独家：FuriosaAI CEO 称“英伟达最大的优势也是其致命弱点”，此前曾拒绝 Meta 8亿美元收购要约，目标在2026年进行D轮融资
新闻要点
FuriosaAI首席执行官June Paik认为，英伟达（Nvidia）通用GPU架构的固有低效性是其“致命弱点”，尤其在专业AI计算领域。他强调，世界迫切需要更节能的AI运行方式，并致力于使FuriosaAI成为推动可持续AI转型的独立公司，此前曾拒绝了Meta 8亿美元的收购要约。 FuriosaAI自2017年起，从第一性原理出发，设计了专门用于AI计算的张量收缩处理器（TCP）架构，相较于GPU的低级矩阵乘法，能更有效地处理深度学习中的复杂优化问题，从而实现突破性的能效和更低的总体拥有成本。 公司已筹集2.46亿美元，估值约7.35亿美元，计划在2026年进行D轮融资，以加速下一代芯片的开发。Paik指出，现有AI基础设施的高能耗已成为“临界点”，导致许多AI应用因基础设施成本高昂而亏损，因此对更高效替代方案的需求日益增长。 FuriosaAI的RNGD芯片已获得LG AI Research和Cloudflare等客户的采用，这验证了其在实际应用中的高性能和易于集成性（支持PyTorch和OpenAI兼容API）。Paik强调，公司致力于提供高性能、节能的计算，以支持全球可持续发展和本地主权AI。
背景介绍
英伟达目前凭借其GPU架构主导着AI芯片市场，尽管其通用性，但已成为AI训练和推理的事实标准，并拥有强大的CUDA软件生态系统支持。 AI的快速发展，特别是大型语言模型（LLM），导致数据中心能耗显著增加，给企业和云提供商带来了经济和环境挑战。这推动了对更专业、更高效的AI加速器的需求。 FuriosaAI是韩国一家AI芯片初创公司，成立于2017年，旨在通过从第一性原理设计专用架构来解决AI计算的效率瓶颈，挑战英伟达的市场主导地位。
深度 AI 洞察
FuriosaAI提出的“可持续AI”概念是否仅仅是营销口号，还是对现有AI基础设施经济模型的核心挑战？ - 这不仅仅是营销。Paik的论点触及了当前AI发展的一个核心痛点：能耗和成本的指数级增长正在使许多AI应用在经济上不可持续。 - 现有GPU架构在AI领域面临“效用递减”的临界点。当AI应用因基础设施成本高昂而亏损时，企业将被迫寻求根本性的替代方案，而不仅仅是增量改进。 - FuriosaAI通过提供具体的指标（如RNGD芯片的180瓦功耗、3.5倍每机架tokens数）和客户验证（LG AI Research、Cloudflare），将其“可持续AI”概念锚定在可量化的经济和环境效益上，这构成了对现有经济模型的实质性挑战。 FuriosaAI选择保持独立而非接受Meta 8亿美元收购要约的战略意义何在，尤其是在AI领域巨头竞争日益激烈的情况下？ - 挑战英伟达主导地位的长期愿景：保持独立让FuriosaAI能够专注于其第一性原理的AI芯片设计，不受巨头内部短期商业目标或现有生态系统兼容性要求的束缚。 - 成为“全球公司”的抱负：通过与OpenAI等美国科技巨头以及寻求“战略独立性”的亚洲企业合作，FuriosaAI旨在建立一个跨越不同地缘政治和技术生态的全球性平台，这在被收购后可能难以实现。 - 规避潜在的集成风险：被收购可能意味着其技术被整合进收购方的特定生态系统，从而限制其市场广度。独立性使其能够成为更广泛AI行业的基础计算层，满足不同客户群体的定制化需求。 FuriosaAI的技术路线，即从“张量收缩”而非“矩阵乘法”出发，对AI芯片行业的长期发展格局意味着什么？ - 对现有范式构成根本性挑战：Paik将此比作燃油车转向电动车，暗示这不仅仅是技术迭代，而是底层计算范式的转变。如果“张量收缩”能更自然、高效地映射AI计算，可能会推动行业未来转向更高层次的抽象。 - 软件生态系统优势的再平衡：英伟达CUDA生态系统是其主要护城河。如果FuriosaAI的架构能够通过PyTorch集成和OpenAI兼容API提供类似甚至更好的开发者体验，同时实现显著的硬件效率提升，将削弱CUDA的长期锁定效应。 - 促进AI“民主化”和“主权化”：通过降低成本和能耗，FuriosaAI的技术有助于实现AI在边缘和本地部署，减少对少数云巨头和芯片制造商的依赖，这对于企业数据隐私和国家AI战略具有深远意义。