Groq创始人在一场深度对话讲透了他的AI经济学

9 月底 Ross 和 Harry 的那 90 分钟对话，放在今天回看之所以“意味深长”，不是因为他提前预言了 Groq 的归宿，而是他在对话里反复用一连串极其具体的例子，把一个抽象命题钉死：AI 时代最大的竞争，不再是模型本身，而是算力供给链条——谁能更快、更确定地交付算力，谁就能把 tokens 变成收入，把供应链变成权力。

Ross 的表达方式很工程师：不堆形容词，只给你一条条可验证的因果链；而每条因果链后面，都配了一记“例子重锤”。

1）算力不是成本，是收入上限：Rate limit 是最真实的财务报表

Ross 一上来就把讨论从“模型能力”拉回到“算力瓶颈”。他问的不是“模型还差什么”，而是“OpenAI / Anthropic 最大的抱怨是什么？”——Rate limits。

用户拿不到足够 tokens。拿不到 tokens，就无法消费；无法消费，就无法收费。
所以“算力 → tokens → 收入”，不是推测，是当下的业务现实。

这个判断之所以有力，是因为他紧接着拿了一个当周发生的例子来佐证：OpenAI 推出限量高价产品。Ross 的解读很直接：他们在做一个实验——当你愿意投入更多算力给一小撮高价值用户，产品质量会提升到什么程度、用户付费意愿能提升到什么程度。

而这背后是他最重要的区分：

SaaS 的质量由工程师迭代决定；

AI 的质量可以用钱买——比如跑两个实例选更好答案，或者给高价值客户更多算力让结果更好。

这段话把“算力”从基础设施，直接推到产品能力旋钮的位置：你愿意拧多大，结果就能变多好，收入也能跟着改写。

2）速度不是体验细节，是“多巴胺经济学”：100ms 能买到转化率

很多人觉得“AI 回复慢几秒也无所谓”，Ross 说这判断 100% wrong。他没有用“体验很重要”这种空话，而是用消费品利润率做了一个凶狠类比：

按利润率排序：烟草最高，其次嚼烟，再是软饮料，再往下是水。
核心变量是什么？成分作用于人体的速度。多巴胺循环越快，黏性越强，利润率越高。

这不是为了耸人听闻，而是为了把“响应速度”从工程指标，翻译成一眼能懂的商业规律：越快，越上瘾，越赚钱。

然后他又补了一记互联网时代的铁证：

每 100ms 的加速，带来约 8% 的转化率提升——Google 和 Facebook 早年就验证过。

最妙的是，他还讲了一个很具画面感的“反问”场景：Groq 早期做速度优化时，有人看演示视频问他：

“为什么需要比你阅读速度还快？”
Ross 反问：
“那为什么网页加载需要比你阅读速度还快？”

这句反问的作用，是把“速度的价值不符合直觉”讲透：人类不擅长判断什么真正影响 engagement，但早期互联网公司已经把这件事用数据打穿了。

3）为什么 hyperscalers 像醉酒水手一样花钱：不是 ROI，是“别被踢出局”

当 Harry 问 AI 是否泡沫，Ross 的回答很典型：如果一个问题反复问却得不到答案，也许该换问题。与其问“泡沫不泡沫”，不如问“聪明钱在做什么”。

他给的不是宏大叙事，而是两个极具体的例子：

例子一：微软部署了一大批 GPU，但宣布不会把它们放到 Azure 上出租，因为自己用比租出去赚更多钱。
这句话把“GPU 是资产/成本”直接变成“GPU 是产能/利润中心”——当你拥有模型和分发渠道时，算力的最佳用途不是卖铲子，而是自己挖金子。

例子二：他在阿布扎比参加高盛峰会，问了一屋子管理 100 亿美元以上资产的基金经理：
“你们有谁 100% 确信 10 年后 AI 做不了你们的工作？”——没有人举手。
这一幕很重要：它解释了 Ross 那句著名比喻——spending like drunken sailors。因为大厂面对的不是“这个项目回报率 12% 还是 18%”，而是“我还能不能继续当平台”。另一种选择是“被完全踢出局”。

他还点破一个自我强化循环：要留在 Mag7，你必须持续投入；而股价之所以高，部分因为你在前七名里——越在前七，越能拿更低成本的资金砸下去，越不可能掉队。

4）自研芯片为什么大概率失败：最难的不是造出来，是跟上趋势+生态

Harry 问 OpenAI 会不会做自研芯片，Ross 的答案很冷：

“如果我今天创业，不会做芯片。船已经开走了。”

他并没有用“芯片太难”糊弄，而是给了三层递进，并且每层都配了能让人记住的例子。

第一层：周期
从设计到投产，完美执行也要三年；英伟达通常 3–4 年，只是能并行多条产品线。对新玩家而言，三年后市场可能已经换了题。

第二层：失败概率
他抛出一个极残酷的数据：首次流片成功率只有 14%。更生动的是他讲自己：

“我们做 V2 芯片时，已经预约好了 respin 的时间。结果第一次就成功了，我们自己都震惊。你不应该期待这个。”

这不是吓唬人，是在说：你做芯片，必须把失败当默认选项排期。对创业公司，这种时间和现金流的波动，足以致命。

第三层：真正难的是软件与趋势
Ross 说，大家以为硬件最难，做了才知道软件更难；再做下去才发现，最难的是跟上市场演进方向。因为“硬件彩票”存在：大家会为现有硬件设计模型。

这里他引用了一个非常经典的故事，几乎是整期节目最狠的“现实主义一击”：

Google 当年建了 10000 台 AMD 服务器。Ross 去参观实验室，看到工程师把服务器从机架上拉出来，把 AMD 芯片拔下来，扔进垃圾桶。
重点不是 Google “讨厌 AMD”，而是：

大家都知道那一代 Intel 会赢。那 Google 为什么还要建 10000 台 AMD？
因为他们要拿这个去逼 Intel 给折扣。

这故事把“自研/多供货商策略”的本质讲得太清楚：很多时候，做芯片不是为了打败英伟达，而是为了议价权与命运掌控。

5）英伟达真正护城河：不是 CUDA，是 HBM 的配给权

很多人把英伟达护城河归因于 CUDA。Ross 的说法更尖：CUDA 对训练更关键，对推理不成立（至少护城河形态不同）。真正的护城河在供应链——尤其是 HBM。

他用一组极具冲击力的数字和场景，解释什么叫“monopsony（买方垄断）”——你是唯一的大买家，所以你控制供给。

例子一：GPU die 产能不是问题
他甚至说，GPU 用的工艺和手机芯片类似，如果英伟达想，一年可以造 5000 万颗 GPU die；但今年可能只造 550 万颗。为什么？因为瓶颈在 HBM 产能和 interposer/封装等环节，而不是裸 die。

例子二：配额故事
当 hyperscaler 对英伟达说：“给我 100 万颗 GPU。”
英伟达说：“抱歉，还有其他客户。”
hyperscaler 说：“没关系，我自己造。”
然后英伟达就“神奇地”找到了货。

这个故事很粗暴，但它想说明的点非常精准：自研芯片真正给你的，不是芯片性能，而是“英伟达无法告诉你配额是多少”的那种命运自主。

例子三：系统成本的放大效应
Ross 还给了一个特别适合拿来讲投资逻辑的算账方式：
如果芯片只占系统总成本的 20%，芯片性能提升 20%，整个系统价值提升 20%；但芯片成本只增加 20%×20%=4%。
这解释了为什么英伟达“只好一点点”也能赢家通吃：在系统经济学里，小优势会被放大成巨大的价值差异。

6）Groq 的真正差异化：不是“更快”，是“6 个月交货”让客户当场转向

如果说前半段 Ross 在讲“为什么英伟达强”，后半段就是在讲“Groq 为什么能成为大客户眼里的硬资产”。而这里最关键的，不是性能参数，而是交付周期。

Ross 讲了一个你文章里最戏剧化的场景：

他和一家 hyperscaler 的基础设施负责人开会，聊速度、聊成本、聊各种优势，对方都不太在意。
但当 Ross 说出那句：

“你给英伟达下单，要提前两年付款才能拿到货。给我们下单 100 万颗 LPU，6 个月后第一批就开始交货。”
对方直接暂停了对话，只想深挖这一点。

这一个场景，把“供给确定性”在当前周期的价值讲到极致：性能再好，拿不到货等于零；能更快交付，就等于抢到了时间维度的垄断。

然后他解释了 Groq 为什么能做到这一点：不依赖 HBM，走片上 SRAM。
当然，SRAM 比 DRAM 贵，这是外界质疑最多的地方。Ross 不躲，直接给“贵”的事实：SRAM 每 bit 可能贵 3–4 倍，再叠加先进制程，综合可能贵 10 倍。
但他把视角从芯片拉到系统，抛出另一个极震撼的对比：

Groq 跑一个像 Kimi 的模型，用 4000 颗芯片；

GPU 跑同样的模型可能只用 8 颗。
听起来 GPU 更省，但代价是：GPU 那边可能需要500 份模型拷贝，消耗 500 倍内存容量。
所以即便 SRAM 每 bit 贵 10 倍，500 倍的内存浪费一抵，系统总成本反而可能更低。

他还补了一个近景例子来证明供给稀缺到什么程度：

两周前有客户来找他们，要 5 倍于 Groq 全部产能的算力。
hyperscaler 拿不到，任何人都拿不到，Groq 也给不了。
“没有人能给。”

这句话很重：市场不是“有没有需求”的问题，而是“产能根本不够”的问题。在这种背景下，“6 个月交货”就是战略级资产。

7）欧洲与能源：他用挪威风电利用率把“欧洲不缺电”讲成画面

Ross 对欧洲的诊断也非常“举例式”。他说欧洲不是资源问题，是策略问题，是对风险的理解方式不同。他把风险拆成两类：

commission：做错事的风险

omission：错过机会的风险

他认为美国更怕 omission（错过），欧洲更怕 commission（做错），于是欧洲更倾向用立法（本地化、隐私）去降低“别人控制我”的风险，但解决不了“我没有足够算力”的问题。

然后他抛了一个极有画面感的例子：

挪威风力利用率 80%，配合水电，仅一个国家就可能提供接近美国级别的电力潜力。
再加上他提到的“data embassy”设想（与能源国合作，在主权监管框架下用对方能源），其实是在说：欧洲不是没牌，而是不敢打牌。

他提核能时也用了一个让人皱眉的例子：

在美国建核电站，许可证费用是电站本身的 3 倍。
这不是为了喷监管，而是在说明：AI 时代的算力上限最终回到制度成本与能源政策。

8）Vibe Coding：4 小时上生产、零人类代码，是“未来已来”的那一刻

Ross 讲 vibe coding，没有停留在“大家都能写代码”的口号，而是给了两个极能传播的例子。

例子一：客户来访提需求 → Ross 写 high-level spec → 4 小时上线生产
没有一行人类写的代码，没有人类 debug，全靠 prompting，甚至通过 Slack 做代码 commit。
这例子想表达的不是“省人”，而是：当迭代速度从周/月压缩到小时，竞争维度被重写——你可以赢得对手根本来不及赢的单子。

例子二：开连锁咖啡店的朋友从没写过代码，用 vibe coding 做了库存管理工具，还能自己修 edge case
员工说这里不 work、那里没处理，他就一条条 prompt 修掉。
这把“编程像读写一样普及”的比喻落到了现实：以后很多岗位不是“会不会编程”，而是“能不能把需求清晰表达给机器”。

9）“我们不做模型”与“我们可能被客户吞并”：他自己提前写下结局

访谈末尾那句“我们不会做模型”，表面是在讲定位，本质是在讲平台信任：

他们把线画在这里：不与客户竞争，客户才敢在你平台上构建。

但 Ross 很诚实，他立刻给出另一面：

“我们可能被客户吞并。我可能在这个决策上犯了大错。”

而当 Harry 问他有没有卖过股票，他回答：从来没有。Harry 开玩笑：你显然不懂这个游戏，别担心我会教你。三个月后，200 亿美元的“资产+IP 非独家授权+核心团队加入”让这段对话变成了某种黑色幽默：Ross 没卖过股票，但他用一笔交易完成了第一次“退出”。