•
巨額「收編」Groq，輝達意欲何為？
黃仁勳200億美元買的是Jonathan Ross這個人。
「黃仁勳這200億美元，買的其實就是Jonathan Ross這個人 ，押注在此輝達未來可能會賺回三倍的錢，所以200 億美元實在不算貴。」某投資人近日向雷峰網透露。
2025年12月24日，輝達以其史上最大規模交易額200億美金，將推理晶片獨角獸Groq的核心技術與團隊收入麾下。Groq創辦人、GoogleTPU初代核心開發者Jonathan Ross帶隊加盟輝達，其獨創的LPU晶片技術將融入輝達AI Factory架構。
當下AI產業正從“規模競賽期”轉向“效率價值兌換期”，推理側需求大於訓練側需求已成為普遍共識。
面對推理市場的爆發式成長，Groq的專屬LPU晶片以5-10倍於GPU 的速度優勢，以及1/10的成本優勢，成為異軍突起的核心玩家，而黃仁勳最終還是選擇了將這條攪動市場的鯰魚收入囊中。
這究竟是招安潛在對手的緩兵之計，還是壟斷推理市場的霸權佈局？
01
重金收編的核心是什麼？
2026年CES大會期間，輝達管理層在面向投資者的會議上強調，此次收購Groq不會對核心業務產生衝擊，反而將為公司開闢全新的成長空間。
而這樁被包裝成「非獨家技術授權」的交易，本質是矽谷近年來流行的「收購式招聘」的升級版：用授權的名義實現「人才+技術」的雙收。
瑞銀分析師團隊在研報中直言：“這是一場沒有收購之名的完全收購，輝達用最小的監管風險，獲得了最核心的戰略資產。”
根據披露信息，輝達所支付的200億美元中，130億已即時到帳，剩餘款項中包含核心員工的股權激勵，其中Groq CEO Jonathan Ross個人獲得數億美元輝達股權。團隊核心成員幾乎全員轉入輝達，晶片設計、編譯器開發等核心資產也盡數歸入輝達體系。
「黃仁勳這200億美元買的其實就是Jonathan Ross這個人，因為Jonathan Ross是個非一般意義的天才。如果拿黃仁勳類比傑夫里辛頓（深度學習教父）的話，那Jonathan Ross就要類比伊利亞（OpenAI聯合創始人兼首席科學家）。」苔蘚花園播客主理人、資深募資投資新籌網。
身為Google初代TPU的核心設計者，Jonathan Ross早在2016年Groq成立時就已預判推理將成為規模化難題，並率先提出「推理市場規模終將遠超訓練」。他提前洞悉到推理的核心需求是“低延遲、高能效、低成本”，而不是計算密度。因此他摒棄了GPU架構改良思路，從零打造專為推理設計的LPU架構。
LPU架構完全圍繞著「消除資料搬運延遲」展開，採用無外置記憶體、全片上SRAM作為主記憶體的設計，片上頻寬達80TB/s，是Blackwell B300 的HBM頻寬8TB/s的10倍。
成本方面，Jonathan Ross曾在福布斯獨家專訪中公開聲明，“Groq LPU在LLM推理速度快10倍同時，成本是Nvidia GPU的1/10，功耗是Nvidia GPU的1/10。”
這種集性能與成本優勢於一身的提升，精準擊中了輝達在推理賽道的核心短板，也成為黃仁勳不惜斥資200億果斷出手的關鍵所在。
另一方面，回溯輝達過往的併購佈局便不難發現，這場交易也並非偶然。
2000年，輝達以7,000萬美元+100萬股普通股收購了3dfx核心圖形資產，奠定GPU領域統治基礎；2013年，收購了HPC編譯器龍頭PGI，強化了CUDA生態在高效能運算領域的核心支撐；2019年，以約69億美元收購了Mellanox，全程資料中心網路數據中心。
王韋華認為，「LPU現在已經不是0億美金市場了，但黃仁勳再次早於別人發現了LPU的重要性。輝達現在收購Groq，甚至比2019年收購Mellanox的重要性要更大，這一步直接讓輝達在推理端領先兩三年。雖然在輝達整個數據中心的槓桿作用中佔比大優勢，但只要在經濟上保持巨大推理。
儘管Groq目前的市佔率遠未對輝達構成直接威脅，但它掌握的可重構資料流架構，代表了AI推理的未來方向。輝達此次用200億美元「買斷」這條技術路線，正是「技術補位+生態壟斷」併購策略的延續。
而這種不計短期成本、鎖定長期技術優勢的大手筆操作，底氣完全來自其充沛到近乎「過剩」 的現金流。根據輝達最新財報，光是2026財年Q3，輝達的自由現金流便達到了220.89億美元。
02
為什麼是Groq？
當下，全球僅有兩個團隊掌握TPU架構技術：Google與Groq。
在此之前，Google憑藉TPU訓練出優質模型引發市場關注，導致輝達股價受挫，此次收編補齊了其在TPU架構路線上的短板，在鞏固行業地位的同時為其估值提供了重要支撐。
王韋華表示，「輝達這次押注LPU不單是為了對抗谷歌的TPU，TPU專注於矩陣運算，更多還是強調在訓練方面的優勢。LPU 其實跟TPU 相比的話，更專注於推理這一塊。以後在推理這塊誰能省最多的電？目前在速度上面最有優勢？
身為GoogleTPU的核心締造者，Jonathan Ross深知GPU處理線性代數運算時的架構冗餘，離開Google後他以第一原理為核心，選擇SRAM作為核心儲存、透過編譯器規劃資料路徑，打造低延遲LPU產品，其TPU開發經驗直接決定了Groq「順序延遲優先」的技術路線。從GoogleTPU的靈魂人物，到出走自立門戶成立Groq，過程中的勢力角逐，歡迎加入作者微信 IHAVEAPLANB- 交流。
業內人士告訴雷峰網，TPU架構的運算效率遠超GPU的原因在於，GPU需經歷「運算-傳資料至儲存-讀寫-再運算」的循環，而TPU採用片上儲存直接運算，省去了資料往返儲存的環節，效率極高。
當token的吞吐量效率落地到使用者體驗層面，Jonathan Ross表示，回應時間每縮短100 毫秒，桌面端用戶參與度就能提升8%，行動裝置更是高達34%。業界早已形成共識：當使用者體驗的回應時間控制在250到300毫秒以內時，商業收益才能最大化。
根據Groq 官方訊息，實測數據顯示Groq LPU在運行Llama 3.3 70B模型時，token生成速度達284tokens/s，首token響應時間僅為0.22s，運行混合專家（MoE）模型時更是突破460 tokens/s。
圖片來源：Groq官網
這種極致性能讓Groq斬獲沙烏地王國15億美元業務承諾資金，也讓輝達意識到，要統治推理市場需補齊這一短板。
輝達先前推出的H200、B300等推理優化晶片，本質仍是基於GPU架構的改良，未能突破馮諾依曼架構的先天局限，而谷歌TPU、AMD MI300等競爭對手，均在專用推理架構上持續發力。
更嚴峻的是，Meta、Google等大客戶開始尋求算力供應多元化，Anthropic甚至宣佈接入100萬個谷歌TPU建構計算集群。在此背景下，收購Groq成為輝達快速搶佔推理高地、留住核心客戶的最優解。
「輝達真正擅長的是訓練，在這一領域它是最出色的。輝達既不提供高速的token處理服務，也沒有低成本的token解決方案，這便是Groq要解決的問題。”
在被輝達納入麾下之前，Jonathan Ross曾在播客中公開聲明，輝達與Groq並非競爭對手，二者的產品完全是不同維度的存在。然而事實果真如此嗎？
某機構分析師張簡告訴雷峰網：「輝達要忌憚的，是Groq代表的「去GPU化」技術路線可能引發的產業變革。輝達的霸權建立在「GPU+CUDA生態+HBM/CoWoS稀缺產能「的三重護城河上，而Groq的技術路線恰恰繞開了這三大壁壘：可重構架構無需依賴CUDA生態，採用GlobalFoundries和三星代工，不佔用台積電稀缺的CoWoS產能。”
「一旦這條路線跑通，意味著AI晶片的生產門檻將大幅降低，其他設計公司無需依賴稀缺供應鏈就能大規模生產推理晶片。輝達以200億美元收編Groq，意味著將這條潛在的顛覆路線握在自己手中，確保算力革命的主導權不旁落。”
03
推理市場變天？
「為了成為心血管外科醫生，你不可能花費一生95%的時間接受培訓，真正手術的時間只佔5%。實際情況恰恰相反：你經過短暫培訓，隨後便會用餘生持續實踐這項技能。」對於推理市場未來的演進趨勢，Jonathan Ross曾打過這麼一個比方。
2025年初Deepseek橫空出世時，Jonathan Ross將其稱為AI行業的「斯普特尼克時刻」；當下，推理市場也許將再次進入「斯普特尼克時刻」。
據悉，在收購Groq後輝達會將LPU作為專用的DAC硬體單元嵌入CUDA生態系中，以維持CUDA編程的通用性。短期內，輝達會透過NVFusion快速整合LPU；長期來看，則會在底層架構和編譯器層面實現協同設計，從而滿足效能場景下的高效能需求。
由於推理場景和訓練場景有顯著差異，無法透過單一架構解決所有問題，不同推理場景對大模型的工作負載要求各異，所以推理晶片架構將呈現多樣化，需要針對細分場景進行最佳化。
業界人士爆料，輝達下一代Feynman GPU或將於2028年整合Groq的LPU單元，採用類似AMD X3D方案的獨立晶片堆疊設計，即利用台積電的SoIC混合鍵技術將3D V-Cache晶片整合到主運算晶片上。
可能搭載LPU單元的Feynman晶片，圖片來源：Wccftech
考慮到SRAM的擴展性有限，將其作為單元晶片整合到Feynman GPU中可能並非明智之舉，因為在先進製程上構建SRAM將導致高端矽片的浪費，並大幅增加每片晶圓面積的使用成本，因此輝達很可能會將LPU單元堆疊到Feynman晶片上。
「這樣一來，像A16（1.6奈米）這樣的晶片將用於主Feynman晶片，而獨立的LPU晶片將包含大型SRAM存儲體。此外，為了將這些晶片連在一起，台積電的混合鍵合技術至關重要，因為它能提供更寬的接口，並且與封裝外存儲器相比，每比特能耗更低。
可要做到上述也絕非易事，目前的主要問題仍在於CUDA在LPU風格執行中的行為方式，因為它需要明確的記憶體佈局，而CUDA核心設計初衷是為了實現硬體抽象。對於輝達團隊而言，在AI架構中整合SRAM難度極高，這需要「工程奇蹟」來確保LPU-GPU環境得到充分最佳化。
然而，如果輝達想要主導推理市場，這或許是其願意付出的代價。
本文作者長期聚焦海外To B半導體科技巨頭，更多公司動態、產業邏輯、價值投資訊息，歡迎加入作者微信IHAVEAPLANB-交流探討。(雷峰網)