Nvidia ha pagato 3 volte la valutazione di settembre di Groq per acquisirlo. Questo è strategicamente nucleare. Ogni laboratorio di AI era dipendente dalle GPU, creando un enorme rischio di concentrazione. Google si è liberato con i TPU per uso interno, dimostrando che la narrativa "Nvidia o niente" era falsa. Questo non ha solo dimostrato la fattibilità tecnica, ma ha rivelato che il vantaggio competitivo di Nvidia era più superficiale di quanto i mercati credessero. Quando un hyperscaler costruisce con successo silicio personalizzato, ogni acquirente sofisticato inizia a fare calcoli su "dovremmo costruire il nostro?". Questo riduce il TAM di Nvidia. Jonathan Ross (fondatore di Groq) è l'inventore del TPU. Ha compreso i principi architettonici che hanno reso possibile l'accelerazione AI non basata su GPU. La sua architettura LPU mirava a carichi di lavoro di inferenza dove le GPU sono effettivamente sovradimensionate. Questo è importante perché l'inferenza è dove ci sono i veri guadagni a lungo termine. L'addestramento è un capex una tantum, ma l'inferenza è un opex ricorrente che scala con l'uso. Se Groq dimostrasse che le LPU potrebbero raggiungere un rapporto prezzo-prestazioni competitivo nell'inferenza, ogni fornitore di cloud etichettarebbe la propria architettura. Nvidia verrebbe schiacciata in "solo addestramento" mentre perde il flusso di rendita. È sicuro vedere questo accordo come Nvidia che si assicura contro Groq che abilita un intero ecosistema di alternative a Nvidia. Ma ciò che è più interessante è l'effetto di secondo ordine, i lock-in dei clienti. Ora, Nvidia possiede sia lo standard di riferimento (CUDA + GPU) che l'architettura alternativa più credibile (LPU). Questo è strategicamente simile all'acquisto di Github da parte di MSFT. Qualsiasi laboratorio di AI che valuta "costruire vs comprare vs fornitore alternativo" ora si trova di fronte a: - Opzione A (GPU Nvidia) - Opzione B (Nvidia <> LPU Groq) - Opzione C (partire da zero) Trasformando una minaccia competitiva in uno strumento di segmentazione dei clienti, Jensen è il maestro delle trattative. Possono ora discriminare i prezzi: i clienti premium pagano per le GPU, l'inferenza sensibile al prezzo viene canalizzata verso le LPU, e Nvidia cattura entrambi. Se Nvidia non integra le LPU nella sua roadmap, questa è stata una pura mossa difensiva. Se le integrano e iniziano a offrire pacchetti "GPU per l'addestramento, LPU per l'inferenza", questa diventa un'acquisizione che amplia il vantaggio competitivo secondo i testi. La cosa più costosa nella tecnologia non è costruire il futuro, ma prevenire che qualcun altro costruisca un futuro senza di te.