Fra startups til Big Tech: Nvidias rivaler bliver flere — kan den afsættes?

Løbet om at udfordre Nvidias dominans inden for kunstig intelligens-chips går ind i et nyt kapitel, hvor startups tiltrækker milliarder i finansiering, Big Tech intensiverer intern chipudvikling, og investorer satser på, at næste fase af AI-beregning muligvis ikke udelukkende vil tilhøre grafikprocessorer.

Mens Nvidia fortsat dominerer markedet for AI-hardware, flyttes opmærksomheden i stigende grad fra træning af massive AI-modeller til at køre dem effektivt i virkelige anvendelser, kendt som AI-inferens.

Denne overgang har åbnet døren for en ny generation af chipproducenter, der lover hurtigere ydeevne, lavere strømforbrug og markant lavere driftsomkostninger.

Det seneste minde kom onsdag, da AI-chip-startup'en SambaNova rejste 1 mia. dollars i ny finansiering, hvilket illustrerer investorers vilje til at støtte virksomheder, der forsøger at skære sig en andel af et af verdens hurtigst voksende teknologi-markeder.

Finansieringsrunden værdisætter SambaNova til 11 mia. dollars og blev ledet af General Atlantic med deltagelse fra Seligman Ventures, T. Rowe Price og Capital Group.

Denne investering følger en separat finansieringsrunde tidligere i år, hvor selskabet rejste mere end 350 mio. dollars fra blandt andre Intel, samtidig med en strategisk partnerskabsaftale.

Ifølge en CNBC-rapport offentliggjort i april rejste AI-chip-startups globalt 8,3 mia. dollars i 2026.

Medmindre finansieringsmarkederne oplever et voldsomt fald, forventes investeringerne i sektoren at nå rekordniveauer i år.

Kilde: CNBC

Fokus flytter fra træning til inferens

Nvidia opbyggede sin dominans på grafikprocessorer (GPU'er), oprindeligt designet til gaming, men senere tilpasset til træning af AI-modeller.

Disse chips er fortsat industristandarden til at bygge store sprogmodeller.

Efterhånden som virksomheder i stigende grad implementerer AI-applikationer frem for at træne nye foundation-modeller, retter branchen større opmærksomhed mod inferens, processen hvor trænede AI-modeller besvarer brugerforespørgsler.

Mange startups hævder, at GPU'er, skønt ekstremt kraftfulde, aldrig var formgivet specifikt til AI-arbejdsbelastninger.

I stedet mener de, at specialiserede processorer designet specifikt til inferens dramatisk kan reducere omkostningerne samtidig med lavere strømforbrug.

Liste over AI-chip-startups, der vil udfordre Nvidia

SambaNova er langt fra det eneste selskab, der forsøger at løsne Nvidias greb om AI-infrastrukturen.

Cerebras, som for nylig gik på børsen efter at have rejst 5,5 mia. dollars, har længe positioneret sig som en af Nvidias stærkeste konkurrenter.

Morgan Stanley har argumenteret for, at selskabet nyder godt af en first-mover-fordel inden for visse AI-beregningssegmenter.

En anden tæt overvåget aktør er Groq, hvis inferens-fokuserede arkitektur tiltrak så stor opmærksomhed, at Nvidia indgik aftale om licens til noget af dets chipteknologi og ansatte virksomhedens administrerende direktør sidste december.

Senere rapporterede CNBC, at Nvidia havde indgået aftale om at købe Groq for 20 mia. dollars i kontanter, selvom ingen af selskaberne bekræftede rapporten.

Groq har sagt, at det vil fortsætte som en selvstændig virksomhed under administrerende direktør Simon Edwards.

Interessant nok introducerede Nvidia senere sin egen sprogbehandlingsenhed på sin årlige GTC-konference i marts, hvilket antyder, at selskabet inkorporerer idéer fra nyere konkurrenter i stedet for at ignorere dem.

En anden startup, der tiltrækker opmærksomhed, er D-Matrix, grundlagt i 2019.

Selskabet siger, at dets processorer kan udføre inferens-arbejdsbelastninger op til 10 gange hurtigere samtidig med at de bruger fem gange mindre energi end enkeltstående Nvidia-GPU'er, forudsat at arbejdsbelastningerne forbliver relativt små.

D-Matrix har til dato rejst omkring 500 mio. dollars og har en estimeret værdi på cirka 2 mia. dollars.

Microsoft deltog i finansieringen gennem sin ventureenhed M12.

AI-modelproducenter søger at bygge egne chips

Det konkurrencepres kommer ikke alene fra startups.

Mange af Nvidias største kunder bliver samtidig rivaler, efterhånden som de investerer kraftigt i at designe proprietære AI-chips.

Rationalet er ligetil. Udvikling af specialiseret silicon reducerer afhængigheden af Nvidia, sænker langsigtede infrastrukturudgifter og muliggør tættere integration mellem hardware og software.

Reuters rapporterede denne uge, at den kinesiske AI-startup DeepSeek udvikler sin egen AI-chip i et forsøg på at mindske afhængigheden af Nvidia og Huaweis processorer, som bruges til at træne og implementere dens modeller.

Tidligt på måneden rapporterede The Information, at Anthropic havde haft drøftelser med Samsung om samarbejde om en fremtidig chip, selvom nøglebeslutninger vedrørende specifikationer og tiltænkt anvendelse fortsat er uafklarede.

OpenAI afslørede sidste måned sin første specialdesignede AI-processor, kaldet Jalapeño, udviklet sammen med Broadcom.

Broadcoms administrerende direktør Hock Tan fortalte Reuters, at processoren præsterer på niveau med Nvidias Blackwell-chips og Googles tensor processing units.

Big Tech bliver i stigende grad en konkurrent til Nvidia

Google bevæger sig selv aggressivt for at reducere sin afhængighed af Nvidia.

I stedet for at bruge de samme processorer til både AI-træning og inferens opdeler selskabet disse arbejdsbelastninger i dedikerede chips under ottende generation af sin TPU-familie.

Dets TPU 8t og TPU 8i-processorer forventes at blive tilgængelige senere på året.

Amazon følger en lignende strategi.

Dets AI-chef, Peter DeSantis, fortalte for nylig Bloomberg, at Amazon Web Services diskuterer muligheden for at sælge sine Trainium AI-chips til eksterne kunder, hvilket potentielt kan skabe et af de stærkeste alternativer til Nvidia inden for datacenterinfrastruktur.

Sådanne drøftelser er stadig på et tidligt stadium, men følger Amazon-administrerende direktør Andy Jassys udmeldinger om, at efterspørgslen efter selskabets internt udviklede AI-chips har været så stor, at kommercialisering nu er under overvejelse.

Meta investerer også aggressivt i specialiseret AI-hardware gennem en udvidet partnerskabsaftale med Broadcom.

Selskabets Meta Training and Inference Accelerator (MTIA)-program har allerede leveret sin første chip, MTIA 300, som driver ranking- og anbefalingssystemer på tværs af Metas platforme.

Tre yderligere generationer forventes frem til 2027, hvor de senere versioner er designet specifikt til inferens-arbejdsbelastninger, der driver AI-assistenter og svarer på brugerforespørgsler.

Ligesom Google og Amazon er Metas mål at reducere afhængigheden af Nvidia samtidig med at skræddersy chips til sin egen software-stack og AI-infrastruktur.

Skiftet illustrerer en bredere tendens blandt hyperscalers.

I stedet for udelukkende at stole på færdigløsninger bygger teknologigiganter i stigende grad applikationsspecifikke integrerede kredsløb (ASIC'er) optimeret til deres egne arbejdsbelastninger.

AMD og Broadcom har allerede banet sig vej

Modsat mange startups har AMD og Broadcom allerede etableret sig som betydelige konkurrenter inden for AI-infrastruktur.

AMDs omstilling har i flere henseender spejlet Nvidias.

Oprindeligt kendt for gaming-grafikkort og pc-processorer har selskabet flyttet fokus mod datacenter-acceleratorer og AI-chips, hvilket har gjort det til den næststørste børsnoterede aktør på markedet for AI-acceleratorer.

Strategien har været særdeles lukrativ for investorer.

AMD-aktien er steget med mere end 460% over de seneste fem år og giver selskabet en markedsværdi på over 840 mia. dollars.

Broadcom er blevet et af de mest strategisk vigtige selskaber inden for specialiseret AI-silicon.

I stedet for at konkurrere direkte med Nvidia via standardchips designer Broadcom specialprocessorer for nogle af verdens største AI-udviklere.

Melius Research-analytikere sagde for nylig, at Broadcom har indsigt i omkring 10 gigawatt AI-efterspørgsel i 2027 fra kunder som Anthropic og Meta Platforms.

Selskabets indflydelse voksede yderligere onsdag, efter at det underskrev en halvlederaftale til en værdi af mere end 30 mia. dollars med Apple.

I henhold til aftalen vil Broadcom designe og producere "custom silicon components and cutting-edge wireless connectivity technologies" til Apples produkter.

Analytikere ser Nvidias førerposition indsnævres, ikke forsvinde

På trods af det voksende antal konkurrenter mener de fleste analytikere, at Nvidias lederskab fortsat er overvældende.

"Nvidia kommer helt sikkert til at møde mere konkurrence sammenlignet med for et år siden," sagde KinNgai Chan, administrerende direktør hos Summit Insights Group, i kommentarer til Reuters i marts.

"Nvidia har stadig over 90% markedsandel i både trænings- og inferensmarkederne i dag."

Chan forventer dog, at den dominans gradvist vil erodere i de kommende år.

"Vi forventer, at Nvidia begynder at miste markedsandele fra 2027, efterhånden som interne ASIC-programmer når en vis skala, især på inferensmarkedet," sagde han med henvisning til applikationsspecifikke integrerede kredsløb, der er designet til dedikerede arbejdsbelastninger og tilbyder højere effektivitet end generelle GPU'er.

Morningstar deler et lignende langsigtet perspektiv.

"På lang sigt mener vi, at det er uundgåeligt, at Google og AWS vil søge at bringe flere chips og AI-udstyr ind i egne rækker, til Nvidias ugunst," skrev Morningstar-analytiker Brian Colello.

"Vi forventer, at Nvidia vil miste markedsandele til Googles TPU'er og Amazons Trainium (især hvis Anthropic og/eller Google Gemini fremstår som dominerende frontier-modeller), men vi vurderer, at Nvidias andel vil stabilisere sig omkring 68% i 2030 (mod 80% i dag) inden for et langt større AI-udgiftsmarked," tilføjede han.

Nvidia svarer igen på flere fronter

Uanset hvad, står Nvidia ikke stille.

Selskabet brugte mere end 18 mia. dollars på forskning og udvikling i regnskabsåret sluttet januar 2026, mens det accelererede arbejdet med næste generation af AI-processorer, netværksprodukter og fotonikteknologi.

Under den seneste telefonkonference i maj sagde Huang, at Nvidias nye "Vera" centrale processorer giver adgang til et nyt marked på 200 mia. dollars.

Nvidia forventer, at dets Vera-chips vil generere 20 mia. dollars i omsætning inden udgangen af det indeværende regnskabsår.

Huang sagde, at disse salg ikke var inkluderet i selskabets tidligere prognose om 1 billion dollars i omsætning fra dets Blackwell- og Rubin-AI-chipplatforme i perioden 2025–2027.

Måske endnu vigtigere vælger Nvidia i stigende grad samarbejde frem for konfrontation.

I stedet for at konkurrere direkte med hver enkelt fremvoksende AI-chip-startup vælger Nvidia i stigende grad at samarbejde med virksomheder, der udvikler specialiserede inferensprocessorer.

Erhvervelsen af aktiver fra AI-inferens-startup'en Groq i december for 20 mia. dollars og annonceringen af investeringer på 4 mia. dollars i to fotonikvirksomheder tidligere i år var en del af denne strategi.

Ved også at integrere nogle rivalchips sammen med sine egne GPU'er i AI-server-racks udvider Nvidia sit økosystem, samtidig med at det sikrer, at selskabet fortsat høster fordel af AI-infrastrukturudgifter uanset hvilke inferensteknologier, der får mest gennemslag.

Denne strategi gør det muligt for Nvidia at deltage i flere AI-hardwareøkosystemer, mens det fortsat genererer omsætning, selv hvis kunderne anvender specialiserede inferenschips sideløbende med dets GPU'er.

Onsdag meddelte inference-cloud-udbyderen Parasail, at den vil implementere D-Matrix' Corsair-inferensacceleratorer sammen med Nvidia Hopper- og Blackwell-systemer for at levere "op til 10x hurtigere, mere omkostningseffektive inferenstjenester" til kunder.

Derudover er SambaNovas produkter designet til at supplere Nvidia-hardware snarere end fuldstændigt at erstatte den.

Rodrigo Liang, SambaNovas administrerende direktør, sagde, at deres SN40- og SN50-chips kan håndtere den såkaldte decode-del af inferens, hvor forespørgslen pakkes ud fra modellen fem til 10 gange hurtigere, hvilket hjælper med at frigøre et tilsvarende antal Nvidia-chips til andre opgaver som træning.

Stærk vækst fortsætter trods konkurrencepres

Nvidias seneste finansielle resultater antyder, at konkurrencen endnu ikke i nævneværdig grad har sat sig i forretningen.

Dets datacenterdivision, som stadig er selskabets primære vækstmotor, rapporterede en rekordomsætning på 75,2 mia. dollars, en stigning på 92% år-til-år.

Administrerende direktør Jensen Huang forsøgte at berolige investorer med, at efterspørgslen er bredt funderet, og at nye produkter vil hjælpe selskabet med at overgå den 1 billion dollars-omsætningsmulighed, det har projekteret for sine flagskibs AI-platforme.

Alligevel faldt NVDA-aktien 1,6% efter regnskabsmeddelelsen på trods af stærkere end forventet omsætningsvejledning og meddelelsen om et aktietilbagekøbsprogram på 80 mia. dollars.

Markedets reaktion antydede, at investorer i stigende grad ser ud over de nuværende indtjeninger og fokuserer på, om Nvidia kan forsvare sin dominerende position, efterhånden som konkurrenterne bliver flere.

Aktien er steget en relativt beskeden 4% i år og lidt over 23% i løbet af de seneste 12 måneder, en kraftig afdæmpning sammenlignet med de ekstraordinære gevinster i de tidlige faser af AI-boomet.