Från startups till Big Tech växer Nvidia-konkurrenterna – kan bolaget avsättas?

Loppet om att utmana Nvidias dominans inom chips för artificiell intelligens går in i en ny fas, där startups lockar miljarder dollar i finansiering, Big Tech skyndar på intern chiputveckling och investerare satsar på att nästa skede av AI‑beräkningar kanske inte uteslutande kommer att vila på grafikprocessorer (GPUs).

Medan Nvidia fortfarande dominerar marknaden för AI‑hårdvara riktas uppmärksamheten i allt större utsträckning från träning av enorma AI‑modeller till att köra dem effektivt i verkliga tillämpningar, det som kallas AI‑inferens.

Den övergången har öppnat dörren för en ny generation chip‑tillverkare som lovar snabbare prestanda, lägre energiförbrukning och avsevärt lägre driftskostnader.

Den senaste påminnelsen kom i onsdags när AI‑chip‑startupen SambaNova tog in $1 billion i ny finansiering, vilket understryker investerares vilja att backa företag som försöker ta en del av en av världens snabbast växande teknikmarknader.

Finansieringsrundan värderar SambaNova till $11 billion och leddes av General Atlantic, med deltagande från Seligman Ventures, T. Rowe Price och Capital Group.

Den senaste investeringen följer en separat finansieringsrunda tidigare i år där företaget tog in mer än $350 million från investerare inklusive Intel, tillsammans med ett strategiskt partnerskap.

Enligt en CNBC‑rapport publicerad i april samlade AI‑chip‑startups in $8.3 billion globalt under 2026.

Om inte finansieringsmarknaderna drabbas av en kraftig nedgång väntas investeringarna i sektorn nå rekordnivåer i år.

Källa: CNBC

Fokus skiftar från träning till inferens

Nvidia byggde sin dominans på grafikprocessorer som ursprungligen designades för spel, men senare anpassades för träning av AI‑modeller.

Dessa chips är fortfarande branschstandarden för att bygga stora språkmodeller.

Men när företag i allt högre grad distribuerar AI‑applikationer snarare än att träna nya grundmodeller, ägnas mer uppmärksamhet åt inferens — processen där tränade AI‑modeller svarar på användarfrågor.

Många startups hävdar att GPUs, även om de är extremt kraftfulla, aldrig var speciellt byggda för AI‑arbetsbelastningar.

I stället menar de att specialiserade processorer utformade särskilt för inferens kan dramatiskt sänka kostnaderna samtidigt som de förbrukar mindre elektricitet.

Lista över AI‑chip‑startups som vill utmana Nvidia

SambaNova är långt ifrån det enda företaget som försöker luckra upp Nvidias grepp om AI‑infrastrukturen.

Cerebras, som nyligen noterades efter att ha tagit in $5.5 billion, har länge positionerat sig som en av Nvidias starkaste konkurrenter.

Morgan Stanley har argumenterat för att företaget åtnjuter en fördel som första aktör inom vissa segment av AI‑beräkningar.

En annan aktör som bevakas noga är Groq, vars arkitektur inriktad på inferens drog så stor uppmärksamhet att Nvidia gick med på att licensiera delar av dess chipteknik och värvade dess vd i december förra året.

CNBC rapporterade senare att Nvidia hade gått med på att förvärva Groq för $20 billion i kontanter, även om varken företagen bekräftade uppgifterna.

Groq har sagt att det kommer att fortsätta verka självständigt under vd Simon Edwards.

Intressant nog lanserade Nvidia senare sin egen language processing unit på sin årliga GTC‑konferens i mars, vilket antyder att företaget införlivar idéer som dyker upp hos nyare konkurrenter snarare än att ignorera dem.

En annan startup som får uppmärksamhet är D‑Matrix, grundat 2019.

Företaget uppger att dess processorer kan köra inferensarbetsbelastningar upp till 10 gånger snabbare samtidigt som de förbrukar fem gånger mindre energi än fristående Nvidia‑GPUs, förutsatt att arbetsbelastningarna förblir relativt små.

D‑Matrix har hittills tagit in omkring $500 million och nått en uppskattad värdering på cirka $2 billion.

Microsoft deltog i dess finansiering genom riskkapitalarm M12.

AI‑modellmakare försöker bygga egna chips

Det konkurrenstryck som märks kommer inte enbart från startups.

Många av Nvidias största kunder blir samtidigt rivaler när de kraftigt investerar i egenutvecklade AI‑chips.

Motivationen är enkel. Att utveckla skräddarsydd silikon minskar beroendet av Nvidia, sänker långsiktiga infrastrukturkostnader och möjliggör tätare integration mellan hårdvara och mjukvara.

Reuters rapporterade den här veckan att den kinesiska AI‑startupen DeepSeek utvecklar sitt eget AI‑chip i ett försök att minska beroendet av Nvidia‑ och Huawei‑processorer som används för att träna och driftsätta dess modeller.

Tidigare den här månaden rapporterade The Information att Anthropic haft samtal med Samsung om ett samarbete kring ett framtida chip, även om nyckelbeslut om specifikationer och avsedd användning fortfarande är obesvarade.

OpenAI avslöjade förra månaden sin första egenutvecklade AI‑processor, kallad Jalapeño, utvecklad tillsammans med Broadcom.

Broadcoms vd Hock Tan sade till Reuters att processorn presterar i nivå med Nvidias Blackwell‑chips och Googles tensor processing units.

Big Tech blir i allt högre grad en konkurrent till Nvidia

Google agerar själv aggressivt för att minska sitt beroende av Nvidia.

I stället för att använda samma processorer för både AI‑träning och inferens separerar företaget dessa arbetsbelastningar i dedikerade chips under åttonde generationen av sin TPU‑familj.

Deras TPU 8t och TPU 8i förväntas bli tillgängliga senare i år.

Amazon följer en liknande strategi.

Deras AI‑chef, Peter DeSantis, berättade nyligen för Bloomberg att Amazon Web Services diskuterar möjligheten att även sälja sina Trainium‑AI‑chips till externa kunder, vilket potentiellt skulle skapa ett av de starkaste alternativen till Nvidia i datacenterinfrastruktur.

Sådana diskussioner är fortfarande i ett tidigt skede, men de följer Amazons vd Andy Jassys kommentarer att efterfrågan på företagets internt utvecklade AI‑chips varit så stark att kommersialisering nu övervägs.

Meta investerar också aggressivt i skräddarsydd AI‑hårdvara genom ett utökat partnerskap med Broadcom.

Företagets Meta Training and Inference Accelerator (MTIA)‑program har redan producerat sin första krets, MTIA 300, som driver ranknings‑ och rekommendationssystem över Metas plattformar.

Tre ytterligare generationer väntas fram till 2027, där senare versioner är särskilt utformade för inferensarbetsbelastningar som driver AI‑assistenter och svarar på användarfrågor.

Likt Google och Amazon är Metas målsättning att minska beroendet av Nvidia samtidigt som chipen anpassas till dess egen mjukvarustack och AI‑infrastruktur.

Skiftet illustrerar en bredare trend bland hyperscalers.

I stället för att enbart förlita sig på färdiga GPUs bygger teknikjättar i allt högre grad applikationsspecifika integrerade kretsar (ASICs) optimerade för deras egna arbetsbelastningar.

AMD och Broadcom har redan tagit betydande positioner

Till skillnad från många startups har AMD och Broadcom redan etablerat sig som betydande konkurrenter inom AI‑infrastruktur.

AMD:s omställning har på flera sätt speglat Nvidias utveckling.

Företaget, ursprungligen känt för spelgrafikkort och PC‑processorer, har flyttat fokus mot datacenteracceleratorer och AI‑chips, vilket låtit det framträda som den näst största publika aktören på marknaden för AI‑acceleratorer.

Strategin har gett god utdelning för investerare.

AMD‑aktien har stigit med mer än 460% under de senaste fem åren, vilket ger företaget ett marknadsvärde som överstiger $840 billion.

Samtidigt har Broadcom blivit ett av de mest strategiskt viktiga företagen inom skräddarsydd AI‑silikon.

I stället för att konkurrera direkt med Nvidia genom merchant‑chips designar Broadcom specialanpassade processorer för några av världens största AI‑utvecklare.

Analytiker på Melius Research sade nyligen att Broadcom har insyn i omkring 10 gigawatt av AI‑efterfrågan till 2027 från kunder inklusive Anthropic och Meta Platforms.

Företagets inflytande utvidgades ytterligare i onsdags efter att det skrev ett halvledaravtal värt mer än $30 billion med Apple.

Enligt avtalet kommer Broadcom att designa och tillverka "custom silicon components and cutting‑edge wireless connectivity technologies" för Apples produkter.

Analytiker ser Nvidias försprång krympa, inte försvinna

Trots det växande antalet konkurrenter anser de flesta analytiker att Nvidias ledning fortfarande är överväldigande.

"Nvidia kommer definitivt att möta mer konkurrens jämfört med för ett år sedan," sade KinNgai Chan, managing director på Summit Insights Group, i kommentarer till Reuters i mars.

"Nvidia har fortfarande över 90% marknadsandel i både tränings‑ och inferensmarknaderna i dag."

Chan förväntar sig dock att den dominansen gradvis kommer att eroderas under de kommande åren.

"Vi tror att Nvidia kommer börja se marknadsandelar förloras från 2027, när interna ASIC‑program når viss skala, särskilt på inferensmarknaden," sade han, med hänvisning till applikationsspecifika integrerade kretsar som är designade för dedikerade arbetsbelastningar och erbjuder högre effektivitet än generella GPUs.

Morningstar delar en liknande långsiktig syn.

"På längre sikt tror vi att det är oundvikligt att Google och AWS kommer försöka ta in fler chip och AI‑utrustning internt, till Nvidias nackdel," skrev Morningstar‑analytikern Brian Colello.

"Vi förväntar oss att Nvidia kommer förlora marknadsandelar till Googles TPU:er och Amazons Trainium (särskilt om Anthropic och/eller Google Gemini framträder som dominerande frontier‑modeller), men vi tror att Nvidias andel kommer att nivåera ut runt 68% år 2030 (jämfört med 80% i dag) inom en mycket större kaka av AI‑utgifter," tillade han.

Nvidia svarar på flera fronter

Men trots allt står inte Nvidia stilla.

Företaget spenderade mer än $18 billion på forskning och utveckling under räkenskapsåret som slutade i januari 2026 när det intensifierade arbetet med nästa generations AI‑processorer, nätverksprodukter och fotonikteknik.

Under den senaste telefonkonferensen i maj sade Huang att Nvidias nya centrala processorer ”Vera” ger företaget tillgång till en ny marknad på $200 billion.

Nvidia förväntar sig att Vera‑chipen ska generera $20 billion i intäkter före slutet av det innevarande räkenskapsåret.

Huang sade att dessa försäljningar inte var medräknade i företagets tidigare prognos om $1 trillion i intäkter från dess Blackwell‑ och Rubin‑AI‑chipplattformar mellan 2025 och 2027.

Kanske ännu viktigare är att Nvidia i allt större utsträckning väljer samarbete framför konfrontation.

I stället för att gå i direkt konkurrens med varje framväxande AI‑chip‑startup väljer Nvidia i allt större utsträckning att samarbeta med företag som utvecklar specialiserade inferensprocessorer.

Förvärvet av tillgångar från AI‑inferens‑startupen Groq i december för $20 billion och tillkännagivandet av investeringar på $4 billion i två fotonikföretag tidigare i år var delar av denna strategi.

Genom att integrera vissa rival‑chips tillsammans med sina egna GPUs i AI‑serverrack breddar Nvidia även sitt ekosystem samtidigt som det säkerställer att företaget fortsätter dra nytta av AI‑infrastruktursatsningar oavsett vilka inferenstekniker som får genomslagskraft.

Den strategin gör det möjligt för Nvidia att delta i flera AI‑hårdvaruekosystem samtidigt som det fortsätter generera intäkter även om kunderna börjar använda specialiserade inferens‑chips tillsammans med dess GPUs.

På onsdagen meddelade inferens‑cloud‑leverantören Parasail att man skulle distribuera D‑Matrix Corsair‑acceleratorer för inferens tillsammans med Nvidias Hopper‑ och Blackwell‑system för att leverera "up to 10x faster, more cost‑efficient inference services" till kunderna.

Dessutom är SambaNovas produkter designade för att komplettera Nvidia‑hårdvara snarare än att helt ersätta den.

Rodrigo Liang, SambaNovas vd, sade att deras SN40‑ och SN50‑chips kan köra den så kallade decode‑delen av inferens, att packa upp frågan från modellen fem till tio gånger snabbare, vilket hjälper till att frigöra motsvarande antal Nvidia‑chips för andra uppgifter som träning.

Stark tillväxt fortsätter trots konkurrenstrycket

Nvidias senaste delårsrapport tyder på att konkurrensen ännu inte i någon större utsträckning påverkat dess verksamhet.

Deras datacenterdivision, som fortsatt är företagets främsta tillväxtmotor, rapporterade rekordintäkter på $75.2 billion, upp 92% år‑för‑år.

Vd Jensen Huang sökte lugna investerare genom att säga att efterfrågan är bred och att nya produkter kommer att hjälpa företaget att överträffa den $1 trillion‑intäktsmöjlighet det prognostiserat för sina flaggskeppsplattformar för AI.

Trots detta sjönk NVDA‑aktien 1.6% efter rapporten trots starkare än väntad intäktsprognos och tillkännagivandet av ett aktieåterköpsprogram på $80 billion.

Marknadens reaktion antydde att investerare i allt högre grad ser bortom nuvarande vinster och fokuserar på huruvida Nvidia kan försvara sin dominerande position när konkurrenterna blir fler.

Aktien har stigit relativt modesta 4% i år och knappt över 23% under de senaste 12 månaderna, en kraftig dämpning jämfört med dess extraordinära uppgångar i de tidiga stadierna av AI‑boomen.