著者 Maksym Misichenko · Nasdaq ·
AIエージェントがこのニュースについて考えること
The panelists agree that neither Nvidia nor Cerebras has proven inference economics at scale. Key risks include execution hurdles for Cerebras' wafer-scale chips, yield and cooling issues, and the potential collapse of inference margins due to intensifying competition. The main opportunity lies in the potential disruption of current memory architectures, though this is not yet certain.
リスク: Execution hurdles for Cerebras' wafer-scale chips
機会: Potential disruption of current memory architectures
本分析は StockScreener パイプラインで生成されます — 4 つの主要な LLM（Claude、GPT、Gemini、Grok）が同じプロンプトを受け取り、組み込みの幻覚防止ガードが備わっています。 方法論を読む →
CerebrasとNvidiaはどちらも推論チップにSRAMを使用しています。
ただし、Cerebrasは巨大なサイズのチップを製造しているのに対し、Nvidiaは通常のサイズのLPUをチップのエコシステムに組み込んでいます。
大規模言語モデル（LLM）のトレーニングは人工知能（AI）の最初の段階を支配してきましたが、最終的には推論がはるかに大きな市場になると予想されています。
LLMトレーニングはコンピューティング集約型で技術的に困難ですが、推論はメモリ中心であり、継続的なプロセスであるため、よりコスト効率が良くなる傾向があります。従来、グラフィックス処理ユニット（GPU）やその他のAIアクセラレータは、この分野でのパフォーマンスを最適化するために高帯域幅メモリ（HBM）とともにパッケージ化されています。
AIは世界初の1兆長者を生み出すのか？ 私たちのチームは、NvidiaやIntelの両方が必要とする重要な技術を提供する、あまり知られていない「不可欠な独占」と呼ばれるある企業に関するレポートをリリースしました。 続き »
ただし、Nvidia（NASDAQ：NVDA）は最近Groqの「買収」を通じて、Cerebras Systems（NASDAQ：CBRS）は推論のためのAIワークロードを高速化するためにオンチップSRAM（静的ランダムアクセスメモリ）に注目しています。これは新しいアプローチであり、両社はSRAMを非常に異なる方法で使用しています。SRAMを使用すると推論速度を劇的に向上させることができますが、物理的にかさばり、チップのサイズ、メモリ容量、チップを搭載および冷却するために必要なデータセンターインフラストラクチャとの間のトレードオフが生じます。
2つのアプローチを見て、どちらの半導体株が推論市場のリーダーになる可能性が高いか見てみましょう。
SRAMの物理的なかさばりに対処するために、Cerebrasは大量のコンピューティング能力とSRAMの両を単一のチップに収容できる巨大なサイズのウェーハチップを作成します。ただし、これには対処する必要がある追加の問題が伴います。
その一つは、チップ製造プロセスが複雑であり、欠陥が一般的であることです。台湾半導体製造が先進的なチップ製造において仮想的な独占企業になったのは、先進的なチップを高い収量で製造できるからです。しかし、最新技術の目標でさえ、収量は約80％です。非常に高価なウェーハサイズのチップを検討する場合、そのような収量は通用しません。この問題を解決するために、Cerebrasはチップの欠陥を回避するのに役立つ追加のコアを追加します。
さらに、そのチップは特別な冷却と電力管理を必要とするため、個別に販売するのではなく、完全なエンドツーエンドのサーバーラックCS-3システムの一部としてのみ販売またはレンタルします。同社は、そのシステムがGPUよりも15倍速く推論を実行できると宣伝していますが、関わるすべての要素が非常に高価なプレミアムソリューションにつながります。
200億ドルのGroqの「買収」を通じて、Nvidiaは推論用に設計された言語処理ユニット（LPU）へのアクセスを獲得しました。LPUもSRAMを使用していますが、通常のサイズのチップです。トレードオフは、LPUが各チップに非常に少ない量のSRAMを使用するため、大規模で複雑なクラスターで他のLPUと相互接続する必要があることです。これにより、効率が低下します。
比較すると、Cerebrasのチップは6倍速いです。また、非常に柔軟性がなく、推論にのみ使用できます。
ただし、Nvidia取引の大きな利点は、CUDAソフトウェアプラットフォームにLPUを組み込み、GPUとLPUの両を具体的に推論用に設計された完全なラックシステムを設計したことです。HBMをパッケージ化したGPUは、ユーザーのプロンプトを理解するプリフィルフェーズを処理し、LPUは応答を提供するデコードフェーズを引き継ぐことができます。LPUがSRAMメモリを使用しているため、ほとんど遅延なしで応答できます。
Cerebrasは推論市場を覆す機会があり、OpenAIからの大きなコミットメントが大幅な成長を促進します。ただし、この株はすでに非常に高い評価額で取引されています（売上高の100倍以上）であり、ニッチプレーヤー以上の存在になることを証明する必要があります。
一方、NvidiaはすでにLLMトレーニングにおける確立されたリーダーです。Groqの「買収」は、推論市場における重要なプレーヤーになるのに役立つ素晴らしい動きに見えます。サーバー内でGPUとLPUを組み合わせることができるため、同社はニッチ製品を主流に導く方法を見つけました。したがって、私は2つの株のうちNvidiaの方が優れていると思います。
Cerebras Systemsの株を購入する前に、次のことを考慮してください。
Motley Fool Stock Advisorのアナリストチームは、投資家が今すぐ購入すべきだと考えている10の最高の株を特定しました…そして、Cerebras Systemsはそのリストには含まれていませんでした。このリストに選ばれた10の銘柄は、今後数年間で莫大なリターンを生み出す可能性があります。
Netflixが2004年12月17日にこのリストに掲載されたことを考慮してください…その時点で1,000ドルを投資した場合、463,900ドルになります！ またはNvidiaが2005年4月15日にこのリストに掲載されたことを考慮してください…その時点で1,000ドルを投資した場合、1,294,401ドルになります！
ただし、Stock Advisorの総平均リターンは978％であり、S&P 500の211％と比較して市場を上回るパフォーマンスであることに注意することが重要です。 最新のトップ10リストをStock Advisorで入手し、個々の投資家のために個々の投資家によって構築された投資コミュニティに参加してください。
**Stock Advisorのリターンは2026年5月31日現在です。 *
Geoffrey Seilerは、言及されているいずれの銘柄にもポジションを持っていません。The Motley Foolは、言及されている銘柄にポジションを持っており、推奨しています。The Motley Foolには開示ポリシーがあります。
ここに記載されている見解と意見は、著者の見解と意見であり、必ずしもNasdaq, Inc.のものを反映するものではありません。
4つの主要AIモデルがこの記事を議論
"Nvidia's LPU clustering adds complexity that specialized SRAM designs like Cerebras can exploit in high-volume inference despite premium pricing."
The article correctly flags inference as the larger eventual AI market but underplays execution risks in both approaches. Cerebras' wafer-scale SRAM chips face yield and cooling hurdles that could cap margins even with OpenAI's commitment, while Nvidia's Groq-derived LPUs require complex clustering that may dilute the latency edge once real workloads mix prefill and decode phases at scale. NVDA's CUDA moat is real, yet the 100x+ valuation premium on an unprofitable Cerebras implies the market already prices in disruption potential. Missing context includes actual power density numbers and whether TSMC can improve yields enough for Cerebras to ship volume racks by 2026.
Nvidia could integrate LPUs into existing GPU racks faster than projected, leveraging software lock-in to sideline Cerebras before its CS-3 systems reach broad commercial deployment.
"Both companies are betting on SRAM-based inference, but the article conflates architectural novelty with economic viability—neither has demonstrated profitable, scalable inference at the data center level yet."
The article frames this as NVDA vs. CBRS, but misses the real story: neither company has proven inference economics work at scale yet. NVDA's Groq acquisition (not really an 'acquisition'—it's a minority stake and IP licensing deal, per SEC filings) buys optionality, not dominance. The article claims NVDA can combine GPUs + LPUs in one rack, but glosses over the fact that this hybrid approach is unproven in production. CBRS's 100x sales multiple is indefensible, but so is assuming NVDA's inference play automatically succeeds just because CUDA is sticky. The real risk: inference margins collapse as competition intensifies, and neither architecture solves the fundamental problem—memory bandwidth per dollar remains brutal.
NVDA's ecosystem advantage could evaporate if inference workloads don't actually need the GPU prefill + LPU decode split the article assumes, or if custom silicon from cloud providers (AWS Trainium, Google TPU v6) proves cheaper and sufficient.
"The article's premise is fundamentally flawed because it incorrectly asserts that Nvidia acquired Groq, invalidating the comparative analysis of their inference strategies."
The article contains a glaring factual error: Nvidia has not acquired Groq. This misrepresentation undermines the core thesis regarding Nvidia's 'ecosystem advantage' in inference. Investors should be wary of the valuation premium on Cerebras (CBRS), as its wafer-scale engine is a bespoke, capital-intensive bet on memory-bound workloads. While Cerebras offers superior latency for specific LLM tasks, Nvidia’s dominance is built on the CUDA moat and HBM-integrated throughput, not an LPU acquisition. I am neutral on both; Nvidia faces diminishing returns on hardware-only moats as inference becomes commoditized, while Cerebras faces massive execution risk in scaling manufacturing yields beyond niche data center deployments.
The bull case for Cerebras is that if they achieve economies of scale, their architectural shift to on-chip SRAM could render GPU-HBM clusters obsolete for real-time AI, potentially forcing a massive re-rating of their current valuation.
"Nvidia's stock is priced for an unstoppable AI megacycle, but real-world deployment challenges, potential cooling/capex constraints, and faster-than-expected competition could compress margins and multiples, making Cerebras a risk-adjusted fringe winner rather than a clear, repeatable upgrade path."
Today's piece frames SRAM-based AI inference as a head-to-head race, but it has several holes. Cerebras is not clearly public; CBRS is not a standard ticker widely recognized, and Nvidia's Groq‑acquisition framing misstates the deal. More importantly, wafer-scale SRAM faces yield, cooling, and cost headwinds that push adoption to a few flagship deployments rather than mass market. Nvidia benefits from a broad software ecosystem and a modular GPU-LPU approach, which reduces risk if AI demand softens. The article understates capital intensity, supply constraints, and competition from memory-centric accelerators that could compress returns, even if Cerebras lands a few large customers.
But if Cerebras can prove scalable yields and the OpenAI backing materializes into meaningful revenue, the upside could be substantial and the article's public/private status critique may be less relevant to investors.
"Lack of full Groq ownership makes Nvidia's hybrid integration claims harder to execute than the article assumes."
Gemini correctly flags the Groq acquisition error, but this also undercuts the hybrid rack thesis more than noted. Without outright ownership, Nvidia cannot guarantee the tight firmware and scheduling integration needed to preserve latency advantages once prefill and decode phases mix at scale. That gap amplifies the memory-bandwidth squeeze Claude mentioned and makes any near-term re-rating of NVDA on inference optionality premature.
"Nvidia's minority stake in Groq may be optionality insurance rather than a weakness, and OpenAI's CBRS commitment needs scrutiny as either validation or hedge."
Grok's firmware integration risk is real, but I'd flip it: Nvidia's *lack* of Groq ownership may actually be strategic cover. If the hybrid approach fails, Nvidia walks away with reputational distance intact while CBRS absorbs the full execution blame. This asymmetry favors Nvidia even if the technology underperforms. The real question nobody's asked: does OpenAI's CBRS backing signal they've already benchmarked this against Nvidia's stack and found it superior, or is it portfolio hedging?
"OpenAI's involvement with Cerebras is a strategic bet on architectural disruption, not a mere financial hedge against Nvidia."
Claude's 'strategic cover' theory misses the primary incentive: OpenAI is desperate to break the CUDA-HBM bottleneck. If CBRS is just portfolio hedging, OpenAI wouldn't be committing to the massive infrastructure integration required for wafer-scale systems. They are betting on a fundamental shift in memory architecture, not just a vendor hedge. Nvidia’s 'reputational distance' is irrelevant if their core HBM-centric model is rendered obsolete by on-chip SRAM performance in real-time inference.
"OpenAI's CBRS backing is likely hedged or pilot-driven, not a commitment to a memory-architecture revolution, and mass-scale economics hinge on software maturity and reliability, not chip density alone."
Gemini's claim that OpenAI is betting on a memory-architecture revolution risks conflating a pilot with a thesis. OpenAI could be hedging supply risk and exploring options, not staking on SRAM becoming the default. Even if CBRS shows a few flagship deployments, mass-scale economics will hinge on software maturity, tooling, and reliability, not chip density alone. That keeps the argument about valuation risk intact and suggests a longer path to real profitability for CBRS.
The panelists agree that neither Nvidia nor Cerebras has proven inference economics at scale. Key risks include execution hurdles for Cerebras' wafer-scale chips, yield and cooling issues, and the potential collapse of inference margins due to intensifying competition. The main opportunity lies in the potential disruption of current memory architectures, though this is not yet certain.
Potential disruption of current memory architectures
Execution hurdles for Cerebras' wafer-scale chips