D DRAM stacking, dirancang khusus untuk memangkas latensi ini tanpa tergantung pada konsumsi daya GPU konvensional. - Standardisasi Interkoneksi Terbuka Melalui NVLink Fusion
Sebelumnya, startup pembuat chip kustom harus membangun ekosistem rak, sistem pendingin cair (liquid cooling), protokol jaringan, dan rantai pasok (supply chain) mereka sendiri—sebuah proses yang memakan biaya miliaran dolar dan waktu bertahun-tahun. Melalui NVLink Fusion, Nvidia membuka pintu interkoneksi berkecepatan tinggi dan berlatensi rendah bagi produsen silicon pihak ketiga. Hal ini memungkinkan d-Matrix melewati hambatan manifaktur rak dan langsung menumpang pada kesiapan infrastruktur komersialisasi Nvidia yang sudah matang secara global. - Infrastruktur Heterogen (Disaggregated Inference)
Dengan menggabungkan d-Matrix Raptor XPU dan platform Nvidia (seperti CPU Vera dan GPU Vera Rubin), penyedia layanan AI dapat membagi tahapan inference (heterogeneous disaggregation). Sebagai contoh, GPU Nvidia dapat menangani fase prefill yang padat komputasi, sementara chip d-Matrix mengambil alih fase decode yang sangat sensitif terhadap latensi. Hasilnya adalah penghematan biaya operasional data center dan peningkatan responsivitas aplikasi agentic AI.
Apa yang Perlu Dipantau oleh Enterprise & Pengelola Data Center?
Bagi para arsitek IT, pengelola data center, dan tim pengadaan enterprise, kolaborasi ini memberikan peta jalan baru yang perlu dicermati:
- Ketersediaan Sistem Komersial (Target Q4 2027)
Pengembangan rak terintegrasi yang menggabungkan d-Matrix Raptor XPU dengan arsitektur Nvidia MGX ditargetkan untuk ketersediaan komersial awal pada kuartal keempat tahun 2027. Perusahaan perlu memperhitungkan linimasa ini dalam perencanaan ekspansi infrastruktur AI jangka menengah. - Efisiensi Biaya per Token (Cost per Token)
Penggabungan chip khusus inference ke dalam rak Nvidia berpotensi menurunkan Total Cost of Ownership (TCO) pengoperasian model AI skala besar secara signifikan dibandingkan jika hanya mengandalkan GPU murni. - Kompatibilitas dan Ekosistem Software Stack
Pengelola data center harus memantau sejauh mana software stack d-Matrix terintegrasi dengan ekosistem perangkat lunak Nvidia serta kerangka kerja populer seperti PyTorch dan vLLM untuk memastikan kelancaran migrasi beban kerja tanpa lock-in yang kaku.
Kesimpulan
Langkah d-Matrix memanfaatkan NVLink Fusion membuktikan bahwa masa depan data center AI tidak lagi bersifat tunggal (monolithic), melainkan heterogen dan modular. Kemitraan ini memberi ruang bagi inovasi hardware spesialis untuk tumbuh cepat tanpa harus merombak fondasi fisik dan jaringan data center yang telah ada.
Sumber: Reuters, 10 September 2026.
