A startup sul-coreana de chips de IA FuriosaAI ativou seus servidores aceleradores de inferência RNGD nas instalações de colocation LS2 da Equinix em Lisboa, Portugal, esta semana, marcando a primeira implantação de produção comercial confirmada da empresa em solo europeu. A mudança ocorreu no momento em que o Pacote de Soberania Tecnológica da União Europeia – anunciado pela Comissão em junho de 2026 – criou incentivos políticos formais para as empresas da UE diversificarem as suas cadeias de fornecimento de computação de IA para além dos hiperescaladores dos EUA e das alternativas chinesas.
Esse momento importa além da coincidência. As empresas europeias que procuram realizar inferências de IA dentro da jurisdição da UE enfrentam um conjunto limitado de opções: pagar os preços da nuvem nos EUA, aceitar o risco da cadeia de abastecimento chinesa ou encontrar outra coisa. O servidor RNGD da FuriosaAI – um sistema de 3 kW e oito aceleradores que cabe num rack padrão refrigerado a ar – chega à Equinix Lisboa exatamente como a terceira opção, programada para um momento em que a política da UE finalmente dá aos responsáveis pelas compras um quadro político para a escolher.
A implantação em Lisboa foi programada para coincidir com o RAISE Summit 2026, um grande evento de IA realizado em Paris de 8 a 9 de julho, onde o cofundador e CEO da FuriosaAI, June Paik, se juntou a outros líderes de infraestrutura para discutir os desafios de poder e escalamento enfrentados pela computação global de IA. O anúncio ocorreu enquanto empresas europeias e projetos soberanos de IA estão ativamente buscando alternativas de inferência para os clusters de GPU da NVIDIA, que permanecem com uso intensivo de energia, com fornecimento limitado e vinculados a ecossistemas de software proprietários.
Por dentro do RNGD: o que o processador de contração tensorial realmente faz de diferente
RNGD – pronunciado “renegado” – é construído em uma arquitetura de Processador de Contração Tensor (TCP) de 5 nanômetros desenvolvida pela FuriosaAI e publicada na conferência ACM/IEEE ISCA 2024. Compreender por que essa arquitetura é importante requer uma breve análise do que torna a inferência de GPU ineficiente para cargas de trabalho LLM.
As GPUs modernas foram projetadas em torno da multiplicação de matrizes como uma instrução primitiva de tamanho fixo. Cada passagem direta em um modelo de linguagem grande lê os parâmetros de peso do modelo a partir da memória de alta largura de banda, roteia-os através de interconexões e executa uma multiplicação de matriz. Isso funciona bem nos níveis máximos de computação para os quais as GPUs foram otimizadas, mas gera movimento contínuo e de alto volume de dados entre a memória e a computação, o que aumenta o consumo de energia.
A arquitetura TCP adota uma abordagem diferente: ela executa contrações de tensores diretamente no hardware como operações nativas, em vez de decompô-las em multiplicações de matrizes de tamanho fixo. A contração tensorial é a forma matematicamente generalizada de multiplicação de matrizes, cobrindo todos os padrões de memória irregulares e cálculos de atenção que os LLMs baseados em transformadores exigem. Ao tornar a contração do tensor o primitivo de hardware de nível mais baixo, o RNGD mantém os dados de peso residentes por mais tempo na memória de alta largura de banda do chip, em vez de embaralhá-los repetidamente de e para a DRAM. A FuriosaAI chama essa redução na movimentação de dados de fonte arquitetônica de seus ganhos de eficiência.
As especificações resultantes: 512 teraflops de computação FP8 por placa, 48 GB de memória HBM3 com 1,5 terabytes por segundo de largura de banda e um perfil de design térmico estrito de 180 watts – contra 350 watts para a versão PCIe do H100 da NVIDIA, ou até 700 watts para a variante H100 SXM. FuriosaAI afirma que seu RNGD oferece desempenho três vezes melhor do que o H100 por watt ao executar cargas de trabalho LLM. Esse número é uma afirmação da empresa, não um benchmark publicado de forma independente. A validação de terceiros mais específica até o momento veio da LG AI Research, que relatou que o RNGD forneceu melhor desempenho de inferência por watt do que os sistemas GPU que substituiu – uma descoberta confirmada após executar a família de modelos Exaone da LG em produção e levar a empresa a oferecer servidores com tecnologia RNGD para seus clientes corporativos.
Cada servidor NXT RNGD integra oito aceleradores em um sistema de 3 kW, produzindo 4 petaflops de computação FP8, 384 GB de memória HBM3 total e 12 terabytes por segundo de largura de banda de memória agregada em uma configuração que opera a partir de interconexões PCIe padrão sem malhas proprietárias ou refrigeração líquida especializada. Como cinco desses servidores cabem em um rack de data center padrão de 15 kW – em comparação com um único servidor NVIDIA DGX H100 – o RNGD oferece às operadoras uma equação de densidade fundamentalmente diferente para implantações somente de inferência. O mesmo espaço físico de rack executa mais usuários de inferência simultâneos com menos energia.
FuriosaAI preenche uma lacuna estrutural na computação de IA soberana da UE
A instalação LS2 da Equinix foi inaugurada em junho de 2025, oferecendo 2.050 metros quadrados de espaço de colocation em três andares com capacidade para 625 racks. Ao escolher uma instalação recém-inaugurada e comercialmente ativa baseada na UE, em vez de um centro de dados que possui ou opera, a FuriosaAI ganha distribuição europeia sem as despesas de capital de infraestrutura independente – e os seus clientes obtêm acesso à capacidade de inferência que está legalmente dentro da jurisdição da UE e é fornecida por uma empresa sediada num país aliado dos EUA que não está sujeito às obrigações de partilha de dados do Estado chinês.
Esta distinção tornou-se materialmente mais significativa desde o Pacote de Soberania Tecnológica da Comissão Europeia de junho de 2026, que propôs novos quadros legislativos – incluindo uma Lei de Desenvolvimento da Nuvem e da IA – especificamente concebidos para ajudar as empresas europeias a avaliar a soberania da nuvem e da IA e reduzir as dependências estruturais de fornecedores estrangeiros. O RNGD da FuriosaAI não é um chip europeu. Mas é construído por uma empresa sul-coreana cujo governo detém o estatuto de parceiro de nível 1 dos EUA sob controlos de exportação de chips de IA, fabricado pela TSMC num nó de 5 nanómetros, e agora implantado dentro da UE numa instalação regida pela legislação da UE.
“Temos o prazer de estabelecer um novo e importante canal de distribuição na Europa com a Equinix”, disse Paik ao anunciar a parceria. “Ao combinar a infraestrutura da Equinix projetada para eficiência e sustentabilidade com nossa arquitetura RNGD de alto desempenho e eficiência energética, liberamos a capacidade das empresas de executar inferências de forma sustentável e confiável.”
Por que o resfriamento a ar é mais importante do que parece
Uma frase na proposta da FuriosaAI é recorrente em todos os contextos de implantação: “data centers refrigerados a ar padrão”. Vale a pena explicar porque é que os compradores de infra-estruturas na Europa consideram esta frase significativa.
Os requisitos de energia dos data centers de IA atingiram um ponto de inflexão estrutural em 2026. As cargas de trabalho de inferência – executando modelos de IA treinados na produção, em vez de treiná-los do zero – cresceram e representam a maior parte da demanda total de computação em data centers de IA globais, de acordo com analistas do setor. A inferência é contínua, sensível à latência e distribuída geograficamente: requer consumo sustentado de alta potência, em vez dos padrões de interrupção e pausa das corridas de treinamento. Os clusters de GPU de maior densidade – aqueles que executam NVIDIA H100s ou os mais recentes B200s, com envelopes de energia de 700 watts a 1 quilowatt por chip – levaram os operadores de data centers a adotar refrigeração líquida, hardware de rack personalizado e designs de densidade de energia que a maioria das instalações de colocation europeias simplesmente não foram construídas para suportar.
O mercado europeu de centros de dados enfrenta restrições de capacidade da rede, elevados custos de eletricidade e limites regulamentares rigorosos. As novas construções da Alemanha devem agora atingir um limite máximo de eficácia no uso de energia de 1,2, de acordo com a sua Lei de Eficiência Energética. As interconexões de Frankfurt estão totalmente alocadas para os próximos anos. Os operadores de centros de dados na UE estão a racionar as cargas de trabalho com elevada densidade de energia, não as acolhendo bem.
O perfil de design de 180 watts por placa do RNGD permite que as operadoras executem oito aceleradores em um servidor de 3 kW em ambientes de rack padrão sem adaptações de refrigeração líquida ou renegociações de rede. Isso não é um recurso para operadoras que têm energia e água ilimitadas. É uma funcionalidade especificamente adaptada às reais restrições do mercado europeu.
Broadcom e o caminho para a hiperescala
A implantação em Lisboa ocorre semanas depois que a FuriosaAI anunciou sua parceria de hardware mais significativa até o momento: uma colaboração com a Broadcom, anunciada em 27 de maio de 2026, para desenvolver seu acelerador de IA de terceira geração usando a avançada tecnologia de empacotamento da Broadcom.
O chip de terceira geração move o FuriosaAI do segmento de inferência de placas PCIe para o território de hiperescala. Ele contará com um chip de computação de 2 nanômetros – acima dos 5nm do RNGD – um chip de E/S dedicado para rede de expansão e memória HBM4 ou HBM4E, integrada em um pacote de chiplet multi-die usando a tecnologia Extreme Dimension System in Package da Broadcom. O sistema também incorporará comutação Ethernet e PCIe da Broadcom para permitir redes de alta largura de banda em escala de rack em centenas de chips. A amostragem está prevista para começar no primeiro semestre de 2028.
A participação da Broadcom não é acidental. O design personalizado de silício de IA tornou-se o maior segmento de receita da gigante de semicondutores, respondendo por cerca de 65% de sua receita total no primeiro trimestre de 2026. A Broadcom fornece experiência em embalagens e redes para os aceleradores MTIA da Meta e outros chips personalizados de hiperescala; A parceria de terceira geração da FuriosaAI a coloca no mesmo nível.
Charlie Kawwas, presidente do Semiconductor Solutions Group da Broadcom, disse que o desempenho da inferência agora é definido não apenas pela computação bruta, mas cada vez mais pela reutilização de dados e pela eficiência da comunicação entre servidores e racks.
Para contextualizar: os 512 teraflops de computação FP8 do RNGD são modestos em relação à geração atual de chips de data center de ponta da NVIDIA e AMD. O B200 da NVIDIA oferece cerca de nove vezes mais FLOPS FP8, quatro vezes a capacidade de memória e mais de cinco vezes a largura de banda da memória. O RNGD não está competindo pelas mesmas cargas de trabalho que um cluster B200 – e a FuriosaAI não afirma o contrário. Sua aposta é que a maior parte da inferência de IA empresarial não exige pico de computação e que as cargas de trabalho que cabem dentro de seu envelope de eficiência atual podem ser atendidas com custos de energia drasticamente mais baixos. A parceria com a Broadcom é o sinal de que a empresa pretende, eventualmente, competir também em território de pico de computação.
Uma empresa que recusou US$ 800 milhões agora busca mais US$ 500 milhões
FuriosaAI foi fundada em 2017 por June Paik e Hanjoon Kim, veteranos da AMD, Qualcomm e Samsung. A empresa lançou um NPU de visão de primeira geração chamado Warboy em 2021 – fabricado no processo de 14 nanômetros da Samsung e validado no benchmark MLPerf dentro de três semanas após o recebimento das amostras iniciais de silício – antes de migrar para o mercado de inferência LLM com RNGD.
O RNGD foi apresentado no Hot Chips 2024 em Stanford e entrou em produção em massa em janeiro de 2026, fabricado pela TSMC em seu nó de 5 nanômetros com SK hynix fornecendo a memória HBM3. Os clientes de produção incluem Samsung SDS, que está lançando um serviço NPU baseado em assinatura através da Samsung Cloud Platform usando RNGD, e LG AI Research. A empresa arrecadou US$ 250 milhões até o momento, incluindo uma rodada de ponte Série C de US$ 125 milhões fechada em julho de 2025.
No início de 2025, a Meta supostamente ofereceu aproximadamente US$ 800 milhões para adquirir a FuriosaAI. As negociações fracassaram devido a divergências sobre a estratégia de negócios pós-aquisição – e não o preço – e a oferta foi recusada. A decisão revelou-se presciente em termos de avaliação: a FuriosaAI posteriormente elevou a sua ponte Série C para uma avaliação de 735 milhões de dólares, e a empresa está atualmente a tentar angariar até 500 milhões de dólares numa nova ronda pré-IPO com a Morgan Stanley e a Mirae Asset Securities a servirem como co-conselheiros. Uma oferta pública inicial está prevista para o período 2027-2028.
A empresa planeia entregar aproximadamente 20.000 unidades RNGD a clientes globais em 2026, de acordo com declarações da empresa, marcando o seu primeiro ciclo de receitas em grande escala.
O problema de software que supera o de hardware
Nenhuma análise das perspectivas competitivas da RNGD está completa sem abordar a restrição que o próprio CEO da FuriosaAI reconheceu em uma entrevista da HPCwire em 2025: o ecossistema CUDA.
A Compute Unified Device Architecture da NVIDIA não é uma especificação de chip, é uma plataforma de software completa que acumulou mais de quinze anos de bibliotecas otimizadas, kernels de GPU, ferramentas de desenvolvedor e integração com todas as principais estruturas de IA. Quando as equipes de engenharia corporativa avaliam um acelerador de inferência alternativo, elas não estão apenas comparando especificações de silício. Elas estão estimando quantos meses de trabalho de portabilidade serão necessários para que seus modelos de produção sejam executados no novo hardware, se esse hardware terá drivers estáveis em todas as versões de software e se eles podem contratar engenheiros que já sabem a pilha.
A resposta da FuriosaAI a este problema é uma arquitetura de software baseada no compilador, construída no seu laboratório de I&D em Lisboa. O Furiosa SDK mapeia modelos PyTorch para o hardware TCP por meio de um compilador que lida com a otimização do modelo sem exigir que as equipes escrevam kernels ajustados manualmente para cada carga de trabalho. FuriosaAI também suporta importações ONNX, integração vLLM, uma camada API compatível com OpenAI e uma linguagem de contração tensor para desenvolvedores que precisam de controle de hardware de baixo nível. Os modelos já validados em produção – gpt-oss 120B da OpenAI, Exaone 236B da LG, Qwen 3-30B-A3B em grandes tamanhos de contexto – demonstram que o SDK é maduro o suficiente para lidar com cargas de trabalho de inferência em escala de fronteira, não apenas benchmarks.
Mas os observadores de implantação da KoreaTechDesk e da Moor Insights da TechTarget observaram no início de 2026 que a variável comercial decisiva para o RNGD seria se a maturidade do seu software poderia ser traduzida em cargas de trabalho empresariais arbitrárias, e não apenas em modelos de referência validados. Cada vitória de design no curto prazo requer um esforço dedicado de portabilidade. Essa barreira está a cair – mas não desapareceu.
O que isto significa para as equipes europeias de infraestrutura empresarial
Para as equipas de compras e engenharia que avaliam as opções de inferência de IA em 2026, a chegada da RNGD à Europa altera o quadro de decisão prática. Antes da implantação de Lisboa, as opções para inferência no local ou de colocation na UE eram essencialmente clusters de GPU NVIDIA (alta potência, alto custo, ecossistema forte) ou nuvem hiperescaladora (jurisdição incerta da UE, exposição à lei dos EUA ao abrigo da Lei da Nuvem). A implantação da Equinix da FuriosaAI adiciona uma terceira coluna a essa tabela.
Os chips afirmam ter desempenho de produção demonstrado – a implantação de produção EXAONE da LG em 2026 é uma referência citada publicamente. O formato do servidor se ajusta aos racks padrão. A questão da jurisdição da UE é resolvida no nível Equinix LS2. A pilha de software está evoluindo, mas liberou implantações de referência suficientes para iniciar os ciclos de qualificação empresarial.
O contrapeso é igualmente concreto: o RNGD é cerca de nove vezes menos denso em termos de computação do que um B200, requer esforço de portabilidade para cargas de trabalho não validadas e é produzido por uma empresa que ainda está a construir a sua escala comercial global. As equipes cujas cargas de trabalho de inferência exigem o maior rendimento absoluto ou cujos recursos de engenharia não conseguem absorver um novo SDK devem permanecer na NVIDIA por enquanto. As equipes que executam cargas de trabalho específicas de inferência de LLM em escala de produção e que são limitadas pela densidade de energia, espaço em rack ou requisitos de jurisdição da UE agora têm uma alternativa confiável para avaliar pessoalmente na Equinix Lisboa.
Perguntas frequentes
O RNGD da FuriosaAI é um verdadeiro concorrente do H100 da NVIDIA?
É um concorrente em casos de uso específicos – cargas de trabalho de inferência LLM em que a eficiência de energia e a densidade do rack são mais importantes do que o pico de produtividade absoluto. Na computação bruta, os 512 teraflops de desempenho FP8 do RNGD são aproximadamente metade do pico de um H100 e cerca de um nono do B200 da NVIDIA. Mas o RNGD consome 180 watts contra 350 a 700 watts de um H100 e um padrão O rack de data center de 15 kW pode acomodar cinco servidores RNGD de oito chips, onde pode acomodar um servidor NVIDIA DGX H100. A compensação é real em ambas as direções: eficiência para cargas de trabalho que se ajustam ao formato, lacuna de computação bruta para cargas de trabalho que não o fazem.
O que é um processador de contração tensor e por que ele é diferente de uma GPU?
Uma GPU executa cálculos de IA decompondo-os em operações de multiplicação de matriz de tamanho fixo – uma abordagem herdada da renderização gráfica que funciona em escala, mas cria movimentos repetitivos e de alto volume de dados entre a memória e a computação. Um processador de contração de tensor trata a contração de tensor – a operação matemática subjacente a toda a atenção do transformador e inferência LLM – como uma primitiva de hardware nativa, sem primeiro decompô-la em multiplicações de matriz. O benefício prático é que o RNGD pode manter os pesos do modelo ativo residentes em memória de alta largura de banda por mais tempo, reduzindo as viagens de transporte de dados e a energia que consomem. FuriosaAI publicou a arquitetura em um artigo revisado por pares na ISCA 2024.
O que significa “computação de IA soberana da UE” e por que a FuriosaAI é importante para ela?
A computação de IA soberana da UE refere-se à infraestrutura de inferência de IA que opera sob a jurisdição legal da UE – onde o processamento de dados permanece sujeito à lei europeia, em vez da lei de nuvem dos EUA ou às obrigações de inteligência chinesas. O Pacote de Soberania Tecnológica da Comissão Europeia de junho de 2026 enquadrou isso formalmente como uma prioridade política, propondo novas estruturas para ajudar as empresas europeias a reduzir a dependência de provedores estrangeiros de computação de IA. O RNGD da FuriosaAI não é um chip europeu, mas é fabricado por uma empresa sul-coreana cujo governo é de nível 1 dos EUA. aliado, implantado dentro de uma instalação regulamentada pela UE e não sujeito às leis estaduais chinesas de compartilhamento de dados. Para empresas da UE e projetos soberanos de IA que precisam executar inferências fora da infraestrutura de nuvem dos EUA, a implantação de Lisboa é uma das poucas opções comercialmente disponíveis que atende a essa combinação de critérios.
O RNGD executa modelos padrão de IA ou as equipes precisam reescrever seu software?
O SDK da FuriosaAI mapeia modelos PyTorch para o hardware RNGD por meio de um compilador, para que as equipes não precisem reescrever o código do modelo do zero. A empresa também oferece suporte a importações ONNX e uma camada de API compatível com OpenAI, e validou a inferência de produção em vários modelos grandes, incluindo gpt-oss 120B da OpenAI, Exaone 236B da LG e Qwen 3-30B-A3B. Dito isso, a migração de uma implantação de GPU NVIDIA para RNGD ainda requer um processo de qualificação – validando se seu modelo e carga de trabalho específicos são executados de maneira correta e eficiente no novo hardware. A implantação da Equinix Lisbon foi projetada especificamente para fornecer às equipes corporativas um ambiente físico no qual possam executar essa avaliação antes de se comprometerem com uma aquisição. A documentação completa do SDK e os recursos para desenvolvedores estão disponíveis no portal de desenvolvedores da FuriosaAI.
