Googles plan mod Nvidia bygger på chips, kapital og software

Google vil ikke længere nøjes med at købe Nvidia-chips til sine AI-systemer. I løbet af 2025 og 2026 har selskabet lagt op til en mere direkte udfordring af Nvidia, hvor hardware, datacentre, leverandører og udviklerværktøjer spiller sammen.

Strategien består især af fem elementer: massiv finansiel støtte til AI-infrastruktur, en storstilet opskalering af Googles Tensor Processing Units (TPU'er), fremgang for specialdesignede AI-chips, en mere diversificeret forsyningskæde og et forsøg på at gøre udviklere mindre afhængige af Nvidias CUDA-platform.

3,2 mia. dollar skal sikre Lake Mariner

Google bruger i praksis en del af Nvidias eget værktøjssæt: finansielle garantier, der hjælper med at sikre kapacitet og store kunder til virksomhedens egne chips.

Alphabet-ejede Google har stillet en finansiel garanti på 3,2 mia. dollar for AI-datacenterområdet Lake Mariner i det vestlige New York. Projektet udvikles sammen med datacenteroperatøren TeraWulf og cloudplatformen Fluidstack .

Ifølge en indberetning til de amerikanske børstilsynsmyndigheder, SEC, øgede Google sin garanti til omkring 3,2 mia. dollar og sin ejerandel i TeraWulf til cirka 14 procent . Datacentret skal udstyres med tusindvis af Google-TPU'er, som skal levere regnekraft til træningen af Anthropics Claude-model .

TeraWulf, der tidligere primært beskæftigede sig med bitcoin-mining, har indgået 10-årige hostingaftaler med Fluidstack. Aftalerne repræsenterer omkring 3,7 mia. dollar i kontraktligt sikrede indtægter og kan vokse til 8,7 mia. dollar, hvis forlængelsesmulighederne udnyttes .

Det giver Google en mere direkte vej fra egne chips til betalende AI-kunder – i stedet for kun at bruge TPU-teknologien internt.

TPU-prognosen på 35 millioner skaber debat

En kanalundersøgelse fra Mizuho i juni 2026 vurderede, at Googles TPU-leverancer vil nå omkring 4,3 millioner enheder i 2026 og stige til mere end 35 millioner i 2028 . Det svarer omtrent til en otte-dobling på to år.

Det er dog en prognose, ikke et bekræftet leverancetal, og tallet har udløst betydelig debat i branchen. Morgan Stanley forventer omkring 5 millioner TPU'er i 2027 og 7 millioner i 2028, mens Wolfe Research ser et niveau på cirka 7 millioner om året ved udgangen af 2028 .

Mizuhos prognose på 35 millioner er blevet kritiseret for at være 2,3 gange højere end den samlede prognose for hele branchen og for at være alvorligt ude af trit med forsyningskædens faktiske kapacitet . TrendForce kom allerede i januar 2026 med et mere afdæmpet estimat på 5 millioner enheder i 2027 og 7 millioner i 2028 .

Hvor hurtigt Google reelt kan øge produktionen, bliver derfor en vigtig test af selskabets strategi. Efterspørgslen er ikke nødvendigvis den eneste begrænsning; avanceret chipproduktion og pakning kan også blive flaskehalse.

Specialdesignede AI-chips vokser hurtigere end standard-GPU'er

Googles TPU-planer passer ind i en bredere bevægelse i AI-industrien. TrendForce-data viser, at leverancerne af specialdesignede AI-ASIC'er ventes at vokse 44,6 procent fra år til år i 2026, sammenlignet med en forventet vækst på 16,1 procent for standardiserede, kommercielle GPU'er .

Det er første gang i AI-æraen, at specialdesignede chips ifølge denne opgørelse vokser så markant hurtigere end de almindelige GPU'er . Det kan få stor betydning for hyperscalere som Google, fordi egne chips kan optimeres til bestemte AI-opgaver og datacenterbehov.

Det samlede marked for specialdesignede AI-acceleratorer ventes at vokse omkring 45 procent i 2026 og kan nå 118 mia. dollar i 2033 . Googles mangeårige ASIC-partner Broadcom ventes samtidig at stå for cirka 60 procent af markedet for specialdesignede AI-acceleratorer i 2027 .

Intel og Marvell skal sprede risikoen

Google forsøger også at gøre sin forsyningskæde mindre afhængig af én producent og én designpartner.

Ifølge oplysninger fra The Information, som er blevet viderebragt med henvisning til Reuters og TrendForce, har Google angiveligt bedt Intel om at fremstille mere end 3 millioner TPU'er i 2028 . Hvis oplysningerne holder, vil det være et skridt væk fra en forsyningskæde, der i høj grad har været knyttet til TSMC og Broadcom.

Google har desuden været i dialog med Marvell Technology om fællesdesignede AI-chips . Marvell vil i så fald komme ind som endnu en designpartner ved siden af Broadcom og MediaTek, hvilket potentielt kan give Google en forsyningskæde med fire centrale chippartnere .

Det kan give Google større fleksibilitet, men flere partnere gør også koordineringen og produktudviklingen mere kompleks.

TorchTPU går efter Nvidias vigtigste forsvarsværk

Hardware er kun den ene halvdel af konkurrencen. Nvidias stærkeste fordel ligger ifølge mange branchevurderinger i CUDA – virksomhedens softwareplatform og programmeringsmodel, som gør det lettere for udviklere at bygge og optimere AI-applikationer til Nvidia-GPU'er.

På Cloud Next 2026 den 24. april annoncerede Google TorchTPU, et softwarelag, der skal gøre det muligt at køre PyTorch-arbejdslaster direkte på TPU'er uden den ældre PyTorch/XLA-bro . Google arbejder sammen med Meta, som står bag PyTorch-økosystemet, om projektet .

Målet er at sænke omkostningerne ved at skifte hardware. Hvis udviklere kan flytte PyTorch-modeller til Googles TPU'er uden omfattende ændringer eller ny optimering, bliver CUDA-låsningen mindre effektiv.

PyTorch vurderes at stå for omkring 85 procent af forskningen inden for deep learning . Derfor kan en mere problemfri PyTorch-understøttelse gøre TPU'er til et mere realistisk alternativ for forskere og virksomheder – selv om det ikke i sig selv fjerner alle forskelle mellem Googles chips og Nvidias platform.

Den påståede aftale til 35 mia. dollar er ikke bekræftet

Påstanden er ikke verificeret. Den konkrete oplysning om en aftale til 35 mia. dollar mellem Google, Broadcom og Anthropic, finansieret af Apollo og Blackstone, fremgår ikke af de tilgængelige søgeresultater.

Der findes dokumentation for Googles garanti på 3,2 mia. dollar i forbindelse med TeraWulf og for Broadcoms rolle som Googles ASIC-partner til TPU-udvikling. Men beløbet på 35 mia. dollar og den beskrevne finansieringsstruktur blev ikke fundet i de kilder, der ligger til grund for denne artikel.

Den del bør derfor betragtes som ubekræftet, indtil den kan underbygges af en pålidelig primærkilde.

Googles egentlige satsning

Googles udfordring af Nvidia handler dermed ikke om én ny chip eller én stor ordre. Den handler om at bygge et helt alternativt AI-system: datacentre, garanteret efterspørgsel, egne processorer, flere produktionspartnere og software, der kan gøre overgangen lettere for udviklere.

Hvorvidt det lykkes, afhænger især af to ting: om Google kan skalere TPU-produktionen i nærheden af de mest optimistiske prognoser, og om TorchTPU kan gøre Googles hardware til et reelt brugbart alternativ i et udviklermiljø, hvor Nvidia fortsat står stærkt.