FuriosaAI 计划在瑞典 AI 数据中心部署 8,800 颗芯片

FuriosaAI 计划在一座新的瑞典 AI 数据中心部署超过 8,800 个 RNGD 加速器，但其中只有 1,800 个属于第一阶段部署。

这一差别比 google news 中流传的数字更重要。其余加速器取决于后续扩建阶段，而该设施本身也必须从施工阶段推进为可运行的 AI 基础设施。

该项目让 FuriosaAI 专注推理的 NPU 策略与主导市场的 GPU 中心化路径正面交锋。Nvidia 仍是生产级 AI 的参照标准，其优势来自成熟的软件、广泛的模型兼容性以及庞大的开发者基础。

FuriosaAI 提出的论点更为聚焦。该公司称，专为推理打造的硬件能够以低于通用加速器的功耗处理已部署的 AI 模型。

斯德哥尔摩项目将在独立 AI 芯片开发商罕有的规模上检验这一说法。成功不只意味着交付芯片。FuriosaAI 还必须在仍处于建设中的数据中心内支持模型、服务器、编排软件及真实客户工作负载。

标题数字涵盖多个部署阶段

经核实的公告描述的是分阶段计划，而不是立即交付并安装超过 8,800 个加速器。

FuriosaAI 于 2026 年 8 月 4 日与 I/ONX HPC 及数据中心开发商 Velox 公布了瑞典项目。Velox 已在斯德哥尔摩附近开工建设一座目标容量为 15 兆瓦的设施。

根据瑞典项目公告，首批 2 兆瓦 AI 计算容量预计将于 2027 年初投入运营，另有 8 兆瓦预计将在当年晚些时候上线。

I/ONX 计划在第一阶段部署 1,800 个 RNGD 加速器，并预计在后续扩建阶段增加超过 7,000 个。

将这些数字相加，计划总量超过 8,800 个。不过，该公告没有给出每个加速器的完整交付时间表。

公告也并未表示所有后续阶段都已完成安装、验收或开始服务付费客户。FuriosaAI 表示，合作伙伴将在未来数月开展技术验证、软件集成和供应规划。

这些步骤将项目框架与已完成的芯片交付区分开来。其中包括测试服务器配置、确认模型支持情况、规划加速器供应以及集成管理软件。

Velox 将开发、管理并运营实体设施。该公司计划通过基础设施即服务模式提供基础设施容量，客户租用计算资源，而非拥有底层系统。

I/ONX 将担任系统集成商和平台合作伙伴。其职责包括将加速器、服务器、网络和软件整合为可用的基础设施。

FuriosaAI 将提供 RNGD 芯片、驱动程序、软件栈和架构支持。因此，该公司的责任不止于供应组件。

该项目的计算环境还将包含 GPU。I/ONX 计划采用异构架构，将不同类型的处理器组合起来，并将每种工作负载分配给适合的硬件。

这种设计降低了完全依赖陌生加速器的风险，也在同一运行环境中创造了 RNGD 与成熟 GPU 系统进行直接比较的罕见机会。

因此，经常被重复引用的供应数字应被视为规模目标。更直接的里程碑范围较小，但仍具意义：在首个 2 兆瓦阶段整合 1,800 个非 Nvidia 加速器。

一则 google news 标题可能会把这些细节压缩成一个数字。基础设施采购方应区分初始承诺、计划扩建和最终可运行容量。

瑞典数据中心为何对 FuriosaAI 至关重要

该项目让 FuriosaAI 得以从受控演示走向持续的欧洲工作负载，可靠性和软件支持将在这一过程中变得清晰可见。

FuriosaAI 已拥有部署项目和评估环境，但这座瑞典设施扩大了其欧洲布局的规模与雄心。其 RNGD 服务器于 2026 年 7 月开始出现在里斯本 Equinix 的 LS2 数据中心。

里斯本部署让欧洲企业能够评估 RNGD 硬件和软件，并支持在客户将工作负载投入更大规模生产环境前进行测试。

瑞典项目在这一路径上又向前迈进了一步。它被设计为通过租赁基础设施服务客户的商业数据中心，而不只是一个演示场地。

因此，FuriosaAI 必须证明 RNGD 能够承受日常运营压力，包括不可预测的需求、模型更新、不同批处理规模、延迟目标以及长时间持续利用。

AI 推理是运行训练完成的模型以生成答案或预测的过程。它不同于训练，后者使用大型数据集和大量计算能力调整模型参数。

FuriosaAI 将 RNGD 聚焦于推理。这一重点使公司能够针对已部署模型生成 token 时反复执行的数学运算优化芯片。

这一策略反映了 AI 基础设施支出的重要转变。训练创造单个模型，但热门 AI 服务会针对每次用户请求持续运行推理。

搜索摘要、编程助手、客户服务代理和文档分析系统都会带来重复性的推理需求。它们的经济性取决于系统能否在固定功耗和硬件预算内产出足够多的有效回应。

FuriosaAI 也已在韩国建立商业参考案例。Samsung SDS 于 2026 年 7 月在其云平台上推出基于 RNGD 的加速器实例。

客户可以请求使用一张、两张、四张或八张卡的配置。该服务免除了每位客户自行拥有和管理专用加速器服务器的需要。

这一部署之所以重要，是因为云端可用性会让硬件面对更广泛的应用类型，也可能暴露在有限概念验证中仍被隐藏的兼容性问题。

FuriosaAI 表示，Samsung SDS 已成功将其 NXT RNGD Server 与云服务商的虚拟化、存储和网络层集成。在加速器能够像可靠的云资源一样运行之前，这些集成必不可少。

该公司还通过韩国主要网络门户 Daum 获得了另一项生产级参考。FuriosaAI 称，RNGD 为服务数百万用户的 AI 生成概览功能提供支持。

每个案例都降低了买方不同的顾虑。云服务检验资源配置与隔离能力，而面向消费者的服务则检验持续请求处理和面向用户的延迟表现。

瑞典项目增加了一项欧洲基础设施测试。它考察这些能力能否跨越数据中心运营商、服务器平台、客户模型和地区采购要求进行迁移。

这一地区维度十分重要。欧洲组织日益希望获得在欧洲境内运营的 AI 基础设施，尤其是涉及受监管或敏感信息的工作负载。

本地基础设施并不会自动让模型实现主权化。软件所有权、数据处理方式、运营商控制权和法律管辖权同样重要。

尽管如此，使用更广泛加速器选择的欧洲数据中心能为买方提供更多基础设施选项。它可降低对单一芯片架构的依赖，而无需每个组织自行建设设施。

这正是这则 google news 消息背后更大的机会。FuriosaAI 正试图成为欧洲推理能力中可部署的一环，而不只是又一个基准测试竞争者。

FuriosaAI 正在挑战以 GPU 为中心的推理模式

RNGD 无需在所有场景取代 GPU 才具备商业意义；它需要更高效地处理明确界定的推理工作负载。

Nvidia 的优势远不止于单个处理器的规格。其 CUDA 软件平台、优化库、部署工具和开发者知识降低了可靠运行模型所需的工作量。

这种软件优势构成了难以逾越的进入壁垒。替代加速器在受控测试中可能看起来很高效，但当工程师衡量集成时间、不受支持的操作或模型迁移成本时，它仍可能落败。

FuriosaAI 的答案始于其 Tensor Contraction Processor 架构。张量收缩是指位于许多神经网络工作负载核心的重复乘法和聚合运算。

RNGD 使用八个处理单元，并支持 BF16、FP8、INT8 和 INT4 数值格式。较低精度的格式可减少许多推理任务所需的存储和计算资源。

根据 FuriosaAI 的RNGD 规格，每张卡配备 48GB HBM3 内存、256MB 片上 SRAM，以及每秒 1.5TB 的内存带宽。当前产品页面列出的热设计功耗为 180 瓦。

该公司称，该卡可提供最高 512 TFLOPS 的 FP8 算力。FP8 是一种八位浮点格式，用于在保留比整数格式更大数值范围的同时提高 AI 吞吐量。

这些规格来自 FuriosaAI，不应被视为独立的性能验证。它们描述的是硬件能力范围，而非每个模型的保证结果。

RNGD 可安装在标准 PCIe Gen5 服务器插槽中，并面向风冷设施。这种物理兼容性可降低那些无法为液冷改造机架的运营商的采用门槛。

FuriosaAI 在其 NXT RNGD Server 中最多封装八个加速器。该系统可为分布在多张卡上的模型提供最高 384GB 的合计高带宽内存。

该公司称，该系统属于 3 千瓦级别。实际设施耗电还包括 CPU、内存、网络、存储、冷却及电源转换损耗。

这一差异在评估能效时非常重要。较低的单卡功耗数字并不自动意味着在机架或数据中心层面具备同样优势。

瑞典部署应能提供更有力的证据，因为 RNGD 将在 I/ONX 的 Symphony SixtyFour 平台中与 GPU 系统并行运行。工作负载可根据硬件适配性进行分配。

GPU 对于依赖成熟 GPU 库的模型或操作仍将具有价值。RNGD 可瞄准兼容的推理工作负载，在这些场景中，能效或加速器密度能够带来可衡量的收益。

这种分工比宣称一种处理器能够取代所有其他架构更可信。现代数据中心本已结合 CPU、GPU、网络处理器、存储控制器和专用加速器。

商业问题在于，是否有足够多有价值的工作负载符合 RNGD 的优势。即使处理器拥有出色能效，如果客户无法在不进行大量工程工作的情况下迁移模型，它仍可能面临困难。

FuriosaAI 表示，其 SDK 通过编译器将高层 PyTorch 代码映射至自家芯片。PyTorch 是广泛用于构建和运行机器学习模型的框架。

该公司认为，这种基于编译器的方法可减少对手工调优 kernel 的依赖。Kernel 是专门的软件例程，用于在处理器上高效执行单个模型操作。

这一说法将面临严峻的现实考验。模型架构变化迅速，而生产团队希望获得对量化方法、注意力机制、推理服务框架和编排工具的支持。

FuriosaAI 一直在更新其 SDK，以扩大模型覆盖范围并提升吞吐量。该公司还与 Nota AI 合作，利用模型压缩和优化软件支持 RNGD 部署。

软件兼容性仍是主要压力点。Nvidia 可以通过成熟的生态系统响应新模型，而规模较小的供应商必须在有限的工程资源中确定优先级。

瑞典设施并不能消除这一劣势。它为 FuriosaAI 提供了一个场所，用以证明其软件已足够成熟，能够承载特定的商业工作负载。

功耗优势很强，但比较并不完整

FuriosaAI 的效率主张在卡级别上具有可信度，但买家在得出更广泛的结论前，仍需要针对具体工作负载的系统测量数据。

电力供应如今制约着许多 AI 数据中心项目。运营商必须在加速器功耗、冷却、网络、备用电源和本地电网容量之间取得平衡。

与功耗可能高出数倍的 GPU 相比，一块功耗为 180 瓦的加速器看起来颇具吸引力。然而，仅比较热设计功耗可能会得出误导性的结论。

更快的处理器可能会更早完成一次请求。因此，如果其吞吐量优势足够大，功耗更高的设备在特定工作负载下的总能耗反而可能更低。

利用率同样会改变结果。若硬件因软件无法让其保持忙碌而闲置，就会浪费资本投入以及周边服务器的基础功耗。

有用的指标并不只是每张卡的瓦数。运营商需要考察每焦耳处理的 token 数、每个机架的 token 数、目标并发度下的延迟，以及代表性工作负载下的总成本。

Token 是语言模型处理和生成的文本单位。其计算成本会随模型架构、上下文长度、输出长度、精度和推理服务配置而变化。

FuriosaAI 已发布内部对比数据，展示 RNGD 与 Nvidia 系统的较量。其早期数据表比较了 Llama 3 8B 和 GPT-J 的性能，而当前材料中则包含了与 RTX Pro 6000 卡的测试。

这些结果值得关注，但仍属于供应商自身测量。配置选择会影响内存使用、批处理、延迟和吞吐量。

The Register 的独立概述指出，RTX Pro 6000 提供的内存和算力均高于 RNGD，但功耗也显著更高。这一比较仍未解决软件成熟度和工作负载表现方面的问题。

行业标准测试可以提供帮助。MLPerf Inference 为比较 AI 系统提供了通用模型、场景和精度要求。

参与基准测试并不能保证生产环境的成功，但能让买家以更一致的基础评估相互竞争的主张。结果应包含完整的系统配置和软件版本。

瑞典项目能够提供比实验室基准更有力的运营证据。其混合架构可在相同的设施约束和客户服务要求下比较不同加速器。

买家应关注长时间运行期间的持续吞吐量，而不只是峰值输出。他们还应考察尾延迟，即衡量最慢部分请求的指标，而非平均值。

在 1,800 张卡的规模下，可靠性将变得重要。即便组件故障率很低，在大型集群中也会在运营层面显现出来。

运营商将需要监控、替换流程、固件管理、安全更新，以及工作负载迁移期间可预测的行为。这些功能很少出现在发布规格中。

扩展至超过 8,800 张卡将放大每一个软件和维护问题。如果基础设施无需过多工程支持便能达到服务目标，也将强化其效率论据。

该项目总计 15 兆瓦的目标还带来另一项重要区别。并非所有设施电力都将供给 RNGD 加速器，站点还将部署 GPU。

公告未披露各阶段中有多少容量属于 RNGD 服务器。它也没有提供预期的电源使用效率，即用于比较设施总能耗与计算设备能耗的比率。

瑞典为数据中心提供了有利条件，包括成熟的基础设施和可靠电力供应。仅凭选址并不能保证电力无限或成本低廉。

电网接入、建设进度、客户需求和设备交付都会影响扩张。合作伙伴必须协调这些依赖关系，后续阶段才能转化为实际容量。

这也是为什么报告中的供应总量不应被视为市场份额的证明。它代表着一个重大机会，随后还有一场漫长的执行考验。

8,800 芯片计划尚未证实的事项

该公告明确了意图和合作伙伴角色，但未披露商业规模、验收标准和客户需求。

FuriosaAI 及其合作伙伴尚未公布该项目的合同金额。它们没有披露加速器定价、最低采购承诺或付款节点。

公告也未说明后续超过 7,000 颗加速器是否已由具有约束力的订单覆盖。公告将其描述为计划在后续扩张阶段部署。

这种措辞在基础设施公告中很常见，因为设施会随建设进展和客户需求而扩展。这也意味着最终数量仍取决于条件。

首项考验是 Velox 能否在 2027 年初让最初的 2 兆瓦上线。建设延误将推迟硬件安装和客户接入时间表。

第二项考验是技术验收。I/ONX 必须整合 RNGD 服务器、GPU、网络、存储、编排以及面向客户的控制功能。

第三项考验是利用率。除非客户在已安装的加速器上运行有实际意义的工作负载，否则这些加速器无法造就成功的云服务。

客户比较 RNGD 容量和 GPU 实例时，考量的不只是按小时可用性。迁移成本、模型覆盖范围、延迟、支持质量和合同可靠性都会影响采购决定。

FuriosaAI 面临替代型 AI 芯片常见的挑战。它必须说服买家接受一定生态风险，以换取潜在的效率和供应优势。

这一挑战曾阻碍许多技术上颇具前景的加速器实现规模化。数据中心运营商会避开可能导致昂贵硬件利用不足的平台。

FuriosaAI 已采取措施降低这一风险。Samsung SDS 通过熟悉的云服务式配置提供 RNGD，而里斯本环境则让欧洲买家能够使用评估系统。

该公司与 Broadcom 的合作也表明，其计划在下一代产品中改善机架级互连。Broadcom 和 FuriosaAI 正在开发一款加速器，采用 2 纳米计算芯片、独立的网络芯片，以及 HBM4 或 HBM4E 内存。

根据 Broadcom 合作公告，该产品计划于 2028 年上半年开始送样。这一时间线意味着 RNGD 必须承担近期的商业落地任务。

未来产品也可能令采购决策变得复杂。客户需要确信，当前的软件投资能够迁移至后续的 FuriosaAI 硬件。

FuriosaAI 必须在开发新平台的同时维护 RNGD。Nvidia 和其他成熟供应商也将在同期持续发布硬件和软件。

另一家韩国 AI 芯片公司 Rebellions 同样在争取数据中心客户。它与 FuriosaAI 的竞争加大了替代型加速器市场内部的压力。

云服务商还有更多选择。Google 将 TPU 用于内部和云端工作负载，Amazon 正在开发 Trainium 和 Inferentia，Microsoft 也已推出自研 AI 芯片。

这些公司能够将定制芯片连接到既有云平台和开发者关系中。FuriosaAI 必须通过合作伙伴建立类似的信心。

其路径具有一项潜在优势。作为独立供应商，它可以与不希望依赖超大规模云服务商专有云平台的运营商合作。

欧洲对区域基础设施的兴趣，为这一模式创造了空间。即便规模较小的平台需要额外验证，买家仍可能重视本地运营和处理器多样性。

不过，主权相关的表述不应掩盖商业考验。瑞典设施需要承载客户愿意付费运行的工作负载，并提供他们能够信赖的服务水平。

这篇报道的 Google News 版本强调了加速器数量。尚未解决的问题在于：有多少芯片能够通过验收、保持利用率，并进入后续部署阶段。

三个信号将显示 FuriosaAI 能否兑现承诺

建设进展、经验证的工作负载性能以及客户利用率，将决定该项目是成为标杆部署，还是一项未能兑现的容量计划。

第一个信号是预计于 2027 年初启用的初始 2 兆瓦容量。Velox 必须完成相关设施建设，而 I/ONX 和 FuriosaAI 必须完成供应规划和集成。

按时启用将证明该公告已进入实体部署阶段。延误并不会否定该项目，但会削弱外界对扩张时间表的信心。

启用时的加速器数量同样重要。买家应关注是否有证据表明计划中的 1,800 张 RNGD 卡已交付、安装并通过验收。

这些是彼此独立的里程碑。硬件可能已运抵站点，但网络、软件和客户资源开通尚未就绪。

第二个信号是来自真实工作负载的透明性能数据。有价值的披露应包括模型名称、推理服务框架、精度、上下文长度、吞吐量、延迟和完整系统功耗。

结果应区分企业自行测量与第三方测试。比较也应采用相似的服务级别目标和质量设置。

涉及当前语言模型或多模态模型的生产案例，将比狭窄的合成测试更具说服力。跨软件版本的重复测量将显示该平台是否正在改进。

混合式 I/ONX 环境为可信比较创造了机会。该平台可以将兼容工作负载分配给 RNGD，同时保留 GPU 用于其他任务。

这种设置能够显示异构计算是否提高基础设施利用率，也能揭示额外架构带来了多少运营复杂性。

第三个信号是客户采用情况。I/ONX 和 Velox 最终应披露，是否有组织在预留或使用新增容量。

具名客户将提供最清晰的证据，但匿名利用率数据仍然有帮助。运营商可以报告加速器使用情况、所服务的工作负载或租用容量的增长。

如果扩展至额外的 8 兆瓦是在可见需求之后进行，其可信度将大幅提高。在利用率尚未显现之前就增加数千颗加速器，将提高商业风险。

最有力的结果将连接这三个信号：设施按时启用，发布可复现的性能数据，并吸引扩大使用规模的客户。

这一过程将强化 FuriosaAI 的主张：高效的推理 NPU 能够在商业数据中心中补充 GPU。它也将为欧洲运营商提供经过验证的替代方案，以满足特定工作负载。

较弱的结果可能是硬件已安装，但软件覆盖有限或需求不足。在这种情况下，醒目的数量对可持续采用几乎说明不了什么。

未来几个月的重点应放在集成，而非宣传性总量。FuriosaAI 已通过一项规模超过其此前欧洲部署的计划项目获得关注。

现在，它必须将这种关注转化为证据。基础设施采购方应先跟踪第一阶段的 1,800 张卡部署情况，再假定剩余 7,000 多张卡也会随之落地。

从 google news 进入本文的读者应牢记一个问题：在建设公告热度消退后，该项目能否提供可靠且经济的推理能力？

请关注已确认的安装情况、可对比的系统级测量数据，以及真实客户工作负载。这些信号将表明 FuriosaAI 是已在欧洲建立稳固立足点，还是仅仅宣布了一个雄心勃勃的目标。