FuriosaAIのNXT RNGDサーバーとは何か
FuriosaAIのNXT RNGDサーバーは、AI推論専用に設計されたエンタープライズ向けターンキーアプライアンスである。標準的な4Uユニット1台で最大8基の同社製AIアクセラレータ「RNGD（Renegade）」を搭載し、FP8演算で合計4ペタFLOPSの推論性能を発揮する（出典: FuriosaAI公式ブログ「Introducing RNGD Server for Efficient AI Inference at Data Center Scale」 https://furiosa.ai/blog/introducing-rngd-server-efficient-ai-inference-at-data-center-scale ）。同ブログによれば、サーバー全体の消費電力は3kW、メモリ構成はHBM3 384GB（帯域12TB/s）にDDR5システムメモリ1TBを加えたものだ。単純計算では1枚あたりHBM3 48GBを搭載していることになる。
電力効率とラック密度の主張
FuriosaAIは、同社の技術を採用したラックがGPUベースのシステムに対してラックあたり最大3.5倍のコンパクトな演算を実現するとしている（出典: 前掲FuriosaAI公式ブログ）。3kWという消費電力は、NVIDIAのDGX H100サーバー（10kW超とされる）と比べて大幅に低いとメディアは報じており、同じ電力予算のラックであれば、FuriosaAI製サーバーの方が多く収容できる計算になる（出典: Benzinga「FuriosaAI Unveils Enterprise-Ready NXT RNGD Server」2025年9月 https://www.benzinga.com/news/topics/25/09/47886378/furiosaai-unveils-enterprise-ready-nxt-rngd-server-as-global-demand-for-energy-efficient-ai-inference-surges-beyond-traditional-gpu-systems ）。ただし、この比較はFuriosaAI側の発表・報道ベースであり、第三者による独立検証結果ではない点には留意が必要だ。
RNGDチップは「Tensor Contraction Processor（TCP）」というアーキテクチャを採用し、TSMCの5nmプロセスで製造される。従来の深層学習アクセラレータが固定サイズの行列演算をプリミティブとして組み込んでいるのに対し、TCPはこの制約を避ける設計を採っているとFuriosaAIは説明している。
資金調達と評価額
企業としてのFuriosaAIは2017年に韓国で設立され、元AMD・Samsungのエンジニアが立ち上げたスタートアップである。2025年7月、同社は1億2,500万ドルのシリーズCブリッジ資金調達を完了したと公式発表した（出典: FuriosaAI公式ブログ「Announcing FuriosaAI’s $125M Series C Bridge Funding」 https://furiosa.ai/blog/announcing-furiosaais-125m-series-c-bridge-funding-to-scale-sustainable-ai-compute ）。これにより創業以来の累計調達額は2億4,600万ドル、企業評価額は7億3,500万ドルに達した（出典: Forbes「South Korean AI Chip Startup FuriosaAI Raises $125 Million」2025年7月31日 https://www.forbes.com/sites/johnkang/2025/07/31/south-korean-ai-chip-startup-furiosaai-raises-125-million/ ）。韓国産業銀行や企業銀行、Keistone Partners、Kakao Investmentなどが出資に加わったと報じられている。
2025年3月には、MetaがFuriosaAIに対して8億ドルの買収提案を行い、同社がこれを拒否したとBloombergやTechCrunchが報じた（出典: TechCrunch「AI chip startup FuriosaAI reportedly turns down $800M acquisition offer from Meta」2025年3月24日 https://techcrunch.com/2025/03/24/ai-chip-startup-furiosaai-reportedly-turns-down-800m-acquisition-offer-from-meta/ ）。報道によれば、交渉が決裂した主な理由は買収後の事業方針や組織体制をめぐる意見の相違であり、価格自体が主因ではなかったとされる。なお、シリーズD以降の追加資金調達やIPOの具体的な規模・時期について、編集部の調査では確定的な一次情報は確認できなかった。将来計画に関する報道は流動的であるため、本記事では踏み込んだ数値の言及は避ける。
LG AI Researchとの提携
FuriosaAIの技術が実運用で評価されている事例として、LG AI Researchとの提携がある。LG AI Researchは自社の大規模言語モデル「EXAONE」の推論基盤としてRNGDを採用し、GPUと比較してワットあたり2.25倍のLLM推論性能を達成したと発表した（出典: FuriosaAI公式ブログ「LG AI Research Achieves 2.25× Faster LLM Inference」 https://furiosa.ai/blog/lg-ai-research-taps-furiosaai-to-achieve-2-25x-better-llm-inference-in-production-vs-gpus ）。同ブログによれば、同一の電力制約下でRNGD搭載ラックはGPUラックの3.75倍のトークンを生成できるという。これは特定用途における実運用データであり、あらゆるワークロードで同等の優位性が再現される保証ではない点は留意しておきたい。
NVIDIA一強市場への挑戦とその条件
AI半導体市場ではNVIDIAが圧倒的なシェアを握っており、CUDAという強固なソフトウェアスタックとエコシステムが参入障壁を形成している。FuriosaAI以外にも、低レイテンシを追求するGroqのLPU（Language Processing Unit）や、ウェハースケールエンジンで超大規模モデルの学習・推論を狙うCerebras Systemsといった推論特化型スタートアップが競合として存在する。
編集部の見立てでは、FuriosaAIの強みは「既存データセンターへの導入しやすさ」に集約される。NXT RNGDサーバーがターンキーアプライアンスとして提供される点は、GPU中心のインフラを大きく変更せずに推論能力を拡張したい企業にとって現実的な選択肢となり得る。一方で、ハードウェア単体の優位性だけでは市場を動かせない。FuriosaAIが提供するソフトウェアスタック「Aviator」が、PyTorchやTensorFlowといった既存の開発環境とどこまでシームレスに連携できるかが、LG AI Researchのような大手事例を中小規模の開発者コミュニティにまで広げられるかの分かれ目になるだろう。
まとめ：数字の裏にある競争の現実
FuriosaAIが打ち出す「4ペタFLOPS・3kW・HBM3 384GB」という仕様や、7億3,500万ドルという評価額は、いずれも同社の公式発表または主要メディアの報道に基づく数字であり、その限りでは検証可能である。一方で、電力効率やラック密度の比較優位性は、現時点では主にFuriosaAI側の発表と、それを引用する報道に依拠しており、第三者機関による独立検証結果は確認できていない。導入を検討する企業は、公表値をそのまま鵜呑みにするのではなく、自社のワークロードでのPoC（概念実証）を通じて実際の性能を確認することが不可欠だろう。NVIDIAが築いたエコシステムの厚みを踏まえれば、FuriosaAIがこの優位性をどこまで市場シェアに転換できるかが、今後の焦点になる。