最近，芯片独角兽Groq宣布获得D轮6.4亿美元（约合人民币45.86亿元）融资，估值达到28亿美元（约合人民币200亿元）。
本次融资由贝莱德旗下私募基金组合业务BlackRock Private Equity Partners领投，思科旗下投资基金Cisco Investments及三星电子旗下投资基金Samsung Catalyst Fund跟投。
01
Groq专做推理芯片，去年，Groq适配了Meta的大型语言模型LLaMA，使其能够在自己的芯片上运行，而无需英伟达的芯片。
AI大模型分为训练和推理两个环节，需要用到训练芯片和推理芯片。可以理解为让大模型“成型”，用到训练芯片，大模型建好了，让它执行命令、回答问题，用到推理芯片。
经常在科技报道中看到，微软、谷歌、Meta、xAI等公司囤积了很多英伟达GPU，如A100、A800、H100，用来训练大模型，这些都是训练芯片，注重绝对的计算能力，要求很高、很贵。
而推理芯片更注重综合指标，相对来说对性能的要求并不高，对精度要求也要更低，在特定的场景下，对通用性要求也低。
对于训练芯片，企业愿意出最多的钱、砸性能最好的芯片；而对于推理芯片，企业则会更多考虑芯片的能耗、成本，选用性价比最优的。推理阶段，就没必要全用英伟达的，能省点是点，毕竟训练阶段已经花了巨资。
在训练芯片领域，目前能撼动英伟达的对手，还没有，但是推理芯片领域，则有不少想挑战英伟达。像AMD CEO苏姿丰就坚信：未来大模型推理市场的规模将远远大于模型训练市场（不“坚信”也不行啊，训练芯片实在没法跟英伟达抢市场）。
02
Groq创办于2016年底，创始人乔纳森·罗斯（Jonathan Ross）来自谷歌，是开发张量处理器（TPU）的关键成员，他设计并实现了TPU的核心功能。当年击败围棋大师李世石的“阿尔法狗”用的就是TPU。可见，罗斯是真正的大佬级人物。
Groq的产品是“语言处理单元”（LPU），据称其推理速度相较于英伟达 GPU 提高了 10 倍，成本却降低到十分之一。目前有超过 70000 名开发人员使用 GroqCloud 创建应用程序。使用Groq的LPU的小模型或中模型一秒钟可以生成500-750个字段（token），而ChatGPT一秒钟只有40个。
注意看，LPU的部署场景非常有诸多限制，而英伟达的芯片虽然在一些特定指标上被Groq的LPU超过，但它是通用的，几乎适应任何AI模型、AI任务，LPU做不到。而且，英伟达的CUDA平台被开发者广泛适应，再迁移去使用LPU的架构可能导致任务不稳定。
今年 4 月，罗斯表示，Groq不再试图直接向客户销售硬件，而是转向向开发者提供云计算服务（GroqCloud）。这是因为客户自己购买和设置 Groq 的芯片成本太高，风险太大。
而且Groq的LPU也不便宜，每块卡的售价高达20000美元，只能用于推理。如果是垂直模型、行业模型，考虑到LPU的速度，单位成本可能比较划算。
03
随着这笔新资金的到位，Groq可能会在明年转向4nm制造工艺，以支持更大的模型、增强通用性。罗斯说：“我们打算提供资源，让任何人都能创造尖端的AI产品，而不仅仅是最大的科技公司。这笔资金将使我们能够在GroqCloud中再部署10万多个LPU。”
Groq的融资，也是对中国的相关企业的间接鼓舞。中美在生成式AI发展上虽然不完全同步，但方向基本一致，这波巨额融资说明高性能推理芯片的价值正在被更广泛地认可。在中国，在推理芯片市场“国产化”浪潮中可能会有一波红利。
西部证券在今年早些时候也认为，生成式AI的发展是一个不断迭代升级的过程，随着国内生成式AI模型的质量持续提升，有望出现更多优质应用，从而带动推理算力需求快速上升。在推理场景下，算力的性价比显得更为重要。在供给端有所限制的情况下，国产推理芯片有望受益于国内生成式AI应用的落地，迎来重大发展机遇。
本文来自微信公众号“铅笔道”（ID：pencilnews），作者：华泰诗，36氪经授权发布。
