Nvidia zahlte das Dreifache von Groqs Bewertung im September, um es zu erwerben. Das ist strategisch nuklear. Jedes KI-Labor war von GPUs abhängig, was ein enormes Konzentrationsrisiko darstellt. Google befreite sich mit TPUs für den internen Gebrauch und bewies, dass die Erzählung "Nvidia oder nichts" falsch war. Das zeigte nicht nur die technische Machbarkeit, sondern offenbarte auch, dass Nvidias Schutzschild flacher war, als die Märkte glaubten. Wenn ein Hyperscaler erfolgreich maßgeschneiderte Siliziumchips entwickelt, beginnen alle anspruchsvollen Käufer zu rechnen: "Sollten wir unser eigenes bauen?" Das verringert Nvidias TAM. Jonathan Ross (Gründer von Groq) ist der Erfinder von TPU. Er verstand die architektonischen Prinzipien, die eine nicht-GPU-basierte KI-Beschleunigung möglich machten. Seine LPU-Architektur zielte auf Inferenzlasten ab, bei denen GPUs tatsächlich überdimensioniert sind. Das ist wichtig, weil Inferenz langfristig das große Geld bringt. Training ist einmalige Investitionsausgaben, aber Inferenz sind wiederkehrende Betriebskosten, die mit der Nutzung skalieren. Wenn Groq bewies, dass LPUs wettbewerbsfähige Preis-Leistungs-Verhältnisse bei Inferenz erreichen können, würde jeder Cloud-Anbieter seine Architektur als White-Label anbieten. Nvidia würde in "nur Training" gedrängt werden und den Einkommensstrom verlieren. Es ist sicher, dieses Geschäft als Nvidias Versicherung gegen Groq zu sehen, das ein ganzes Ökosystem von Nvidia-Alternativen ermöglicht. Aber was interessanter ist, ist der sekundäre Effekt, die Kundenbindung. Jetzt besitzt Nvidia sowohl den etablierten Standard (CUDA + GPU) als auch die glaubwürdigste alternative Architektur (LPUs). Das ist strategisch auf dem Niveau von MSFT, das Github kauft. Jedes KI-Labor, das "bauen vs kaufen vs alternativer Anbieter" evaluiert, sieht sich jetzt Folgendem gegenüber: - Option A (Nvidia GPUs) - Option B (Nvidia <> Groq LPUs) - Option C (von Grund auf neu beginnen) Ein wettbewerblicher Bedrohung in ein Kunden-Segmentierungswerkzeug zu verwandeln, ist Jensens Meisterwerk. Sie können jetzt Preisdiskriminierung anwenden: Premium-Kunden zahlen für GPUs, preissensible Inferenz wird zu LPUs geleitet, und Nvidia erfasst beides. Wenn Nvidia LPUs nicht in seinen Fahrplan integriert, war dies ein rein defensives Spiel. Wenn sie es integrieren und beginnen, "GPU für Training, LPU für Inferenz"-Pakete anzubieten, wird dies zu einer klassischen Akquisition zur Erweiterung des Schutzschilds. Das teuerste in der Technologie ist nicht, die Zukunft zu bauen, sondern zu verhindern, dass jemand anderes eine Zukunft ohne dich aufbaut.