FuriosaAI

퓨리오사AI가 만드는 칩은 서울의 연구실이 아니라 스웨덴 스톡홀름과 포르투갈 리스본의 데이터센터 랙에서 실제로 돌아가고 있어. 2026년 9월 기준 보도로는 스톡홀름의 15메가와트(MW)급 AI 데이터센터 프로젝트에 1단계로 이 회사의 추론 가속기 1800장이 들어갔고, 확장 국면에서는 8800장 이상까지 늘어날 계획이야¹.

FuriosaAI(퓨리오사에이아이)는 2017년 서울에서 연구개발을 시작한 한국 AI 반도체 스타트업이야². 이 회사가 내세우는 미션은 세계에서 가장 발전된 AI 모델을 효율적으로 구동할 수 있는 칩을 만드는 거야². 2021년 1세대 Vision NPU(삼성 14nm)를 출시한 뒤², 2024년 2세대 데이터센터용 추론 가속기 RNGD(TSMC 5nm)를 공개했고², 2025년 글로벌 기술기업들을 대상으로 RNGD 샘플링을 시작해 2026년부터 양산 단계에 들어갔어².

법인 이름은 주식회사 퓨리오사에이아이이고, 서울특별시 강남구 도산대로 145 인우빌딩에 있으며 대표이사는 백준호야². 지금 걸려 있는 질문은 하나야 — 유럽 데이터센터에 심은 칩이 일회성 프로젝트로 끝나는지, 아니면 다음 분기에도 이어지는 반복 수주로 굴러가는지.

항목	내용
법인명	주식회사 퓨리오사에이아이2
본사	서울특별시 강남구 도산대로 145, 14층(인우빌딩)2
대표이사	백준호2
R&D 시작	2017년, 서울2
주력 제품	RNGD — 2세대 데이터센터 추론 가속기3
RNGD 공정·클록	TSMC 5nm, 1.0GHz3
RNGD 양산 단계	2025년 샘플링 시작, 2026년부터 양산2

RNGD — 텐서 축약을 하드웨어로 처리하는 칩

RNGD는 딥러닝 추론을 가속하도록 설계된 FuriosaAI의 2세대 NPU로, LLM·멀티모달 모델·비전 신경망을 폭넓게 지원한다고 회사는 소개해³. 이 칩이 구현하는 아키텍처는 Tensor Contraction Processor(TCP)인데, 현대 딥러닝의 핵심 연산인 복잡한 텐서 축약을 하드웨어에서 직접 실행하도록 만들어졌어³.

사양을 보면 방향이 뚜렷해. TSMC 5nm 공정에서 1.0GHz로 동작하며 BF16 256TFLOPS, FP8 512TFLOPS, INT8 512TOPS, INT4 1024TOPS 성능을 낸다고 밝혔고³, HBM3 모듈 2개로 총 1.5TB/s의 메모리 대역폭을 확보했으며 PCIe Gen5 x16으로 호스트와 연결돼³. 메모리 용량은 HBM3 48GB, 온칩 SRAM은 256MB야³. 열설계전력(TDP)은 150W이고 폼팩터는 PCIe 듀얼슬롯 풀하이트 3/4 길이 카드야³.

클라우드 운영 쪽 설계도 눈에 띄어. RNGD는 쿠버네티스 같은 클라우드 네이티브·멀티테넌트 환경에 통합되도록 만들어졌고, SR-IOV(Single Root I/O Virtualization)로 칩 하나를 2·4·8개의 독립 NPU 인스턴스로 나눌 수 있어³. 멀티 인스턴스는 최대 8개까지 지원하고 SR-IOV는 8개의 가상 함수를 지원하며, ECC 메모리와 Root of Trust 보안부팅도 갖췄다고 회사는 밝혔어³.

왜 중요한가

퓨리오사AI가 겨루는 자리는 데이터센터 추론 시장이고, 상대는 엔비디아 같은 기존 GPU 진영이야. 이 싸움에서 이 회사가 쥔 카드는 크게 셋이야. 첫째는 자체 아키텍처(TCP)로 텐서 축약을 하드웨어에서 직접 처리한다는 설계 차별화³. 둘째는 TSMC 5nm 같은 최신 공정과 HBM3 메모리를 쓴다는 점에서 TSMC·삼성·SK하이닉스 같은 상류 공급망에 그대로 의존한다는 것²³. 셋째는 2022년부터 Hugging Face·삼성·SK하이닉스·TSMC·ASUS·LG AI연구원과 맺은 글로벌 생태계 파트너십이야².

이 카드가 실제 매출로 이어지는지 보여주는 지점이 유럽이야. 퓨리오사AI는 미국 AI 인프라 기업 I/ONX HPC, 데이터센터 개발·운영사 벨록스와 함께 스웨덴 스톡홀름의 15MW급 AI 데이터센터 프로젝트에 참여하고 있고¹, 1단계로 RNGD 1800장을 공급한 뒤 확장 과정에서 8800장 이상을 단계적으로 투입한다는 계획이야⁴. 포르투갈에서는 에퀴닉스와 협력해 리스본 LS2 데이터센터에도 RNGD 기반 AI 추론 서버를 설치하고 있어⁵. 국내에서는 2026년 7월 삼성SDS가 삼성 클라우드 플랫폼(SCP)에 RNGD 기반 NPUaaS를 출시했어⁶. 국산 NPU가 정부 조달을 넘어 실제 해외 데이터센터 계약으로 옮겨가고 있는지를 보여주는 대표 사례가 이 회사인 셈이야¹.

이 대상을 볼 때의 핵심 축

• 유럽 데이터센터 계약이 확장 단계로 넘어가는가 — 스톡홀름 프로젝트가 1800장에서 실제로 8800장 이상까지 늘어나면, 일회성 파일럿이 아니라 반복 수주 구조로 자리 잡았다는 뜻이야.
• 국내외 클라우드 채택처가 늘어나는가 — 삼성SDS의 NPUaaS 출시 이후 다른 클라우드·기업이 RNGD를 추가로 채택하는지가 확산의 신호야.
• 독립 벤치마크 검증이 나오는가 — 2021년 MLPerf Inference에서 엔비디아를 능가했다는 서술은 회사 자체 연혁 페이지의 자기서술이고², MLCommons 같은 제3자 발표로 아직 확인되지 않았어. 제3자 검증이 나오면 이 카드의 무게가 달라져.
• 투자·재무 공시가 공개되는가 — 투자 라운드나 기업가치를 밝히는 공식 IR 자료가 나오면 이 회사의 체급을 가늠할 수 있어.

최근 관찰된 신호

• 2026-09-07 기준: 스웨덴 스톡홀름 15MW급 AI 데이터센터 프로젝트에 I/ONX HPC·벨록스와 함께 참여해 1단계 RNGD 1800장을 공급하고, 확장 시 8800장 이상 투입 계획이 보도됨⁴.
• 2026-09-07 기준: 포르투갈 리스본 LS2 데이터센터에 에퀴닉스와 협력해 RNGD 기반 추론 서버를 설치 중인 것으로 보도됨⁵.
• 2026-07: 삼성SDS가 삼성 클라우드 플랫폼(SCP)에 RNGD 기반 NPUaaS를 출시함⁶.
• 2025: 글로벌 기술기업들을 대상으로 RNGD 샘플링이 시작됨².
• 2024: 2세대 데이터센터 가속기 RNGD(TSMC 5nm)를 공개함².

헷갈리지 말아야 할 점

RNGD가 2021년에 이미 엔비디아를 넘어섰다고 오해하기 쉬운데, 그건 정확히는 이 회사 자체 연혁 페이지가 스스로 적어 둔 문장이야 — “MLPerf Inference에서 엔비디아를 능가한 최초의 AI 칩 스타트업”이라는 서술은 회사의 자기서술이고², 여기서 말하는 2021년 결과는 지금 팔리는 2세대 RNGD가 아니라 그 이전 세대 제품 시점의 이야기야². MLCommons 같은 독립 기관이 공개한 검증 자료는 아직 확인되지 않았으니, 이 문장은 회사의 주장으로 읽는 게 맞아.

이어서 읽기

국산 NPU 3사가 각자 다른 시장(공공조달·해외 데이터센터·산업 현장)을 두드리는 맥락은 국산 NPU 3사, 시험대는 이제 현장이다에서 볼 수 있어. RNGD가 쓰는 고대역폭 메모리 구조는 HBM, 이 칩을 찍어내는 공정을 쥔 곳은 TSMC, 리스본 데이터센터 파트너는 Equinix 문서에서 더 볼 수 있어.

남은 질문들

• FuriosaAI의 투자 라운드·기업가치·주요 주주는 어떻게 구성되어 있는지.
• 2026년 7월 신주발행 공고가 어떤 자금 조달 목적과 조건을 가졌는지.
• 스톡홀름·리스본 프로젝트가 계약대로 확장 단계까지 이어지는지.
• 2021년 MLPerf Inference 결과를 독립 기관이 검증한 자료가 있는지.

각주

1. 뉴스1, 「국산 AI 반도체 상용화 경쟁」(2026-09-07 업계 보도 기준) 기사 ↩︎ ↩︎² ↩︎³

2. FuriosaAI, 「About」(확인일 2026-09-20) 공식 페이지 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷ ↩︎⁸ ↩︎⁹ ↩︎¹⁰ ↩︎¹¹ ↩︎¹² ↩︎¹³ ↩︎¹⁴ ↩︎¹⁵ ↩︎¹⁶ ↩︎¹⁷ ↩︎¹⁸

3. FuriosaAI, 「RNGD Overview」(확인일 2026-09-22) 개발자 문서 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷ ↩︎⁸ ↩︎⁹ ↩︎¹⁰ ↩︎¹¹ ↩︎¹²

4. 뉴스1, 「국산 AI 반도체 상용화 경쟁」(2026-09-07 업계 보도 기준) 기사 ↩︎ ↩︎²

5. 뉴스1, 「국산 AI 반도체 상용화 경쟁」(2026-09-07 업계 보도 기준) 기사 ↩︎ ↩︎²

6. 뉴스1, 「국산 AI 반도체 상용화 경쟁」(2026-09-07 업계 보도 기준) 기사 ↩︎ ↩︎²