Nvidia zapłaciło 3 razy wycenę Groq z września, aby je przejąć. To jest strategicznie nuklearne. Każde laboratorium AI było zależne od GPU, co stworzyło ogromne ryzyko koncentracji. Google uwolnił się dzięki TPU do użytku wewnętrznego, udowadniając, że narracja "Nvidia lub nic" była fałszywa. To nie tylko pokazało techniczną wykonalność, ale ujawniło, że fosa Nvidia była płytsza, niż sądziły rynki. Kiedy hyperskaler skutecznie buduje niestandardowy krzem, każdy zaawansowany nabywca zaczyna przeprowadzać obliczenia "czy powinniśmy zbudować własny?". To obniża całkowity rynek adresowalny (TAM) Nvidia. Jonathan Ross (założyciel Groq) jest wynalazcą TPU. Zrozumiał zasady architektoniczne, które uczyniły przyspieszenie AI bez GPU wykonalnym. Jego architektura LPU była skierowana na obciążenia inferencyjne, gdzie GPU są w rzeczywistości nadmiernie zaprojektowane. To ma znaczenie, ponieważ inferencja to miejsce, gdzie długoterminowo są prawdziwe pieniądze. Szkolenie to jednorazowy wydatek kapitałowy, ale inferencja to powtarzające się wydatki operacyjne, które rosną wraz z użytkowaniem. Jeśli Groq udowodniło, że LPU mogą osiągnąć konkurencyjny stosunek ceny do wydajności w inferencji, każdy dostawca chmurowy mógłby białą etykietą oznaczyć swoją architekturę. Nvidia zostałaby wciśnięta w "tylko szkolenie", tracąc strumień dochodów. Bezpiecznie jest postrzegać tę umowę jako zabezpieczenie Nvidia przed tym, że Groq umożliwi stworzenie całego ekosystemu alternatyw dla Nvidia. Ale to, co jest bardziej interesujące, to efekt drugiego rzędu, blokady klientów. Teraz Nvidia posiada zarówno standard incumbent (CUDA + GPU), jak i najbardziej wiarygodną alternatywną architekturę (LPU). To jest strategiczne na poziomie zakupu Github przez MSFT. Każde laboratorium AI oceniające "budować vs kupić vs alternatywny dostawca" teraz staje przed: - Opcja A (GPU Nvidia) - Opcja B (Nvidia <> Groq LPU) - Opcja C (zacząć od zera) Przekształcając zagrożenie konkurencyjne w narzędzie segmentacji klientów, Jensen jest mistrzem handlu. Mogą teraz stosować dyskryminację cenową: klienci premium płacą za GPU, wrażliwa na cenę inferencja jest kierowana do LPU, a Nvidia zdobywa obie grupy. Jeśli Nvidia nie zintegrowała LPU w swojej mapie drogowej, to była to czysto defensywna gra. Jeśli zintegrować to i zacząć oferować pakiety "GPU do szkolenia, LPU do inferencji", to staje się to podręcznikowym przejęciem poszerzającym fosę. Najdroższą rzeczą w technologii nie jest budowanie przyszłości, ale zapobieganie temu, by ktoś inny zbudował przyszłość bez ciebie.