FuriosaAI推出NXT RNGD服务器，这是其首款基于RNGD加速器的AI推理解决方案。该系统兼容现有数据中心环境，预装Furiosa SDK和LLM运行时，无需专用基础设施即可快速部署。单机功耗仅3千瓦，支持8个RNGD加速器(4 petaFLOPS FP8算力)，是构建高效AI工厂的实用选择。

Furiosa推出NXT RNGD服务器：高效数据中心级AI推理解决方案

FuriosaAI正式发布首款品牌化交钥匙AI推理解决方案——NXT RNGD服务器。该产品基于RNGD加速器打造，专为现代数据中心环境优化设计，可高效处理关键AI工作负载。

核心优势 - 开箱即用：预装Furiosa SDK和LLM运行时，支持Kubernetes/Helm集成，部署后即可运行 - 兼容性强：采用标准PCIe互联架构，无需专用基础设施 - 能效突出：单系统功耗仅3kW，适配现有风冷数据中心（80%设施单机架≤8kW） - 全栈控制：支持敏感数据本地处理，满足合规与安全需求

技术规格 - 计算：8个RNGD加速器（4 PFLOPS FP8）+双AMD EPYC处理器 - 内存：384GB HBM3（12TB/s带宽）+1TB DDR5 - 存储：双960GB NVMe（系统）+双3.84TB NVMe（数据） - 网络：1G管理端口+双25G数据端口 - 安全：支持安全启动、TPM、BMC认证

实测表现 LG AI Research采用4卡配置运行EXAONE 3.5 32B模型： - 4K上下文：60 token/秒 - 32K上下文：50 token/秒 较GPU方案实现2.25倍能效提升，已应用于电子、金融、生物科技等领域。

行业价值 面对全球数据中心需求激增（2024年60GW，2030年预计3倍增长），该方案突破传统GPU对液冷和高功耗（≥10kW/服务器）的限制，为现有设施提供可扩展的AI部署路径。

上市信息 现接受2026年1月订单，可通过官网下载技术手册并订阅更新。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

1. 产品实用性质疑

   • 关注非AI组织的实际使用可能性和生态系统限制
     "How usable is this...non AI organization? Are you locked into a niche ecosystem?"
     "What can it actually run? ...benchmark such an outdated model?"

2. 基准测试争议

   • 认为对比配置（3x H100 PCI-E）不具代表性，期待与主流方案（8x H100）的直接比较
     "weird graph comparing to 3x H100 PCI-E...vs a box of 8 h100s"
   • 测试模型（Llama 3.1 8b）过时，缺乏对新/大模型的兼容性证明
     "Why else benchmark...outdated model? Show...gpt-oss-120b"

3. 能效定位与泛化能力

   • 认可降低TCO（总拥有成本）的价值，但质疑基准狭窄和泛化能力
     "Targeting power...TCO limits is real...but benchmarks are narrow"
     "GPUs are inefficient...but their flexibility still matters"

4. 行业竞争与架构革新

   • 类比Intel历史，指出NVIDIA因缺乏竞争面临能效瓶颈
     "Nvidia's hit the wall...like Intel...no competition broke CUDA moat"
   • 认为新架构（无需新建数据中心）是积极信号
     "any...new hardware architecture...doesn’t require building...good sign"

5. 其他次要观点

   • 发布时间混淆（"This is from September 2025" / "Is this from 2024?"）
   • 仅支持推理且性能存疑（"inference only and slower than B200s?"）
   • 技术展示问题（"not able to read...without WebGL"）

关键争议点集中于：基准测试合理性、生态兼容性、能效优势的实际泛化能力，以及行业竞争格局对技术发展的影响。