英伟达斥资200亿美金布局AI推理算力，其核心是通过引入Groq的LPU架构，与此前发布的CPX架构形成高效协同。这套方案旨在通过’PD分离’策略，同时解决推理的低延迟与Prefill的高算力需求，为AI算力发展描绘出一条新的技术路径。
智能速览
英伟达斥资200亿美金获取Groq的LPU技术许可并吸纳其核心团队。
新战略核心是实现’PD分离’，即Prefill与Decode阶段的计算架构分离。
LPU作为专用推理单元，凭借片上SRAM和确定性执行实现极致低延迟。
CPX架构则专注于Prefill阶段，拥有高达30 PFLOPS的FP4算力。
新一代AI机柜或延续无缆化设计，并重视LPU带来的PCB架构变革。
精华内容
英伟达此次布局并非简单的技术叠加，而是一套针对AI计算全流程的精密组合拳。其核心逻辑在于将不同阶段的计算任务分配给最擅长的硬件，从而实现整体效率的最大化。
LPU：解码神器
LPU，即语言处理单元，是专为AI推理阶段设计的ASIC芯片。其核心优势在于极致的低延迟和高吞吐量。为实现这一点，LPU采用大容量片上SRAM架构，将数据存储单元与计算单元紧密集成，大幅缩短了数据访问延迟，如同将仓库直接建在生产线旁。
此外，其确定性执行架构将计算步骤和通信时序精确规划到时钟周期，形成一条高效运转的’静态时序’传送带，确保了在任何负载下都能提供稳定可预测的性能表现，这对于需要实时响应的AI应用至关重要。
CPX：预填先锋
与LPU搭档的是此前发布的CPX架构，它专注于处理AI模型推理前的Prefill阶段。Prefill是一个计算密集型任务，对内存带宽要求相对较低。CPX的设计思路正是’对症下药’：它在内存和互联等传统GPU的强需求部分做减法，而在Prefill所需的纯粹算力上做加法。
单卡配备128GB GDDR7显存，在FP4精度下能提供高达30 PFLOPS的惊人算力。通过这种极致的优化，CPX能够快速完成处理提示词（Prompt）的初始计算，为后续LPU的高效推理铺平道路。
协同与未来
英伟达的’PD分离’战略，本质上是将Prefill和Decode两个特性迥异的计算任务，分别交给CPX和LPU这两个’专家’来处理，实现了1+1>2的效果。这种异构计算方案，比让单一硬件强行兼顾所有场景更为高效和灵活。
展望未来，这套新方案也将影响硬件设计。参考NVL144 CPX版本的思路，新一代AI机柜或将延续无缆化的核心设计语言，以提升部署效率和稳定性。同时，LPU架构的引入，也必将对服务器的PCB板卡设计提出新的要求和变革。
英伟达通过LPU与CPX的组合，为AI算力瓶颈提供了创新的解决方案。这不仅展现了其技术布局的深远考量，也可能成为未来AI芯片设计的新范式。这种分而治之的策略，是否会引领新一轮的AI硬件架构变革，值得持续关注。
