Стартап Groq, который делает собственные AI-чипы, пытается поднять еще $650 млн у текущих инвесторов и делает ставку на AI inference вместо привычной для чиповых компаний гонки за «железом ради железа». Для разработчиков и IT-бизнеса это важный сигнал: деньги и интерес рынка все заметнее уходят не в обучение моделей, а в инфраструктуру, которая быстро и предсказуемо обслуживает реальные запросы пользователей.
О планах компании сообщает TechCrunch со ссылкой на Axios. Речь идет о внутреннем раунде: Groq хочет привлечь средства от уже существующих инвесторов, чтобы нарастить свой inference-бизнес в формате neocloud. Проще говоря, компания не просто продает чипы и системы, а строит вокруг них облачную платформу, через которую разработчики и корпоративные клиенты могут запускать приложения с высокой нагрузкой на вывод моделей. В 2026 году это звучит куда прагматичнее, чем очередная презентация о светлом будущем AI без ответа на вопрос, кто и за какие деньги будет обслуживать миллионы запросов в проде.
Контекст здесь не менее важен, чем сам раунд. В декабре Groq заключила с Nvidia сделку, которую рынок описывал как «не совсем поглощение». По данным источника, ее размер оценивался в $20 млрд. В рамках соглашения часть senior-руководителей Groq перешла в Nvidia, а сама Nvidia получила лицензию на аппаратные технологии стартапа. Для инвесторов это было почти праздничное событие: они получили денежные выплаты, хотя формально полноценной продажи компании не произошло. Если бы это было классическое поглощение, для Nvidia такая сделка стала бы крупнейшей. Теперь тем же инвесторам предлагают снова вложиться в Groq, но уже в новую историю: не про масштабный hardware-блиц, а про рост облачного сервиса для AI inference.
Почему именно inference стал новой точкой опоры, в целом понятно. Обучение больших моделей по-прежнему остается дорогим и медийным занятием, но для бизнеса узкое место давно сместилось в сторону выполнения пользовательских запросов: генерации текста, работы ассистентов, ранжирования, поиска, агентных сценариев, аналитики и всего, что должно отвечать быстро, много и желательно без счета за инфраструктуру, от которого CFO начинает нервно смотреть в окно. В этом смысле разворот Groq выглядит не как вынужденная капитуляция после сделки с Nvidia, а как ставка на тот кусок AI-рынка, где спрос уже материализован. Компании нужны не абстрактные терафлопсы, а понятная стоимость одного запроса, стабильная задержка и возможность масштабироваться без архитектурного цирка.
Отдельно стоит обратить внимание на то, как устроен сам раунд. По данным Axios, инвесторы Disruptive и Infinitium готовы закрыть весь объем, если другие действующие акционеры не захотят выбирать свои доли пропорционально участию. Для рынка это важная деталь: когда в сделке есть якорные игроки, которые фактически подстраховывают раунд целиком, история выглядит заметно менее хрупкой. Это не отменяет вопросов к будущему Groq как самостоятельного бизнеса после столь тесной сделки с Nvidia, но показывает, что у компании пока есть кредит доверия хотя бы со стороны тех, кто уже внутри cap table и знает кухню лучше внешних наблюдателей.
У Groq сейчас временное руководство: компанию возглавляют interim CEO Adam Winter и CFO Matt Eng. Сам по себе этот факт обычно вызывает у рынка легкую настороженность, потому что переходные управленческие конструкции хороши для стабилизации, но не всегда для длинной стратегии. С другой стороны, в случае Groq задача как раз очень операционная: превратить технологический актив и узнаваемое имя в работающий облачный бизнес с выручкой от inference-нагрузок. Для enterprise-клиентов это, возможно, даже более понятный сюжет, чем очередная ставка на будущую архитектурную революцию. Если сервис умеет обслуживать inference-дemand быстро и экономно, клиенту не так важно, сколько героических инженерных мифов было по дороге.
Для разработчиков эта новость тоже не проходная. Она подтверждает, что слой AI-инфраструктуры становится самостоятельным полем конкуренции, а не приложением к большой модели. Выигрывать будут не только те, кто обучил очередную frontier-модель, но и те, кто научился дешево и быстро гонять AI inference в облаке. Это влияет на выбор платформ, на архитектуру AI-продуктов и даже на hiring: спрос будет расти не только на ML-исследователей, но и на инженеров, которые умеют работать с inference-пайплайнами, latency, batch-обработкой, оркестрацией нагрузок и экономикой GPU- или альтернативных accelerator-кластеров. Для стартапов это еще прямее: в мире, где модель можно купить как API, преимущество часто рождается не на этапе обучения, а на этапе доставки ответа пользователю.
Для бизнеса история Groq выглядит как еще один маркер взросления рынка. Несколько лет назад инвесторы охотно финансировали сам факт наличия AI-чипа и большой амбиции. Теперь этого уже мало: нужен сервис, который закрывает прикладную боль, причем желательно с предсказуемой unit-экономикой. Именно поэтому облачный AI inference сейчас выглядит не менее стратегическим активом, чем сами ускорители. Вопрос теперь не в том, сможет ли рынок найти деньги на подобные истории, а в том, сколько независимых игроков успеют превратиться в полноценные inference-платформы до того, как гиперскейлеры и Nvidia окончательно прижмут этот сегмент своим масштабом.