Nvidia 的 Groq 交易带来超越 AI 推理的税务优势

据通过 Google News 流传的新披露信息，Nvidia 将其据称规模庞大的 Groq 交易，变成了不止一次推理技术采购。该公司还确认了一笔可税前扣除的商誉，主要与 Groq 的员工队伍及未来技术开发相关。

这一会计处理细节，为本就旨在获得人才、知识产权和专用推理架构的协议增添了另一重优势。Nvidia 获得这些资产时，并未收购 Groq 的股权、客户合同、现有产品或云业务。

这一安排也令核心冲突更加突出。Nvidia 正在强化其在推理领域的地位，而 Groq 仍作为一家独立公司，试图围绕 GroqCloud 重建业务。监管机构和立法者必须判断，这种分离是否保留了实质性竞争，还是只保留了其法律形式。

Google News 揭示 Nvidia 实际买下了什么

Nvidia 的文件描述的是一项经过精细拆分的交易，而非对 Groq 的常规收购。

Groq 于 2025 年 12 月 24 日公开宣布该协议。其简短声明称，这是一项涵盖 Groq 推理技术的非独家许可交易。

这份许可公告还表示，创始人 Jonathan Ross、总裁 Sunny Madra 及其他员工将加入 Nvidia。Groq 将继续保持独立，其云服务也将不间断运营。

这些声明留下了几个重要问题未解。两家公司均未披露交易对价、列明所有转让资产，或说明该技术将如何纳入 Nvidia 的产品路线图。

Nvidia 随后在年度文件中提供了更详细的会计说明。该公司表示，其获得了 Groq 语言处理单元技术的许可，并聘用了部分员工。它明确指出，未收购 Groq 的任何股权、现有产品或客户合同。

这一区别很重要，因为传统收购通常会将一家运营中的企业纳入同一所有者之下。其中可能包括合同、收入、员工、产品、知识产权和公司控制权。

Nvidia 则将这些部分拆开处理。它取得了技术权利，并招揽了推动该技术发展的团队。Groq 保留了公司身份、云业务和面向客户的业务。

该文件将交易记录价值的大部分归类为商誉。商誉是一种会计资产，代表无法清晰归入可辨认财产的价值，例如专利或现有产品。

Nvidia 表示，商誉主要反映所获得的员工队伍以及许可技术预期的未来开发。该公司将其归入 Compute and Networking 报告单元。

已开发技术则构成一项规模较小的可辨认无形资产。Nvidia 使用重置成本法为该技术估值，并将其使用寿命设定为五年。

文件随后补充了推动最新报道的细节：该商誉可在税前扣除。这意味着 Nvidia 预计，相关计税基础将根据适用税法产生扣除额。

扣除并不等于即时退税，也不意味着交易无需成本。通常而言，它会在税法允许的期间内降低应纳税所得额，具体还取决于 Nvidia 的收入和税务状况。

确切的现金收益将取决于时间安排、司法辖区、应税收入，以及税务机关最终接受的处理方式。Nvidia 的披露确认了其可扣除状态，但并未提供最终节省金额的简单公开计算。

不过，这份文件改变了评估该交易的方式。Nvidia 获得的不仅是新的推理架构和经验丰富的工程师，还获得了一项税务处理可降低交易长期实际负担的会计资产。

这一优势源于同一交易结构，而该结构如今也正引发竞争问题。公司购买了特定经济利益，同时保留了其未认定为收购资产的法律实体、云服务和运营关系。

这是第一个重要反转。一项在公开层面被描述为非独家许可的交易，仍可能转移使许可方成为严肃技术挑战者的大量能力。

这笔交易瞄准了 AI 的推理瓶颈

Groq 为 Nvidia 提供了一条进入 AI 计算关键环节的专用途径：在这里，速度、延迟和运营效率最为重要。

训练是通过处理大规模数据集并调整模型内部参数来创建模型的过程。推理则是后续阶段，即训练完成的模型响应提示词、生成 token 或作出预测。

训练推动了第一波对大型 AI 集群的需求。随着企业将模型部署到日常使用的应用中，推理的重要性日益提升。

聊天机器人必须在人们等待时作出回应。编程助手必须在不中断工作的前提下生成建议。语音代理和交互式搜索产品若每次响应都来得很慢，其实用性就会降低。

这些工作负载对硬件的要求不同于模型训练。训练强调在大型集群中进行海量并行计算；交互式推理则更看重响应延迟、token 生成速度、内存数据移动和稳定性能。

Groq 围绕推理工作负载的可预测执行设计了其语言处理单元，即 LPU。其架构高度依赖软件调度和片上 SRAM，这是一种靠近处理资源的高速内存。

这种设计可减少在处理器和外部内存之间反复移动数据造成的延迟。不过，Groq 的架构也带来扩展挑战，因为大型模型可能需要许多芯片来承载和执行工作负载。

Nvidia 现有系统提供了 Groq 所缺乏的互补资源。GPU 能处理广泛的并行工作负载，而 Nvidia 的网络、软件和数据中心平台能够连接大量加速器。

两家公司在达成协议前就开始测试一种解耦方案。解耦是指将一次推理请求的不同阶段分配给针对各项任务优化的硬件。

Jonathan Ross 向 EE Times 表示，团队曾尝试在 Nvidia GPU 和 Groq LPU 上运行工作负载的不同部分。早期演示促使 Nvidia 加深双方关系。

这一路技术路径在 GTC 2026 上变得清晰。Nvidia 将 Groq 技术作为 Vera Rubin 平台的一部分推出，而不是将其视为一款独立的加速器。

Groq 3 架构将推理划分为预填充和解码。预填充处理初始提示词，而解码生成用户看到的响应 token。

Nvidia 可以将每个阶段分配给最适合的资源。其更广泛的平台可以处理提示词处理、内存密集型操作、网络和编排；Groq 的 LPU 技术则可专注于低延迟 token 生成。

这一机制解释了为什么 Nvidia 想要的不只是被动的专利许可。Groq 的编译器和工程师掌握着将模型拆分到多个 LPU 上并调度其执行的知识。

Nvidia 高管 Ian Buck 向 EE Times 表示，公司获得了 Groq 整套软件栈的许可。Groq 工程师还加入了 Nvidia 的 Dynamo 团队，该团队开发用于编排数据中心基础设施推理任务的软件。

因此，这一安排连接了决定实际性能的三个层面：芯片、网络和编排软件。如果周边系统让加速器等待数据，再快的加速器也无法发挥其理论优势。

Nvidia 已通过 CUDA 控制了广泛使用的软件环境。它还拥有通过 Mellanox 获得的网络技术，并销售集成式数据中心系统，而非孤立的处理器。

Groq 的设计如今可以成为该平台中的另一项组件。客户无需采用完全独立的硬件和软件环境，便可获得专用推理选项。

这一分销优势改变了竞争格局。此前，Groq 必须说服客户尝试较不熟悉的架构并集成其服务。Nvidia 则可以将同一底层方案放在这些客户已经采购的产品旁边。

税务扣除并不会创造这种战略优势。它改善的是一项交易周边的经济性，而该交易的主要目的在于控制专用推理如何进入 Nvidia 平台。

Nvidia 将竞争对手的架构转变为平台功能

核心竞争已不再是 Nvidia 对阵 Groq；而是 Nvidia 的一体化平台对阵每一种独立推理替代方案。

在协议达成前，Groq 直接挑战了这样一种观点：通用 GPU 应当处理几乎所有重要的 AI 工作负载。其主张聚焦于由专用硬件提供可预测、快速的推理。

交易完成后，Nvidia 可以将这一替代方案展示为自身产品家族的一部分。对架构的批评依然成立，但 Nvidia 现在拥有了应对方案。

这是交易更大的反转。Nvidia 无需证明 GPU 本身适合每一种推理任务。它可以许可另一种处理器，并将其连接到自身系统的其余部分。

这种做法类似于 Nvidia 在其他领域对专用组件的使用。公司将 CPU、GPU、网络硬件、内存、互连和软件整合为一个数据中心平台。

因此，买家无需离开 Nvidia 的商业环境，就可以选择不同的计算引擎。该平台吸收技术多样性，同时维持单一供应商关系。

对于独立加速器公司而言，这提高了竞争门槛。它们必须展现的不只是令人印象深刻的芯片级性能或快速演示。

它们还需要制造能力、网络、系统软件、开发者工具、支持和分销能力。它们也需要部署足够的基础设施，以可靠地服务生产工作负载。

Google 通过其张量处理单元仍是重要的制衡力量。Google 为机器学习开发 TPU，并通过自身服务和 Google Cloud 部署这些产品。

Amazon 和 Microsoft 也为其云平台设计定制加速器。AMD 则凭借数据中心 GPU 和不断扩展的软件栈展开竞争。

这些公司拥有在系统层面挑战 Nvidia 所需的资本、客户和基础设施。规模较小的芯片初创公司很少同时掌控这三者。

Nvidia 与 Groq 的协议同时向两类企业施压。超大规模云服务商面对的是一家可以在不放弃既有平台的前提下整合专用推理硬件的供应商。初创公司面对的则是一个既可能许可其技术、也可能招揽其领导者的潜在合作伙伴。

Google News 的标题仅概括了最新的财务收益。更深层的胜利，是 Nvidia 能够通过吸收一种架构挑战来化解它。

客户不应将这种整合自动视为优越经济性的证明。实际性能取决于模型规模、工作负载形态、批处理规模、延迟要求、利用率和软件成熟度。

针对交互式 token 生成进行优化的系统，在大规模批处理负载下的表现可能不同。基于某一模型的基准测试，未必能预测另一模型的结果。

部署同样重要。评估推理硬件的企业必须考虑容量可用性、集成工作、服务可靠性，以及让专用设备保持高利用率的成本。

Nvidia 的优势在于，它能够通过既有平台回应这些问题。其客户已经在使用相关软件、网络和数据中心系统。

这降低了围绕陌生处理器产生的组织摩擦。LPU 成为已知环境中的一个选项，而非对该环境的彻底替代。

这也限制了围绕 Groq 架构形成独立软件生态的机会。Nvidia 表示，更广泛的编程访问将稍后推出，而初期部署将聚焦主要客户。

结果是一种熟悉的平台策略。Nvidia 可以决定开发者何时以及如何接触这项新技术，再将其整合进他们已在使用的工具中。

开发者应关注，这种整合最终是否会提供有意义的底层访问能力。托管服务可以提供速度，却未必允许用户优化特殊工作负载或构建可移植的软件。

企业买家还应区分一种架构的潜力与其可用性。为未来平台宣布的产品，并不会立即形成广泛部署的产能。

这项协议为 Nvidia 提供了可信的机制，以及打造该机制的人才。接下来能否落地，取决于能否将这些资产转化为客户可以购买、运营和进行基准测试的系统。

税务优惠伴随监管风险

带来灵活性和税务价值的同一结构，也使 Nvidia 的交易在经济实质上更难与收购区分开来。

协议达成后，Groq 在法律上仍保持独立。其云服务继续运营，且该许可被描述为非独家许可。

这些事实支持 Nvidia 的立场，即它并未收购 Groq。该公司的文件进一步强化了这一论点，称其没有购买股权、现有产品或客户合同。

然而，竞争分析往往不止看交易的标签。监管机构可以追问哪些资产发生了转移、哪些人更换了雇主，以及剩余公司是否仍能对买方形成竞争约束。

参议员 Elizabeth Warren 和 Richard Blumenthal 在致 Nvidia 的一封信中提出了这些问题。他们质疑，该公司为何选择许可 Groq 的技术并聘用关键员工，而不是收购这家初创公司。

这封参议员联名信认为，人才转移可能会降低该许可对其他公司的实际价值。他们担心的是，即使现有技术在技术上仍可供其他方使用，未来的进展也将在 Nvidia 内部发生。

这是一个有分量的质疑角度。非独家许可只有在其他被许可方能够获得有用的技术、专业知识、支持和持续改进时，才能维持竞争。

因此，Groq 能否独立存续至关重要。在其创始人、总裁及其他团队成员加入 Nvidia 后，该公司必须证明 GroqCloud 仍能保持技术竞争力。

Groq 在 2026 年 6 月筹集了新资金，并称公司已进入以推理云为核心的第二阶段。该公司表示，其业务覆盖 13 个数据中心，并服务超过 500 万名开发者。

这些采用数据来自 Groq，且尚未在公告中接受独立审计。不过，它们仍显示出这家剩余公司计划如何参与竞争。

这份Groq 融资更新还称，该云服务每周处理数万亿个 token。Groq 计划扩展基础设施，并已任命新的领导团队。

这一回应使“简单清除竞争者”的叙事变得复杂。Groq 并未消失，投资者也愿意支持其剩余业务。

更棘手的问题是，当 Nvidia 将底层 LPU 技术整合进一个规模大得多的平台时，GroqCloud 是否还能形成自身差异化。

Groq 可能从中立性中受益。一些客户希望获得推理产能，而不完全依赖最大的加速器供应商或超大规模云服务商。

然而，独立性需要持续获得有竞争力的硬件和软件，也需要一个能够在关键人员离开后继续推进平台发展的技术组织。

TechCrunch 将该交易描述为“非收购式人才吸纳”（not-acqui-hire）：一家大公司在不直接收购初创公司本身的情况下，许可其知识产权并招募重要员工的结构。

AI 领域类似安排的增加，已引发更密切的监管关注。这类交易可以在纸面上保留一家公司，同时将其最有价值的能力转移到别处。

Nvidia 的会计处理又增添了一层考量。该公司将大部分商誉归因于员工队伍，以及获许可技术的未来开发。

这类表述支持了转移人员的战略重要性，也给批评者提供了具体理由，去追问剩余的 Groq 是否仍代表同样的竞争力量。

税收扣除本身并不是反竞争行为的证据。税务处理遵循会计和交易规则，而非对市场竞争作出的判断。

不过，财务收益展现了该结构所服务的多重目标。Nvidia 在避免持有 Groq 股权和运营业务的同时，获得了技术权利、人才、平台选择权和可扣除的商誉。

即使常规的并购前审查程序未被触发，监管机构也可能审查这类安排的实质。它们是否会挑战这笔交易，仍不确定。

任何干预都需要应对实际的补救难题。整合工作开始后，要将员工与技术开发分离将十分困难。

要求提供更广泛的许可访问或许能保留替代选择，但访问权本身未必能复制被转移工程师掌握的知识。行为限制也可能需要长期监督。

这种不确定性应当淡化“Nvidia 已取得毫无阻碍的胜利”之类的说法。该公司获得了战略和税务优势，但也为 AI 基础设施领域的反向人才收购创造了一个引人瞩目的测试案例。

Nvidia 与 Groq 交易后值得关注什么

三个信号将表明，Nvidia 买到的是持久的推理优势，还是一组昂贵但前景可期的要素。

第一个信号是已出货 Groq 3 系统的独立性能表现。Nvidia 已说明该架构，但客户需要看到其在多种模型和工作负载上的生产环境证据。

有价值的结果应包括延迟、持续 token 生成速度、利用率、能耗，以及一个已部署系统能够服务的用户数量。比较必须采用等效的模型和服务要求。

若这些维度均表现强劲，将强化 Nvidia 的平台论点。若优势仅限于精心挑选的演示场景，其说服力就会减弱。

这一差异很重要，因为 Groq 的设计是以一种约束换取另一种约束。快速的片上内存支持可预测的执行，但大型模型可能需要大量互连处理器。

Nvidia 相信其网络和编排能力能够管理这种权衡。生产部署将决定这种组合是否能改善整个系统的经济性。

第二个信号是 GroqCloud 作为独立业务的进展。Groq 表示，在许可协议和领导层交接之后，其服务仍在持续增长。

应关注持续的客户使用、新增产能、模型可用性、可靠性，以及公司能否维持自身软件路线图的证据。仅仅宣布开发者账户数量，并不能证明存在持久需求。

GroqCloud 的增长将支持两家公司关于该许可确实是非独家的说法。若出现停滞，或在技术上依赖 Nvidia，则会强化独立性大多只是形式上的担忧。

这个问题不止关乎一家初创公司。未来的 AI 创始人会研究，一家公司在许可其核心技术并转移高级人才后，能否继续存续。

投资者也会审视结果。一项既能回报股东、又能保留可行第二家公司的交易，可能成为可复制的融资模式。

若这种结构使剩余业务无法竞争，将引发更大的质疑。它也可能让员工和客户对加入谈判类似协议的初创公司更加谨慎。

第三个信号是具体的监管回应。参议员的质询表明了政治层面的关注，但一封信并不会自动引发执法行动。

读者应关注联邦贸易委员会或司法部是否提出要求、是否出台拟议披露规则，以及对类似“许可加招聘”安排的审查。

正式调查将增加 Nvidia 交易模板的不确定性。新的指导意见也可能影响其他考虑采用反向人才收购的科技公司。

若没有进一步行动，Nvidia 将可继续整合 Groq 的团队和架构。这也可能鼓励竞争对手在政策制定者划定更清晰边界之前，采用可比结构。

Google News 的报道可能会聚焦个别进展，包括税务披露、产品发布或监管信函。更重要的任务是把这些进展联系起来。

Nvidia 可抵税的商誉并不能解释该公司为何追求 Groq。它揭示了该交易选择性结构带来的额外收益。

技术仍是主要的战略资产。Groq 的 LPU 为不断增长的实时推理需求提供了专门解法，而 Nvidia 则提供分发渠道、网络、软件和客户准入。

员工队伍将这些组成部分连接起来。Nvidia 自己的会计表述称，被转移的员工和预期的未来开发支撑了其记录的大部分商誉。

因此，执行是决定性问题。Nvidia 必须将获得的知识转化为可靠的基础设施，同时不能让 Groq 的架构优势在更大的组织中减速。

它还必须说服客户，处理器的组合能够改善完整应用的经济性，而不仅仅是个别基准测试阶段的表现。

对开发者而言，实际问题在于访问权。Groq 3 会成为支持多样模型和部署选择的可编程组件，还是仅为特定客户提供的受控选项？

对企业买家而言，问题在于议价能力。更广泛的 Nvidia 平台可以简化部署，但更深层的整合也可能削弱议价能力和供应商多样性。

对竞争芯片公司而言，教训很直接。面对一家既能许可替代架构、又能将其吸收到完整系统中的供应商，狭义的硬件优势不太可能足够。

比较各类公告的团队可以利用结构化的AI knowledge base，追踪基准测试条件、部署日期、监管文件以及公司表述的变化。当产品措辞的演变速度快于基础设施的实际交付时，这类记录会变得尤为重要。

未来几个月应能明确，Nvidia 的 Groq 策略是否带来可量化的收益，以及 GroqCloud 能否保持鲜明的技术身份。监管的沉默或行动将补全这一图景。

不要仅凭一条 Google News 标题来判断这项交易。应同时追踪产品交付体系、独立云业务增长，以及正式的监管进展。这些信号将表明，Nvidia 是获得了另一套高效推理引擎、削弱了一个竞争威胁，还是创造了一种最终会被政策制定者限制的交易模式。