FuriosaAI zebrała 620 mln USD na chipy do inferencji AI

Kto zainwestował w FuriosaAI

Rundę zdominował kapitał koreański. National Growth Fund, państwowy fundusz wspierający krajowy przemysł półprzewodników, wyłożył 280 mln USD. Do rundy dołączyli też m.in. Export-Import Bank of Korea, dla którego to pierwsza bezpośrednia inwestycja w startup, Kakao Investment, Nextrans, UAMCO i Hanwha Asset Management.

Inwestorzy zagraniczni dali łącznie 110 mln USD. Największym z nich jest amerykański Infinitum, a obok niego są Cisco Investments, Jericho Capital, Worldline Capital, singapurski QUDA Capital Partners i NeoFort Holding z Abu Zabi. Dotychczasowi udziałowcy, w tym NAVER Ventures, DSC Investment i Korea Development Bank, dołożyli 125 mln USD.

Czym jest chip RNGD

RNGD to druga generacja akceleratora FuriosaAI. Korzysta z pamięci HBM i własnej architektury Tensor Contraction Processor, która według producenta lepiej wykorzystuje obliczenia na macierzach niż klasyczne GPU. Karta pobiera 180 W i jest chłodzona powietrzem, więc mieści się w typowych serwerach bez chłodzenia cieczą.

Producent twierdzi, że RNGD dorównuje kartom GPU pobierającym dwa razy więcej energii. To deklaracja firmy, której nie potwierdzają niezależne testy przytoczone w komunikacie. Po stronie oprogramowania chip obsługuje PyTorch, ładuje modele z Hugging Face i może zastąpić popularny serwer inferencji vLLM bez przepisywania aplikacji.

Plany produkcyjne i klienci

FuriosaAI podaje kilka konkretów dotyczących skali działalności. Najważniejsze dane z komunikatu z 28 października 2026 roku zebraliśmy poniżej.

• masowa produkcja RNGD od stycznia 2026 roku, ok. 20 tys. sztuk w 2026 roku i ponad 40 tys. w 2027 roku,
• LG uruchamia na RNGD swoje modele EXAONE,
• Samsung SDS od lipca 2026 roku oferuje na RNGD komercyjną usługę akceleratorów w chmurze,
• Upstage używa chipu do podsumowań wyników wyszukiwania na żywo,
• trzecia generacja akceleratora powstaje we współpracy z Broadcomem, bez podanych parametrów i terminu,
• firma ma biura w USA, Singapurze i Portugalii, jedynej lokalizacji w Europie.

Dlaczego rynek inwestuje w chipy do inferencji

Trenowanie dużych modeli wciąż zdominowane jest przez GPU NVIDIA, ale codzienne uruchamianie modeli dla milionów użytkowników staje się większym kosztem niż samo trenowanie. W tym segmencie liczy się przede wszystkim liczba wygenerowanych tokenów na wat energii. Dlatego rosną firmy, które oferują tańsze i bardziej energooszczędne układy, a państwa takie jak Korea Południowa traktują je jako element polityki przemysłowej.

Ograniczeniem pozostaje skala. Kilkadziesiąt tysięcy kart rocznie to niewiele wobec dostaw GPU dla największych chmur. Sukces FuriosaAI zależy od tego, czy klienci spoza Korei przeniosą na RNGD swoje obciążenia i czy oprogramowanie okaże się tak wygodne, jak obiecuje producent.

Co to oznacza dla polskich firm

Na razie RNGD nie jest dostępny w ofercie polskich dostawców serwerów ani w chmurach działających w Polsce. Komunikat nie podaje cen karty ani planów sprzedaży w Unii Europejskiej. Dla firm, które planują własną infrastrukturę do uruchamiania modeli, sygnał jest jednak czytelny. Alternatyw dla GPU przybywa, a zgodność z vLLM i PyTorch obniża koszt ewentualnej migracji.

Przy wyborze sprzętu do inferencji warto porównywać nie tylko cenę karty, ale też zużycie energii, wymagania chłodzenia i dojrzałość oprogramowania. W polskich serwerowniach, gdzie koszt prądu stanowi dużą część wydatków operacyjnych, karta 180 W chłodzona powietrzem może być łatwiejsza do wdrożenia niż rozwiązania wymagające chłodzenia cieczą.