摘要

传闻中的 200亿美元 NVIDIA 合作，从第一次通话到资金到账只用了约 3周。 Jonathan Ross 找到 Jensen Huang，原本是想买约 100,000块 GPU，部署 Groq 已经搭建好的 GPU-LPU 混合系统；Jensen 看到成果后，反而认为不如让所有 NVIDIA 客户都能用上。Ross 纠正了“走投无路才卖身”的叙事：Groq 这次并不缺现金，协议价值只比上一轮估值高出略多于 2x，而且 Groq 本可以按许可交易的金额融资。
技术核心是，LPU 与 GPU 是互补关系，而不是替代关系。 “18轮卡车还是最后一公里的面包车，你会选哪个？答案是两者都要”：受算力约束的矩阵乘法交给 GPU，受内存吞吐约束的交给 LPU，因为不存在“唯一完美的架构”，两者结合才能“击穿瓶颈”。很多人误判在于把 prefill 与生成拆给不同硬件，但这不是正确的切分方式，因为“生成 token 才是难点”。
速度让模型变得更聪明，而不只是更快——Ross 用自己在 Google 参与创造的 TPU 上运行 AlphaGo 证明了这一点。 Ross 给出的近似 Elo 是：AlphaGo 在 GPU 上约 3,200，Lee Sedol 约 3,550，同时提醒自己可能把首位数字记错了；对话中 TPU 的结果被描述为约 3,900 或 2,900。同一个模型只有在硬件支持更深层搜索后，才找到了概率约为 1/10,000 的第 37手棋。“思考得更快，就能思考得更聪明”，在 AI-to-AI 的代理流量中，速度还会以指数方式放大。
就在 3、4年前，快速推理还不受待见，Groq 内部也不例外。 有人一边说它没有价值一边离职，客户会问“为什么我需要一个比我阅读速度更快的 LLM”，Ross 还曾两次被团队劝退 LLM 机会，包括 GitHub CEO 直接打电话来询问用于代码补全的芯片。最终奏效的办法是让人亲自试用：一段 LLM 在 Groq 上运行的 X 病毒视频，做到了多年第一性原理论证都做不到的事。
正如 Senra 通过 Ross 的融资故事和凯恩斯选美竞赛所框定的那样，资本已经不再是 AI 里的制胜押注。 过去，创投机构抱团下注有其合理性：融资最多的创业公司看起来可能更占优势；但“历史上第一次，创业公司不再缺现金……投入更多资金不再构成优势，可人们仍然表现得好像它是”。反差在于，典型的西海岸 VC 放弃了 Groq，东海岸 crossover 基金却投中了 Senra 所称、规模几乎是 NVIDIA 此前最大交易 3x 的一笔交易。
AI 时代真正决定成败的能力不是回答问题，而是提出问题。 “信息时代的成功，取决于能否回答问题；AI 时代的成功，将取决于能否提出正确的问题。” 每个人都要从 IC 转向“AI 的领导者”；Ross 认为学校课程应围绕真实社区问题展开，让学生把问题拆解成一组可以交给 AI 的提问。
代码的边际成本“正趋近于零”，软件创造将向更多创始人开放。 Ross 的 EA 不会写代码，却已经能搭建旅行应用；软件创作正像读写能力一样，开始向过去缺乏技术能力、但可能拥有良好品味的人开放。他预计，不依赖大型团队的个人创始人也能做出有价值的公司。
Ross 目前刻意维持的不满，来自全世界的算力短缺。 “如果因为算力不够，治愈癌症要多花 1年，那就是我的错。” 这背后的经历是：Groq 曾在仍未有产品时距离现金耗尽只剩 3周，靠“Groq bonds”——以薪资换股权——留住了团队；80%的员工参与，其中约一半降到了法定最低工资。

精读

1. 从电话到汇款只用 3周：传闻中的 200亿美元 NVIDIA 交易如何落地

Ross 的说法是，Groq 已经完成 GPU 与 LPU 的整合，于是找到 Jensen，想买约 100,000块 GPU 自己部署；Jensen 看到了这套成果，认为不如把它提供给所有 NVIDIA 客户。“第一次提出这个想法的那通电话，距离资金到账大约只有 3周。”Senra 感叹：“所以 Jensen 行动很快。”Ross 回答：“当然，领先别人就靠这个。”
Ross 用物流作比喻：18轮卡车和最后一公里面包车，“答案是两者都要”。LLM 处理一个 token 时，会进行多次矩阵乘法，有时受算力约束，适合 GPU；有时受内存吞吐约束，适合 LPU。“瓶颈到处都是……不存在唯一完美的架构”，所以把两者配对，才能“击穿瓶颈”。
Ross 驳斥资金告急的叙事：距离死亡只剩 3周的经历发生在“很多年前”，这一次“我们没问题”。他说，协议价值只比上一轮估值高出略多于 2x，而且 Groq 有能力按许可交易的金额融资。

2. AI 使用 AI：速度、微支付与可追问的每日简报

速度之所以会在今天形成复合效应，是因为“人类可以等 1、2秒……AI 却会一直等在那里，因为它生成 token 的速度快得多”。一个代理可以把任务交给另一个代理——“AI 很擅长使用 AI，这才是真正的 agentic”——于是任务呈指数级扩散，链条上的每一环都在意延迟。
Ross 认为，代理支付目前还处在早期：“支付系统还没有真正为这个场景准备好，但如果能实现微支付，支付笔数就会暴增。”他举例说，自己做 Signal/WhatsApp 代理的业余项目时，需要电话号码，就得先在 Twilio 证明自己是人类；如果代理拥有一笔授权预算，AI 本可以在预算范围内自行支付，无需他介入。
Ross 的业余项目会反过来塑造工作方式，其中一个是个性化的“总统每日简报”：它从长篇文字逐渐变成标题加追问。“我通过 AI 学习时，读的不是一段静态内容，而是在和它互动”，就像玩 20 Questions。Senra 也提到，Spotify 联席 CEO Gustav Söderström 做过类似的个人播客：过滤愤怒诱饵和政治内容，同时呈现他所关注的人正在讨论什么。
Senra 从 Ross 的推文中提炼出的核心命题是：“信息时代的成功，取决于能否回答问题；AI 时代的成功，将取决于能否提出正确的问题。”所有人都要从 IC 转向“AI 的领导者”；学校过去训练我们记忆答案，但现在“你只要问 AI，它知道答案。你只需要想出正确的问题。这是根本性转变”。

3. 领导力首先意味着有人追随，然后找到适合自己的形态

Ross 的第一个原则来自 Jon Levy 的一本书：“没有追随者，就不是领导者。”领导力和投资一样，有创投、债权、种子、crossover、PE 等无穷多种形态。新创始人的错误，是照搬别人给的建议，执行一套“并不适合自己”的方法。
Ross 很了解自己：和 Senra 两档播客里的那些控制狂不同，他从 18岁起就没拿过驾照——“我不需要控制驾驶，我想控制的是思考”——因此会招聘那些在大多数公司环境里可能表现糟糕、但能够自主行动的人。对职业早期的人来说，应该去一家领导风格能教给你、且你真正用得上的公司。
他坦言：“刚开始创业时，我是世界上最差的领导者之一。”这让 Groq 浪费了 3、4年。他把任务交给无法自主运作的人，结果所有事情都停滞了；等他事后发号施令时，这些指令对他而言“太不自然了，以至于他们不接受”。
解决办法，是把目标简化到一枚挑战币上就能写下：每个 Groq 员工都带着一枚写有“每秒2,500万 tokens”的硬币，同时只设定极少约束。“给一个人的约束越少，他就越有自由用解决方案让你感到惊喜。”Senra 联想到 Skunk Works 的 Kelly Johnson：“极致表现往往来自一个残酷清晰的优先级。”Ross 进一步强调，团队只有在能够以一种好的方式让你感到意外时才可能创新，而这意味着你不能把目标限制得过死。

4. NVIDIA 内部经验：砍掉一对一，以及信心带来的解锁

NVIDIA 是“你能见到的最不政治化的大型组织”，Ross 认为原因在于 Jensen 从不只对某一个人说某一件事。一对一会产生不同解读和小圈子，大型会议则能形成统一信息。他的规则是：讨论某人的指责性邮件，必须把被讨论的人抄送进去——“否则你就是在允许政治发生”。
Ross 从 Jensen 身上学到的第二课，是自己“花太多心思玩 3D 国际象棋”，而 Jensen 只问：“客户需要什么？那就为他们把它做出来，其他事情自然会跟上。”这也意味着，不要向客户兜售你自己都不相信他们需要的东西。Senra 补充说，Jensen 曾把管理约 60名直接下属比作管理 AI 代理：每个人都在自己的领域比他更聪明，这本身就是一套管理范式。
Ross 的信心故事发生在公司约 35人时：他跟随一位管理 2,000人组织的领导者，提前在心里做出每个决定，再看对方如何决策，结果一一吻合。“我的决定没有改变，但我的领导方式改变了。”人们会追随那些以信心传达出来的决定。至于规模，他说，一个 450人的创意组织在某些方面“更像是在管理 5,000人”；“人越优秀，就越难管理。”

5. 旅鼠、西海岸怀疑者与凯恩斯选美竞赛

Ross 观察到的融资社会学是：“典型的西海岸 VC 更像旅鼠”——一个人拒绝后，所有人都会跟着拒绝；典型的东海岸 VC 则“都觉得自己比对方聪明”，会各自做分析。最终，Groq 由东海岸 crossover 基金出资；Senra 兴奋地指出，NVIDIA 这笔交易规模几乎是此前最大交易的 3x，发生在西海岸 VC 错过 Groq 之后。
Senra 借用凯恩斯选美竞赛来解释这种行为：下注的不是最漂亮的模型，而是被下注最多的模型。过去，跟随其他投资人的选择似乎是理性的，因为最多人下注的创业公司看起来确实可能更有优势。但 Ross 认为，“历史上第一次，创业公司不再缺现金……投入更多资金不再构成优势，可人们仍然表现得好像投入更多钱就能给那家创业公司带来优势。”

6. 更快就是更聪明：AlphaGo 的证明与交易真正的起点

需要把功劳归给正确的人：芯片组合的想法来自 COO Sunny，这正是 Ross 自主性原则的体现；相关工作做了大概 3、4个月，“可能略长一些”。很多人误以为应该把 prefill，也就是读取，与生成拆到不同硬件上，但“生成 token 才是难点。读取比写入容易，AI 也是如此。”Groq 不介意把成果展示给 NVIDIA，因为它本来就想成为 GPU 客户。
Jensen 之所以立即行动，是因为 LPU 就像“让现有模型瞬间接入宽带”。与现实中的宽带转型不同，这种提速不需要任何人重建网站，性能提升可以直接落地。
Ross 从自己在 Google 参与 TPU 的经历中得出更深层的结论：DeepMind 在世界冠军围棋比赛前 30天发来邮件，AlphaGo 在 GPU 测试局中输掉后，团队把它移植到 TPU 上。Ross 给出的近似 Elo 是：AlphaGo 在 GPU 上约 3,200，Lee Sedol 约 3,550，同时提醒自己可能把首位数字记错了；对话中 TPU 的结果被描述为约 3,900 或 2,900。同一个模型获得了更多算力；GPU 没有找到第 37手棋这一万分之一概率的落子，是因为它在搜索链条中太深。
Ross 也承认：“作为 TPU 的创造者，我必须承认 GPU 现在更强了。”胜负手在生态系统，但 LPU 可以让模型更快地搜索得更深。“思考得更快，就能思考得更聪明。”

7. 现实商、决定胜负的主游戏，以及把变革管理当成全部工作

Groq 招人看重的是“现实商”（reality quotient），而不是 IQ：“有很多非常聪明的人，如果现实拍着他们的肩膀，他们也认不出来。”这种能力的极致表现，是找到决定胜负的主游戏：MySpace 最大化注册账户数，Facebook 最大化月活用户；“如果你最大化月活用户，就会击败那个最大化注册账户数的人。”
每秒2,500万 tokens 的目标，就是把这场决定胜负的主游戏变得人人可见：芯片速度、软件、电力成本、数据中心、制造和供应链，每个人都能把自己的工作与这个目标连接起来。
Ross 从工程师转向创始人的关键转变是：“我的工作就是全职做变革管理。而变革管理的第一原则，是让它看起来不像变革。”只要员工的注意力锚定在目标上，方法变化就会被体验成一切照旧；领导者的职责，是提供足够背景，让他们相信“自己的工作其实没有改变”。

8. 运气回报，以及“我打算这么做”的修复

Jim Collins 的观点是，最好的公司并不会获得更多运气，而是更善于抓住运气。Ross 用自己的反面案例说明这一点：GitHub CEO 曾打电话说需要用于 LLM 代码补全的芯片，因为 GPU 买不到；他的团队说“不行，做不到”，他还在两次机会中都让团队说服了自己，“尽管我内心深处其实知道我们应该做”。他反问：“如果我们当时成了 Microsoft 为 OpenAI 运行 LLM 的第一家推理引擎，情况会好多少？”
第三次遇到类似机会时，他亲自算了一遍，尽管所有人都认为不可能，Groq 最终“恰好达到了那些性能数字”。而在 3、4年前，快速推理还极不受欢迎，甚至有人因此离职。Ross 对那些茫然表情的解释是：“当人们不理解某件事的第一性原理，只是因为炒作才参与进来时，他们的理解不足以看出你做的事情为何不同。”
营销上的突破和 ChatGPT 时刻如出一辙。Ross 曾在 ChatGPT 发布约 3个月前看过 Anthropic 的演示，但现场反应平淡；只有当答案与自己直接相关时，魔法才会出现。Groq 把速度放到线上，有人在 X 上发了视频，Ross 在挪威做演讲时发现查询变慢了，因为使用量已经暴增：“我们突然病毒式传播了。”
管理上的修复来自 David Marquet 的《Turn the Ship Around》：意图式领导。问“我应该做这个吗？”会引来悲观意见；说“我打算这么做”，通常不会得到反馈，除非真的存在问题——就像那艘潜艇上的船员终于会说：“等等，舱门还开着。”第三次遇到机会时，Ross 说的是“我打算这么做”，结果“大家没有再说‘我们做不到’，而是纷纷加入进来，说‘我们应该这样做’”。

9. Groq bonds：让所有人都把手放在方向盘上

Groq 曾在仍处于产品前阶段时，距离现金耗尽只剩 3周；当时公司正在开发一种此前从未尝试过的编译器，目标是消除人类手写 kernel 的需要。Ross 审阅拟议裁员名单后得出结论：“如果按这份名单裁员，我们就完了。”唯一的办法，是降低现金消耗，而不是裁掉员工。
于是，他召开全员会议，现场挂起二战时期的战争债券海报，并推出“Groq bonds”，即以薪资换股权。80%的员工参与，约一半员工把薪资降到法定最低工资；原本年薪数十万美元的工程师降到“50美元、60,000美元……是真正的痛苦”。这项计划节省了超过 3周的现金消耗，可能更接近 2个月；Groq 最终在只剩 3周现金时完成融资。
预期中的人员流失并没有发生：流失率低于 10%，或许更接近 5%。Ross 对此的概括是：“让所有人都把手放在方向盘上。”坐在车里的乘客会害怕蜿蜒道路，但驾驶者拥有更多控制感，也更愿意承担风险。

10. 按负面特征招聘，尽早锁定胜局，像 Jordan 一样挑衅

Groq 维护一份带版本号的“people spec”：“如果你不把自己想找的人写下来，你就不可能按这个标准招聘。”候选特征包括运气回报和“诗性设计”——“诗歌就是语义密度，每个词都重要”——同时每个正面特征都有一个负面孪生项：挥霍运气、极繁主义设计。“你真正招聘的，是为了避开这些负面特征。”因为一个人可能把破坏性特质带进整个团队。Ross 最大的区分是：培养人才要展示正面特征，筛选人才要排除负面特征——这是“完全不同的思维模式”。他是在观察一位擅长清除问题的 HR 负责人后学到这一点的。
一项受重视的特质，是把损失厌恶转化为生产力。架构会议上，有人会说：“如果这么做，芯片速度会快一倍。”所有人都无动于衷，因为他们听到的是“下一代芯片”；Ross 听到的却是：“如果这代芯片不这么做，它的速度就会只有本来可能达到的一半。”他要招聘的是那些会“提前把胜利记到账上”的人。
对于 Senra 那期讲 Michael Jordan 的节目，Ross 怀疑 Jordan 沉迷下注和挑衅是有意提高赌注：公开输球会极其丢脸，从而逼出超人表现；创业者在成功前就宣布成功，使用的是同一种机制。Senra 引用了 Tim Grover 的说法：“一旦你告诉别人你会多么彻底地击败他，你就必须真的去做到。”

11. 制造不满、免费代码，以及教孩子提问

Ross 在一群成功人士中观察到，有些拥有数亿美元财富的创业者仍然对财富不满，另一些人则对自己过去做出的产品不满。每个人都有某种驱动力来自不满。“如果你想持续推动事情向前，就必须拥有一种始终不满的性格。”Ross 现在的不满是算力短缺：“如果因为算力不够，治愈癌症要多花 1年，那就是我的错。”Senra 举了另一个例子：Edwin Land 会在白板上记录因每延误 1天而死于车灯眩光的人数。
乐观的一面是，“代码配给”正在结束——“边际成本正趋近于零”。软件创作正从技术专家控制的事情，转向更广泛的可及能力。Ross 的 EA 现在已经能搭建在线旅行应用；“很多人将获得创建软件的机会，他们过去可能永远不具备技术能力，但他们本来就有良好品味，也知道什么是好产品。”他预计，不需要大型团队的个人创始人也能做出有价值的公司。
Ross 给父母的建议是：“不要再教孩子回答问题，开始教他们提出问题。”课程体系应围绕真实社区问题重建，比如许可证办理、地方活动，让学生写出真正有用的应用。如果学生只需上网查答案，或让 AI 直接解决问题，“你就没有教给他们真正需要的东西”；但如果给他们一个必须自己提出问题、再让 AI 解决的问题，“那你就教会了他们”。

E242｜最快半年AI跑通自进化？与陈天桥首席科学家聊聊硅谷模型必争之地开源模型 vs 前沿模型：究竟谁赢？| 每位工程师都将需要的10万美元Token预算