推理专用芯片，火了

在 AI 技术从实验室走向规模化落地的进程中，推理 （Inference） 环节正成为决定体验与成本的核心竞争——专门为推理优化的芯片，已然成为科技行业的新风口。要理解这股热潮，首先要厘清 AI 工作流中训练与推理的本质差异。

在 AI 工作流中，训练 （Training） 与推理 （Inference） 承担着截然不同的角色。训练阶段通过大量带标签数据迭代优化模型权重，使模型能够学习复杂模式；而推理阶段则使用已训练好的模型对新输入进行预测。从性能需求来看，训练如同马拉松，追求整体吞吐量与模型精度的持续提升；推理则如同百米冲刺，核心目标是降低单次预测延迟，实现实时响应。

训练阶段需要强大的通用计算平台，通常需要调动成千上万张顶级 GPU，通过海量数据 （如全互联网文本、图片） 进行长时间 （数月甚至数年） 的计算，耗资巨大。训练对算力的绝对性能要求极高，芯片需要具备强大的计算能力和全面的计算能力，能够处理各种复杂的计算任务。目前，英伟达的 GPU 配合 CUDA 软件生态几乎处于垄断地位，难以被其他厂商撼动。

然而，在推理阶段，尤其是大语言模型 （LLM） 的实时交互场景中，情况发生了根本性转变。LLM 的推理过程具有"自回归"特性，即生成第 N+1 个词必须依赖上一轮第 N 个词的结果。这种顺序性导致 GPU 强大的并行计算能力在大多数时间处于"等待"状态，无法充分发挥其优势。

更为重要的是，随着 AI 应用的广泛落地，推理成本在 AI 总成本中的比重日益增加，已成为 AI 企业最大的单项支出。这促使业界开始探索专门的推理芯片解决方案。

为何推理芯片成为刚需？

专门的推理芯片是 AI 发展到规模化应用阶段的必然产物。其主要有以下优势：

第一是性能精准优化。推理任务的核心是高效执行预训练模型的前向计算，如矩阵乘法、卷积运算等。专门的推理芯片 （如 NPU、TPU） 针对这些运算进行硬件级优化，能大幅提高计算效率，相比通用 CPU 或 GPU，可实现更高的吞吐量和更低的延迟。例如，推理芯片可通过定制化的乘加单元 （MAC） 和并行计算架构，加速神经网络的推理过程，满足自动驾驶、智能语音交互等实时性要求高的场景。

第二是能效比优势，推理场景对功耗敏感，尤其是边缘设备和终端应用 （如智能手机、可穿戴设备）。专门的推理芯片通过低精度计算 （如 INT8、INT4） 和硬件级优化，能在保证精度的前提下显著降低功耗，延长设备续航时间。相比之下，通用芯片在低功耗模式下性能受限，难以兼顾性能与能效。

第三是成本效益显著。推理芯片的规模化生产可降低单位成本，尤其在大规模部署场景 （如数据中心、边缘计算节点） 中，其性价比优势明显。与通用芯片相比，推理芯片无需支持复杂的训练任务，可简化硬件设计，减少芯片面积和制造成本，更适合高并发、低成本的推理需求。

第四是场景适配性灵活。不同应用场景对推理芯片的需求差异显著。例如，云端推理需处理高并发请求，要求高吞吐量和可扩展性；边缘设备则需紧凑设计、低功耗和实时响应。专门的推理芯片可通过灵活的架构设计 （如存算一体、Chiplet 技术） 满足多样化场景需求，而通用芯片难以在所有场景中兼顾性能、功耗和成本。

最后，专用推理芯片能加速 AI 全民普及。推理芯片降低了 AI 应用的部署门槛，标准化的接口与工具链简化了开发流程，让更多企业与开发者能够轻松落地预训练模型，推动 AI 技术在各行业的渗透，助力 AI 生态持续繁荣。

可以说，推理芯片是 AI 从技术概念走向实际应用的关键支撑，通过性能、能效、成本与场景适配性的综合优化，成为 AI 规模化发展的核心引擎。

推理芯片赛道：百花齐放，群雄逐鹿

随着需求爆发，推理芯片赛道呈现出多元化竞争格局，一批创新产品凭借独特技术优势脱颖而出。

首先是 LPU，全称 Language Processing Unitix，是一种专门为语言处理任务设计的硬件处理器。它与我们熟知的 GPU（Graphics Processing Unit，图形处理器） 有着本质的区别。GPU 最初是为处理图形渲染任务而设计的，在并行计算方面表现出色，因此后来被广泛应用于人工智能领域的模型训练和推理。然而，LPU 则是专门针对语言处理任务进行优化的，旨在更高效地处理文本数据，执行诸如自然语言理解、文本生成等任务。LPU 由前 Google TPU 团队创立，专为大语言模型 （LLM） 推理设计，采用 SRAM-only 架构，无外部存储延迟，单芯片集成 230MB SRAM，带宽高达 80TB/s，延迟稳定，适合流式生成和交互式应用。

另一家公司 SambaNova SN40L 则跳出了传统 GPU 并行计算框架，自研可重构数据流单元 （RDU） 架构，创造性地将神经网络图直接映射到硬件执行。通过将多步推理计算压缩为单一操作，大幅减少数据在内存与计算单元间的往返传输——这正是 AI 推理中功耗与延迟的核心痛点。其第四代 RDU 产品 SN40L，宣称推理性能达到英伟达 H100 的 3.1 倍，训练性能达到 H100 的 2 倍，而总体拥有成本 （TCO） 仅为 H100 的 1/10。

此外，2024 年发布的第六代 TPU v6（代号 Trillium），也标志着谷歌将主战场从训练转向推理。面对推理成本成为全球 AI 公司最大单项支出的行业现状，TPU v6 从架构到指令集全面围绕推理负载重构：FP8 吞吐量暴涨、片上 SRAM 容量翻倍、KV Cache 访问模式深度优化、芯片间带宽大幅提升，能效比相比上一代提升 67%。谷歌直言，这一代 TPU 的目标是成为 「推理时代最省钱的商业引擎」。2025 年推出的第七代 TPU（TPU v7，代号 Ironwood） 更是聚焦超大规模在线推理场景，成为 TPU 系列首款专用推理芯片。与此前侧重训练的 v5p、侧重能效的 v6e 不同，Ironwood 从第一天起就锁定超大规模在线推理这一终极场景，并在多项关键指标上首次与英伟达 Blackwell 系列正面抗衡，成为全球 AI 基础设施领域的焦点产品。

巨头出手：英伟达 200 亿 「收编」 推理黑马

面对推理赛道的激烈竞争，芯片巨头英伟达祭出重磅大招。

当地时间 12 月 24 日，AI 芯片初创企业 Groq 宣布与英伟达达成非独家推理技术许可协议。根据协议约定，Groq 创始人乔纳森・罗斯、总裁桑尼・马达拉及核心技术团队将正式加盟英伟达，携手推动授权技术的迭代升级与规模化落地。

值得注意的是，Groq 将继续保持独立运营地位，西蒙・爱德华兹已接任公司首席执行官，旗下 Groq 云服务亦维持正常运转，不受此次合作影响。英伟达首席执行官黄仁勋在内部邮件中指出，此项合作将显著拓宽公司技术版图 —— 英伟达计划将 Groq 低延迟处理器整合至 NVIDIA AI 工厂架构，进一步增强平台对各类 AI 推理及实时工作负载的服务能力。

这宗以非独家技术许可为核心的交易，堪称美国科技巨头近年的 「标准操作」。微软、亚马逊、谷歌等企业均曾通过类似模式，在不触发全资收购的前提下，吸纳顶尖 AI 人才、获取关键技术壁垒。其核心逻辑在于，这种轻资产合作方式可有效规避当前美国严苛的反垄断审查。尽管监管机构已开始关注此类交易，但迄今为止，尚无任何一笔同类合作被裁定撤销。

对于手握 606 亿美元巨额现金储备的英伟达而言，这无疑是一笔双赢的战略布局：既消解了潜在的市场竞争威胁，又进一步加固自身技术护城河。据悉，该交易涉及资金规模约 200 亿美元，较 Groq 数月前融资时 69 亿美元的估值溢价近三倍。这一数字，也标志着 Groq 作为独立硬件挑战者的征程暂告一段落，但其核心技术将在英伟达的生态体系中，获得更广阔的研发与应用平台。

对 Groq 而言，200 亿美元的现金流不仅极大缓解了公司财务压力，也为现有投资者创造了丰厚回报。尽管核心团队并入英伟达体系，但 Groq 凭借新 CEO 的到任与独立运营架构的保留，得以继续深耕 Groq Cloud 云服务业务。更重要的是，依托英伟达的资源优势，Groq 的技术有望触达更丰富的应用场景，加速商业化落地进程；同时，这种 「非全资收购」 的合作模式，既规避了品牌灭失的风险，更为企业未来发展预留了充分的自主空间。

英伟达的推理芯片野心，如何通过 LPU 技术降低推理成本

显然此次获取到 Groq 的技术许可，将有利于降低英伟达未来推出的推理专用芯片的成本。

通过此次合作，NVIDIA 成功斩获 Groq 核心知识产权，得以直接应用其 SRAM 架构技术，一举绕开 HBM 高带宽内存与台积电 CoWoS 先进封装的双重限制。不妨设想：依托这项技术，NVIDIA 有望打造一款专攻 AI 快速推理的芯片产品，凭借极致的运算速度，再搭配 NVLink 互联技术，实现多颗 LPU 芯片的无缝协同，释放更强劲的算力效能。

Groq LPU 芯片的核心优势，在于将 AI 模型的核心权重数据，从传统方案依赖的外置 HBM，迁移至芯片内置的 SRAM 中。这一设计使得芯片无需频繁与外部存储交互调取数据，算力效率自然实现跃升。而且，SRAM 的读写速度可达 HBM 的 10 倍。HBM 方案的弊端则十分突出：不仅需要依托台积电的 CoWoS 封装技术，还受制于存储厂商的产能限制，早已成为制约 AI 芯片大规模量产的关键瓶颈。

一旦跳过 HBM 与 CoWoS，直接采用 SRAM 架构，芯片的生产效率将迎来质的飞跃。更值得一提的是，若在电路板中集成 NVIDIA 的 NVLink C2C（芯片间直连技术），LPU 芯片的扩展能力还将远超当前水平，从而让数据传输更迅捷、更稳定。

如此一来，NVIDIA 既无需依赖美光、三星、SK 海力士等厂商的 HBM 产品，彻底摆脱内存供应瓶颈；又能规避台积电 CoWoS 封装的产能掣肘，实现供应链的自主可控。

此外，尽管 Groq LPU 芯片受限于内存容量，更适配轻量级 AI 模型，但在低延迟场景 （如机器人实时控制、端侧 AI 交互） 中具备得天独厚的优势。而这恰好与 NVIDIA GPU 擅长处理大模型的能力形成互补——LPU 化身 「高效快手」，GPU 担当 「算力基石」，二者强强联合，将进一步巩固 NVIDIA 在 AI 领域的霸主地位。

恰逢 CoWoS 封装产能紧张、HBM 成本居高不下的行业背景，NVIDIA 这套 「SRAM+NVLink」 的组合拳，堪称破局关键。200 亿美元的合作对价看似不菲，但对于 NVIDIA 这样的行业巨头而言，无疑是一笔 「花小钱办大事」 的划算买卖。合作达成后，Groq 可保持独立运营，NVIDIA 则收获核心技术与顶尖人才，最终实现双赢。

对于普通消费者而言，这场技术革新的红利同样触手可及：未来的 AI 推理将更快速、更经济，聊天机器人的响应会变得毫秒级迅捷，服务机器人的动作也将愈发流畅自然。与此同时，SRAM 市场的热度或将持续攀升，英特尔等相关产业链企业也有望从中分得一杯羹，推动整个行业生态的繁荣发展。