端侧 AI 推理三国杀
2026年的AI圈，有一个消息让全行业震动：英伟达豪掷200亿美金收购Groq，坚定押注HBM+LPU的协同路线，试图垄断从云端到边缘的全场景推理算力。而与此同时，AI行业正面临一个普遍困境——AI快用不起了！智谱、Anthropic等大模型机构密集涨价、调整计费模式，背后的核心症结，正是端侧AI推理的底层架构瓶颈。 如今，全球端侧AI推理赛道已经悄然分成了三条截然不同的路线，分别由英伟达、高通和
标签专题 · 共 4 篇文章
# Groq
关于「Groq」的技术文章、设计资料与工程师讨论，持续更新。
4
篇文章
13
人关注
227
次浏览
ASIC vs GPU：算力时代怎么选？看完这张对比表就不纠结了
数字时代里，算力就是推动技术进步的核心引擎。ASIC芯片和GPU作为两种最核心的算力载体，各自在特定领域都有着不可替代的优势。 今天就把两者的技术差异、性能特点和适用场景说透，不管你是挖矿、做AI还是搞高性能计算，都能得到专业的参考。 1. 先给核心结论 ASIC是为单一任务优化的专用芯片，GPU是面向通用并行计算的灵活方案，两者没有绝对好坏，只看你用在什么地方。核心差异我整理了一张对比表，一目了
刚刚，谷歌发布两款芯片，剑指英伟达!
多年来，谷歌一直在生产既能训练人工智能模型又能处理推理工作的芯片，现在，谷歌正将这些任务分离到不同的处理器中，这是其在人工智能硬件领域挑战英伟达的最新举措。 谷歌周三表示，将对其第八代张量处理单元（TPU）进行这项更改。这两款芯片都将于今年晚些时候上市。 谷歌高级副总裁兼人工智能和基础设施首席技术官阿明·瓦赫达特在一篇博客文章中表示：“随着人工智能代理的兴起，我们认为，如果芯片能够根据训练和服务
GPU和LPU，谁才是AI“最优解”？读完这篇你也能说清。
本文介绍了GPU和LPU的区别与各自适用场景。 众所周知，AI芯片领域，英伟达GPU一家独大，但最近有个新选手跳出来叫板——LPU，专门做大语言模型处理（LLM）的新架构。 这玩意到底是黑科技还是炒概念？今天咱就硬核拆解，谁才是AI的最优解，看完你就懂了。 核心结论先给你撂这：GPU仍是全能扛把子，LPU是LLM推理领域的专门杀手，如果你只做大语言模型推理，LPU现在已经比GPU更强。但是做LLM