본문 바로가기
알짜정보/[한국]경제 & 경제일반

[주식 전망] 퓨리오사AI, 엔비디아의 독점을 깰 한국의 비밀병기: RNGD 성능부터 나스닥 상장설까지

by twofootdog 2026. 1. 15.
반응형

안녕하세요

지난 몇 년간 "AI 반도체 = 엔비디아"라는 공식은 절대 깨지지 않을 성역처럼 여겨졌습니다. 하지만 최근 기류가 심상치 않습니다. 엔비디아 GPU의 엄청난 가격과 전력 소모량을 감당하지 못한 데이터센터들이 '가성비''전성비(전력 대비 성능)'를 갖춘 대안을 찾기 시작했기 때문입니다.

그 거대한 틈새시장을 파고드는 대한민국 스타트업이 있습니다. 바로 퓨리오사AI(FuriosaAI)입니다. 2025년 시리즈 C 브릿지 투자를 통해 기업가치 1조 원을 넘기며 유니콘에 등극했고, 이제는 2세대 칩 'RNGD(레니게이드)'로 글로벌 시장에 도전장을 던졌습니다.

오늘은 퓨리오사AI가 도대체 어떤 기술을 가졌길래 LG와 카카오가 주목하는지, 그리고 현재 증권가에서 가장 뜨거운 감자인 '나스닥 상장설'의 실체는 무엇인지 낱낱이 파헤쳐 보겠습니다.

 

 

 


1. 퓨리오사AI는 어떤 회사인가? (Why Furiosa?)

https://furiosa.ai/

 

FuriosaAI

FuriosaAI designs high-performance, power-efficient AI accelerators (NPUs) used in data centers for computer vision, GenAI, LLMs, and demanding workloads.

furiosa.ai

 

2017년 설립된 퓨리오사AI는 단순한 반도체 제조사가 아닙니다. "하드웨어를 정의하는 것은 소프트웨어"라는 철학을 가진 AI 반도체 팹리스(설계 전문) 기업입니다.

 

① 백준호 대표와 드림팀

창업자인 백준호 대표는 삼성전자 메모리사업부와 미국 AMD 본사를 거친 베테랑입니다. 그는 GPU가 태생적으로 그래픽 처리를 위해 만들어진 칩이기 때문에, AI 연산에서는 필연적으로 비효율이 발생한다고 봤습니다. 그래서 'AI만을 위한, AI에 의한 칩'을 바닥부터 새로 설계했습니다. 이것이 퓨리오사AI의 시작입니다.

 

② 든든한 뒷배: 네이버, 카카오, 그리고 산업은행

이 회사의 주주 명부를 보면 화려합니다. 초기 네이버 D2SF와 카카오벤처스의 투자를 시작으로, 최근 2025년 진행된 시리즈 C 브릿지 라운드에서는 산업은행, 기업은행, 카카오인베스트먼트, 키스톤PE 등이 참여해 약 1,700억 원의 실탄을 채워주었습니다. 누적 투자금만 3,400억 원이 넘는 명실상부한 국가대표 팹리스입니다.

 

 

 


2. 핵심 무기: 2세대 칩 'RNGD(레니게이드)' 완벽 분석

https://furiosa.ai/rngd

 

RNGD

RNGD is FuriosaAI's second AI accelerator. Its Tensor Contraction Processor architecture offers unmatched performance and efficiency for data centers.

furiosa.ai

 

2026년 1월 현재, 퓨리오사AI의 운명을 짊어지고 양산에 들어간 칩이 바로 2세대 모델 RNGD(레니게이드)입니다. 1세대 '워보이'가 가능성을 보여줬다면, RNGD는 실전용입니다.

 

① 스펙 (Spec): 엔비디아를 겨냥하다

  • 공정: TSMC 5nm (세계 최고 미세 공정)
  • 메모리: 48GB HBM3 탑재 (초고속 대역폭 확보)
  • 전력 소모(TDP): 150W ~ 180

② 비밀 병기: TCP 아키텍처

많은 분이 "엔비디아보다 성능이 좋나요?"라고 묻습니다. 여기서 중요한 건 '절대 성능'이 아니라 '효율'입니다. RNGD는 TCP(Tensor Contraction Processor)라는 독자 아키텍처를 사용합니다.

쉽게 설명해 드리겠습니다. 엔비디아 GPU가 짐도 싣고 사람도 태우는 '대형 트럭'이라면, RNGD는 오직 서킷 주행(AI 연산)만을 위해 불필요한 부품을 다 떼어낸 'F1 머신'입니다.

  • 기존 GPU는 데이터를 쪼개서 처리하느라 메모리 이동이 잦습니다. (교통 체증 발생)
  • TCP 기술은 데이터 이동을 최소화하여, 칩 내부에서 데이터를 꽉 잡아두고 연산합니다. 덕분에 전력은 적게 쓰면서 반응 속도는 비약적으로 빠릅니다.

 

 

 


3. 시장의 검증: LG AI연구원과의 파트너십

 

기술이 아무리 좋아도 써주는 곳이 없으면 무용지물입니다. 하지만 퓨리오사AI는 확실한 레퍼런스를 확보했습니다. 바로 LG AI연구원입니다.

2025년 7월, LG는 자사의 초거대 AI 모델인 '엑사원(EXAONE)'을 구동하는 데 퓨리오사AI의 RNGD를 도입했습니다. 결과는 놀라웠습니다.

  • 전력 효율: 엔비디아 GPU 대비 2.25배 우수
  • 데이터센터 효율: 한정된 전력(Rack Power) 내에서 GPU 서버보다 3.5배 더 많은 처리량 기록

이는 전기세가 무서운 데이터센터 운영자들에게는 엄청난 유혹입니다. 또한 퓨리오사AI는 오픈AI(OpenAI)와의 비공개 데모에서도 오픈 소스 모델을 완벽하게 구동하며 글로벌 호환성을 입증했습니다.

 

 

 

 


4. 라이벌전: 퓨리오사AI vs 리벨리온 (통합법인)

2026년 한국 AI 반도체 시장은 '양강 구도'입니다. SK텔레콤의 사피온과 합병하며 거대 공룡이 된 리벨리온(Rebellions)퓨리오사AI의 대결입니다.

비교 항목 퓨리오사AI (RNGD) 리벨리온 (REBEL-Quad)
핵심 전략 실용주의 & 효율성 압도적 스펙 & 대용량
설계 방식 모놀리식 (단일 칩 최적화) 칩렛 (4개 칩 결합)
메모리 HBM3 48GB HBM3e 144GB
주요 우군 네이버, 카카오, LG, 산업은행 SK텔레콤, SK하이닉스, 아람코
강점 전성비(TCO 절감), 즉시 양산 가능성 거대 모델 단독 구동 능력

 

리벨리온이 SK하이닉스의 HBM3e를 무기로 '초고성능'을 지향한다면, 퓨리오사AI는 TSMC 공정을 통해 '안정적인 양산'과 '현실적인 데이터센터 비용 절감'을 타겟팅하고 있습니다.

 

 

 

 


5. 가장 뜨거운 이슈: 2026년 상장(IPO), 한국이냐 미국이냐?

 

투자자분들이 가장 궁금해하실 내용입니다. 퓨리오사AI는 현재 2026-2027년 상장을 목표로 달리고 있습니다. 그런데 무대가 한국(KRX)이 아닐 수도 있습니다.

 

* 나스닥(NASDAQ) 상장설의 배경

최근 업계와 외신에 따르면, 퓨리오사AI는 주관사로 모건스탠리(Morgan Stanley)를 선정하고 나스닥 상장 가능성을 타진하고 있습니다.

  1. 높은 밸류에이션: 미국 시장은 적자 기업이라도 기술력만 확실하면 수조 원의 가치를 인정해 줍니다. (ARM, Astera Labs 사례)
  2. 메타(Meta)의 관심: 2024년 초, 페이스북의 모회사 메타가 퓨리오사AI 인수를 위해 접촉했다는 사실이 알려졌습니다. 이는 실리콘밸리에서도 기술력을 인정받았다는 증거입니다.
  3. 자금 조달 규모: AI 반도체 개발엔 천문학적인 돈이 듭니다. 한국 시장보다는 미국 시장이 대규모 자금 조달에 훨씬 유리합니다.

물론 한국거래소(KRX)는 "K-유니콘의 해외 유출"을 막기 위해 퓨리오사AI를 설득 중입니다. 2026년 상반기, 퓨리오사AI가 어떤 선택을 내릴지가 올해 주식 시장의 최대 관전 포인트가 될 것입니다.

 

 

 

 


6. 결론 및 향후 전망: 위기와 기회 사이

2024년 매출 30억 원, 영업손실 773억 원. 재무제표만 보면 퓨리오사AI는 위태로워 보일 수 있습니다. 하지만 딥테크 기업의 가치는 '현재의 숫자'가 아닌 '미래의 기술'에 있습니다.

2026년은 퓨리오사AI에게 '증명의 해'입니다.

1월부터 시작된 RNGD의 양산 물량이 실제로 글로벌 고객사 데이터센터에 얼마나 깔리느냐가 관건입니다. 만약 LG를 넘어 북미 하이퍼스케일러(구글, MS 등)와의 계약 소식이 들려온다면, 이 회사의 가치는 지금의 1조 원을 넘어 3조, 5조 원으로 퀀텀 점프할 것입니다.

엔비디아라는 골리앗에 맞서는 다윗, 퓨리오사AI. 과연 그 돌팔매(RNGD)가 골리앗의 미간을 맞출 수 있을지, 우리 모두 숨죽여 지켜봐야 할 때입니다.

 

 

 

 


7. 참고 자료

반응형

댓글