韩国芯片创企 FuriosaAI 估值涨到 29 亿美元：推理芯片开始抢英伟达的电费账

AI 数据中心的账本上，电费正在变成比芯片更敏感的一栏。当训练集群的规模逐渐稳定，真正长期运行、持续烧电的是推理。谁能把每一次推理的能耗压下来，谁就有机会在英伟达主导的市场里切走一块。

一分钟速览

• 韩国 AI 芯片初创公司 FuriosaAI 完成新一轮融资，估值从上一轮的 7.35 亿美元升至 29 亿美元。
• 韩国国民成长基金投资 2.8 亿美元，Infinitum Partners 等机构参与。
• 公司成立于 2017 年，今年 1 月开始量产 RNGD 推理芯片。
• 台积电今年为其生产 2 万颗 RNGD，公司计划 2027 年提升至 4 万颗以上。
• 三星 SDS、LG 集团、韩国 AI 初创公司 Upstage 已采用该芯片。

为什么是推理

训练决定模型能力的上限，推理决定模型能不能被大规模使用。一个聊天产品每天要处理数亿次请求，每次请求都要跑一遍前向计算；模型越大、上下文越长，单次推理的显存占用和能耗就越高。当企业开始把 AI 嵌进业务流程，推理成本会从「研发开支」变成「运营开支」，而运营开支是要按月审计的。

FuriosaAI 的切入点正是这里。公司称其思路是减少芯片运行时耗电较高的数据传输——在传统架构里，数据在存储和计算单元之间来回搬运消耗的能量，往往超过计算本身。RNGD 的命名发音同「Renegade」，也带着一点挑战者的意味。

估值翻两番的支撑与隐忧

从 7.35 亿美元到 29 亿美元，四倍涨幅发生在不到一年内，这在半导体行业并不常见。支撑它的是三个可见的进展：量产启动、代工产能锁定、客户名单落地。台积电今年 2 万颗、明年计划 4 万颗以上的产量安排，说明供应链已经跑通；三星 SDS、LG 和 Upstage 的使用，则提供了韩国本土的验证场景。

但隐忧同样明显。推理芯片的竞争不只是硬件参数，还包括编译器、算子库、框架适配和模型支持。英伟达真正的护城河是 CUDA 生态，客户迁移意味着重写大量底层代码。FuriosaAI 需要证明的不只是「跑得快」，而是「迁移成本足够低」。

另一个变量是客户集中度。目前公开的采用方多来自韩国本土集团，这与韩国政府的产业扶持直接相关——韩国国民成长基金投入 2.8 亿美元，韩国进出口银行首次直接投资初创企业，对象正是 FuriosaAI。政策红利能帮助它度过早期，但也意味着国际化程度仍是短板。

推理市场的分层正在形成

目前这条赛道大致分三层。最上层是英伟达的通用 GPU，靠生态和性能覆盖绝大多数场景；中间层是各类专用推理芯片（ASIC、LPU、NPU），用能效比换取特定工作负载的优势；最下层是云厂商自研芯片，只服务自家数据中心，不外售。

FuriosaAI 处在中间层，和 Groq、Cerebras、SambaNova 等公司争夺同一批客户。这个位置的好处是需求明确，坏处是容易被上下游挤压：上游代工产能受制于台积电，下游客户随时可以用自研芯片替代。

接下来看什么

第一，RNGD 在主流开源模型上的实际吞吐与能效数据，尤其是长上下文场景。第二，软件栈的成熟度，包括对 PyTorch 新版本和新模型结构的支持速度。第三，能否拿到韩国以外的大型云客户。第四，2027 年 4 万颗的产能计划能否兑现——在先进封装产能紧张的背景下，这不是一句口号就能解决的。

对行业而言，FuriosaAI 的融资更像一个信号：资本市场愿意为「省电」付费了。当 AI 的边际成本从芯片采购转向电力消耗，能效比就会从技术指标变成商业指标，而这正是新玩家最现实的突破口。