إذن هناك بعض الأخبار المثيرة حول شركة Groq تنتشر عن خطوة NVIDIA الاستراتيجية في مجال الاستنتاج. اتضح أن جنسن هوانغ شرح السبب الحقيقي وراء توجههم نحو Groq في المقام الأول.

في ديسمبر الماضي، أنفقت NVIDIA $20 مليار لشراء شركة شرائح الاستنتاج الخاصة بـ Groq. جاء المؤسس جوناثان روس وفريقه الأساسي إلى NVIDIA، لكن الأمر هنا—لا تزال شركة Groq تعمل بشكل مستقل. ثم في مؤتمر GTC في مارس الماضي، عرضوا شريحة Groq 3 LPU المبنية على عملية سامسونج 4 نانومتر. أرقام الأداء مذهلة: 35 ضعفًا في معدل الاستنتاج لكل ميغاواط على نماذج ذات تريليون معلمة مقارنة بـ NVIDIA's Blackwell NVL72.

لكن ما لفت انتباهي حقًا هو شرح هوانغ لديناميكيات السوق التي تدفع هذا الاتجاه. يتحدث عن كيف ينقسم سوق الاستنتاج إلى قطاعات مختلفة. لسنوات، ركز الجميع على شيء واحد: زيادة معدل الإنتاجية. لكن هذا يتغير. لقد تغيرت اقتصاديات الرموز بشكل كبير. الآن يقدر المستخدمون المختلفون سرعات استجابة مختلفة، وهم على استعداد لدفع مبالغ مقابل ذلك.

قال هوانغ بوضوح: إذا استطعت أن توفر للمطورين رموز استجابة أسرع تجعلهم أكثر إنتاجية، فسيدفعون أسعارًا عالية مقابل تلك القدرة. هذا سوق جديد نسبياً ظهر مؤخرًا فقط. إنه يوسع بشكل أساسي حدود باريتو—يضيف قطاعًا منخفض الكمون، ذو أسعار أعلى لكل رمز، بجانب الحلول ذات الإنتاجية العالية الموجودة.

وهنا تأتي بنية معمارية LPU الخاصة بـ Groq. مبنية للحد الأدنى من الكمون الحتمي، وهو تقريبًا عكس ما تركز عليه وحدات معالجة الرسومات. وحدات المعالجة الرسومية تتفوق في معدل الإنتاجية. لذلك، فإن استحواذ Groq يملأ فجوة في استراتيجية منتجات NVIDIA. يمكنك تشغيل نفس النموذج بطريقتين مختلفتين: تعظيم الإنتاجية على وحدات المعالجة الرسومية، أو الحصول على كمون منخفض جدًا على LPU من Groq. نماذج تسعير مختلفة لمختلف حالات الاستخدام.

الأخبار عن Groq هنا تبرز حقًا كيف أن سوق استنتاج الذكاء الاصطناعي يتطور ويتجاوز مجرد الحوسبة الخام. الأمر يتعلق بفهم ما يحتاجه العملاء المختلفون وبناء الأداة المناسبة لكل قطاع. خطوة ذكية جدًا إذا سألتموني.