FuriosaAI／官方：完成六點二億美元 D 輪融資——投後估值約二十九億；RNGD 量產目標兩萬張、與 Broadcom 推進三代晶片

重點摘要

南韓 AI 晶片公司 FuriosaAI 於二零二六年十月二十八日宣布完成六點二億美元 D 輪融資，投後估值約二十九億美元，並指推論加速卡 RNGD 已進入量產、今年目標生產兩萬張。本文已核對 FuriosaAI 官方網誌原文，來源真實性已驗證。

FuriosaAI／官方：完成六點二億美元 D 輪融資——投後估值約二十九億；RNGD 量產目標兩萬張、與 Broadcom 推進三代晶片

南韓 AI 晶片公司 FuriosaAI 於二零二六年十月二十八日宣布完成六點二億美元 D 輪融資，投後估值約二十九億美元，並指推論加速卡 RNGD 已進入量產、今年目標生產兩萬張。本文已核對 FuriosaAI 官方網誌原文，來源真實性已驗證。

FuriosaAI／官方：完成六點二億美元 D 輪融資——投後估值約二十九億；RNGD 量產目標兩萬張、與 Broadcom 推進三代晶片

南韓 AI 晶片新創 FuriosaAI 在官方網誌公布最新融資與量產進度：六點二億美元 Series D、投後估值約二十九億美元，資金用於把已量產的推論加速卡 RNGD 推向更多企業，並與合作夥伴推進第三代晶片。對香港與亞洲企業而言，這反映「訓練一次、推論無數次」的算力瓶頸，正在把資本與供應鏈重心推向高效率推論硬體。

一、核心事件：D 輪數字與投資者結構

融資規模與估值

官方寫明 Furiosa 完成 六點二億美元 Series D，投後估值約二十九億美元。國際投資者包括 Infinitum、Jericho Capital、QUDA Capital、Cisco Investments、NeoFort Holding 與 Worldline Capital。南韓方面，國家成長基金（National Growth Fund）承諾約 三千七百億韓圜（約二點八億美元）；韓國輸出入銀行、UAMCO、韓華資產管理加入；種子輪投資者 NAVER Ventures、DSC Investment、KDB Capital 再度跟投，另有韓國產業銀行、Nextrans、Kakao Investment 等。

量產與產能目標

官方指 RNGD 於 二零二六年一月 達到量產里程碑，今年將生產 兩萬張 卡，並已鎖定記憶體與晶圓產能，目標二零二七年產量逾一倍。部署對象涵蓋 AI 雲端供應商、主權 AI 計畫、AI 原生公司，以及建置在地／混合雲的企業。

二、技術原理：TCP 架構與推論導向設計

Furiosa 強調其核心為 Tensor Contraction Processor（TCP）：相對多數加速器把運算拆成固定尺寸的二維矩陣乘法，TCP 以更高維的張量收縮作為硬體與軟體的基本工作單元，並搭配編譯器做全模型排程，以降低能源浪費的資料搬移。

RNGD 與 NXT 伺服器規格（官方數字）

  • RNGD：約 一百八十瓦、風冷 PCIe 卡，設計目標為在 低於二百瓦 條件下盡可能提高每晶片／每機架 token 產量。
  • 八張卡組成 NXT RNGD Server：4U、三千瓦、四 petaFLOPS（FP8）、三百八十四 GB HBM3，宣稱可放進既有機架與電力預算、無需改裝冷卻。
  • 官方比較：同等卡數下吞吐量可比擬 RTX PRO 6000，並稱每千瓦可服務約 兩倍 使用者。
  • 產品定位為 推論（非訓練）：目標約每使用者每秒 一百 token 等級的企業負載，並支援 Gemma 4、Qwen 3.8-27B 等開源權重模型。

軟體與下一代路線

官方指今年已發布四次主要 SDK；SDK 2026.4 相對 2026.3，在十八個模型上提升每瓦 token 產量，其中 gpt-oss-120B 提升約 百分之一百三十八，並擴大視覺語言與嵌入模型支援。第三代晶片正與 Broadcom 等合作推進，採 TCP、二奈米 多晶片設計與 HBM4／4E 記憶體，目標服務大規模代理式（agentic）模型叢集。

三、日常應用場景

1. 開發者與技術團隊

若團隊以 PyTorch 部署開源模型推論，官方指出可走接近 GPU 的部署路徑，需要更細控制時亦可使用其 Tensor Contraction Language 與 Virtual ISA 自寫核心，縮短「換卡就要重寫整套 runtime」的成本。

2. 企業與隱私敏感行業

Samsung SDS 已推出以 RNGD 驅動的 NPU-as-a-Service；LG 集團公司則在在地混合雲環境部署 RNGD。對金融、醫療、法律等要求資料出境受限的機構，高效率在地推論卡有助把模型服務留在可控機房，而不是一律依賴海外超大規模雲。

3. 一般用戶

終端用戶較少直接採購加速卡，但會感受到雲端與企業應用的延遲、並發與電費成本變化——推論效率提升，理論上有助聊天、客服與內部搜尋類服務在相同電力預算下服務更多並發。

4. 香港與亞洲市場視角

Furiosa 總部位於南韓，並公開招聘據點包括首爾、矽谷、里斯本與新加坡；亞洲企業若評估「非 GPU 單一供應鏈」的推論選項，此輪融資與量產數字提供可核對的供應商進度。香港企業若要落地私有模型 API，仍須同時處理機房電力、模型權重授權、資安分層與營運監控，硬體只是其中一環。

四、專業評價與潛在考量

優勢

  • 官方同時公布融資、量產張數、機架級規格與客戶部署例子，資訊密度高於純「估值傳聞」。
  • 明確押注推論與每瓦 token，貼近企業上線後的主要成本結構。
  • 有國家基金與跨國戰略投資者（含 Cisco Investments）背書，有助供應鏈與通路談判。

需要留意的地方

  • 與 RTX PRO 6000 的比較屬原廠聲稱，實際吞吐量視模型、批次、精度與軟體棧而定，採購前應以自身工作負載重跑基準。
  • 二奈米 Gen 3 與 HBM4／4E 仍屬路線圖，量產時程與良率未在本篇給出最終承諾。
  • 企業導入非 GPU 加速器須評估編譯器成熟度、模型覆蓋、維運人才與備援策略，避免鎖死單一供應商。

結語

FuriosaAI 這次 D 輪把「已能量產的推論卡」與「下一代代理式模型叢集晶片」綁在同一資本故事上：六點二億美元、約二十九億美元投後估值，以及今年兩萬張 RNGD 的產能目標，顯示亞洲半導體生態正加速搶攻推論算力。若香港企業需要把大型語言模型留在可控環境、並以私有 API 對接內部系統，可參考 YSK Limited 的企業私有 LLM 全託管方案（https://ysk.hk/services/ai-automation）。

參考來源

延伸閱讀 · 相關服務與產品

相關文章