Yazan Maksym Misichenko · Nasdaq ·
AI ajanlarının bu haber hakkında düşündükleri
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.
Risk: Execution hurdles for Cerebras' wafer-scale chips
Fırsat: Potential disruption of current memory architectures
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
Cerebras ve Nvidia her ikisi de çıkarım çiplerinde SRAM kullanıyor.
Ancak, Cerebras devasa boyutlu çipler üretirken, Nvidia çiplerinin ekosistemine normal boyutlu LPU'lar entegre etti.
Yapay zeka (AI) alanındaki ilk faz olan büyük dil modeli (LLM) eğitimi baskın hale gelmiş olsa da, çıkarımın sonunda çok daha büyük bir pazar olması bekleniyor.
LLM eğitimi hesaplama yoğun ve daha teknik olarak zorlu olsa da, çıkarım belleğe odaklı olma eğilimindedir ve sürekli bir süreç olduğu için daha uygun maliyetli olması gerekir. Geleneksel olarak, performanslarını bu alanda optimize etmeye yardımcı olmak için grafik işleme birimleri (GPU'lar) ve diğer AI hızlandırıcıları yüksek bant genişliğine sahip bellek (HBM) ile paketlenir.
Yapay zeka dünyanın ilk trilyonerini yaratacak mı? Ekibimiz, hem Nvidia'nın hem de Intel'in ihtiyaç duyduğu kritik teknolojiyi sağlayan, "Vazgeçilmez Tekelleşme" olarak adlandırılan, pek bilinmeyen bir şirket hakkında bir rapor yayınladı. Devam »
Ancak, Nvidia (NASDAQ: NVDA), yakın zamanda Groq'un "edinimi" yoluyla ve Cerebras Systems (NASDAQ: CBRS), yapay zeka iş yüklerini çıkarım için hızlandırmak amacıyla on-chip SRAM (statik rastgele erişimli bellek) 'ya yöneliyor. Bu yeni bir yaklaşım ve her iki şirket de SRAM'ı çok farklı bir şekilde kullanıyor. SRAM kullanmak çıkarım hızlarını önemli ölçüde artırabilse de, fiziksel olarak hacimlidir ve bu da çiplerin boyutu, bellek kapasitesi ve çiplerin güçlendirilmesi ve soğutulması için gereken veri merkezi altyapısı arasında bazı ödünleşmelere yol açar.
İki yaklaşımı inceleyelim ve hangi yarı iletken hisse senedinin çıkarım pazarında lider olma konusunda daha iyi konumlandığını görelim.
SRAM'ın fiziksel hantal sorununu çözmek için Cerebras, hem büyük miktarda işlem gücü hem de SRAM'i tek bir çipe sığdırabilen devasa, levha boyutunda çipler oluşturur. Ancak bununla birlikte ele alınması gereken ek sorunlar da vardır.
Bunlardan biri, üretim sürecinin karmaşık olması ve hataların yaygın olmasıdır. Taiwan Semiconductor Manufacturing'in gelişmiş çip üretiminde sanal bir tekel haline gelmesinin nedeni, gelişmiş çiplerin yüksek verimlerle üretebilmesidir, ancak en yeni teknolojisi için bile hedefi yaklaşık %80'lik bir verimdir. Çok pahalı, levha boyutunda çiplerle uğraşırken, bu tür bir verim işe yaramaz. Bu sorunu çözmek için Cerebras, çiplerindeki herhangi bir hatayı telafi etmeye yardımcı olmak için ek çekirdekler ekler.
Ek olarak, çiplerine özel soğutma ve güç yönetimi gereklidir, bu nedenle bunları ayrı ayrı satmak yerine, yalnızca CS-3 sistem adı verilen uçtan uca sunucu rafının bir parçası olarak satar veya kiralar. Şirket, sistemlerinin bir GPU'dan 15 kat daha hızlı çıkarım yapabileceğini övse de, bunun hepsi çok pahalı bir premium çözüme yol açar.
20 milyar dolarlık Groq'un "edinimi" ile Nvidia, çıkarım için tasarlanmış dil işleme birimlerine (LPU) erişim elde etti. LPU'lar da SRAM kullanırken, bunlar normal boyutlu çiplerdir. Ödünleşme, LPU'ların her çipte çok az miktarda SRAM kullanmasıdır, bu nedenle bunları büyük ve karmaşık bir kümede diğer LPU'larla birbirine bağlamak zorundadır. Bu verimliliği azaltır.
Buna karşılık, Cerebras'ın çipler altı kat daha hızlıdır. Ayrıca çok esnek olma eğilimindedirler ve yalnızca çıkarım için kullanılabilirler.
Ancak Nvidia anlaşmasının tek büyük faydası, LPU'ları CUDA yazılım platformuna entegre etmesi ve hem GPU'larını hem de LPU'larını özel olarak çıkarım için tasarlanan tam raf sistemleri tasarlamasıdır. Kullanıcının istemini anlamak için ön doldurma fazını ele alabilen HBM ile paketlenmiş GPU'lar, ardından yanıt sağlamak için kodlama fazını üstlenebilen LPU'lar. LPU'lar SRAM belleği kullandığından, neredeyse hiçbir gecikmeyle yanıt verebilirler.
Cerebras, çıkarım pazarını alt üst etme fırsatına sahip ve bu büyümeyi besleyecek OpenAI'den büyük bir taahhüt var. Ancak, hisse senedi başlangıçta çok büyük bir değerlemeyle işlem görüyor (son satışlardan 100 katten fazla) ve niş bir oyuncudan daha fazlası olabileceğini kanıtlaması gerekiyor.
Nvidia ise zaten LLM eğitimi alanında köklü bir lider. Groq'un "edinimi" aynı zamanda, çıkarım pazarında önemli bir oyuncu haline gelmesine yardımcı olacak harika bir hamle gibi görünüyor. Sunucularında GPU'larını LPU'larıyla birleştirebilmesi, niş bir ürünü ana akıma getirmek için bir yol bulmasını sağlamıştır. Bu nedenle, iki hisse senedi arasında Nvidia'nın daha iyi bir alım olduğunu düşünüyorum.
Cerebras Systems hissesi almadan önce şunları göz önünde bulundurun:
Motley Fool Stock Advisor analist ekibi, yatırımcıların şu anda satın alması gereken 10 en iyi hisse senedini belirlediğine inanıyor… ve Cerebras Systems bunlardan biri değildi. Listenin başına geçen hisse senetleri önümüzdeki yıllarda muazzam getiriler sağlayabilir.
Netflix'in 17 Aralık 2004'te bu listeye dahil edildiğini düşünün... o zaman 1.000 dolar yatırım yaptıysanız, 463.900 dolarınız olurdu! Ya da Nvidia'nın 15 Nisan 2005'te bu listeye dahil edildiğini düşünün... o zaman 1.000 dolar yatırım yaptıysanız, 1.294.401 dolarınız olurdu!
Şimdi, Stock Advisor'ın toplam ortalama getirisinin %978 olduğunu, S&P 500'ün %211'i ile karşılaştırıldığında piyasayı geride bırakan bir performans olduğunu not etmek önemlidir. En son 10'lu listeyi, Stock Advisor ile birlikte sunulan ve bireysel yatırımcılar için bireysel yatırımcılar tarafından oluşturulan bir yatırım topluluğuna katılın.
**Stock Advisor getirileri 31 Mayıs 2026 itibarıyla. *
Geoffrey Seiler, bahsedilen hisse senetlerinden hiçbirinde pozisyona sahip değildir. The Motley Fool, Nvidia ve Taiwan Semiconductor Manufacturing'da pozisyonlara sahiptir. The Motley Fool'un bir açıklama politikası vardır.
İçeride yer alan görüşler ve düşünceler yazara aittir ve Nasdaq, Inc. tarafından desteklenmemektedir.
Dört önde gelen AI modeli bu makaleyi tartışıyor
"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