Nvidia 为收购 Groq 支付了 3 倍于其 9 月估值的价格。这是战略上的核武器。 每个 AI 实验室都依赖 GPU，造成了巨大的集中风险。谷歌通过内部使用 TPU 摆脱了这种依赖，证明了 "Nvidia 或者没有" 的叙述是错误的。这不仅展示了技术的可行性，还揭示了 Nvidia 的护城河比市场认为的要浅。当一个超大规模云计算公司成功构建定制硅片时，每个复杂的买家都会开始进行 "我们是否应该自己构建？" 的计算。这降低了 Nvidia 的总可寻址市场（TAM）。 Jonathan Ross（Groq 的创始人）是 TPU 的发明者。他理解使非 GPU AI 加速可行的架构原则。他的 LPU 架构针对的是推理工作负载，而 GPU 在这方面实际上是过度设计的。这一点很重要，因为推理是长期内真正赚钱的地方。训练是一次性资本支出，但推理是随着使用而递增的经常性运营支出。如果 Groq 证明 LPU 在推理上能够达到具有竞争力的性价比，每个云服务提供商都会将其架构进行白标化。Nvidia 将被挤压到 "仅仅训练" 的境地，同时失去年金流。 可以安全地将这笔交易视为 Nvidia 在为 Groq 使整个 Nvidia 替代生态系统提供保障。但更有趣的是第二阶效应，即客户锁定。现在，Nvidia 同时拥有了现有标准（CUDA + GPU）和最可信的替代架构（LPU）。这就像微软收购 Github 一样具有战略意义。任何评估 "构建 vs 购买 vs 替代供应商" 的 AI 实验室现在面临： - 选项 A（Nvidia GPU） - 选项 B（Nvidia <> Groq LPU） - 选项 C（从头开始） 将竞争威胁转变为客户细分工具，Jensen 是交易的高手。他们现在可以进行价格歧视：高端客户为 GPU 付费，价格敏感的推理则被引导到 LPU，Nvidia 捕获了两者。 如果 Nvidia 不将 LPU 纳入其路线图，这只是一次纯粹的防御性举措。如果他们确实整合并开始提供 "用于训练的 GPU，推理的 LPU" 套餐，这将成为一本教科书式的护城河扩展收购。 技术中最昂贵的事情不是构建未来，而是防止其他人没有你而构建未来。