Nvidia花3兆日圓買下的，不是晶片，是未來

去年聖誕夜，當華爾街幾乎無人值守，一筆悄悄敲定的交易，正在重新定義AI運算的下一個戰場。Nvidia以據報約200億美元（逾6,000億新台幣）取得晶片新創公司Groq的技術授權，並延攬其創辦人加入麾下。這個數字，幾乎等於台積電一季的資本支出規模。

然而，這筆交易在接下來數月幾乎銷聲匿跡。直到2026年3月，Nvidia年度盛會GTC即將登場，外界才開始意識到：Jensen Huang究竟在下一盤什麼棋。

訓練之後，才是真正的戰場

要理解這筆交易的意義，必須先釐清AI運算的兩個核心環節。

「訓練（Training）」是讓AI模型從海量資料中學習的過程，需要極強的平行運算能力。Nvidia的GPU在這個階段幾乎無可撼動，這也是過去幾年其市值從千億躍升至數兆美元的根本原因。

「推論（Inference）」則是AI模型實際回答用戶問題的過程——你每次問ChatGPT一個問題，背後就是一次推論運算。這個環節更在乎速度與成本效益，而非純粹的運算量。隨著AI從實驗室走入日常，推論市場的規模正在急速膨脹，也成為Nvidia數據中心客戶最主要的營收來源。

Groq正是一家專為推論而生的公司。其創辦人Jonathan Ross在創業前，曾參與Google第一代TPU（張量處理器）的研發。他清楚知道，正面挑戰Nvidia的GPU是徒勞的——但推論市場，是另一回事。

Groq開發的LPU（語言處理器）採用直接內建於晶片上的SRAM記憶體，而非GPU常用的外掛式HBM（高頻寬記憶體）。這個設計讓LPU在逐字生成文字的推論任務中，速度遠超GPU。Ross曾公開表示：「AI生成第100個字之前，必須先生成第99個字。這種序列性，是GPU天生的弱點。」

AI熱潮引發的HBM供應短缺與價格飆漲，更讓Groq的路線顯得更具吸引力。而HBM的主要供應商——SK海力士與三星電子——恰恰都在地緣政治敏感的東北亞，這讓推論晶片的競爭增添了一層供應鏈安全的複雜度。

廣告

廣告合作

[email protected]

廣告

為何是授權，而非收購？

值得注意的是，Nvidia並未完全收購Groq，而是選擇技術授權加人才引進的組合拳。業界普遍認為，這是為了規避反壟斷審查——畢竟，Nvidia在AI晶片市場的市占率已引發監管機構的高度關注。

Groq仍繼續獨立運營其推論雲端服務。但最關鍵的資產已經轉移：Ross現任Nvidia首席軟體架構師。

Jensen Huang在2月的財報說明會上，將這筆交易比作*六年前收購網路設備商Mellanox***。當時許多人不解，如今答案清晰：Mellanox讓Nvidia從晶片設計公司，蛻變為AI基礎設施的一站式提供商。光是最近一個季度，Nvidia的網路業務營收就達約110億美元，幾乎與AMD整體營收相當。

更耐人尋味的是，Ross早在加入Nvidia前就曾透露兩者的互補可能性：「我們實驗過讓模型的一部分在LPU上跑，其餘在GPU上跑。結果GPU變得更快，也更經濟實惠。」這段話，如今讀來更像是一份提前遞出的履歷。

競爭版圖：群雄並起，但差距懸殊

推論市場並非Nvidia一家獨大。AMD剛宣布與Meta合作，在推論領域取得突破；Google的TPU在訓練與推論兩端都構成實質威脅，其Gemini模型的成功更提升了TPU的聲望；Amazon的Trainium晶片吸引了Anthropic等頭部AI公司採用；正在籌備IPO的Cerebras也首次被Oracle在財報說明會上公開點名。

然而，Nvidia手中握有的不只是晶片性能——還有CUDA這個軟體生態系。這個讓GPU能跨越各種工作負載的程式框架，是競爭對手最難複製的護城河。

對於台灣、香港及東南亞的科技投資人而言，這場競爭有幾個值得關注的維度：

第一，台積電的角色。無論是Nvidia的GPU、Google的TPU還是Groq的LPU，尖端晶片的製造幾乎都繞不開台積電。推論市場的擴張，意味著更大的晶圓代工需求。

第二，中國大陸的處境。在出口管制持續收緊的背景下，中國AI企業無法取得Nvidia最新的H100、B200系列晶片，被迫加速自研之路。華為的昇騰系列、寒武紀等本土方案，正是在這個壓力下加速成長。推論市場的技術演進，對中國AI產業而言既是壓力，也是尋找差異化路徑的機會。

第三，東南亞數據中心熱潮。新加坡、馬來西亞、泰國等地正積極吸引AI數據中心投資。推論晶片的成本效益若能提升，將直接降低這些新興AI基礎設施的運營成本，加速區域AI應用的普及。