英伟达周三在硅谷引发震动，公司同意支付约200亿美元获得初创公司Groq的技术授权，并聘用其核心团队。
这笔巨额交易不仅意在通过获取Groq的专用技术来巩固英伟达在人工智能推理计算领域的统治地位，同时也采取了特殊的交易结构，以此规避日益严格的反垄断审查。
据一位参与交易的人士透露，这笔交易的具体形式为非独家技术授权，英伟达将同时聘用Groq的创始人及高管。尽管交易细节尚未完全公开，但这笔约200亿美元的资金规模，已达到Groq数月前融资时69亿美元估值的约三倍。通过这一举措，英伟达旨在获得更具成本效益且速度更快的芯片设计能力，以应对日益增长的AI应用运行需求。
英伟达CEO黄仁勋在发给员工的内部邮件中明确了此次交易的战略意图。他表示，计划将Groq的低延迟处理器整合进英伟达的AI工厂架构中，从而扩展平台能力，以服务更广泛的AI推理和实时工作负载。这意味着英伟达正试图在极其昂贵的高性能训练芯片之外，补齐在推理芯片领域的高效能短板。
这笔交易的架构与微软、亚马逊和谷歌过去两年采用的模式如出一辙，即通过“许可技术+聘用人才”的方式，在不正式收购公司的情况下通过监管雷达。
此举不仅让英伟达获得了关键的知识产权和人才，也反映出这家全球市值最高的公司在面对谷歌TPU等竞争对手挑战时，正利用其高达600亿美元的现金储备加速构建防御壁垒。
补齐推理短板
本次交易的核心驱动力在于英伟达对AI推理市场的争夺。
尽管英伟达的GPU及配套软件在AI模型开发、训练方面占据绝对主导地位，但对于运行聊天机器人等实际应用（推理）而言，其现有芯片往往体积过大且成本高昂。市场一直在寻找更廉价、更高效的替代方案，而Groq的技术正是为此而生。
此次授权安排使英伟达获得了Groq的知识产权。Groq声称其芯片在涉及AI应用的特定任务中，数据处理速度优于英伟达。相比之下，英伟达的芯片虽能在处理多种类型操作时保持灵活性，但在处理速度和延迟方面存在优化空间。
芯片咨询公司SemiAnalysis的首席分析师Dylan Patel指出，虽然Groq的第一代芯片尚未能与英伟达形成有力竞争，但其后续两代产品即将推出。他认为，英伟达可能在Groq的新一代技术中看到了威胁，因此选择出手。
“许可+挖人”的特殊架构
本次交易并非传统的全资收购。Groq创始人Jonathan Ross、总裁Sunny Madra及其他员工将加入英伟达，以“推进和扩展”获授权的技术。与此同时，Groq原有的云业务将保留在公司内部，由9月加入的首席财务官Simon Edwards出任新CEO，继续运营。
这种非独家许可交易的结构，是近期科技巨头规避监管审查的常用手段。
微软、亚马逊和谷歌均曾利用类似架构吸纳AI初创公司的创始人及核心技术，而无需正式收购公司。尽管谷歌与Character.ai的类似交易曾引发美国司法部的审查，但并未采取实际行动。目前英伟达虽未在美国面临反垄断审查，但对于自身在AI芯片市场的份额描述一直保持谨慎。
据知情人士向华尔街日报透露，作为许可协议的结果，Groq的投资者（包括贝莱德和Tiger Global Management）将获得包括基于未来业绩的分期付款在内的回报。这笔交易类似于英伟达三个月前与网络初创公司Enfabrica达成的交易，当时英伟达斥资逾9亿美元聘用了该公司CEO及工程团队，并支付了技术许可费。
难以撼动的英伟达生态
尽管获得了数十亿美元的风险投资，包括Groq在内的挑战者们一直难以打破英伟达对高端AI芯片市场的严密控制。英伟达的芯片在性能上由于其专有的CUDA编程语言生态，使得客户对其产生了极高的粘性。
Groq近期的经营状况也反映了挑战巨头的难度。公司最近将2025年的收入预期下调了约四分之三。Groq发言人曾表示，这是由于计划部署芯片的地区缺乏数据中心容量，导致部分收入预期推迟至明年。Groq曾在7月预计其云业务今年收入将超过4000万美元，总销售额超过5亿美元。
与此同时，市场竞争格局正在加剧。谷歌的TPU正成为英伟达GPU的有力竞争者，苹果和Anthropic等主要公司已使用TPU训练大模型。此外，Meta和OpenAI也在研发自己的专用推理芯片，以减少对英伟达的依赖。而在初创企业领域，整合趋势明显：英特尔正就收购SambaNova进行深入谈判，Meta收购了Rivos，AMD则吸纳了Untether AI的团队。
巨额现金的护城河策略
英伟达正利用其庞大的现金储备来巩固业务。截至10月底，其现金储备已达600亿美元。除了资助数十家独家购买或租赁其芯片的云提供商和初创公司外，英伟达也开始进行更大规模的技术获取。
此前，英伟达最大的一笔收购是2019年以69亿美元收购Mellanox，该业务目前已成为英伟达重要的网络部门，上季度贡献了约200亿美元的收入。
虽然此次与Groq的200亿美元交易并非全资收购，但其资金规模已远超以往，显示出英伟达在面对日益专业化的芯片需求时，愿意付出高昂代价以消除潜在威胁并整合前沿技术。
