英伟达已获得推理芯片设计公司Groq的知识产权授权,并聘用了其部分高级管理人员,但并未进行完全收购。
英伟达发言人在周二通过电子邮件表示:"我们已获得Groq知识产权的非独家授权,并聘用了Groq团队的工程人才加入我们,共同致力于提供世界领先的加速计算技术。"不过他强调:"我们并未收购Groq。"
Groq专门设计和销售针对AI推理优化的芯片。这些被Groq称为语言处理单元(LPU)的芯片,相比英伟达设计销售的GPU具有更低功耗和更低价格特点。英伟达的GPU目前主要用于训练AI模型。随着AI市场的成熟,使用需求从创建AI工具转向使用AI工具,对推理优化设备的需求可能会增长。
Groq还通过名为GroqCloud的推理即服务业务出租其芯片。
Groq于12月24日宣布了这项交易和高管变动,表示"已与英伟达就Groq的推理技术达成非独家授权协议",作为协议的一部分,"Groq创始人Jonathan Ross、总裁Sunny Madra以及Groq团队的其他成员将加入英伟达,帮助推进和扩展授权技术。"
据TechCrunch报道,这项交易价值可能高达200亿美元。
AI应用芯片供应链存在紧张局面,英伟达首席财务官在最近的财报电话会议中报告称,其部分芯片已"售罄"或"完全利用"。分析师认为,造成这种情况的因素之一是高带宽内存短缺。让AI运营减少对稀缺内存芯片的依赖,正成为AI供应商和企业买家的关键目标。
Groq芯片设计与英伟达之间的显著差异在于各自使用的内存类型。英伟达最快的芯片设计用于搭配高带宽内存,由于生产能力有限和AI相关应用需求上升,高带宽内存价格如同其他快速内存技术一样正在飙升。而Groq则将静态RAM集成到其芯片设计中。公司表示,SRAM比竞争芯片技术使用的动态RAM更快、更节能,另一个优势是它不像其他地方使用的高带宽内存或DDR5 DRAM那样稀缺。授权Groq的技术为英伟达多元化内存采购开辟了道路。
通过将与Groq的关系构建为知识产权授权交易,并聘用最感兴趣的工程师而非收购其雇主,英伟达避免了接手GroqCloud服务业务。据报道,英伟达正在退出自己的服务业务DGX cloud,并将其重组为内部工程服务。这也可能避免完全收购所带来的大部分反垄断审查。
英伟达未回应关于所聘用前Groq高管姓名和职务的询问。
然而,根据LinkedIn资料显示,Groq创始人Jonathan Ross现在是英伟达的首席软件架构师,而Groq前总裁Sunny Madra现在是英伟达的硬件副总裁。
Groq剩余业务将由Simon Edwards负责运营,他此前担任销售自动化软件供应商Conga的首席财务官,三个月前刚加入Groq担任首席财务官。
Q&A
Q1:英伟达为什么要授权Groq的推理芯片技术?
A:英伟达通过授权Groq技术来多元化内存采购。Groq芯片使用静态RAM而非高带宽内存,可以缓解当前AI芯片供应链中高带宽内存短缺的问题,同时获得更快速、更节能的推理处理能力。
Q2:这项交易对英伟达有什么好处?
A:英伟达避免了完全收购带来的反垄断审查,不需要接手GroqCloud服务业务,同时获得了Groq的推理技术和核心工程人才,能够在AI市场从训练转向推理应用的趋势中保持竞争优势。
Q3:Groq的LPU芯片与英伟达GPU有什么区别?
A:Groq的语言处理单元(LPU)专门针对AI推理优化,功耗更低、价格更低,使用静态RAM。而英伟达GPU主要用于AI模型训练,使用高带宽内存,功耗和价格都更高。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。