작성자 Maksym Misichenko · Nasdaq ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
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.
리스크: Execution hurdles for Cerebras' wafer-scale chips
기회: Potential disruption of current memory architectures
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
세레브라스와 엔비디아 모두 추론 칩에 SRAM을 사용하고 있습니다.
그러나 세레브라스는 거대한 크기의 칩을 만들고 있는 반면, 엔비디아는 일반 크기의 LPU를 칩 생태계에 통합했습니다.
대규모 언어 모델(LLM) 훈련은 인공지능(AI)의 첫 번째 단계에서 지배적이었지만, 궁극적으로 추론이 훨씬 더 큰 시장이 될 것으로 예상됩니다.
LLM 훈련은 컴퓨팅 집약적이고 기술적으로 더 어렵지만, 추론은 메모리에 중점을 두고 지속적인 프로세스이므로 비용 효율성이 더 높아야 합니다. 전통적으로 그래픽 처리 장치(GPU) 및 기타 AI 가속기는 이 영역에서 성능을 최적화하기 위해 고대역폭 메모리(HBM)와 함께 패키징됩니다.
AI가 세계 최초의 1조 달러 자산가를 만들 수 있을까요? 저희 팀은 양쪽 모두가 필요로 하는 중요한 기술을 제공하는 잘 알려지지 않은 "필수적 독점"이라고 불리는 한 회사에 대한 보고서를 방금 발표했습니다. 계속 »
그러나 엔비디아 (나스닥: NVDA)는 최근 Groq "인수"를 통해 추론을 위한 AI 워크로드를 가속화하기 위해 온칩 SRAM(정적 랜덤 액세스 메모리)를 향해 나아가고 있으며, 세레브라스 시스템 (나스닥: CBRS)도 마찬가지입니다. 이는 새로운 접근 방식이며, 두 회사 모두 SRAM을 훨씬 다른 방식으로 사용하고 있습니다. SRAM을 사용하면 추론 속도를 극적으로 높일 수 있지만 물리적으로 부피가 커서 칩 크기, 메모리 용량 및 칩을 전원 공급 및 냉각하는 데 필요한 데이터 센터 인프라 간의 절충이 발생합니다.
두 가지 접근 방식을 살펴보고 어떤 반도체 주식이 추론 시장의 리더가 될 가능성이 더 높은지 살펴보겠습니다.
SRAM의 물리적 부피를 해결하기 위해 세레브라스는 많은 양의 컴퓨팅 파워와 SRAM을 단일 칩에 맞출 수 있는 거대한 웨이퍼 크기의 칩을 만듭니다. 그러나 이는 해결해야 할 추가적인 문제점을 야기합니다.
첫째, 칩 제조 공정이 복잡하고 결함이 흔합니다. 대만 반도체 제조가 첨단 칩 제조에서 사실상 독점 기업이 된 이유는 첨단 칩을 높은 수율로 생산할 수 있기 때문입니다. 그러나 최신 기술에 대한 목표조차 약 80%의 수율입니다. 매우 비싼 웨이퍼 크기의 칩을 보면 이러한 유형의 수율은 효과가 없습니다. 이 문제를 해결하기 위해 세레브라스는 칩의 결함을 해결하는 데 도움이 되는 추가 코어를 추가합니다.
또한 칩은 특수 냉각 및 전력 관리가 필요하므로 개별적으로 판매하지 않고 CS-3 시스템이라고 하는 완전한 엔드투엔드 서버 랙의 일부로 판매하거나 임대합니다. 회사는 시스템이 GPU보다 15배 더 빠른 추론을 수행할 수 있다고 자랑하지만, 관련된 모든 요소는 매우 비싼 프리미엄 솔루션으로 이어집니다.
엔비디아는 Groq의 200억 달러 "인수"를 통해 추론을 위한 언어 처리 장치(LPU)에 대한 액세스 권한을 얻었습니다. LPU도 SRAM을 사용하지만 일반 크기의 칩입니다. 절충안은 LPU가 각 칩에 매우 적은 양의 SRAM을 사용하므로 대규모 복잡한 클러스터에서 다른 LPU와 상호 연결해야 한다는 것입니다. 이는 효율성을 떨어뜨립니다.
반대로 세레브라스의 칩은 6배 더 빠릅니다. 또한 매우 유연성이 없고 추론에만 사용할 수 있습니다.
그러나 엔비디아 거래의 가장 큰 이점은 CUDA 소프트웨어 플랫폼에 LPU를 통합하고 GPU 및 LPU를 모두 사용하여 추론을 위해 설계된 완전한 랙 시스템을 설계했다는 것입니다. HBM과 패키징된 GPU는 사용자의 프롬프트를 이해하는 사전 채우기 단계를 처리할 수 있으며, LPU는 응답을 거의 지연 없이 제공할 수 있습니다. LPU는 SRAM 메모리를 사용하므로 응답을 거의 지연 없이 제공할 수 있습니다.
세레브라스는 추론 시장을 뒤집을 기회를 가지고 있으며 OpenAI의 큰 약속이 엄청난 성장을 촉진할 것입니다. 그러나 이 주식은 이미 엄청난 평가액(연간 매출의 100배 이상)으로 거래되고 있으며 틈새 업체 이상으로 발전할 수 있음을 증명해야 합니다.
반면에 엔비디아는 이미 LLM 훈련 분야의 확고한 리더입니다. Groq의 "인수"는 추론 시장에서 중요한 역할을 할 수 있도록 도울 것으로 보이는 훌륭한 움직임처럼 보입니다. GPU와 LPU를 동일한 서버에서 결합할 수 있는 능력으로 회사는 틈새 제품을 주류로 가져오는 방법을 찾았습니다. 따라서 엔비디아는 두 주식 중 더 나은 매수라고 생각합니다.
세레브라스 시스템 주식을 매수하기 전에 다음 사항을 고려하십시오.
Motley Fool Stock Advisor 분석팀은 투자자가 지금 구매해야 한다고 생각하는 10개의 최고의 주식을 이미 식별했습니다... 그리고 세레브라스 시스템은 그중 하나가 아니었습니다. 목록에 오른 10개 주식은 향후 몇 년 동안 엄청난 수익을 올릴 수 있습니다.
넷플릭스가 2004년 12월 17일에 이 목록에 올랐을 때를 고려해 보십시오... 그 당시 1,000달러를 투자했다면 463,900달러를 가질 수 있습니다! 또는 엔비디아가 2005년 4월 15일에 이 목록에 올랐을 때를 고려해 보십시오... 그 당시 1,000달러를 투자했다면 1,294,401달러를 가질 수 있습니다!
이제 주목해야 할 점은 Stock Advisor의 총 평균 수익률은 S&P 500보다 978% 더 높은 시장을 압도하는 성과라는 것입니다. 최신 상위 10개 목록을 Stock Advisor와 함께 확인하고 개별 투자자를 위한 개별 투자자 기반의 투자 커뮤니티에 참여하십시오.
**Stock Advisor 수익률은 2026년 5월 31일 현재입니다. *
Geoffrey Seiler는 언급된 주식 중 어느 곳에도 지분을 보유하고 있지 않습니다. The Motley Fool는 Nvidia 및 Taiwan Semiconductor Manufacturing에 지분을 보유하고 있으며, 권장 사항을 제공합니다. The Motley Fool는 공개 정책을 가지고 있습니다.
본문에 포함된 견해와 의견은 작성자의 견해와 의견이며 Nasdaq, Inc.의 견해와 의견을 반드시 반영하는 것은 아닙니다.
4개 주요 AI 모델이 이 기사를 논의합니다
"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