Только что компания, занимающаяся разработкой искусственного интеллекта и основанная человеком, бросившим школу, была «приобретена» компанией Nvidia за 140 миллиардов долларов.

Крупнейшая в истории Nvidia сделка по приобретению официально завершена.

Только что компания Nvidia заключила крупную сделку со стартапом Groq, специализирующимся на разработке чипов для искусственного интеллекта, на сумму в ошеломляющие 20 миллиардов долларов (эквивалентно 140,5 миллиардам юаней).

Согласно официальному заявлению Groq, суть этой сделки заключается в том, что NVIDIA приобрела лицензию на технологию обработки данных Groq. Основатель и генеральный директор Groq Джонатан Росс, президент Санни Мадра и другие руководители присоединятся к NVIDIA, чтобы помочь в продвижении внедрения лицензированной технологии.

Между тем, Groq продолжит работать как «независимая компания», а нынешний финансовый директор Саймон Эдвардс станет новым генеральным директором.

Это звучит как технологическое сотрудничество и привлечение талантов, но Алекс Дэвис, генеральный директор Disruptive, инвестора Groq, заявил CNBC, что Nvidia приобрела все активы Groq, за исключением зарождающегося облачного бизнеса GroqCloud.

Сам Дженсен Хуанг также сыграл в двойную игру в электронном письме сотрудникам, заявив: «Хотя мы переманиваем выдающихся сотрудников Groq и получаем лицензии на ее интеллектуальную собственность, мы не приобрели всю компанию Groq целиком».

Так это считается приобретением или лицензированием?

Возможно, причина в том, что Nvidia потратила 20 миллиардов долларов на приобретение основных технологий, патентов и ключевого персонала Groq, но оставила пустую компанию-оболочку, которая продолжит вести облачный бизнес.

Чтобы понять, почему Nvidia готова тратить такие огромные деньги, нам сначала нужно разобраться, что представляет собой Groq.

Компания Groq была основана в 2016 году, а её основатель, Джонатан Росс, может похвастаться поистине легендарной биографией. Он бросил школу и не закончил колледж, но разработал основную архитектуру чипа TPU первого поколения в Google.

TPU — это специализированный чип, который Google использует для запуска моделей искусственного интеллекта, и сейчас многие компании применяют его в качестве альтернативы графическим процессорам Nvidia.

В 2016 году Росс вынудил 7 из 10 ключевых членов команды Google TPU покинуть компанию и основал Groq.

Название Groq происходит от выражения «Grain of Quantum» (зерно квантового процесса), что подразумевает его способность обрабатывать огромные объемы данных на «квантовом уровне», а также заявляет о том, что в индустрии микросхем даже малогабаритные продукты могут быть мощными.

Его ключевым оружием является LPU (Language Processing Unit), специализированный чип ASIC, разработанный специально для выполнения задач искусственного интеллекта. По сравнению с графическими процессорами NVIDIA, LPU обладает решающим преимуществом при обработке больших моделей языкового вывода: сверхнизкой задержкой и сверхвысокой пропускной способностью.

Проще говоря: при запуске одной и той же модели ИИ чип Groq реагирует быстрее и более энергоэффективен, чем графический процессор (GPU). В некоторых тестовых сценариях скорость вывода данных Groq значительно превосходит скорость GPU.

В сентябре этого года компания Groq завершила раунд финансирования на сумму 750 миллионов долларов, оценив компанию в 6,9 миллиарда долларов. В число инвесторов вошли такие гиганты отрасли, как BlackRock, Samsung и Cisco. Целевая выручка Groq на этот год составляет 500 миллионов долларов, что демонстрирует сильные темпы роста компании.

В последние несколько лет основное внимание в индустрии ИИ было сосредоточено на обучении моделей, и все соревновались в том, кто сможет обучить самую сильную модель. Но теперь ситуация изменилась, и спрос на рынке вывода данных переживает взрывной рост.

Если кратко, обучение включает в себя предоставление модели большого объема данных для обучения, тогда как вывод — это когда обученная модель генерирует ответ в реальном приложении. Например, когда вы задаете вопрос ChatGPT, процесс генерации ответа — это вывод.

Кроме того, для вывода результатов и обучения требуются разные аппаратные средства.

Обучение требует огромных вычислительных мощностей, и обычно оно занимает очень много времени. Но для вывода результатов необходимы низкая задержка и непрерывная эффективность ответа; пользователи не хотят задавать вопрос и бесконечно ждать результата.

LPU в Groq специально оптимизирован для сценариев инференции, и именно этот недостаток NVIDIA хочет устранить.

Между тем, стартапы в сфере ИИ, такие как Groq, могут столкнуться с аналогичными дилеммами: хотя их технология многообещающая, а темпы развития высоки, по-настоящему открыть рынок слишком сложно из-за огромных барьеров в экосистеме Nvidia.

В этой ситуации поглощение компанией Nvidia может оказаться наилучшим вариантом. По крайней мере, технологию можно будет применить на практике, а команда получит существенное вознаграждение, что лучше, чем бороться за выживание на рынке.

Примечательно, что Nvidia становится все более искусной в этом подходе, сочетающем "лицензирование технологий и переманивание сотрудников".

Только в сентябре этого года Nvidia потратила около 900 миллионов долларов на найм Рочана Санкара, генерального директора стартапа Enfabrica, занимающегося разработкой аппаратного обеспечения для искусственного интеллекта, и его команды, опять же, путем лицензирования технологии, а не прямого приобретения компании.

Этот режим работы на самом деле довольно умный.

По сравнению с прямым приобретением всей компании, лицензирование технологий и переманивание команд позволяют быстрее интегрировать основные компетенции, избегая длительного периода интеграции после приобретения. Кроме того, наличие фиктивной компании для продолжения деятельности сохраняет видимость рыночной диверсификации и предотвращает обвинения в монополии.

Такие технологические гиганты, как Meta, Google и Microsoft, в последнее время используют схожие тактики для переманивания специалистов в области искусственного интеллекта.

Например, компания Meta, с которой мы знакомы, в этом году потратила значительные средства на переманивание генерального директора Александра Вана из компании Scale AI, занимающейся разметкой данных, и приобретение лицензии на ее технологию.

Хуан Жэньсюнь, очевидно, тщательно изучил этот метод игры.

В электронном письме он прямо заявил о своем желании интегрировать процессоры Groq с низкой задержкой в ​​архитектуру NVIDIA AI Factory, что позволит платформе поддерживать более широкий спектр задач искусственного интеллекта и рабочих нагрузок в реальном времени. Другими словами: я хочу интегрировать вашу технологию в свою экосистему и продолжать продавать свои комплексные решения.

Кроме того, из-за бума искусственного интеллекта видеокарты Nvidia пользуются высоким спросом и находятся в дефиците, в результате чего у компании оказывается больше денег, чем она может потратить, и инвестиционная деятельность Хуан Жэньсюня становится все более агрессивной.

В сентябре этого года Nvidia объявила о намерении инвестировать до 100 миллиардов долларов в OpenAI при условии, что OpenAI обязуется развернуть не менее 10 гигаватт оборудования Nvidia. Хотя это инвестирование еще официально не оформлено, переговоры продолжаются.

В том же месяце Nvidia также объявила об инвестициях в размере 5 миллиардов долларов в своего давнего конкурента Intel.

В дополнение к этим крупным инвестициям, Nvidia также вложила средства в ряд компаний, занимающихся инфраструктурой ИИ, таких как энергетическая компания Crusoe, разработчик моделей ИИ Cohere и поставщик облачных услуг CoreWeave. Похоже, Nvidia полна решимости иметь долю на каждом звене всей экосистемы ИИ.

Судьба Грока уже преподала урок тем, кто придет после него.

В этой сфере наилучшим результатом может быть не выход на биржу и объявление о выходе на рынок, а привлечение внимания гиганта и достойный уход с рынка за внушительную сумму.

#Добро пожаловать на официальный аккаунт iFanr в WeChat: iFanr (идентификатор WeChat: ifanr), где вы сможете в кратчайшие сроки увидеть еще больше интересного контента.

ifanr | Оригинальная ссылка · Посмотреть комментарии · Sina Weibo