英伟达与Groq达成技术授权及人才吸纳协议 - 英伟达与AI芯片独角兽Groq达成一项非独家授权协议，获得使用Groq推理技术的许可 [4] - 作为协议的一部分，Groq联合创始人Jonathan Ross、总裁Sunny Madra及团队其他成员将加入英伟达 [4] - 英伟达创始人兼CEO黄仁勋明确表示，公司并未收购Groq，但计划将Groq的低延迟处理器集成到其AI工厂架构中 [9] - 据Groq投资方之一Disruptive的CEO透露，英伟达同意以200亿美元（约合1402亿元人民币）现金收购Groq的资产，但此价格未获交易双方确认 [7][38] Groq公司背景与财务状况 - Groq由前谷歌TPU团队成员于2016年创立，专注于云端AI推理芯片研发 [11][15] - 公司在2024年9月完成7.5亿美元（约合53亿元人民币）融资，估值达69亿美元（约合484亿元人民币） [15] - Groq大幅下调业绩预期，将2025年预计营收从20亿美元（约合140亿元人民币）削减至5亿美元（约合35亿元人民币），下调超过15亿美元（约合105亿元人民币） [16] - 公司2023年收入为9000万美元（约合6亿元人民币），并告知投资者其2026年收入将增至近12亿美元（约合84亿元人民币），2027年将超过19亿美元（约合133亿元人民币） [16] Groq的LPU芯片核心技术特点 - Groq研发的定制AI推理芯片LPU，声称能以比GPU更快的速度运行大语言模型，架构层面能效最高可比GPU提升10倍 [21] - LPU采用格芯14nm工艺制造，并向4nm工艺迈进 [21] - LPU设计遵循四大核心原则：软件优先、可编程流式架构、确定性计算和网络、片上存储器 [23] - 软件优先原则体现在先完成编译器架构设计，再进行芯片设计，以简化开发并赋予开发人员更多控制权 [23] - 可编程流式架构支持芯片内及芯片间的流水线式高效数据传输 [24] - 确定性架构使每个执行步骤可精确到最小时钟周期，数据流由软件在编译期间静态调度 [28] - 片上存储器采用SRAM，内存带宽高达80TB/s以上，而GPU片外HBM带宽约为8TB/s，仅此差异可使LPU速度提升高达10倍 [28] 行业趋势：科技巨头通过“非收购”方式获取人才与技术 - 英伟达此次操作并非个例，其在2024年9月曾斥资超过9亿美元（约合63亿元人民币）聘请AI硬件初创公司Enfabrica的CEO及员工并获得技术许可 [30] - 亚马逊、Meta、谷歌、微软等科技巨头过去两年也通过类似许可协议聘请顶尖人才 [32] - 例如，亚马逊聘请了AI初创公司Adept的几位联合创始人并达成技术授权协议，约1/3员工随之加入 [33] - 谷歌以27亿美元（约合189亿元人民币）的收购协议挖走AI创企Character.AI的联合创始人及核心技术团队 [34] - Meta斥资近150亿美元收购AI数据标注公司Scale AI 49%股权，其联合创始人兼CEO加入Meta [35] - AMD将加拿大AI芯片创企Untether AI的整个工程团队吸纳到公司内部 [36] - 谷歌斥资24亿美元（约合168亿元人民币）挖走AI代码生成创企Windsurf的CEO、联合创始人及部分成员，并支付24亿美元（约合172.2亿元人民币）作为技术许可费 [36] 欧美AI芯片创业生态演变 - 曾被称作“欧美AI芯片四小龙”的公司命运各异：Graphcore被软银收购，Cerebras撤回上市申请，SambaNova被曝与英特尔谈判卖身，Groq联合创始人及高管加入英伟达 [11] - 这反映出在欧美市场，AI芯片作为独立创业形态可能面临阶段性终结 [12] - 与此同时，中国AI芯片产业呈现繁荣景象，寒武纪、摩尔线程、沐曦股份等公司稳居科创板市值榜前列，更多企业正在赶考IPO [12] - 大公司对AI推理芯片创企的收购正在升温，例如恩智浦以3.07亿美元（约合22亿元人民币）收购Kinara，Meta被曝计划收购FuriosaAI和Rivos等 [46] - AI芯片竞争重点从算力转向可部署、可交付、可控成本的工程问题，推理规模爆发式增长推动大公司吸收多元技术思路和人才 [46][47] 英伟达的战略布局与行业影响 - 英伟达现金储备充裕，截至2024年10月底拥有606亿美元（约合4250亿元人民币）的现金和短期投资，高于2023年初的133亿美元（约合933亿元人民币） [41] - 公司持续加大对芯片初创公司及更广泛生态系统的投资，投资网络涵盖OpenAI、xAI、Mistral AI等AI独角兽以及CoreWeave、Lambda等AI基础设施公司 [42] - 英伟达通过将新型LPU等技术融入其产品矩阵，展现出灵活应变、不断补充技术血液的策略 [51] - 随着科技大厂自主研发底层硬件增多，行业竞逐构建更强计算基础设施，AI推理将成为AI商用的主要算力消耗和利润压力来源 [51] - 英伟达长期致力于构建完备的AI计算产品体系，提前将各种有利的技术方向纳入自身能力池，其生态控盘能力难以被复制 [51]