Nvidia 為了收購 Groq 支付了 3 倍於其九月估值的價格。這在戰略上是核級的。 每個 AI 實驗室都依賴 GPU，這造成了巨大的集中風險。Google 透過內部使用 TPUs 擺脫了這一局面，證明了「Nvidia 或者什麼都沒有」的說法是錯誤的。這不僅展示了技術的可行性，還揭示了 Nvidia 的護城河比市場認為的要淺。當一個超級雲端服務商成功地構建自定義矽片時，每個成熟的買家都會開始進行「我們應該自己建造嗎？」的計算。這會降低 Nvidia 的總可尋址市場（TAM）。 Jonathan Ross（Groq 的創始人）是 TPU 的發明者。他理解使非 GPU AI 加速可行的架構原則。他的 LPU 架構針對的是推理工作負載，而 GPU 實際上在這方面過度設計。這很重要，因為推理是長期內真正賺錢的地方。訓練是一次性的資本支出，但推理是隨著使用而增長的經常性運營支出。如果 Groq 證明 LPU 能在推理上達到競爭性的性價比，每個雲服務提供商都會將其架構進行白標化。Nvidia 將被擠壓到「僅僅訓練」的境地，同時失去年金流。 可以安全地將這筆交易視為 Nvidia 在保險 Groq 使整個 Nvidia 替代生態系統成為可能。但更有趣的是第二級效應，即客戶鎖定。現在，Nvidia 擁有了既有標準（CUDA + GPU）和最具可信度的替代架構（LPU）。這是 MSFT 購買 Github 級別的戰略。任何評估「建造 vs 購買 vs 替代供應商」的 AI 實驗室現在面臨： - 選項 A（Nvidia GPU） - 選項 B（Nvidia <> Groq LPU） - 選項 C（從頭開始） 將競爭威脅轉變為客戶細分工具，Jensen 是交易的大師。他們現在可以進行價格歧視：高端客戶為 GPU 付費，對價格敏感的推理則被引導到 LPU，Nvidia 同時捕獲兩者。 如果 Nvidia 不將 LPU 整合到其路線圖中，這將是一個純粹的防禦性行動。如果他們確實整合並開始提供「訓練用 GPU，推理用 LPU」的捆綁服務，這將成為一本教科書式的擴大護城河的收購。 科技中最昂貴的事情不是建造未來，而是防止其他人建造沒有你的未來。