Transcription
大家好，这里是最佳拍档。
这个圣诞节，英伟达和AI芯片初创公司Groq达成了一笔重磅交易，涉及金额高达200亿美元，折合人民币1405亿元。这也是英伟达历史上最大的一笔收购。
根据Groq的官方声明，这次交易的核心内容是英伟达获得了Groq推理技术的授权。Groq的创始人兼CEO Jonathan Ross、总裁Sunny Madra以及其他高管将加入英伟达，协助推动授权技术的落地。与此同时，Groq还将继续作为独立公司运营，新的CEO由现任CFO Simon Edwards担任。
这听起来似乎只是一场普通的技术合作。但是，Groq的投资方、Disruptive公司的CEO Alex Davis却表示，英伟达将获得Groq几乎所有的资产，只有初具规模的云计算业务GroqCloud不在这次的交易范围内。很显然，这是一笔典型的Acqui-hire（人才收购），也就是不买公司外壳，但是拿走技术、专利和最关键的人才。
那么，英伟达为什么要花200亿美元重金收购Groq呢？这还要从Groq的来头说起。
Groq成立于2016年，创始人Jonathan Ross的履历相当传奇。他高中辍学，大学也没读完，却在谷歌设计出了第一代TPU芯片的核心架构。而TPU是谷歌为AI计算自研的芯片，被市场视为英伟达GPU在AI领域最重要的竞争对手之一。2016年，Ross带着TPU团队10位核心成员中的7位集体出走，创立了Groq这家公司。
Groq从一开始就做了一个极其明确、甚至有些反主流的选择，那就是不和英伟达拼训练算力，只做AI推理。Groq的名字来源于Grain of Quantum（量子之粒），既在暗指要搞定量子级别的海量数据，也在宣告在芯片领域里，小体量也能有大杀器。
Groq的核心杀手锏是专门为AI推理设计的ASIC芯片LPU。和英伟达的GPU相比，LPU在处理大语言模型的推理时，能做到更低的延迟、更高的吞吐量。这对英伟达、AMD和英特尔等传统GPU制造商构成了巨大的挑战。
为了实现规模化的推理，Groq还设计了可扩展的分布式系统，能够将数千个LPU芯片互联，让计算流持续在芯片间流动，从而避免了传统架构里因为频繁访问外部内存带来的能耗与延迟。得益于架构方面的优化，LPU的单位token能耗可以降低到普通GPU的三分之一左右。
2024年，Ross曾经公开表示，AI推理的成本高昂，Groq因此专门为大模型提供了超快、更便宜的芯片选择。当时他宣称，到今年年底，Groq很可能会成为大多数初创公司使用的基础设施，而且价格非常友好。
而这也正是英伟达的结构性短板。根据投资方透露，在被英伟达接洽的时候，Groq其实并没有出售的打算。今年9月，Groq刚完成了7.5亿美元的融资，估值达到69亿美元，投资方包括贝莱德、三星、思科等等。Groq今年的营收目标是5亿美元，正处于高速的增长期。
根据CNBC报道，黄仁勋在英伟达的内部邮件中点名了这次交易的战略意图，那就是计划将Groq的低延迟处理器整合到英伟达的AI工厂架构中，从而服务更广泛的AI推理和实时工作负载。翻译成大白话就是，Groq的核心技术将成为英伟达生态的一部分。至于Groq这家公司本身，只留下了云业务继续运营。这既不影响英伟达的战略，也避免了直接并购可能引发的反垄断风险。
而对于英伟达来说，这次交易不光是拿下了一项关键技术，也是把潜在的挑战者变成了自己体系里的一个模块。截至到2025年10月底，英伟达手中持有的现金以及短期投资规模已经达到了606亿美元，相比2023年初的133亿美元，翻了近5倍。这也为英伟达的大手笔投资提供了充足的弹药。
巧合的是，2025年9月底，科技播客20VC的主持人Harry Stebbings与Groq的创始人Jonathan Ross进行了一场将近90分钟的对话。Ross在对话中反复强调，我们不会做模型，也坦承可能会被客户吞并。他详细解释了为什么自建芯片几乎注定失败，为什么英伟达的护城河，不在CUDA而在HBM供应链，以及为什么Groq能做到6个月的交付周期，这才是真正的差异化。
如今三个月后的收购，让这期对话有了一些特殊的意义。所以今天我们也顺带回顾一下这场对话的主要内容，也许能够一窥这次收购背后的逻辑脉络。
Ross在对话开场，就抛出了一个判断，他认为，当前AI公司最大的瓶颈不是模型，而是算力。如今，OpenAI和Anthropic最大的瓶颈其实是速率限制，导致用户拿不到足够的token。如果这些公司有更多算力，就能产出更多token，就能收更多的钱，甚至翻倍。
主持人追问道，能解释一下吗？怎么会翻倍呢？Ross的回答是，算力决定了你能服务多少用户以及服务到什么质量。OpenAI的聊天服务，如果跑得慢一点，用户的参与度就会下降。
这也是OpenAI宣布推出限量高价产品的原因，因为他们想看看当投入更多的算力时，产品会变成什么样，能好多少。他认为，AI和SaaS的逻辑完全不同。SaaS产品的质量是由工程师决定的，而AI不一样，你可以跑两个实例，然后选择更好的答案，甚至可以给高价值的客户更多算力，让结果更好。也就是说，用户能直接用钱买到更好的产品质量。
很多人可能会觉得，AI的响应速度够用就行了，等几秒钟也无所谓。但是Ross说，这个判断是完全错误的。他用消费品行业来做类比，如果我们把消费品按利润率排序，那么最高的应该是烟草，其次是嚼烟，再次是软饮料，往下是水和其他产品。所以，决定利润率的核心变量是什么呢？答案是，成分作用于人体的速度。多巴胺循环的越快，品牌的黏性就越强。
他引用了一个数据，每100毫秒的加速会带来大约8%的转化率提升，这是Google和Facebook早年就验证过的规律，也是Google一直在强调速度的原因。Ross说，Groq刚开始做速度优化的时候，有人看了演示视频问，为什么需要比你的阅读速度还快呢？他反问道，为什么网页加载需要比你的阅读速度还快呢？所以他指出，人们很不擅长判断究竟是什么在真正影响参与度和结果。但是Groq从早期互联网公司的建设中，学到了这一点。
主持人又问他，现在的AI是不是泡沫呢？Ross说，如果一个问题你反复问，却得不到答案，也许应该换个问题。所以，与其问有没有泡沫，不如问问，聪明钱都在做什么。比如，Google在做什么？微软在做什么？亚马逊在做什么？一些国家在做什么？他们都在加倍的投入AI。每次宣布投资额之后，下一次都会更高。
他讲了一个例子，微软有一个季度部署了大量的GPU，然后宣布不会把它们放到Azure上出租，因为自己用，比租出去能赚更多的钱。这就是Ross相信的市场里有真金白银。他在阿布扎比参加高盛峰会的时候，台下坐的都是管理100亿美元以上资产的基金经理。他问了在场所有人一个问题，你们有谁100%的确信10年后的AI做不了你们的工作吗？没有人举手。
所以Ross说，这 त्याचा是超大规模厂商们的感受。他们当然要像醉酒水手一样花钱，因为另一个选择是被完全踢出局。这已经不是一个纯经济的框架了，而是自己还能不能保住领导地位的问题。他还补充说，要想留在七巨头的位置上，你就必须持续投入。而这些公司的股价能一直维持在高位，部分原因就是因为它们在这前七名里。所以说，这其实是一个自我强化的循环。
主持人接着问，OpenAI会不会自建芯片，做垂直整合呢？英伟达难道不担心吗？Ross的回答，充满了工程师的冷静。他说，如果我今天再创业，肯定不会做芯片了，因为时机已经不在了。从芯片的设计到投产，即使是执行完美的情况下，最快也得要三年。英伟达通常也需要3年到4年，只是多条产品线并行而已。更残酷的是，首次流片的成功率只有14%。也就是说，86%的概率你需要重新来过。
他回忆道，自己当时做V2芯片的时候，已经预约好了重新流片的时间，结果第一次就成功了，连他们自己都被震惊了。但是，这种几率太小了。Ross说，大家都以为造芯片最难的是硬件，其实你做过才会知道，软件更难。再做下去又会发现，跟上市场的演进方向，才是最难的。
如果你是一名在位者，提前两年规划是没问题的，因为大家都在为你的硬件来设计模型。但是，如果你是一名新进入者，没人会为你还没出来的芯片设计模型。所以你必须有更快的迭代循环。而现实情况是，Groq做到了一年一代芯片，V2之后一年是V3，再一年是V4。
他还提到了Sarah Hooker的论文《硬件彩票》，这篇论文的核心观点是，人们只为现有的硬件设计模型，因此，即使可能存在比Attention更好的架构，但是Attention在GPU上跑得好，所以它就成了标准。
Ross还讲了一个Google的故事。当时AMD还在市场上挣扎，Google却建了10000台AMD的服务器。他去参观实验室的时候，看到工程师们把服务器从机架上拉出来，把AMD的芯片拔下来，扔进垃圾桶。他说，大家都知道那一代的Intel会赢，那Google为什么还要建10000台AMD的服务器呢？因为他们想在Intel那里拿到更好的折扣。所以，自建芯片的动机，不一定是真的要用那个芯片。
很多人会以为CUDA是英伟达的护城河，但是Ross说，这只是对训练成立，对推理不成立。他认为，真正的护城河应该在供应链，具体来说，就是HBM。
Ross解释了一个概念，买方垄断（monopsony）。Monopoly是卖方垄断，monopsony是反过来的，指的是，你是唯一的大买家，所以你能够控制供给。英伟达的GPU本身，用的工艺其实和手机芯片是一样的。如果他们想，一年其实可以造出来5000万颗GPU die，但是今年大概只造了550万颗。为什么呢？因为HBM的产能有限，导致中介层的产能也有限。
他举了个例子，当一家超大规模云服务商对英伟达说，给我100万颗GPU。英伟达会说，抱歉，还有其他客户。服务商说，没关系，我自己造。然后英伟达神奇地就找到了货给这家服务商。他想表达的是，自建芯片真正给你的不是芯片本身，而是掌控自己命运的能力。因为英伟达没法告诉你配额是多少。虽然自建芯片可能会更贵，也不会像英伟达那么好，但是Ross解释了为什么这点差距在系统总成本里，可能微不足道。
他说，如果芯片只占系统总成本的20%，那么芯片的性能提升20%，整个系统的价值就会提升20%。但是芯片成本只增加了20%的20%，也就是4%。这就是为什么小的性能优势能够带来巨大的价值差异，也是为什么英伟达即使只比AMD好一点点，也能主导市场的原因。
当然，HBM供应商也有着自己的算计。由于HBM的利润率极高，所以他们不愿意增加产能，因为供给增加，利润率就会下降。同时产能的建设，需要提前至少两年下单付款。即使有英伟达的现金流，也很难押注那么远的需求曲线。
接下来的部分，这可能是整期访谈中最关键的关于差异化的解释。Ross说，他跟一家超大规模云服务商的基础设施负责人开会，讲了速度、成本等等各种优势，对方都没太在意。但是当他提到自己能做到6个月的供应链时，对方直接暂停了对话，只想深挖这一点。显然，这是他唯一关心的事。
为什么会有这个差异呢？原因在于Groq的LPU架构不依赖于HBM，使用的是片上SRAM（静态随机存取存储器）。这也是大家最常会问到的问题，SRAM不是比DRAM贵吗？Ross解释说，SRAM每比特大约比DRAM贵3到4倍，因为SRAM需要6到8个晶体管，而DRAM只需要1个晶体管加1个电容。而且SRAM部署在更先进的制程上，每单位的面积成本更高。综合下来可能会贵10倍。
但是，这只是从芯片的视角来看。如果用系统的视角来看，就会发现，当Groq跑一个像Kimi这样的模型时，需要用4000颗芯片。而GPU跑同样的模型，可能只需要用到8颗。但是这意味着GPU那边有500份模型拷贝，用了500倍的内存容量。所以，即使SRAM每比特贵了10倍，但是他们用了500倍的内存量，因此系统总成本算下来，Groq反而会更便宜。
Ross说，他们现在是在从全球视角看问题。Groq有13个数据中心，分布在美国、加拿大、欧洲、中东。他们会根据不同地区的需求，在不同数据中心部署不同模型的不同编译优化版本。因此，他们是在世界级别做负载均衡，而不只是数据中心级别。
他还讲了一个两周前的真实案例，有客户来找他们，要5倍于全部产能的算力。他们从任何一家云服务商都拿不到，从任何人那里都拿不到。Groq也给不了，没有人能给。也就是说，市场不是有没有需求的问题，而是产能根本不够的问题。
在访谈中，Ross还谈到了中美AI发展路径的差异。其中有一个判断值得我们注意。当DeepSeek等国产模型发布的时候，业界关注的焦点都是在训练成本的突破。但是Ross认为，这背后其实是不同的优化方向选择。他的判断是，中国模型的运行成本大约是美国模型的10倍，因为中国模型优化的是训练成本，而美国模型优化的是推理成本。
那为什么API价格反而会更低呢？Ross认为，这其实是定价策略的差异，不能把价格和成本混为一谈。当你是某个特定模型的唯一提供者时，你在封闭市场里其实是可以灵活定价的。需要注意的是，训练是一次性的投入，要摊销到每次推理上。如果推理量巨大、算力充裕，降低单次推理成本的收益就会更高。如果算力受限，那 উৎকৃষ্ট需要先把训练效率做到极致、让模型跑起来更加务实。所以，他的思路是，由于芯片的获取受限，中国团队在有限的算力下，把训练效率做到了极致，这是约束条件下的理性选择。
Ross还提到，中国正在建设大量的核电站，从能源侧为AI算力做长期的准备。当能源不再是瓶颈的时候，算力约束的逻辑就会发生变化。
比起中国，Ross对欧洲的诊断则非常直接。他说，问题不是资源，是恐惧。他还说了一个让主持人惊讶的判断，那就是美国比欧洲更厌恶风险。但是他马上解释道，风险有两种，一种是犯错的风险（做了某事，结果是错的），另一种是错过的风险（没做某事，结果错过了机会）。而美国害怕的，是错过的风险。在高增长经济体里，错过比犯错代价更大。而欧洲害怕的是犯错的风险。
他说，欧洲试图通过立法来进行竞争，比如要求数据的本地化、隐私保护等等。但是，这解决的是别人控制我的风险，解决不了我没有足够算力的问题。所以，如果欧洲想竞争AI，其实可以直接在挪威部署大量的风力发电，因为挪威的风力利用率是80%，配合水电，光这一个国家就能提供相当于整个美国的电力。
他还说，欧洲还有大量的潜在能源没有开发。更何况，沙特阿拉伯也在建设数据中心，有吉瓦级别的电力。欧洲为什么不和沙特合作，利用他们的数据大使馆的概念，在主权监管下使用对方的能源呢？
关于核能，Ross说他在欧洲基本不提这个，因为大家会本能的抗拒。但是日本正在重启核电站。他还提到一个数据，在美国建核电站，许可证费用是电站本身的3倍，而欧洲可能会更糟。其实，法国知道怎么建核电站，韩国也知道。Ross建议，还不如来一个能源领域的曼哈顿计划。
主持人问，如果欧洲不行动会怎样呢？Ross回答，那么欧洲经济就会变成旅游经济，人们只是来看看古老建筑，仅此而已。如果你没有新经济所依赖的资源，那么就没有办法在新的经济中竞争。而新的经济就是AI，它建立在算力之上。简单来说，控制算力，就能控制AI。没有能源，就没有算力。
聊到对AI经济影响的判断，Ross的观点也与主流叙事完全相反。主流媒体都在担心AI会导致大规模的失业。但是Ross说，他认为AI会导致大规模的劳动力短缺，也就是说，没有足够的人来填补将要创造的工作岗位。
他预测AI会带来三重效应。第一层，大规模的通缩压力。咖啡会更加便宜，住房会更加便宜，一切都会更加便宜。主持人不解的问，咖啡怎么会更便宜呢？Ross回答，因为机器人农业会更加高效，供应链管理会优化，甚至可以通过基因工程改造咖啡豆让每瓦阳光产出更多。整个产业链的成本都会下降。
第二层，人们会退出劳动力市场，因为工作时间减少了，每周工作的天数也会减少，退休也会更早，因为维持生活水平需要的工作量下降了。
第三层，新工作和新产业的涌现。100年前，美国98%的劳动力在农业，现在只有2%。那这98%的人去做什么了呢？答案就是做100年前根本无法想象的工作，比如软件工程师、网红。所以Ross认为，100年后，软件工程师这个职业也会消失，但是会以不同的方式消失，因为那时人人都会vibe coding了。
他还解释了AI经济学与工业革命的本质区别。他认为，工业革命时期，能源不够用，还需要机器来转化。如果想让更多的汽车上路，光挖更多的石油还不够，还得造汽车。而AI不一样，如果把算力翻倍，那么用户数就会翻倍，产品质量还会得到提升。所以直接加算力就行，没有中间环节。
在经济中，最有价值的无疑是劳动力。而现在我们可以通过生产更多的算力和更好的AI，向经济中增加更多的劳动力。这在历史上是从未发生过的。
为了具体说明这一点，Ross讲了一个公司内部的案例。有一次客户来访，提了一个功能需求。Ross做了一个非常high level的规范说明，四个小时后，这个功能就上线生产环境了。没有一行人类写的代码，也没有人类做调试，全是提示工程。他们甚至通过Slack来做代码提交。他说，再想象一下，也许6个月后，这件事在和客户的会议结束前就能完成了。这就不只是省钱的问题了，而是质的不同。当你 ক্ষমতা做到那么快的时候，你能赢得竞争对手赢不了的单子。
主持人问，Vibe Coding会是一个持久的市场吗？还是只是一个过渡期的现象呢？Ross用读写的类比进行了回答。他说，读写曾经是一项专业技能。如果你是抄写员，你是少数会读写的人。人们雇佣你就是为了记录东西，你会比普通人过得好，因为这是稀缺技能。但是现在，人人都会读写了，这已经不是一项特殊技能了，而是每份工作的基本要求。编程也正在经历同样的转变，以后做市场的要会编程，做客服的也要会编程。
Ross说，他们有些实习生特别擅长vibe coding。他还提到一个开连锁咖啡店的朋友，从来没有写过代码，但是自己用vibe coding做了一个供应链的库存管理工具。更有意思的是，他发现了软件工程师都会发现的问题，比如员工反馈说，这个功能不正常，那个极端情况没处理。然后他就用vibe coding一个个的修复。
关于利润率，也就是margin，主持人问Ross怎么看。Ross说了一个反直觉的观点，他希望Groq的利润率尽可能的低，只要业务保持稳定就行。他解释了利润率的两个功能：第一，稳定性。如果你的利润率很薄，市场一波动你可能就撑不住了。第二，竞争壁垒。但是反过来说，对手的利润率就是自己的机会，因为高利润率会吸引更多的竞争者。
Ross说他面试过一个CFO的候选人，对方建议定价应该让供给匹配需求，也就是提价到需求下降为止。这从经济学角度来说很合理。但是从逻辑上说，为什么不把你的品牌价值变现呢？为什么不利用客户的信任，卖给他们不那么好的东西？Ross认为，品牌和客户信任是有价值的，而信任会生出利息。但是，当你收取高利润率的时候，你和客户是对立的。所以，他给Groq定的策略是，利润率尽可能的低，同时通过增加销量来获得充足的现金流。
对于未来5年后，芯片市场的发展前景，Ross预测，英伟达仍然将占到50%以上的收入，但是可能只占10%的芯片销量。他说，品牌是有巨大价值的，你可以收更多的钱，但是这会让你感到不那么饥渴，于是你开始收更高的利润率。有些人会愿意为品牌付费，因为买英伟达没人会被开除，所以这个生意会继续非常值钱。
但是他又说，当你有像现在这样的客户集中度，比如35或36个客户占了99%的token消费，那么这些大客户一定会基于什么对自己的业务有利来做决定，而不只是基于品牌。所以会有更多其他的芯片被使用。
主持人又问，5年后，英伟达能值10万亿美元吗？Ross回答说，如果不值，我会很惊讶。然后主持人又问，Groq 5年后，能值10万亿吗？Ross回答，可能吧。Groq没有供应链的约束，能够生产比任何人都多的算力。现在市场上最稀缺的资源就是算力，而Groq能生产几乎无限量的算力。
而就在他说完这句话的三个月之后，英伟达用200亿美元给出了答案。无论是从英伟达的收购，还是从Ross的对话中，我们都可以看到，全球的AI产业正处在从模型的训练阶段迈入规模化推理落地的关键期。低延迟、高能效的推理算力，已经成为AI模型的核心刚需。
那么大家是如何看待英伟达这次收购Groq呢？你们觉得200亿美元值吗？
感谢收看本期视频，我们下期再见。