這不是收購，是「技術資產打包帶走」

2025年底，黃仁勳出手約200億美元，與AI晶片新創Groq達成交易。但這案子的結構很特別——不是傳統意義的「買下整家公司」，而是「授權技術+挖角核心團隊」的資產交易形式。輝達拿走的是Groq的推論技術資產與工程團隊（包括創辦人Jonathan Ross），Groq作為法人實體形式上還在，但實質上核心已經被搬走了。

交易結構刻意設計成這樣，避開一般併購審查程序。從工程角度看，這是精準的資源配置：你要的是技術與人，不是那張營業登記證。

LPU解決的是什麼問題？

當你用ChatGPT時，AI需要先「理解問題」（Prefill階段），再「逐字生成回答」（Decode階段）。輝達的GPU擅長前者，但Groq的LPU（語言處理單元）在後者表現極為出色——在公開基準測試中，特定模型與上下文設定下可達約每秒3,400個token的輸出，是目前市面上極低延遲的推論架構之一。

部分測試聲稱在特定場景相較一般GPU架構可達數倍以上速度提升，但具體倍數會因測試條件而異。重點是：延遲夠低，才能支撐未來的代理式AI（Agentic AI）應用。

為什麼「速度」突然變得這麼重要？

因為AI的使用情境變了。

過去的聊天機器人回答一次問題就結束，但未來的AI助理為了完成複雜任務（比如自動寫程式碼並除錯），可能需要在後台連續呼叫模型數十次。每一步的延遲都會疊加，最終拖垮使用者體驗。

用系統穩定性的角度看：AI不只要能跑，還要在高頻呼叫下不掉速。有海外雲服務商（如Nebius）公開宣稱導入Groq/LPX架構以提供超低延遲推論服務——誰能提供最低延遲的服務，誰就能向企業客戶收取溢價。

至於部分市場傳聞提及太空相關應用專案，目前尚無充分官方或主流媒體佐證，應視為社群討論而非已確立的正式專案。

GPU與LPU的分工邏輯

輝達這次的策略核心是「異構運算」：讓GPU和LPU各司其職。

GPU負責理解：處理龐大的上下文資料，建立記憶體快取（KV Cache）。
LPU負責生成：網友討論中常以「在晶片上塞超大量SRAM」形容Groq 3 LPU的設計，據報導整個LPX機櫃合計約128GB on-chip SRAM，透過確定性架構繞過傳統記憶體瓶頸（Memory Wall），高速輸出文字。

在2026年Hot Chips上，輝達公布Groq 3 LPX的技術細節與效能數據，並表示這些LPX機櫃已進入全面生產階段。LPX機櫃採用全液冷設計，內含256顆LPU，機櫃內部互連頻寬約640 Tb/s（terabits per second）。

從架構設計來看，這是把運算單元與記憶體盡可能放在同一顆晶片上，減少資料搬移的延遲。不是什麼黑科技，就是把SRAM用到極致。

台積電被搶單？先看數據再說

消息曝光後，PTT Stock板一度出現「台積電被搶單」的恐慌情緒，因為市場上有傳聞指出，新一代Groq晶片可能由三星代工。但目前並無廣泛且一致的官方證實Groq晶片全面由三星生產。

實際情況是：輝達在Vera Rubin以及Spectrum X等高階平台上，主要高階晶片仍以台積電先進製程為主。Spectrum X交換器採用CPO（共封裝光學）技術，相關供應鏈也將持續受惠。三星更可能只是撿到「台積電產能滿載吃不下」的溢出訂單。

部分投資人認為，若Groq新訂單僅屬台積電產能溢出的補充，而輝達高階平台仍重度依賴台積電與CPO技術，則相關供應鏈（台積電與CPO概念股、台灣ODM廠如鴻海、廣達、緯穎）可能持續受惠機櫃組裝需求。此為市場觀點，投資人仍需自行評估風險。

監管風險：用「資產交易」繞過併購審查？

Dcard與Threads科技板熱議不斷。有人讚嘆輝達在晶片上整合超大量SRAM的解法擊破記憶體牆；也有人批評老黃「手上現金太多不知道怎麼花」，透過資產交易與技術授權形式取得最強潛在對手Groq的核心技術，等同完成AI算力市場的進一步整合。

值得注意的是，此案也引起美國參議員關注，質疑是否藉「資產交易+授權」繞過併購審查。從法規角度看，這筆交易的結構設計確實值得追蹤。監管風險仍待觀察。

熱門迷因也應運而生：「老黃的購物車沒有極限」、「護國神山吃太飽，三星撿到寶」，網友以調侃口吻見證科技巨頭的資本遊戲。

結論：這是一場精準的技術整合

從工程角度看，這筆交易的邏輯很清楚：輝達要的是能與自家GPU互補的推論技術，而不是併購一家公司的行政成本。LPU解決的是「高頻推論場景下的延遲問題」，這在代理式AI時代會越來越重要。

至於台積電會不會被搶單？目前看來，高階訂單還是穩穩在台積電手上，三星更像是吃溢出訂單的角色。但這個產業變化快，持續追蹤供應鏈動態才是務實做法。