AI热潮还在持续，“AI卖铲人”英伟达遭遇对手Groq，后者靠着自研芯片LPU火遍社交网络。
LPU最显著的特点就是快——每秒生成大约500个tokens，而GPU每秒只能生成约40个tokens。
最近在社交媒体上，充斥着大量Groq与其他AI系统的对比，但其中最为核心的一点是：LPU能否颠覆英伟达GPU的霸主地位？
“性价比”因素难有定论
LPU能否颠覆GPU的关键就在于性价比，但这一点尚不能确定。
随着AI热浪席卷，AI新创企业不仅难以获得GPU，而且成本翻倍。困扰AI开发工程师的难题，就是如何尽可能低成本获得强大的GPU（比如英伟达的A100和H100芯片）。LPU的出现无疑是为AI开发者提供了一个新的选项。
从性能上看，横空出世的Groq声称LPU芯片速度比GPU快10倍。
为什么LPU芯片速度能提高这么多？Groq品牌和创意副总裁Mark Heaps解释称，LPU通过“软件优先的硬件解决方案”，简化了数据的传输方式，而这种简化既表现在芯片上，还表现在芯片之间甚至是整个网络中。他补充说：
LPU不需要调度程序、CUDA库、内核等内容，但它不仅可以提高性能，还可以改善开发人员的体验。
但从价格上看，LPU与GPU价格孰高孰低，引起了一些争议。华尔街见闻此前提到，原阿里技术副总裁贾扬清发文分析，一张LPU卡仅有230MB的内存，且售价超2万美元，在运行Llama-2 70b模型时，需要305张Groq卡才足够，而用H100则只需要8张卡。这意味着在同等吞吐量下，Groq的硬件成本是H100的40倍，能耗成本是10倍。
华为“天才少年”左鹏飞则表示，Groq成本价非常低，预计每卡成本在1200美金左右。GPU的成本大头则在HBM，但 Groq 直接丢掉了HBM，可以按 SRAM 的成本价估算卡成本。按1200美金/卡的成本计算，500张Groq卡的总成本是60万美金。Groq公司拿这60万美金只能采购两台英伟达H100。
Heaps表示，他们的芯片是基于14nm成熟工艺，容易获取且成本低廉。同时，Heaps指出了LPU未来的发展方向：
我们下一代产品是4nm芯片。
与GPU的适用场景各异
Heaps在比较GPU与LPU时提到，选择GPU与LPU往往需要考虑很多因素，比如工作负载和型号。Heaps称，在运行较小规模的硬件部署时，GPU系统确实将很有优势：
但如果我们谈论的是使用大型语言模型，为成千上万的用户提供服务的大型系统，我们的数据显示LPU在功耗方面更有效率。
在Groq LPU推出之前，大模型的训练和推理都是基于英伟达GPU来设计，采用昂贵的CUDA软件技术栈，而LPU则是专为AI推理所设计的芯片，在很多领域还未被大规模应用。
Heaps解释说，去年大量新的LLM模型推出，需要芯片兼容训练和推理，而往后则会有更差异化的需求（例如专用推理芯片），LPU就有了用武之地：
过去，人们想要一个像GPU这样的通用解决方案，既可以用于训练，也可以用于推理。
但现在，新兴市场迫使人们追寻差异化，通用的解决方案并不能很好地帮助他们实现目标。
