韩国AI芯片初创企业FuriosaAI完成6.2亿美元D轮融资

韩国AI芯片初创公司FuriosaAI于10月29日宣布完成8200亿韩元（约6.2亿美元）D轮融资，投后估值约3.8万亿韩元（约29亿美元）。彭博社率先报道了本轮融资，并称其估值较2025年初的7.35亿美元增长近四倍。本轮融资由韩国国民成长基金（National Growth Fund）以约2.8亿美元领投，Cisco Investments、Infinitum、Jericho Capital、Worldline Capital、QUDA Capital及阿布扎比NeoFort等国际机构参投，NAVER Ventures、韩国产业银行、Kakao Investment等老股东继续加码。另据《朝鲜日报》报道，韩国进出口银行首次将FuriosaAI选为直接投资对象，NAVER、DSC Investment、韩国产业银行等现有股东合计追加约1700亿韩元。

这笔交易最初并不在计划之内。韩媒披露，FuriosaAI今年1月启动本轮融资时，目标仅为4500亿至7500亿韩元，由摩根士丹利与未来资产证券担任顾问，但因国内外投资者超额认购，最终规模扩大至8200亿韩元。公司CEO白俊浩（音译，Baek June-ho）在公告中表示：“现在到了把我们开发的技术正式向全球AI基础设施市场扩散的阶段”，本轮资金将用于第二代推理芯片RNGD的全球商业化及第三代产品研发。

FuriosaAI由曾在三星电子和AMD任职的白俊浩于2017年创立，此前融资总额为2.46亿美元。2025年7月完成1.25亿美元C轮桥接融资后，公司累计融资额升至约2.46亿美元。这轮融资使公司估值在约一年内增长近四倍，彭博社称融资也为其最早2027年IPO铺路。

商业化层面，公司第二代推理芯片RNGD（Renegade）已于今年1月量产，由台积电代工、华硕参与制造，首批交付约4000颗。芯片采用台积电5纳米工艺，集成SK海力士HBM3内存，功耗180瓦，后续批次将升级至72GB HBM3E。公司计划今年生产2万颗，并已锁定产能支持2027年产量翻倍。

客户侧的关键验证来自LG。LG AI Research将其EXAONE大模型部署于RNGD，经约两年测试后确认推理性能功耗比达传统GPU的2.25倍，单机架token产出约为原GPU方案的3.5倍。Samsung SDS则于今年7月在自有云平台上推出基于RNGD的NPU即服务（NPU-as-a-Service）。此外有报道称OpenAI曾在首尔活动中演示使用FuriosaAI芯片，欧洲市场亦出现涉及1800颗芯片的初期数据中心项目。

要评估FuriosaAI的前景，需先看清牌桌的尺度。研究机构TrendForce估计，英伟达约占全球AI芯片市场七成份额，其2026财年数据中心业务收入达1973亿美元。FuriosaAI当前2万颗的年产量，与英伟达体系以十万乃至百万颗计的出货规模相比，尚不在同一数量级。

FuriosaAI的筹码在于三个结构性缝隙。其一，推理正在接棒训练成为算力消耗主力：TrendForce测算，2026年北美五大云厂商的AI推理算力将同比增长约122%，远快于训练算力56%的增速，且中期内推理服务器出货量将超过训练服务器。模型只需训练一次，却要运行数十亿次——能耗与成本在此环节被指数级放大，正是180瓦功耗、每千瓦服务双倍用户的RNGD的用武之地。

其二，客户多元供应链的诉求真实存在：大型买家正在把自研ASIC（如Google TPU、Amazon Trainium）作为第二选项。TrendForce预计2026年云厂商自研ASIC服务器的出货增速将超过GPU服务器，其中基于ASIC的服务器占比将升至27.8%，为2023年以来最高，GPU占比约69.7%。

（全球AI服务器出货量份额，按加速器类型划分）

其三，主权AI与电力约束：许多企业机房与主权项目的机架功率上限在15千瓦以下，无法容纳液冷改造的英伟达旗舰机柜，风冷、即插即用的推理设备因此获得错位竞争空间。

但短板同样清晰。CUDA生态十余年的工具链积累仍是英伟达最深的护城河，任何替代者都需证明客户无需重写既有部署即可迁移。FuriosaAI选择押注与PyTorch的无缝兼容及自研Tensor Contraction Language来降低门槛。此外，芯片对比中英伟达B200的FP8算力约为RNGD的9倍，RNGD赢的是能效而非峰值性能，这决定了它更适合特定负载而非全能替代。韩国国内亦有同场竞技者——Rebellions今年3月以约23.4亿美元估值完成4亿美元融资，主权AI的订单分流是必然。

估值层面的一个参照是：FuriosaAI拒绝了Meta约8亿美元的收购要约后完成本轮融资，29亿美元的投后估值已使这笔拒绝在商业上获得阶段性验证。公司下一代芯片正与博通合作开发，采用2纳米多芯粒设计与HBM4/4E内存。

责任编辑：

文章来源：http://www.xinwulian.net/enterprise/2026/1029/4050.shtml