Южнокорейская FuriosaAI вывела AI-ускорители RNGD в европейский дата-центр: компания начала размещать свои карты в площадке Equinix LS2 в Лиссабоне. Для рынка, который все чаще говорит о суверенном AI и все реже радуется счетам за электричество, это не просто географическая экспансия, а проверка спроса на более экономичную альтернативу Nvidia в уже существующей серверной инфраструктуре.
О запуске, как пишет The Register, компания объявила 7 июля 2026 года. Речь идет не о красивом слайде для инвесторов, а о реальном разворачивании inference-платформы на базе RNGD в европейской колокации. Для русскоязычной IT-аудитории здесь интересен не только сам факт выхода в Европу, но и логика продукта: FuriosaAI не пытается продавать «самый большой GPU в мире», а заходит с понятным для бизнеса тезисом про производительность на ватт, воздушное охлаждение и отсутствие необходимости перестраивать стойки под экзотическую инфраструктуру.
FuriosaAI основали June Paik и Hanjoon Kim в 2017 году, еще до того, как LLM стали обязательным элементом любого питча. До сих пор стартап в основном работал на домашнем южнокорейском рынке и успел получить заметных заказчиков, включая LG Electronics. Теперь компания решила идти в Европу, где спрос на локальные вычисления для AI растет сразу по нескольким причинам: регуляторика, требования к хранению данных, желание бизнеса и государства не выносить чувствительные нагрузки наружу и банальная усталость от дефицита привычных ускорителей.
Сами AI-ускорители RNGD по сухим характеристикам выглядят скромнее, чем флагманские решения Nvidia или AMD, и FuriosaAI это, похоже, не смущает. Чип производится по 5-нм техпроцессу TSMC. На одной PCIe-карте компания дает 48 ГБ HBM3, пропускную способность памяти 1,5 ТБ/с и до 512 терафлопс плотной FP8-производительности. Ключевая цифра здесь другая: TDP одной карты составляет 180 Вт. Именно это и есть главный аргумент FuriosaAI в разговоре с операторами дата-центров и корпоративными заказчиками, которым уже недостаточно просто купить побольше ускорителей, а нужно еще понять, где их питать, как охлаждать и сколько это будет стоить на горизонте нескольких лет.
Ставка не на рекорды, а на внедрение
В материале The Register приводится сравнение с Nvidia RTX Pro 6000 как ближайшим конкурентом по форм-фактору и назначению. У решения Nvidia выше и объем памяти, и вычислительная мощность, а пропускная способность сопоставима, но энергопотребление заметно больше. Для рынка inference это важная развилка. Если задача не в том, чтобы любой ценой собрать максимально плотный кластер под обучение, а в том, чтобы стабильно и предсказуемо гонять корпоративные модели в продакшене, то лишние киловатты быстро превращаются в очень приземленную статью расходов. Особенно в Европе, где вопрос стоимости энергии давно перестал быть технической сноской.
Из восьми таких ускорителей FuriosaAI собирает сервер NXT RNGD с потреблением около 3 кВт. В сумме это до 384 ГБ HBM, чего, по заявлению компании, достаточно для запуска крупных корпоративных моделей вроде OpenAI gpt-oss 120B, LG Exaone 236B или Qwen 3-30B-A3B при больших контекстах и параллельной нагрузке. Здесь важна оговорка: это оценки самой FuriosaAI, а не независимые бенчмарки из поля. Но даже в таком виде тезис выглядит практично. Компания продает не абстрактную мечту о будущем AGI, а понятный сценарий для enterprise-inference: взять существующий зал, поставить воздушно-охлаждаемый сервер и получить локальную AI-мощность без перестройки инженерки под жидкостное охлаждение и сверхплотные стойки.
Именно поэтому европейский выход FuriosaAI выглядит не как попытка срочно пристроить запас чипов, а как ставка на нишу, которую большие вендоры не всегда закрывают аккуратно. У крупных поставщиков все обычно хорошо с маркетингом и масштабом, но не всегда хорошо с доступностью, сроками поставки и итоговой стоимостью владения. У стартапа, наоборот, нет культового бренда, зато есть шанс зайти туда, где заказчику нужна не самая громкая наклейка на сервере, а конкретный баланс между производительностью, электропитанием и совместимостью с существующей площадкой. Для CTO, инфраструктурных команд и тех, кто считает capex вместе с opex, это уже не экзотика, а нормальный критерий отбора железа.
Почему Европа и что дальше
У этой истории есть и второй слой. FuriosaAI уже работает с Broadcom над AI-ускорителем третьего поколения. Компании адаптируют архитектуру Tensor Contraction Processor в многокристальный system-on-package с более быстрой памятью HBM4 или HBM4e. Кроме того, планируется использовать Ethernet- и PCIe-коммутацию Broadcom, чтобы строить более крупные кластеры, чем нынешние восьмиускорительные системы. Это важный маркер: стартап не хочет навсегда остаться поставщиком «удобных, но маленьких» карт для отдельных inference-серверов. Он явно пытается дорасти до более серьезного масштаба, где игра уже идет не только на уровне отдельного узла, но и на уровне кластерной архитектуры.
Проблема в том, что дорожная карта следующего поколения упирается в зрелость HBM4 и HBM4e. Эти типы памяти только начинают выходить на рынок в 2026 году и продолжат появляться позже, так что быстрых поставок новых решений ждать не приходится. Это означает, что ближайший шанс FuriosaAI закрепиться в Европе связан не с будущими чипами, а с тем, как покажут себя нынешние AI-ускорители RNGD в реальной эксплуатации: на каких моделях, с какой стоимостью inference, с какой стабильностью и насколько безболезненно они встраиваются в существующие пайплайны.
Для отрасли вывод простой. Рынок AI-железа постепенно выходит из подросткового возраста, где все мерились только пиковыми терафлопсами. Теперь все чаще побеждает не тот, кто громче всех рассказывает про масштаб, а тот, кто лучше вписывается в бюджет, энергоконтур и требования по локальному размещению данных. Если FuriosaAI сможет доказать это на площадке Equinix в Лиссабоне, европейский рынок получит еще одного заметного поставщика inference-инфраструктуры. А вместе с ним и неудобный для лидеров вопрос: действительно ли заказчикам всегда нужен самый мощный ускоритель, если им чаще нужен тот, который можно поставить в стойку уже в этом квартале.