1. 投資摘要
- FuriosaAI 是韓國 AI 推論晶片 fabless 公司，2017 年在首爾啟動研發，產品從 Gen 1 Vision NPU / Warboy 迭代到 Gen 2 資料中心推論加速器 RNGD；官網路線圖顯示 RNGD 採用 TSMC 5nm，並在 2026 年進入量產。1
- 核心投資假設不是“替代全部 GPU”，而是在企業 / 主權 AI / 標準風冷資料中心裡，用 180W RNGD 卡、8 卡 4U NXT RNGD Server 和 vLLM/OpenAI API 相容軟體棧，爭取以 tokens per watt / tokens per rack 開啟推論 TCO 差異。234
- 商業驗證從技術展示進入早期客戶階段：LG AI Research 在 2025-07 宣佈採用 RNGD 做 EXAONE 推論，並揭露 RNGD 在其 LLM 測試中實現 2.25x 更好的 performance-per-watt；FuriosaAI 稱雙方將向 EXAONE 企業客戶供應 RNGD Server。5
- 融資層面，2025-07 公司宣佈 1.25 億美元 Series C bridge，總融資約 2.46 億美元；Business Wire 揭露該輪後估值約 7.35 億美元。2026-05/06 官網又揭露兩次第 6 類 RCPS 第三方配售，合計 63,117 股、1,072.64 億韓元，說明公司仍處於量產擴張融資期。617
- 反證閾值：若 2026 年 RNGD 量產後不能揭露更多可付費客戶、LG 專案無法從驗證擴充套件到持續部署、或 Broadcom 三代平台停留在聯合宣告而沒有明確 tape-out / HBM4 / 2nm 里程碑，FuriosaAI 的估值應從“準量產 AI 晶片平台”下修為“技術型 NPU 初創公司”。58
2. 產業鏈位置
FuriosaAI 位於 AI 算力產業鏈的晶片設計與推論系統層：上游是 TSMC 5nm / 未來 2nm、HBM3/未來 HBM4、CoWoS-S、ASIC 設計服務、EDA/IP 與板卡 / 伺服器 ODM；中游是 RNGD PCIe 加速卡、NXT RNGD Server、SDK / 編譯器 / Furiosa-LLM serving；下游是企業本地部署、主權 AI、雲端 / 託管推論服務、模型廠商與行業客戶。公司官網列出 SK hynix、TSMC、GUC、SUS 等生態標識，關於 RNGD 的公開規格寫明 2 x HBM3、CoWoS-S 和 180W TDP，說明其供應鏈瓶頸在先進代工、HBM 與高階封裝而非普通板卡裝配。2
與 NVIDIA 的關係是替代性而非相容性：FuriosaAI 試圖繞開 CUDA moat，通過 PyTorch 到自有編譯器、Virtual ISA、vLLM 相容 serving、OpenAI-compatible API 與 Kubernetes/Helm 整合降低遷移成本；但生態、模型覆蓋、開發者習慣和批次供貨能力仍遠弱於 GPU 平台。49
3. AI 相關營收拆解（季度橋 + 公式）
FuriosaAI 未上市，未公開季度營收、毛利、現金流量和訂單額；因此本節不能像上市公司一樣用 SEC/XBRL 做營收橋。可驗證的“AI 相關經營橋”只能用融資、量產、客戶採用和產品部署口徑近似。
| 口徑 | 2025Q3 | 2026Q2 截至 2026-06-15 | 公式 / 約束 |
|---|---|---|---|
| 公開融資流入 | 1.25 億美元 Series C bridge | 官網揭露兩次 RCPS 配售合計 1,072.64 億韓元 | 融資不是營收；用於判斷量產現金 runway。61 |
| 揭露後估值 | 約 7.35 億美元 | The Elec 報道約 3 萬億韓元估值，融資仍在進行 | 估值為第三方 / 媒體口徑，不等同二級市場市值。7 |
| 客戶驗證 | LG AI Research 採用 RNGD 執行 EXAONE | RNGD 量產 + Broadcom 三代平台合作 | 經營進展 = 設計贏單 × 量產供貨 × 軟體可遷移性。58 |
| AI 營收 | 未公開 | 未公開 | 禁止用融資額、卡數或估值倒推營收。 |
| 營收 proxy | RNGD Server 供應、客戶 access program、企業部署 | 量產 RNGD + NXT RNGD Server | proxy 只能用於追蹤，不進入財務模型營收確認。23 |
4. 核心產品（含營收貢獻）
| 產品/平台 | AI 用途 | 公開硬指標 | 營收貢獻口徑 | 狀態 |
|---|---|---|---|---|
| RNGD PCIe | LLM / 多模態推論加速 | 512 TFLOPS；48GB HBM3；256MB SRAM；1.5TB/s HBM3 頻寬；180W TDP；BF16/FP8/INT8/INT4 | 未公開 | 官網稱面向風冷資料中心，並已開放客戶評估。2 |
| NXT RNGD Server | 4U 企業推論伺服器 | 最多 8 x RNGD；4 PFLOPS FP8；384GB HBM3；12TB/s HBM 頻寬；3kW 系統功耗 | 未公開 | 2025-09 推出，預裝 SDK / Furiosa LLM runtime。3 |
| Warboy / Vision NPU | 計算機視覺推論，雲端和邊緣部署 | MLPerf v1.1 preview 與內部 WARBOY vs GPU latency 圖 | 早期產品，未公開 | 官網稱 Gen 1 Vision NPU 已可用；歷史價值主要是流片和客戶驗證。10 |
| Furiosa SDK / Furiosa-LLM | 編譯、部署、監控、Kubernetes 整合 | vLLM-compatible serving、OpenAI-compatible server、Prometheus、Kubernetes | 可能隨硬體繫結，未單列 | 軟體成熟度是能否穿透 CUDA 生態的關鍵。49 |
| 第三代 AI accelerator | agentic AI / hyperscale frontier inference | 規劃 HBM4/4E、2nm、多 die chiplet、高速互連 | 尚無營收 | 2026-05 與 Broadcom 宣佈戰略合作開發。8 |
5. 上游供應商 / 下游客戶
| 型別 | 名稱/類別 | 證據 | 投研處理 |
|---|---|---|---|
| Foundry | TSMC | 官網路線圖寫明 RNGD 為 TSMC 5nm，RNGD 頁面列 TSMC 標識；Broadcom 合作稿稱 RNGD 由 TSMC 製造並已量產。128 | 先進製程產能、良率與 2nm 可得性是關鍵約束。 |
| HBM | SK hynix / HBM 供應鏈 | RNGD 頁面列 SK hynix 標識並揭露 48GB HBM3、2 x HBM3。2 | 供應鏈追蹤 HBM3/4 分配與 CoWoS-S 交期。 |
| ASIC/IP/平台 | GUC、Broadcom | RNGD 頁面列 GUC；2026-05 Broadcom 合作覆蓋 XPU Technology/IP Platform、Ethernet scale-up 與 fabric switches。28 | 第三代平台從單卡推論走向 rack/cluster scale。 |
| 伺服器 / ODM | ASUS、NXT 系統生態 | Warboy 頁提及 ASUS AI server partnership 文章；NXT RNGD Server 是 FuriosaAI 自有品牌 turnkey 系統。310 | 伺服器渠道決定企業交付速度。 |
| 下游客戶 | LG AI Research | 2025-07 宣佈採用 RNGD 執行 EXAONE，揭露 2.25x performance-per-watt。5 | 當前最重要公開設計贏單。 |
| 下游類別 | 企業、主權 AI、託管推論、行業客戶 | 公司稱與 LG 面向電子、金融、電信、生物技術等企業客戶供應 RNGD Server。5 | 不能把行業類別寫成已籤客戶名單。 |
6. 同業硬指標對比表
| 公司 | 相關業務營收 | 年增率 | 毛利率 / FCF | 客戶集中度 | 技術代際 | 估值 | 資產負債 | 來源 |
|---|---|---|---|---|---|---|---|---|
| FuriosaAI | 未公開 | 未公開 | 未公開；2025 公開融資 1.25 億美元，2026 RCPS 配售合計 1,072.64 億韓元 | 已公開 LG AI Research；其他客戶未充分揭露 | RNGD 5nm/HBM3/180W；三代規劃 2nm/HBM4/4E | 2025 約 7.35 億美元；2026 媒體稱約 3 萬億韓元 | RCPS 帶贖回權，The Elec 稱會計上可列為負債 | 1678 |
| NVIDIA | FY2027Q1 營收 816 億美元；Data Center 752 億美元 | 總營收 +85%；Data Center +92% | IR 摘要未在列表頁給完整 FCF；盈利能力行業領先 | hyperscaler / AI cloud 高集中但規模最大 | Blackwell / CUDA / networking 全棧 | 上市公司，二級市場定價 | 淨現金能力強 | 11 |
| Broadcom | FY2026Q2 營收 221.87 億美元；AI semiconductor 108 億美元 | 總營收 +48%；AI semiconductor +143% | FCF 102.62 億美元，FCF margin 46% | custom ASIC / AI networking 大客戶集中 | XPU、Ethernet fabric、custom AI accelerator | 上市公司，二級市場定價 | 大型併購後槓桿但現金流量強 | 12 |
| Groq | 未上市，未公開 | 未公開 | 未公開 | 雲端 API / enterprise 早期客戶 | LPU，低延遲推論 | 私募口徑 | 未公開 | 行業可比但資訊透明度低 |
| Cerebras | IPO 後財務透明度較高，但產品重心偏訓練 / 大型模型系統 | 不適用 | 不適用 | 大客戶與主權 AI 專案集中 | wafer-scale engine | 二級市場定價 | 需另行建模 | 作為非 GPU AI 晶片估值參照，不直接對映 FuriosaAI |
結論：FuriosaAI 的“硬指標”優勢集中在單卡功耗、風冷部署、LG 實測 tokens/watt 和三代平台路線；短板是財務揭露、客戶數量、軟體生態和量產規模都尚未達到 NVIDIA / Broadcom 可比公司層級。
7. 護城河
- 架構差異：TCP 把 tensor contraction 作為硬體原語，而不是將深度學習計算對映到固定矩陣單元；這給編譯器全域性最佳化、SRAM 複用和確定性延遲留下差異化空間。4
- 功耗 / 部署門檻：RNGD 180W、NXT RNGD Server 3kW，主打 10-15kW 標準風冷機櫃，不要求客戶先做液冷改造；這對企業本地部署和主權 AI 比 hyperscaler 訓練叢集更有吸引力。23
- 軟體棧：Furiosa-LLM 支援 vLLM-compatible serving、OpenAI-compatible API、Prometheus 和 Kubernetes；SDK 2026.2 又加入 prefix-aware data parallelism，針對 RAG/agentic workload 降低重複字首計算。59
- 公開標杆客戶：LG AI Research 的 EXAONE 採用不是純 demo，揭露了 7.8B/32B 模型、4K/32K context、四卡 32B 單 server 的 token/s 資料，對後續企業客戶有背書意義。5
- Broadcom 合作：若三代 chiplet 平台落地，FuriosaAI 可補足 scale-up Ethernet、XPU platform/IP、fabric switch 和 hyperscale 系統能力，不必單獨搭完整資料中心互連生態。8
8. 財務質量（近 4-6 季度）
| 季度 / 時點 | 營收 | 融資 / 現金事件 | 質量判斷 |
|---|---|---|---|
| 2025Q3 | 未公開 | 2025-07 宣佈 1.25 億美元 Series C bridge，總融資約 2.46 億美元 | 資金用途指向 RNGD 量產和下一代晶片，仍是現金消耗型晶片公司。6 |
| 2025Q4 | 未公開 | NXT RNGD Server 推出後進入系統交付準備期 | 從卡到伺服器提升 ASP 與交付完整度，但 BOM/庫存風險增加。3 |
| 2026Q1 | 未公開 | 媒體報道公司尋求更大規模 pre-IPO 融資 | 融資訴求與量產擴張匹配，財務質量取決於客戶預付款和量產良率。 |
| 2026Q2 | 未公開 | 官網揭露 2026-05-11 決議配售 37,462 股 RCPS，發行總額 636.65 億韓元，繳款日 2026-05-27。1 | 官方新股公告提供可核資金事件；RCPS 可能增加贖回壓力。 |
| 2026Q2 | 未公開 | 官網揭露 2026-06-08 決議配售 25,655 股 RCPS，發行總額 435.99 億韓元，繳款日 2026-06-23。1 | 截至 2026-06-15 屬擬繳款事件，需追蹤是否完成。 |
| 2026Q2 | 未公開 | The Elec 報道 5 月已收到約 830 億韓元 pre-IPO 資金，融資輪最高可能達 8,500 億韓元，估值約 3 萬億韓元。7 | C 級媒體來源，適合做情景輸入，不作為確定財務報表。 |
財務質量結論：FuriosaAI 已有量產融資和客戶驗證，但尚未揭露營收、毛利、現金餘額、庫存、應收賬款、capex 或經營現金流量；投資判斷應把“融資能否覆蓋 5nm/HBM3 量產 + 三代 2nm/HBM4 研發”作為第一財務問題。
9. 業績傳導路徑
業績傳導公式：
RNGD 營收 = 可交付卡數 × ASP × 客戶驗收率 × 營收確認比例
系統營收 = NXT RNGD Server 臺數 × 單臺 8 卡配置比例 × 系統 ASP × 服務/軟體 attach
毛利 = 晶片 ASP - TSMC wafer / CoWoS-S / HBM3 / 板卡BOM / ODM / 質保成本
三代估值溢價 = Broadcom 合作可信度 × 2nm/HBM4 里程碑 × hyperscale 設計贏單機率
短期傳導來自 LG EXAONE：先從 1/2/4/8 卡最佳化和 ChatEXAONE 擴充套件，轉為 NXT RNGD Server 交付，再通過 EXAONE 企業客戶複製到金融、電信、製造和生物技術。中期傳導來自 RNGD 量產：The Elec 稱公司準備 2026 年額外生產 16,000 張加速卡；該數字為媒體來源，建模時應作為產能上限情景而不是營收承諾。57
10. SOTP 估值表
FuriosaAI 未上市且營收未公開，本表是“私募估值錨 + 里程碑折現”的 SOTP 架構，不是目標股價。
| 情景 | RNGD 量產 / 客戶 | 軟體與系統 | 三代平台 | 估值錨 | 投資含義 |
|---|---|---|---|---|---|
| Bear | LG 外新增客戶揭露有限，量產卡數低於計劃 | SDK 可用但模型覆蓋慢，企業遷移成本高 | Broadcom 合作無明確 tape-out | 7.35 億美元附近或低於 2025 bridge 估值 | 作為技術 IP / acquihire 定價，投資人要求強保護條款。 |
| Base | LG 轉為可重複部署，新增 1-2 個公開企業 / 託管客戶 | NXT RNGD Server 可標準交付，vLLM/OpenAI API 降低部署阻力 | 2026-2027 明確三代規格與流片時間表 | 約 3 萬億韓元媒體估值區間 | 估值來自“量產推論晶片 + 三代 option value”。 |
| Bull | RNGD 量產順利並形成多行業訂單，16,000 卡級別計劃有客戶消化 | 軟體棧可覆蓋主流開源模型和 RAG/agentic 工作流 | Broadcom 幫助進入 hyperscale scale-up / Ethernet fabric 生態 | 高於 3 萬億韓元，接近 pre-IPO AI chip platform 定價 | IPO 前融資和戰略投資人議價能力增強。 |
估值校驗：2025-07 的 7.35 億美元估值和 2026-05 The Elec 的約 3 萬億韓元估值之間跨度很大，核心解釋變數應是 RNGD 量產、LG 採用、Broadcom 合作和韓國政策 / pre-IPO 資金，而不是已揭露獲利。678
11. 催化（帶時點）
- [已發生] 2025-07-22：LG AI Research 宣佈採用 RNGD 做 EXAONE 推論，揭露 2.25x performance-per-watt、4 卡 32B EXAONE 3.5 在 4K/32K context 下 60/50 tokens/s。5
- [已發生] 2025-07-30：FuriosaAI 宣佈 1.25 億美元 Series C bridge，總融資約 2.46 億美元，用於 RNGD 量產和下一代晶片。6
- [已發生] 2025-09-25：公司推出 NXT RNGD Server，最多 8 張 RNGD、3kW、384GB HBM3、預裝 SDK 與 LLM runtime。3
- [已發生] 2026-04-30：SDK 2026.2 釋出，新增 prefix-aware data parallelism 等面向 RAG/agentic 的吞吐與部署最佳化。9
- [已發生] 2026-05-27：公司宣佈與 Broadcom 合作開發第三代 AI accelerator，規劃 multi-die chiplet、HBM4/4E、2nm 和高速互連。8
- [已發生/進行中] 2026-05-27 與 2026-06-23：兩次 RCPS 配售繳款日，合計公告金額 1,072.64 億韓元；6 月繳款需後續確認。1
12. 核心風險（帶情景）
- 量產風險：若 TSMC 5nm、CoWoS-S、HBM3 或板卡良率導致交付延期，FuriosaAI 的客戶驗證會轉化為庫存 / 現金流量壓力，而不是營收增長。2
- 軟體遷移風險：若 PyTorch / vLLM 相容層無法覆蓋客戶真實模型、長上下文、MoE、RAG 和 agentic workflow，180W 硬體優勢會被遷移成本抵消。49
- 客戶集中風險：目前公開標杆客戶以 LG AI Research 為主；若 LG 不擴大部署或不帶來外部企業客戶，市場會重新評估“enterprise readiness”。5
- 競爭風險：NVIDIA 以 CUDA、Blackwell、networking 和供貨能力鎖定主流 AI 預算；Broadcom 自身也是 custom AI accelerator 與 AI networking 強者，合作既是機會也是議價約束。81112
- 融資 / RCPS 風險：The Elec 指出 RCPS 帶贖回權，會計上可能歸類為負債；若 IPO 或後續融資視窗收縮，贖回和研發資金壓力會上升。7
- 估值風險：若 2026-2027 年仍無營收和訂單透明度，3 萬億韓元附近的 pre-IPO 估值難用財務指標支撐，只能依賴戰略稀缺性和政策資金。
13. 追蹤指標
| 頻率 | 指標 | 強訊號 | 弱訊號 / 警戒 | 來源 |
|---|---|---|---|---|
| 每月 | RNGD 量產 / 出貨 | 客戶驗收、伺服器交付、更多公開部署 | 只公佈 demo 或活動 | 官網、客戶公告 |
| 每季度 | 客戶數量 | LG 之外新增具名客戶，特別是雲端、主權 AI、金融、電信 | 只寫“global customers”但無名稱 | 官網 / 客戶新聞 |
| 每季度 | 軟體覆蓋 | 支援更多主流 LLM、長上下文、RAG、Kubernetes、監控 | 遷移仍依賴人工最佳化 | SDK docs / release notes |
| 每季度 | 融資進度 | RCPS 繳款完成，融資用途清晰 | 持續小額融資、條款偏債 | 官網公告 / 韓國媒體 |
| 半年 | Broadcom 合作 | tape-out、2nm/HBM4/4E、scale-up fabric 規格明確 | 只有戰略合作表述 | 官網 / Broadcom 生態 |
| 半年 | 第三方 benchmark | MLPerf / 客戶真實 workload 可復現 | 只有內部 benchmark | MLCommons / 客戶報告 |
14. 最新事件
- [已發生] 2026-05-27：FuriosaAI 宣佈與 Broadcom 合作開發第三代 AI accelerator，目標是 agentic AI 的大規模推論平台，規劃 HBM4/4E、2nm、多 die chiplet 和高速 inter-chip networking。8
- [已發生] 2026-05-27：官網 2026-05-11 新股發行公告對應繳款日，37,462 股第 6 類 RCPS，發行總額 636.65 億韓元。1
- [已發生] 2026-06-12：官網更新 2026-06-08 新股發行金額變更公告，25,655 股第 6 類 RCPS，發行總額 435.99 億韓元，繳款日 2026-06-23。1
- [已發生] 2026-04-30：SDK 2026.2 釋出，重點增強 RAG/agentic workload 的 prefix-aware data parallelism 和資料中心部署可靠性。9
- [已發生] 2026-05-28：The Elec 報道 FuriosaAI 已收到約 830 億韓元 pre-IPO 資金，融資輪最高可能達 8,500 億韓元，估值約 3 萬億韓元，並稱公司準備 2026 年額外生產 16,000 張 Renegade 加速卡。7
15. 來源
- 來源：FuriosaAI About / company notices — FuriosaAI — accessed 2026-06-15 — furiosa.ai/about
- 來源：RNGD product page — FuriosaAI — accessed 2026-06-15 — furiosa.ai/rngd
- 來源：Introducing Furiosa NXT RNGD Server — FuriosaAI — 2025-09-25 — furiosa.ai/blog/introducing-rngd-server-efficient-ai-inference-at-data-center-scale
- 來源：Software stack page — FuriosaAI — accessed 2026-06-15 — furiosa.ai/software
- 來源：LG AI Research taps FuriosaAI to achieve 2.25x better LLM inference performance vs. GPUs — FuriosaAI — 2025-07-22 — furiosa.ai/blog/lg-ai-research-taps-furiosaai-to-achieve-2-25x-better-llm-inference-in-production-vs-gpus
- 來源：Announcing FuriosaAI’s $125M Series C bridge funding — FuriosaAI — 2025-07-30 — furiosa.ai/blog/announcing-furiosaais-125m-series-c-bridge-funding-to-scale-sustainable-ai-compute
- 來源：FuriosaAI Begins Receiving Pre-IPO Funding — The Elec — 2026-05-28 — www.thelec.net/news/articleView.html?idxno=10795
- 來源：FuriosaAI partners with Broadcom to build next-generation inference platform for the Agentic Era — FuriosaAI — 2026-05-27 — furiosa.ai/blog/furiosaai-partners-with-broadcom-to-build-next-generation-inference-platform-for-the-agentic-era
- 來源：Furiosa SDK 2026.2: Boosting RNGD throughput and accelerating deployments — FuriosaAI — 2026-04-30 — furiosa.ai/blog/furiosa-sdk-2026-2
- 來源：Warboy product page — FuriosaAI — accessed 2026-06-15 — furiosa.ai/warboy
- 來源：NVIDIA financial reports / FY2027Q1 results summary — NVIDIA Investor Relations — 2026-05-20 — investor.nvidia.com/financial-info/financial-reports/default.aspx
- 來源：Broadcom Q2 FY2026 financial results — Broadcom Investor Relations — 2026-06-03 — investors.broadcom.com/news-releases/news-release-details/broadcom-inc-announces-second-quarter-fiscal-year-2026-financial