FuriosaAI وBroadcom تستهدفان الطبقة التالية من بنية استدلال الذكاء الاصطناعي
قالت FuriosaAI إنها ستتعاون مع Broadcom على منصة استدلال ذكاء اصطناعي من الجيل التالي تعتمد على معمارية TCP وتقنيات Broadcom في الشبكات والتغليف. وتخطط الشركة لمسرع يستخدم قالب حوسبة بدقة 2 نانومتر وذاكرة HBM4/HBM4E، مع بدء العينات في النصف الأول من عام 2028. وتشير الخطوة إلى انتقال المنافسة من أداء الشريحة الواحدة إلى الذاكرة والشبكات وكفاءة الطاقة وتصميم الأنظمة على مستوى الرف.
ما الذي حدث
قالت FuriosaAI إنها أقامت شراكة استراتيجية مع Broadcom لتطوير منصة استدلال ذكاء اصطناعي من الجيل التالي. وذكرت الشركة الكورية المتخصصة في شرائح الذكاء الاصطناعي أن المشروع سينقل معمارية Tensor Contraction Processor الخاصة بها إلى نظام شرائح متعدد القوالب لبيئات الذكاء الاصطناعي فائقة النطاق حيث يتزايد الطلب على معالجة الرموز.
تجمع المنصة المخطط لها بين معمارية FuriosaAI وقدرات Broadcom في شبكات الذكاء الاصطناعي ومبدلات إيثرنت عالية النطاق والتغليف المتقدم. ويقول المصدر إن الهدف هو منصة متكاملة للحوسبة والشبكات والبرمجيات الخاصة بالذكاء الاصطناعي لعناقيد الاستدلال الكبيرة، وليس مسرعا منفردا فقط.
يعتمد العمل على مسرع FuriosaAI المعروف باسم RNGD أو Renegade. ويصفه المصدر بأنه مسرع ذكاء اصطناعي PCIe بقدرة 180 واط قيد الإنتاج الكمي، ويستخدم عملية TSMC بدقة 5 نانومتر وذاكرة SK hynix HBM3، ومهيأ لأعباء نماذج اللغة الكبيرة والذكاء الاصطناعي الوكيلي. وقالت FuriosaAI إنه جرى التحقق منه في بيئات عملاء تشمل Samsung SDS وLG AI Research.
لماذا يهم ذلك
يشير الإعلان إلى أن المنافسة في بنية الذكاء الاصطناعي التحتية تتحرك إلى ما هو أبعد من أداء الشريحة الواحدة. فإذا استمر الطلب على الاستدلال في التوسع، فقد يركز المشترون أكثر على عرض نطاق الذاكرة والربط البيني والشبكات على مستوى الرف وكفاءة الطاقة.
وهذا مهم لشركات أشباه موصلات الذكاء الاصطناعي الكورية لأنه يضع تصميم الأنظمة والشراكات العالمية للبنية التحتية في مركز السوق. وتضع FuriosaAI معمارية TCP الخاصة بها إلى جانب أصول Broadcom في الشبكات والتغليف لمعالجة الاختناقات في عمليات نشر الذكاء الاصطناعي الوكيلي واسعة النطاق.
من يتأثر
الجمهور الأكثر مباشرة هو مشترو بنية الذكاء الاصطناعي فائقة النطاق ومزودو السحابة والمؤسسات التي تخطط لأعباء استدلال أكبر. كما يهم الأمر الشركات الناشئة في شرائح الذكاء الاصطناعي التي تحاول المنافسة في أسواق تشكلها بنية GPU.
وبالنسبة لقراء التكنولوجيا الكوريين، فإن الإشارة هي أن شركة كورية في أشباه موصلات الذكاء الاصطناعي تعمل مع مورد عالمي للشرائح والشبكات على منصة تستهدف استدلال نماذج الجبهة والذكاء الاصطناعي الوكيلي.
ما الذي يجب متابعته لاحقا
قالت FuriosaAI إن مسرع الجيل الثالث سيستخدم قالب حوسبة بدقة 2 نانومتر وذاكرة HBM4 وHBM4E وتقنيات تغليف من Broadcom لدمج قوالب سيليكون متعددة في شريحة واحدة عالية الأداء. وتخطط الشركتان لبدء العينات في النصف الأول من عام 2028.
ينبغي متابعة ما إذا كانت الشراكة ستنتقل من خطط المعمارية إلى سيليكون عامل، وما إذا كان تبني العملاء سيتبع عمليات نشر RNGD الحالية، وما إذا كانت الشبكات على مستوى الرف ستصبح عامل تمييز أوضح في بنية استدلال الذكاء الاصطناعي.
Summary version for Medium
FuriosaAI and Broadcom Target the Next Layer of AI Inference Infrastructure
Why FuriosaAI and Broadcom matter now for cloud infrastructure teams
Quick Summary: FuriosaAI said it will work with Broadcom on a next-generation AI inference platform built around its TCP architecture and Broadcom networking and packaging technologies. The planned third-generation accelerator will use a 2-nanometer compute die, HBM4/HBM4E memory and multi-die packaging, with sampling planned for the first half of 2028.
What happened
FuriosaAI said it has formed a strategic partnership with Broadcom to co-develop a next-generation AI inference platform. The Korean AI chip company said the project will move its Tensor Contraction Processor architecture into a multi-die chiplet system for hyperscale AI environments where token-processing demand is rising.
Why it matters
The announcement points to AI infrastructure competition moving beyond single-chip performance.
- Point 1: The central topic is chips-semiconductors, with the announcement framed around concrete operating detail.
- Point 2: If inference demand keeps expanding, buyers may place more weight on memory bandwidth, interconnect, rack-level networking and power efficiency.
The important shift is not the AI label, but the operating boundary it creates for teams.
Who is affected
The most direct audience is hyperscale AI infrastructure buyers, cloud providers and enterprises planning larger inference workloads. It also matters for AI chip startups trying to compete in markets shaped by GPU-based infrastructure.
Read the Full Deep Dive
Want to explore the complete technical analysis, enterprise trade-offs, and detailed metrics?
Read the full article originally published at SendTech Times
