一句话看懂：韩国 AI 芯片公司 FuriosaAI 公布了第三代推理加速器的技术细节，算力和内存带宽都做到上一代的 32 倍，并与博通合作采用 2nm 计算芯片加 HBM4(E) 内存。它代表推理专用芯片正在向更高带宽、更大内存的方向加速演进。
事件核心：发生了什么
据 AIbase 报道，FuriosaAI 在 2026 年 9 月公布了第三代 AI 推理加速器的技术规格。该产品与博通联合开发，内部包含两颗 2nm 计算 die、一颗独立 I/O die，以及 12 组 HBM4(E) 内存堆栈，每组容量 48GB。机架内采用 SUE 全互联拓扑，并支持 PCIe Gen7。
关键数据方面：芯片物理尺寸约为第二代产品（RGND）的 8 倍；算力达到 32 PFLOPS，是 RGND 的 32 倍；HBM 内存容量 576GB，为 RGND 的 12 倍；内存带宽 48TB/s，同样是 RGND 的 32 倍。目前公开信息显示，这些仍是官方公布的技术参数，尚未披露量产时间和客户名单。
为什么重要
大模型推理的瓶颈往往不在算力峰值，而在内存容量和带宽——模型权重、KV Cache 和长上下文都需要大量高带宽内存支撑。FuriosaAI 这一代把带宽和算力同时拉高 32 倍，明显是冲着大规模推理场景去的。
更值得关注的是路线选择：它没有走通用 GPU 路线，而是专攻推理加速，并借博通的 SerDes 和封装能力降低自研风险。在英伟达主导的 AI 加速器市场里，韩国厂商用 2nm 加 HBM4(E) 抢位，说明推理芯片的竞争正在从“能不能跑”转向“单位成本能跑多少 token”。
对用户/开发者/创作者的影响
对开发者和企业采购方来说，推理硬件的选项在变多。如果这类加速器能稳定落地，云端推理 API 的单价、延迟和上下文长度都可能受到影响，尤其是在长文本、多轮对话和图像生成等吃内存的场景。对普通用户而言，短期内感知不会太直接，但更便宜的推理成本最终会传导到 AI 应用定价上。创作者侧则可能看到更长的上下文窗口和更快的生成速度。需要注意的是，硬件参数不等于实际吞吐，编译器、框架适配和生态成熟度才是决定体验的关键。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是量产与供货时间，目前公开信息显示仍停留在技术公布阶段；二是软件栈能否兼容主流推理框架，这直接决定开发者迁移成本；三是英伟达、AMD 以及各家云厂商自研芯片是否在同类指标上跟进，尤其是 HBM4 的采用节奏。
来源：AIbase
