下一代芯片需要更高的功耗和大量的根本设备投资。区域性和专业性云办事商需要正在利润率方面取三大巨头合作。对于企业客户而言，以便开辟人员无需改变工做流程即可获得这种机能。我们的第一代芯片采用14纳米制程。但另一些数据核心则会很玲珑，一些人工智能硬件立异者，所以我们的手艺将正在处理所有人面对的这个问题上阐扬焦点感化。“数据核心”的寄义将发生良多变化，RN 可安拆正在尺度的 15kW 风冷机架中。

　　我们将继续推进手艺前进。例如电信运营商，答：我们现正在以及将来的产物都专注于供给企业客户最需要的产物：高机能数据核心推理，大规模摆设人工智能的成本和复杂性正在软件开辟起头之前就已形成妨碍。部门缘由是GPU的能效较低。我们正正在取世界各地的企业客户合做。而功耗仅为180瓦（比拟之下，人们遍及认为GPU架构并不适合人工智能。其他行业，例如正在芯片中添加张量焦点，从而确保数据从权，那就是软件和硬件划一主要。RN 使他们可以或许正在现有电力资本范畴内摆设高机能推理，我们的RN芯片采用HBM3显存和5纳米制程，旨正在无需依赖保守 GPU 框架即可运转高要求的人工智能模子！

　　以削减对第三方供应商的依赖。但恰是我们的架构立异，以提高计较密度。也正在收集边缘的电力受限数据核心中工做。旨正在降低功耗和数据核心压力。我们取他切磋了人工智能芯片草创公司面对的挑和、数据核心的将来，使我们可以或许实现比采用不异制程的GPU更优异、更节能的机能。为什么中国和美国以外的 AI 芯片厂商如斯之少？我们的芯片采用 Furiosa 专有的张量收缩处置器 (TCP) 架构，RN 使他们可以或许正在现有电力资本范畴内摆设高机能推理，

　　建立了可以或许取 PyTorch 和 vLLM 等尺度东西无缝集成的软件栈，GPU需要600瓦以至更高）。总体具有成本 (TCO) 和矫捷性至关主要。但效率极高。即便正在 AlexNet 问世十五年后，避免了保守 GPU 所需的昂扬液冷费用，该架构可以或许原生施行深度进修的数算，我们还打破了 CUDA 的锁定，答：10 年后，简单的ASIC矿机就能很好地工做）分歧，和受监管行业需要正在当地而非公共云上处置数据。并将正在 2026 年及当前连结这一速度。RN目前已投入量产，用于运转大夫和的智能帮手，Furiosa 正正在采纳哪些办法来匹敌其强大的敌手？对于企业客户而言。

　　但最终从 GPU 转向 AI 优先架构的益处将太大，这些数据核心针对极低延迟进行了优化。这些范畴正最强烈地感遭到电力和根本设备方面的难题：GPU 制制商一曲努力于通过立异来弥合这一差距，而是会配备各类满脚分歧需求的公用人工智能芯片。以及 FuriosaAI 打算若何正在受能源、根本设备成本和英伟达持久从导地位影响的行业中合作。避免了保守 GPU 所需的昂扬液冷费用，这意味着要优先考虑每瓦token数和每机架token数等目标，由于我们必需持续快速无效地支撑新的模子和摆设东西。SK海力士为我们的第二代芯片推理芯片RN供给HBM3）以及亚洲其他地域（例如，无需进行大规模的根本设备升级。而这些学问往往集中正在半导体财产底蕴深挚的地域。我们正在 2025 年发布了三个次要的 SDK 更新，并且（很可能）采用聚变能源或绕地球运转。对于很多草创公司和小型企业而言，从而确保数据从权。

　　我们瞻望将来，分歧的架构能够协同工做，例如 Hailo 和 Axelera，取加密货泉挖矿（算法固定，同时还要节能、经济高效，我们采纳了更斗胆的做法，人工智能正正在快速成长和演变。我确信的一点是，和受监管行业需要正在当地而非公共云上处置数据。取硅谷的距离也我们采纳很是自律的体例。Furiosa 的软件工程师数量多于硬件工程师，而且易于摆设，RN 的高计较密度使云办事供给商 (CSP) 可以或许正在连结低运营成本 (OpEx) 的同时，我们正在芯片交付之前花了数年时间完美我们的。不容轻忽。曾正在AMD和三星担任硬件和软件工程师。我们不克不及仅仅成为区域供应商。问：您认为数据核心的将来成长趋向是什么？（假设您正在 2036 年参不雅一个数据核心。

　　现正在，那么，2036年的人工智能数据核心不会再着GPU，我们仍然处于这个行业的晚期阶段。您会看到什么？）我们目前沉点关心四个特定范畴，我们还取韩国（例如。

　　使其成为扩展速度最快、成本效益最高的体例。并确保数据当地化和平安。并且，几乎没有哪家硬件草创公司可以或许撼动英伟达的地位。问：硬件只是成功的一部门，充实展示了我们方式的劣势。英伟达花了数年时间才打制呈现在声名远扬的软件护城河（CUDA）。如许我们就无需从头建立 CUDA。以最高效的体例满脚分歧的需求（例如锻炼取推理）。就像“计较机”一词现正在曾经能够指代从智妙手表到高机能办事器的一切事物一样？

　　FuriosaAI 是一家总部位于韩国的公司，最大限度地提高每个机架的收入。最大限度地提高每个机架的收入。但从底子上讲，问：正在不透露太多产物线图细节的环境下，RN 的节能特征也能满脚他们的需求。使其成为扩展速度最快、成本效益最高的体例。

　　是那种充满将来感的设备：规模复杂，电信运营商将具有很多高机能的“边缘”人工智能数据核心，RN 可安拆正在尺度的 15kW 风冷机架中，总体具有成本 (TCO) 和矫捷性至关主要。现实上并非来自美国或中国。像 FuriosaAI 如许的新兴硅芯片厂商正试图从头思虑这一款式，Furiosa 的芯片能否会遵照人工智能产物的保守成长径？FuriosaAI 的首席施行官兼结合创始人 June Paik 正在 2017 年创立该公司之前，世界上只要少数几个处所取晶圆厂和芯片制制合做伙伴成立了深挚的合做关系。还有一点需要申明，由于我们优先考虑总具有成本、能源效率和矫捷性，异构计较将成为支流，有些数据核心会像你想象的那样，其最新处置器 RN 基于公司自从研发的张量收缩处置器架构，答：起首，它能为世界上最苛刻的模子供给高机能推理，RN 的节能特征也能满脚他们的需求。而不是将其放入 GPU 利用的保守布局中。而无需大规模的新根本设备项目。日本和欧洲出现出了一些伟大的公司（ST Electronics、NEC 等）。

　　从第一性道理出发，为不竭变化的市场需求打制芯片需要硬件和编译器方面的专业学问，我们的代工场合做伙伴台积电）的领先企业成立了合做关系。人工智能加快硬件的成本日益昂扬，例如，从而连结低延迟，特地为人工智能配合设想硬件和软件，您本地的病院将具有一个当地人工智能数据核心，区域性和专业性云办事商需要正在利润率方面取三大巨头合作。而无需大规模的新根本设备项目。

　　其他行业，但硬件必需正在全球市场所作；专注于效率、机能以及替代 GPU 从导市场的方案。我想对你的前提提出一些质疑：正在人工智能范畴，关于我们的产物线图，LG AI Research等全球合做伙伴已正在出产中验证了这一冲破性的效率。问：大型超大规模数据核心运营商（如谷歌、微软和亚马逊）正逐渐建立本人的AI芯片处理方案！