NVIDIA 200 亿美元收购 Groq：LPU 正式进入 NVIDIA 生态
2026 年 Q1，AI 芯片行业最大的新闻之一：NVIDIA 以约 200 亿美元全资收购 Groq。这意味着 Groq 的 LPU 架构正式成为 NVIDIA 算力版图的一部分，与 GPU 形成互补。本文将详细分析这次收购的战略意义。
收购时间线
| 时间 | 事件 | 详情 |
|---|---|---|
| 2024-2025 | Groq 独立运营 | LPU v1 商用，GroqCloud API 服务 |
| 2025-12 | NVIDIA 投资 | NVIDIA 投资 Groq 2.5 亿美元（首次合作） |
| 2026-Q1 | 全资收购 | NVIDIA 以约 200 亿美元全资收购 Groq |
| 2026 H2 | 产品整合 | Groq 3 LPU 重命名为 NVIDIA Groq 3 LPX |
| 2026 H2+ | 协同生态 | LPX rack 作为 Rubin GPU 的 co-processor |
收购金额细节：根据多方信源，NVIDIA 以"现金 + 股权"组合形式收购 Groq，对应估值约 $20B。Groq 创始团队（Jonathan Ross 等）部分留任，继续负责 LPU 产品线。
为什么 NVIDIA 要收购 Groq？
NVIDIA 在 GPU 算力领域已经绝对领先（CUDA 生态 + Rubin 平台 + 90% 数据中心 AI 市场份额），但有一个明显短板：
- 超低延迟推理（TTFT < 50ms）
- Agentic AI（1000+ 调用/秒）
- Deterministic Latency（可预测的延迟）
这些场景下，传统 GPU 即使是 H100/Rubin R200，也受限于：
- HBM 访问延迟（~200ns vs SRAM 1ns）
- CUDA 调度不确定性
- 算子融合的复杂度
Groq LPU 完美补全了 NVIDIA 的能力栈。
Groq 3 LPX 机柜规格
收购完成后，Groq 3 LPU 重命名为 NVIDIA Groq 3 LPX，作为 Vera Rubin 平台的 co-processor：
| 项目 | 参数 |
|---|---|
| 芯片数（机柜） | 256 颗 Groq 3 LPU |
| 片上 SRAM（机柜） | 128 GB 聚合 |
| SRAM 带宽（机柜） | 40 PB/s |
| 互联 | GroqSync + NVLink-Network，640 TB/s |
| INT8 算力（机柜） | ~640,000 TOPS |
| FP8 算力（机柜） | ~640 PFLOPS |
| BF16 算力（机柜） | ~320 PFLOPS |
| TDP（机柜） | ~80 kW |
| perf/W | 35× H100（官方） |
| TTFT（首 Token 延迟） | < 20ms |
| TPOT（单 Token 延迟） | < 5ms |
40 PB/s SRAM 带宽 ≈ 5,000× H100 HBM 带宽（H100 80GB HBM3 = 3.35 TB/s）。这是 Groq LPU 极致低延迟的核心秘密。
收购后的产品矩阵
NVIDIA 现在提供全场景 AI 算力覆盖：
| 场景 | 推荐产品 |
|---|---|
| 大规模训练（100B+ 模型） | Rubin NVL72 / NVL576 |
| 高吞吐推理 | B300 Ultra / Rubin R200 |
| 超低延迟推理 | Groq 3 LPX |
| Agentic AI（1000+ 调用/秒） | Groq 3 LPX rack |
| Real-time Code Gen（Copilot） | Groq 3 LPX rack |
| 万亿参数推理 | Rubin R200 + Groq 3 LPX 协同 |
对 AI 行业的影响
1. 超低延迟推理市场洗牌
收购前，超低延迟推理市场有三家玩家：
- Groq（SRAM + 编译器）
- Cerebras（WSE 大晶圆 + 40+ GB SRAM）
- SambaNova（RDU 可重构数据流）
收购后：
- Groq LPX 归 NVIDIA（最大生态、最强客户）
- Cerebras WSE-4（2027）即将 IPO
- SambaNova SN50 独立运营
Cerebras 的 IPO 时机变得更加重要——需要在 NVIDIA 整合 Groq 之前抢占市场。
2. Agentic AI 加速爆发
2026 年 Agentic AI 是 LLM 应用的下一个爆发点：
- 单次 Agent 调用：~500ms-2s
- 复杂任务：100+ 次连续调用
- 用户体验：< 200ms 响应
Groq 3 LPX 的 TTFT < 20ms 是 Agentic AI 的关键使能技术。
3. 客户迁移
Groq 原本的客户：
- OpenAI：部分推理负载
- Anthropic：Claude 推理
- Meta：Llama 推理
- Mistral：推理
这些客户继续使用 LPX，但合同关系从 Groq Inc. 变为 NVIDIA Corp.。
LPX 的局限
Groq 3 LPX 并非万能：
| 局限 | 影响 |
|---|---|
| 单芯片 SRAM 仅 512 MB | 大模型需 32+ 颗芯片 |
| 不支持训练 | 只能推理 |
| 软件生态不如 CUDA | 模型迁移成本 |
| 机柜级 $8-10M 价格 | 中小客户难以承担 |
| 不支持 fine-tuning | 推理优化空间有限 |
因此，LPX 不是替代 GPU，而是补充 GPU：
- 中小模型、低成本：GPU (L4 / T4)
- 大模型训练：GPU (H100 / B300)
- 大模型推理：GPU (H200 / B300)
- 超低延迟大模型推理：LPX
详细产品页
总结
NVIDIA 收购 Groq 是 2026 年 AI 芯片行业最重大的事件之一：
- 补全 NVIDIA 算力版图——从"训练+推理"扩展到"训练+推理+超低延迟推理"
- Groq 团队 + 客户全部并入 NVIDIA
- GroqCloud API 继续运营（OpenAI 兼容）
- Vera Rubin 平台成为全场景 AI 算力终极平台
- AI 行业进入"机柜级"时代：GPU 机柜 + LPU 机柜协同
NVIDIA = GPU + LPU + 互联 + 软件 = 完整 AI 算力生态