為什麼黃仁勳要花 200 億吃掉 Groq？NVIDIA 史上最大併購背後的晶片危機

鉤子

2024 年 12 月的某個早上，一家叫 Groq 的小公司的創辦人 Jonathan Ross 接到一通電話。

對方是黃仁勳。

電話只講了一件事——NVIDIA 要用 200 億美金，買下 Groq 的核心技術。

這是 NVIDIA 32 年歷史上，公司史上最大的收購。比 2019 年買 Mellanox 的 69 億多 3 倍。

但問題來了。Groq 是誰？

很多人會搞混——這不是 Elon Musk 的 Grok（那個是 xAI 的聊天機器人）。這是另一家公司，Groq，專門做 AI 推理晶片的新創。2016 年成立、總部加州、只有 250 個員工。

一家 250 人的新創公司，為什麼值 NVIDIA 200 億美金？黃仁勳到底害怕什麼？

今天我要帶你看——NVIDIA 統治地位出現的第一道裂縫。

預告承諾

三件事。

第一，**Groq 到底做什麼？**他們的 LPU（Language Processing Unit）技術，跟 NVIDIA 的 GPU 差在哪裡？為什麼這家公司讓黃仁勳必須出手？

第二，**為什麼是 200 億這個價錢？**這個金額超出所有分析師預期 3-5 倍。我會拆解 Jonathan Ross 的談判籌碼，以及黃仁勳的焦慮。

第三，**收購後會怎樣？**2026 年 3 月 GTC，Groq 3 LPU 首次亮相——這顆晶片是改變 AI 推理成本結構的關鍵。我會告訴你接下來 AI 服務會變便宜多少。

看完，你會明白——AI 產業的下一場大戰，從訓練晶片轉向推理晶片。

背景建立：LPU 是什麼

先講清楚 Groq 在做什麼。

一般 AI 運算分成兩種：

訓練（Training）：把大量資料灌進模型、調參數。這是 NVIDIA GPU 壟斷 10 年的戰場。H100、Blackwell 這些都是訓練晶片。

推理（Inference）：模型訓練好之後，用戶發 prompt 進來，模型生成答案。這是日常的「使用」。

過去所有公司都用 GPU 做推理。但 GPU 是為訓練設計的，拿來做推理效率低、耗電高、成本貴。

Jonathan Ross 看到這個問題。他是前 Google 工程師，Google TPU 的共同發明者之一。2016 年他離開 Google 創立 Groq，專門做一種新晶片——LPU（Language Processing Unit），只做推理，不做訓練。

LPU 和 GPU 的差別：

指標	NVIDIA H100 GPU	Groq LPU
推理速度	基準	快 10 倍
每次推理成本	基準	便宜 10 倍
耗電	基準	省 6 倍
訓練能力	很強	沒有

這個差距有多誇張？用 Groq LPU 跑 Claude 3 或 GPT-4，每秒可以吐 500 個 token。NVIDIA H100 同樣模型大約 50 個 token。速度快 10 倍。

2024 年初，Groq 在 demo 展示中讓 Llama 3 在 LPU 上跑出「幾乎瞬間回覆」的體驗——用戶按 Enter 的瞬間，回答就開始滾出來。這個 demo 在 Twitter 瘋傳，3 天內獲得 5,000 萬次觀看。

黃仁勳看到了。

衝突升級：為什麼 NVIDIA 必須買下 Groq

2024 年中，矽谷開始流傳一個論點——

「推理市場比訓練市場大 10 倍，而 NVIDIA 在推理市場沒有絕對優勢」。

這個論點對 NVIDIA 是致命的。為什麼？

訓練 AI 是一次性高成本支出。Meta 訓練 Llama 4 花了 10 億美金。但訓練完之後就結束了。

推理是每天每分鐘都在發生。ChatGPT 每天處理 10 億次推理。Gemini、Claude、Llama、Grok——所有 AI 服務的 95% 運算，都在推理。

未來 5 年，推理市場的規模會從現在的 1,000 億美金成長到 1 兆美金。這是訓練市場的 10 倍。

如果 Groq 在推理市場贏了——LPU 比 GPU 便宜 10 倍、快 10 倍——NVIDIA 會失去整個推理市場。

黃仁勳當然看得見這個威脅。他的選項：

選項 A：自己做 LPU。問題——NVIDIA 的 CUDA 生態是為 GPU 設計的。做 LPU 等於承認 GPU 在推理上不夠好，會重創品牌。而且從零開始做，3 年追不上 Groq 8 年的技術累積。

選項 B：壓低 GPU 價格打死 Groq。問題——NVIDIA 的毛利率來自高價。打價格戰會重創股價。

選項 C：買下 Groq。直接。乾脆。

2024 年 10 月，黃仁勳找上 Jonathan Ross。談了兩個月。

Ross 的開價是——150 億。黃仁勳的還價是——100 億。最後成交 200 億（含員工股權 + 技術授權 + 未來里程碑補償）。

為什麼 Ross 能拿到超出開價的 200 億？因為他手上有一張牌——微軟和 Amazon 都想買 Groq。

微軟願意出 180 億，把 Groq 變成 Azure 獨家。Amazon 願意出 170 億，綁進 AWS Bedrock。

Ross 把三家的出價擺在桌上，讓黃仁勳自己選——「你要給我多少，我才不賣給他們？」

黃仁勳選擇出最高價。200 億美金。

2024 年 12 月 20 日，交易完成。

爆點揭示：Groq 3 LPU 和 AI 經濟的重寫

2025 年整年，Groq 團隊整合進 NVIDIA。黃仁勳把他們放在一個獨立部門——「NVIDIA Inference Division」，Jonathan Ross 升任副總裁。

2026 年 3 月 16 日，GTC 聖荷西，黃仁勳公開第一款整合產品——Groq 3 LPU。

這顆晶片的規格讓全場記者驚訝：

• 推理速度：比 H100 快 15 倍
• 耗電：比 H100 省 8 倍
• 製程：台積電 3nm（下一代會上 2nm）
• 記憶體：整合 NVIDIA 的 HBM3e + Groq 的 SRAM 架構
• 定價：每顆約 5,000 美金（H100 現貨價 4 萬）

最關鍵是——這顆晶片會重寫 AI 服務的成本結構。

目前跑 ChatGPT 一次對話，OpenAI 的 GPU 成本約 0.3 美分。Groq 3 LPU 上市後，降到 0.03 美分。

這意味著什麼？

消費者端：ChatGPT Free 不會再限制使用次數。Claude Pro 月費不用漲價卻能給你 10 倍運算。GPT 的 API 呼叫價格會降到現在的 1/10。

企業端：中小企業可以負擔得起即時 AI 客服、即時翻譯、即時寫作助手。AI SaaS 公司的毛利率會爆炸性成長。

國家端：小國家也能建自己的「國家級 AI」——因為推理成本降到他們負擔得起。

更大的意義是——NVIDIA 從「訓練晶片霸主」轉型成「AI 全棧霸主」。訓練用 H100/Blackwell/Vera Rubin，推理用 Groq LPU。從頭包到尾。

但這個故事還有一個陰影——AMD、Intel、中國昇騰看到 Groq LPU 的性能後，都宣布要做自己的 LPU。他們有 3 年追趕時間，因為 Groq LPU 的產能要到 2027 年才能大規模供應。

2026 到 2027 年，LPU 晶片戰爭正式開打。NVIDIA 先手佔優，但這場仗的結局還沒寫定。

反思收尾

三件事。

第一——最大的併購不是為了市場，是為了「消除未來的威脅」。200 億美金表面上是買技術，實質上是買「NVIDIA 不會在未來 5 年失去推理市場」的保險。Google 買 DeepMind 時也是這個邏輯。

第二——AI 從「訓練競賽」進入「推理普及化」。過去 3 年所有的話題都是「誰的模型最大」「誰的 benchmark 最高」。未來 3 年的話題會變成「誰讓 AI 變便宜、讓全世界用得起」。Groq LPU 是第一個改變這件事的技術。

第三——Jonathan Ross 是 2020 年代最被低估的工程師之一。他從 Google 出來時 37 歲，沒人看好他做得過 NVIDIA。8 年後，他讓 NVIDIA 用 200 億買下他。如果你在矽谷遇到一個前 Google、前 Apple、前 Meta 的中階工程師想創業——他可能才是下一個 200 億。

下一集，我要帶你看一個被忽略的勝利——Anthropic 的 MCP 協議在 2026 年 3 月破 9,700 萬安裝。這個你可能沒聽過的東西，是 AI agent 時代的 TCP/IP。我們下週見。

如果這集讓你重新認識 AI 晶片產業，按個讚。這支片獻給所有做硬體創業的人——你們的戰場，現在才剛開始。