Fra startups til Big Tech: Nvidia får flere rivaler — kan det avsettes?

Kampen om å utfordre Nvidias dominans innen AI-brikker går inn i en ny fase, med startups som tiltrekker seg milliarder i finansiering, Big Tech som akselererer intern chip-utvikling, og investorer som satser på at neste fase av AI-beregning kanskje ikke utelukkende vil tilhøre grafikkprosessorer.

Mens Nvidia fortsatt dominerer markedet for AI-maskinvare, flytter oppmerksomheten seg i økende grad fra å trene enorme AI-modeller til å kjøre dem effektivt i virkelige applikasjoner, kjent som AI-inferens.

Denne overgangen har åpnet døren for en ny generasjon brikkeprodusenter som lover raskere ytelse, lavere strømforbruk og betydelig lavere driftskostnader.

Den siste påminnelsen kom onsdag da AI-brikkestartupen SambaNova hentet $1 milliard i ny finansiering, noe som understreker investorers vilje til å støtte selskaper som søker å ta en andel av et av verdens raskest voksende teknologimarkeder.

Finansieringsrunden verdsetter SambaNova til $11 milliarder og ble ledet av General Atlantic, med deltakelse fra Seligman Ventures, T. Rowe Price og Capital Group.

Den siste investeringen følger en separat finansieringsrunde tidligere i år hvor selskapet hentet mer enn $350 millioner fra investorer inkludert Intel, sammen med et strategisk partnerskap.

I følge en CNBC-rapport publisert i april, hentet AI-brikkestartups $8,3 milliarder globalt i 2026.

Bortsett fra et kraftig fall i finansmarkedene, ventes investeringene i sektoren å nå rekordnivåer i år.

Kilde: CNBC

Fokuset skifter fra trening til inferens

Nvidia bygde sin dominans på grafikkprosessorer opprinnelig designet for spilling, men senere tilpasset for trening av AI-modeller.

Disse brikkene er fortsatt bransjestandarden for å bygge store språkmodeller.

Men ettersom bedrifter i økende grad distribuerer AI-applikasjoner fremfor å trene nye grunnmodeller, retter industrien større oppmerksomhet mot inferens – prosessen hvor trente AI-modeller svarer på brukerspørsmål.

Mange startups hevder at GPUer, selv om de er usedvanlig kraftige, aldri ble spesialbygd for AI-arbeidsbelastninger.

I stedet mener de at spesialiserte prosessorer designet spesielt for inferens dramatisk kan redusere kostnader samtidig som de bruker mindre strøm.

Liste over AI-brikkestartups som ønsker å utfordre Nvidia

SambaNova er langt fra det eneste selskapet som forsøker å slakke Nvidias grep om AI-infrastrukturen.

Cerebras, som nylig gikk på børs etter å ha hentet $5,5 milliarder, har lenge posisjonert seg som en av Nvidias sterkeste konkurrenter.

Morgan Stanley har argumentert for at selskapet har en førstebevegelsesfordel i enkelte segmenter av AI-beregning.

En annen tett fulgt aktør er Groq, hvis inferens-fokuserte arkitektur tiltrakk seg så mye oppmerksomhet at Nvidia gikk med på å lisensiere noe av teknologien og ansatte Groqs administrerende direktør i desember i fjor.

CNBC rapporterte senere at Nvidia hadde gått med på å kjøpe Groq for $20 milliarder i kontanter, selv om ingen av selskapene bekreftet rapporten.

Groq har sagt at det vil fortsette å operere selvstendig under administrerende direktør Simon Edwards.

Interessant nok introduserte Nvidia senere sin egen language processing unit på sin årlige GTC-konferanse i mars, noe som tyder på at selskapet inkorporerer ideer som dukker opp hos nyere konkurrenter heller enn å ignorere dem.

En annen startup som tiltrekker seg oppmerksomhet er D-Matrix, grunnlagt i 2019.

Selskapet sier at deres prosessorer kan utføre inferens-arbeidsbelastninger opptil 10 ganger raskere samtidig som de bruker fem ganger mindre energi enn frittstående Nvidia-GPUer, forutsatt at arbeidsbelastningene forblir relativt små.

D-Matrix har til nå hentet omtrent $500 millioner, og nås en estimert verdsettelse på rundt $2 milliarder.

Microsoft deltok i finansieringen gjennom sitt ventureselskap M12.

AI-modellskapere søker å bygge egne brikker

Det konkurransemessige presset kommer ikke utelukkende fra startups.

Mange av Nvidias største kunder blir samtidig rivaler når de investerer tungt i å designe egne AI-brikker.

Rasjonalet er enkelt. Å utvikle egen silisium reduserer avhengighet av Nvidia, senker langsiktige infrastrukturkostnader og muliggjør tettere integrasjon mellom maskinvare og programvare.

Reuters rapporterte denne uken at den kinesiske AI-startupen DeepSeek utvikler sin egen AI-brikke i et forsøk på å redusere avhengigheten av prosessorer fra Nvidia og Huawei som brukes til å trene og distribuere modellene sine.

Tidligere denne måneden rapporterte The Information at Anthropic hadde hatt diskusjoner med Samsung om et mulig samarbeid om en fremtidig brikke, selv om sentrale beslutninger om spesifikasjoner og tiltenkt bruk fortsatt er uavklarte.

OpenAI avduket forrige måned sin første egenutviklede AI-prosessor, kalt Jalapeño, utviklet i samarbeid med Broadcom.

Broadcoms administrerende direktør Hock Tan fortalte Reuters at prosessoren presterer på nivå med Nvidias Blackwell-brikker og Googles tensor processing units.

Big Tech blir i økende grad en konkurrent til Nvidia

Google selv arbeider aggressivt for å redusere sin avhengighet av Nvidia.

I stedet for å bruke de samme prosessorene til både AI-trening og inferens, separerer selskapet disse arbeidsbelastningene i dedikerte brikker under åttende generasjon av sin TPU-familie.

Dets TPU 8t og TPU 8i-prosessorer forventes å bli tilgjengelige senere i år.

Amazon følger en tilsvarende strategi.

Deres AI-sjef, Peter DeSantis, fortalte nylig Bloomberg at Amazon Web Services diskuterer muligheten for å selge sine Trainium AI-brikker til eksterne kunder, noe som potensielt kan skape et av de sterkeste alternativene til Nvidia i datasenterinfrastruktur.

Slike diskusjoner er fortsatt i en tidlig fase, men de følger Amazon-sjef Andy Jassys kommentarer om at etterspørselen etter selskapets internt utviklede AI-brikker har vært så sterk at kommersialisering nå vurderes.

Meta investerer også aggressivt i egen AI-maskinvare gjennom et utvidet samarbeid med Broadcom.

Meta Training and Inference Accelerator (MTIA)-programmet har allerede produsert sin første brikke, MTIA 300, som driver rangering og anbefalingssystemer på tvers av Metas plattformer.

Tre ytterligere generasjoner forventes fram mot 2027, hvor senere versjoner er spesielt designet for inferens-arbeidsbelastninger som driver AI-assistenter og svarer på brukerspørsmål.

Som Google og Amazon er Metas mål å redusere avhengigheten av Nvidia samtidig som de skreddersyr brikker til sin egen programvarestack og AI-infrastruktur.

Skiftet illustrerer en bredere trend blant hyperscalers.

I stedet for å stole fullt ut på ferdige GPUer, bygger teknologigiganter i økende grad applikasjonsspesifikke integrerte kretser (ASICer) optimalisert for deres egne arbeidsbelastninger.

AMD og Broadcom har allerede sikret seg betydelige posisjoner

I motsetning til mange startups har AMD og Broadcom allerede etablert seg som betydelige konkurrenter innen AI-infrastruktur.

AMDs omstilling har speilet Nvidias på flere måter.

Opprinnelig kjent for grafikkort for spilling og PC-prosessorer, flyttet selskapet fokuset mot akseleratorer for datasentre og AI-brikker, noe som ga det posisjonen som den nest største offentlige aktøren i markedet for AI-akseleratorer.

Strategien har gitt gode resultater for investorene.

AMD-aksjene har steget mer enn 460 % de siste fem årene, noe som gir selskapet en markedsverdi på over $840 milliarder.

Broadcom har på sin side blitt et av de mest strategisk viktige selskapene innen tilpasset AI-silisium.

I stedet for å konkurrere direkte med Nvidia gjennom generiske brikker, designer Broadcom tilpassede prosessorer for noen av verdens største AI-utviklere.

Analytikere i Melius Research uttalte nylig at Broadcom har synlighet mot omtrent 10 gigawatt i AI-etterspørsel innen 2027 fra kunder inkludert Anthropic og Meta Platforms.

Selskapets innflytelse økte ytterligere onsdag etter at det signerte en halvlederavtale verdt mer enn $30 milliarder med Apple.

Under avtalen skal Broadcom designe og produsere "custom silicon components and cutting-edge wireless connectivity technologies" for Apples produkter.

Analytikere ser Nvidias ledelse bli smalere, ikke forsvinne

Til tross for det økende antallet konkurrenter mener de fleste analytikere at Nvidias lederskap fortsatt er overveldende.

"Nvidia kommer definitivt til å møte mer konkurranse sammenlignet med for ett år siden," sa KinNgai Chan, en administrerende direktør i Summit Insights Group, i kommentarer til Reuters i mars.

"Nvidia har fortsatt over 90 % markedsandel i både trenings- og inferensmarkedene i dag."

Chan forventer imidlertid at den dominansen gradvis vil erodere de kommende årene.

"Vi tror Nvidia vil begynne å miste andeler fra 2027, når interne ASIC-programmer oppnår noe skala, spesielt i inferensmarkedet," sa han, med henvisning til applikasjonsspesifikke integrerte kretser som er designet for dedikerte arbeidsbelastninger og tilbyr høyere effektivitet enn generelle GPUer.

Morningstar deler et lignende langsiktig syn.

"På lang sikt tror vi det er uunngåelig at Google og AWS vil forsøke å bringe flere brikker og AI-utstyr inn i egen regi, til Nvidias ugunst," skrev Morningstar-analytiker Brian Colello.

"Vi forventer at Nvidia vil miste markedsandeler til Googles TPUer og Amazons Trainium (spesielt hvis Anthropic og/eller Google Gemini blir dominerende grensemodeller), men vi tror Nvidias andel vil stabilisere seg rundt 68 % i 2030 (mot 80 % i dag) innenfor et mye større AI-budsjett," la han til.

Nvidia slåss tilbake på flere fronter

Likevel står ikke Nvidia stille.

Selskapet brukte mer enn $18 milliarder på forskning og utvikling i regnskapsåret som endte i januar 2026, samtidig som det akselererte arbeidet med neste generasjons AI-prosessorer, nettverksprodukter og fotonikkteknologi.

Under den siste resultatpresentasjonen i mai sa Huang at Nvidias nye "Vera" sentrale prosessorer gir selskapet tilgang til et nytt marked på $200 milliarder.

Nvidia forventer at Vera-brikkene vil generere $20 milliarder i inntekter innen slutten av inneværende regnskapsår.

Huang sa at disse salgene ikke var inkludert i selskapets tidligere prognose om $1 billion i inntekter fra Blackwell- og Rubin-AI-plattformene mellom 2025 og 2027.

Kanskje viktigst: Nvidia velger i økende grad samarbeid framfor konfrontasjon.

I stedet for å gå direkte i konkurranse med hver ny AI-brikkestartup, velger Nvidia oftere å samarbeide med selskaper som utvikler spesialiserte inferensprosessorer.

Oppkjøpet av eiendeler fra AI-inferens-startupen Groq i desember for $20 milliarder og kunngjøringen om investeringer på $4 milliarder i to fotonikk-selskaper tidligere i år var en del av denne strategien.

Ved å integrere noen rivaliserende brikker ved siden av egne GPUer i AI-serverrack, utvider Nvidia økosystemet sitt samtidig som det sikrer at det fortsetter å høste inntekter fra AI-infrastruktur uansett hvilke inferensteknologier som får mest gjennomslag.

Den strategien gjør det mulig for Nvidia å delta i flere AI-maskinvareøkosystemer samtidig som selskapet fortsatt genererer inntekter selv om kunder tar i bruk spesialiserte inferensbrikker sammen med deres GPUer.

Onsdag kunngjorde inferenz-skytilbyderen Parasail at de vil distribuere D-Matrixs Corsair inferensakseleratorer ved siden av Nvidias Hopper- og Blackwell-systemer for å levere "opptil 10x raskere, mer kostnadseffektive inferenstjenester" for kunder.

I tillegg er Sambanovas produkter designet for å komplementere Nvidia-maskinvare snarere enn å erstatte den fullstendig.

Rodrigo Liang, Sambanovas administrerende direktør, sa at deres SN40- og SN50-brikker kan kjøre den såkalte dekode-delen av inferens, som pakker ut spørringen fra modellen fem til ti ganger raskere, noe som bidrar til å frigjøre tilsvarende antall Nvidia-brikker til andre oppgaver som trening.

Sterk vekst fortsetter til tross for konkurransepress

Nvidias siste finansielle resultater tyder på at konkurransen ennå ikke har svekket virksomheten i betydelig grad.

Deres datacentervirksomhet, som fortsatt er selskapets primære vekstmotor, rapporterte rekordinntekter på $75,2 milliarder, opp 92 % år over år.

Administrerende direktør Jensen Huang forsøkte å berolige investorer med at etterspørselen forblir bredt fundert og at nye produkter vil hjelpe selskapet å overgå den $1 billion store inntektsmuligheten det har anslått for sine fremste AI-plattformer.

Likevel falt NVDA-aksjen 1,6 % etter resultatrapporten til tross for sterkere enn forventet omsetningsveiledning og kunngjøringen av et tilbakekjøpsprogram på $80 milliarder.

Markedets reaksjon antydet at investorene i økende grad ser forbi dagens inntjening og fokuserer på om Nvidia kan forsvare sin dominerende posisjon ettersom konkurrentene blir flere.

Aksjen har steget relativt beskjedne 4 % hittil i år og litt over 23 % de siste 12 månedene, en tydelig moderasjon sammenlignet med de ekstraordinære gevinstene i de tidlige fasene av AI-boomen.