[비즈한국] 在過去幾年中實際上統治了AI硬體市場的英偉達（NVIDIA），近期與推理特化晶片初創公司Groq簽訂了規模達200億美元（約合29萬億韓元）的協議。這不僅僅是一項大規模交易，更被視為AI半導體產業風向正在發生變化的訊號。儘管市場將其看作是等同於併購（M&A）的重大交易，但英偉達強調這並非傳統的併購，而是以技術授權及核心人才獲取為中心的合作。Groq也將繼續作為獨立法人存在。即便如此，該協議受到高度關注的原因顯而易見，因為它象徵著AI硬體市場的核心準則正在擺脫“GPU=AI”的侷限。
關注英偉達-Groq“合作”的理由
AI競爭的起點是“學習”。當時需要運算資源來訓練更大的模型，而GPU是符合這一需求的最優工具。英偉達藉助這一趨勢，一躍成為AI時代最大的受益者。然而，隨著AI跨越研究階段進入正式的服務應用階段，行業的關注點轉移到了學習後的階段。已經訓練好的模型能夠多快、多穩定、多低成本地被使用，成為了新的競爭要素。在此過程中，功耗、延遲時間和運營成本問題開始凸顯。
正是在這一點上，推理特化晶片開始受到矚目。Groq開發的“語言處理單元（LPU）”是專為語言模型推理而設計的專用積體電路（ASIC）。與強調通用性的GPU不同，它選擇了預先定義運算路徑以減少不必要分支的結構。這對於降低延遲和提高能效具有優勢。在實時響應至關重要的聊天機器人或企業級AI服務環境中，這些特性直接轉化為成本競爭力。這也是英偉達為何不執著於自有GPU設計，轉而尋求外部技術的原因。分析認為，這反映了英偉達認為推理領域並非GPU的獨角戲。
不過，這一選擇並不意味著GPU的作用被削弱。GPU依然是大規模學習和通用AI加速的核心支柱。英偉達的策略更傾向於利用推理特化技術來彌補GPU相對低效的領域，而非取代它。因此，與Groq的合作被解讀為在以GPU為中心的結構上，疊加推理特化技術的戰略佈局。
LPU、TPU、NPU有什麼區別？
這種趨勢並非英偉達一家的苦惱。谷歌很早就開始開發自家的加速器——“張量處理單元（TPU）”。TPU是根據谷歌內部工作負載設計的ASIC，在搜尋、翻譯、推薦等核心服務中發揮出極高的效率。這是谷歌旨在減少對外部GPU的依賴，並將AI服務的成本結構納入自身掌控的戰略選擇。TPU的發展目的明確，即最佳化谷歌內部生態，而非瞄準通用市場。
“神經網路處理單元（NPU）”則在另一個舞臺上展示其存在感。那不是在資料中心，而是在個人的指尖。蘋果公司選擇在iPhone中搭載神經網路引擎，將AI運算處理放在裝置內部。這是同時考慮了電池效率、個人隱私和使用者體驗的決定。包括三星電子005930在內的智慧手機製造商們也正在透過強化NPU效能，在端側（On-device）實現實時翻譯、照片修圖、語音識別等功能。雖然NPU無法替代資料中心級的推理，但它在推動AI普及到日常生活的功能中將發揮重要作用。
如上所述，LPU、TPU、NPU都是從不同的問題意識出發的。資料中心的成本負擔、科技巨頭的供應鏈戰略以及移動裝置的功耗制約等現實需求，使晶片的形態發生了分化。結果，AI硬體正在迅速從“一顆晶片承擔所有任務”的結構，轉變為“根據用途最佳化的晶片共存”的結構。
英偉達似乎也不否認這種變化。相反，透過NVLink Fusion等技術，英偉達正採取將外部ASIC連線到自家系統的策略，試圖在各種晶片混合的環境中維持其中心平臺的地位。其算盤是不僅不透過硬體壟斷，而是透過生態系統的連線與協調來延續自身影響力。
因此，英偉達與Groq的合作與其說是“GPU帝國的終結宣言”，不如說是AI硬體產業已進入成熟階段的象徵性場景。在從中心競爭向兼顧推理和經濟性的局面轉換過程中，單一的答案正在消失。GPU在AI產業中依然佔據核心地位，但已不再是獨舞舞臺。AI硬體戰爭預計將在各司其職的多層結構中變得更加激烈。