Jay 發(fā)自 凹非寺量子位 | 公眾號 QbitAI

老黃穩(wěn)準(zhǔn)狠，谷歌的TPU威脅剛至，就鈔能力回應(yīng)了。

200億美元說砸就砸，只為拉攏一家炙手可熱的「鏟子新工廠」——Groq。

這無疑也標(biāo)志這家芯片巨頭，面向AI新時(shí)代的一次重大布局。但在某種程度上，也的確反映出老黃對包括TPU在內(nèi)等一眾新芯片范式的擔(dān)憂。

所以，Groq究竟能為英偉達(dá)帶來什么？

針對這個(gè)問題，知名科技投資人Gavin Baker發(fā)表了自己的觀點(diǎn)。

而他的這一連串技術(shù)剖析，紛紛指向了英偉達(dá)帝國防守最薄弱的那塊領(lǐng)土——推理。

推理方面，Groq LPU的速度遠(yuǎn)超GPU、TPU，以及目前所見的任何ASIC。

Gavin Baker

這一觀點(diǎn)得到大量網(wǎng)友點(diǎn)贊：

GPU架構(gòu)根本無法滿足推理市場對低延遲的需求，片外HBM顯存速度實(shí)在太慢了。

網(wǎng)友觀點(diǎn)

但也有網(wǎng)友指出，LPU所采用的SRAM，或許并不能勝任長下文decode。

對此，Gavin認(rèn)為英偉達(dá)可以通過產(chǎn)品「混搭」的方式解決。

Gavin Baker

下面具體來看——

Groq：英偉達(dá)斥200億美元購入的一劑疫苗

Gavin認(rèn)為，GPU在新時(shí)代水土不服的根本原因在于——推理過程的兩個(gè)階段，prefill和decode，對芯片能力有截然不同的要求。

先看prefill：

這一步，簡單來說就是讓模型「讀題」，把用戶提供的關(guān)鍵信息在腦子里記好，用于后續(xù)調(diào)用。

讀題過程中，模型會(huì)一次性吃下用戶所給的上下文，所有輸入token都可以同時(shí)計(jì)算。

這正是GPU最擅長的舞臺，其為圖形處理而生，可以一次性計(jì)算數(shù)千個(gè)像素，天生適合處理并行任務(wù)。

在這個(gè)準(zhǔn)備階段，模型不用急著響應(yīng)用戶問題。即便有延遲，模型也完全可以通過顯示「思考中」來掩蓋等待時(shí)間。

因此，相比「速度」，prefiil需要芯片有更大的上下文容量。

但到了decode，這套邏輯不再適用。

decode是串行任務(wù)，必須得一個(gè)一個(gè)token挨著算。更重要的是，用戶還會(huì)親眼看到token被一個(gè)個(gè)「打」出來的過程。這種情況下，延遲對用戶體驗(yàn)來說是致命的。

然而，GPU的數(shù)據(jù)主要存放在HBM，而不是緊貼算力核心的片上存儲(chǔ)。這意味著，每生成一個(gè)token，GPU都需要重新從內(nèi)存中讀取數(shù)據(jù)。

這時(shí)候，GPU的問題就暴露出來了——大部分算力都處于閑置，F(xiàn)LOPs根本用不滿，常常在等內(nèi)存把數(shù)據(jù)搬過來，實(shí)際計(jì)算量遠(yuǎn)小于prefill。

相比之下，Groq有更好的解決方案——LPU。

比起HBM，LPU使用直接集成在芯片硅片中的SRAM。這種片上存儲(chǔ)的模式不需要讀取數(shù)據(jù)，這讓其速度比GPU快100倍。即使只處理單個(gè)用戶，它也能跑出每秒300–500個(gè)token的速度，并能始終保持滿負(fù)荷運(yùn)轉(zhuǎn)。

事實(shí)證明，在速度這一塊，LPU幾乎打遍天下無敵手——不僅是GPU，就連TPU，以及市面上絕大多數(shù)ASIC都難以望其項(xiàng)背。

但這并非沒有代價(jià)的。

相比GPU，LPU的內(nèi)存容量小的多。單顆Groq的LPU芯片，片上SRAM只有230MB。

作為對比，即便是英偉達(dá)的H200 GPU，也配備了高達(dá)141GB的HBM3e顯存。

結(jié)果就是：你必須把成百上千顆LPU芯片連在一起，才能跑起一個(gè)模型。

以Llama-3 70B為例，用英偉達(dá)GPU的話，只需要兩到四張卡，塞進(jìn)一個(gè)小型服務(wù)器盒子里就能搞定。而同樣的模型，需要數(shù)百顆LPU，占地面積也將遠(yuǎn)大于使用GPU的數(shù)據(jù)中心。

這意味著，即便單顆LPU價(jià)格更低，整體硬件投資依然會(huì)非常巨大。

因此，AI公司在考慮LPU時(shí)，最重要的問題是——

用戶是否愿意為「速度」付費(fèi)？

對于這個(gè)問題，一年前的市場還不無法給出答案。但從Groq如今的業(yè)績情況來看已經(jīng)非常明確：「速度」是個(gè)真實(shí)存在的巨大需求，并且仍在高速成長。

而對英偉達(dá)而言，這不僅是一個(gè)新的業(yè)務(wù)盤，更是一個(gè)顛覆者暗流涌動(dòng)的高風(fēng)險(xiǎn)地帶。倘若錯(cuò)失這個(gè)風(fēng)口，英偉達(dá)在AI時(shí)代的機(jī)會(huì)可能會(huì)被新玩家顛覆，就像英偉達(dá)當(dāng)年通過游戲業(yè)務(wù)顛覆其他競爭對手一樣。

為了抵抗這些競爭者蠶食自己的護(hù)城河，英偉達(dá)選擇注射名為Groq的疫苗。希望通過人才收購引入新血液，補(bǔ)齊這塊低延遲場景的推理短板，幫助英偉達(dá)這艘巨艦擺脫創(chuàng)新者窘境。

「鏟子」進(jìn)入新時(shí)代

TPU的崛起，給英偉達(dá)的金鐘罩撕開了一道裂縫。

通過自研芯片，谷歌成功擺脫了對英偉達(dá)天價(jià)GPU的依賴，這在很大程度上幫助谷歌削薄了訓(xùn)練和推理成本，這讓谷歌在服務(wù)大量免費(fèi)用戶的情況下，依然能維持相當(dāng)健康的財(cái)務(wù)賬面。

谷歌通過Gemini 3 Pro的絕地翻盤，證明了GPU并非AI時(shí)代的唯一解。在技術(shù)周期高速迭代的背景下，作為AI「心臟」的芯片，也需要根據(jù)不同的發(fā)展階段做出相應(yīng)的調(diào)整。

隨著基礎(chǔ)模型的進(jìn)展放緩，AI競爭的重點(diǎn)開始從訓(xùn)練層轉(zhuǎn)向應(yīng)用層。而在AI應(yīng)用市場，「速度」對用戶體驗(yàn)而言至關(guān)重要。

而這次人才收購Groq，雖然也是變相承認(rèn)了公司在推理賽道的不足，但同樣標(biāo)志著英偉達(dá)帝國的又一次擴(kuò)張。

稱霸預(yù)訓(xùn)練的英偉達(dá)，這次要借Groq的東風(fēng)，入局競爭對手噴涌而出的「推理大陸」。

而在這個(gè)新市場，英偉達(dá)或許不再能像如今這樣風(fēng)光。

正如Groq CEO所言，推理芯片是項(xiàng)高銷量、低利潤的苦活。這與即便炒到天價(jià)也有客戶搶著要，毛利率高達(dá)70-80%的GPU截然不同。

參考鏈接：[1]https://x.com/gavinsbaker/status/2004562536918598000[2]https://www.uncoveralpha.com/p/the-20-billion-admission-why-nvidia

本文來自微信公眾號“量子位”，作者：關(guān)注前沿科技，36氪經(jīng)授權(quán)發(fā)布。