OpenAI sætter Nvidia Vera Rubin på prøve – og kan ændre AI-gigantens forretning

OpenAI indgår i en endnu større udrulningsplan. OpenAI og Nvidia har annonceret en aftale om mindst 10 gigawatt Nvidia-baserede AI-datacentre. Den første gigawatt er målrettet anden halvdel af 2026 og skal baseres på Vera Rubin-systemer.

Hvorfor er OpenAI-installationen et vigtigt bevispunkt?

OpenAI er en af de mest krævende praktiske tests, Rubin kan få. Et førende AI-laboratorium har høje krav til træningskapacitet, forbindelseshastigheder mellem chips, stabil drift og muligheden for hurtigt at udvide infrastrukturen.

En fungerende OpenAI-installation vil derfor give Nvidia vigtig dokumentation på tre områder:

1. Relevans for de rigtige arbejdsbelastninger: Rubin skal bruges i et reelt frontier-AI-program – ikke kun til en benchmarktest eller produktdemonstration.
2. Systemets modenhed: Nvidia kan vise, at rackarkitekturen kan komme gennem kundens godkendelsesproces og videre til produktion.
3. Kommerciel afsmittende effekt: Hvis installationerne fungerer godt, kan det få andre AI-laboratorier og cloududbydere til at købe komplette Rubin-systemer.

Annonceringen bør dog læses med forbehold. Den fortæller ikke i sig selv, hvor mange racks der er installeret, hvilke træningsresultater OpenAI har opnået, eller hvornår Nvidia kan indregne omsætningen. De detaljer afgør, om milepælen bliver et kommercielt gennembrud eller primært en tidlig validering.

Hvad koster en Vera Rubin NVL72-rack?

Nvidia har ikke offentliggjort en officiel listepris i det tilgængelige materiale. Branche- og analytikerestimater varierer afhængigt af konfiguration og tidspunkt:

• Tidligere rapporter har placeret prisen på cirka 7-8 millioner dollar pr. rack.
• Et Bernstein-estimat, som senere er blevet omtalt, lyder på cirka 9,1 millioner dollar.
• Morgan Stanley har beregnet prisen på én VR200 NVL72-rack til cirka 7,8 millioner dollar.

Tallene bør opfattes som estimater for system- eller køberomkostningen – ikke som en bekræftet salgspris fra Nvidia. Forskellene viser også, hvorfor rackøkonomien ikke kan vurderes ved blot at tælle GPU’er. Hukommelse, lager, netværk, servere, køling og andre infrastrukturkomponenter fylder betydeligt i regningen.

Kapitalbehovet stopper ikke ved selve racken. Et Bernstein-estimat, omtalt af Investing.com, sætter omkostningen ved at opføre 1 gigawatt Vera Rubin-datacenterkapacitet til omkring 47 milliarder dollar. Det er et infrastruktur-estimat – ikke en direkte prognose for Nvidias omsætning eller en universel byggepris.

Hvad siger CoreWeaves marginer om cloudøkonomien?

CoreWeaves erfaring giver et af de første kommercielle signaler. Selskabet har sagt, at nyligt indgåede kontrakter i andet kvartal forventes at få marginer, der er 5-10 procentpoint højere end kontrakter indgået i de foregående kvartaler. I juli meldte CoreWeave også om prisstigninger på tværs af produktporteføljen.

Det beviser ikke, at alle Rubin-installationer bliver mere rentable. CoreWeaves marginer afhænger blandt andet af kontraktpriser, kapacitetsudnyttelse, finansiering, strøm, køling, driftsomkostninger og den konkrete hardwarekonfiguration.

Men meldingen udfordrer en enkel antagelse: at nyere AI-systemer automatisk gør cloududbydere mindre profitable, fordi de kræver mere kapital. Det centrale spørgsmål er, om bedre ydelse og højere kundepriser kan opveje den større investering. Hvis kunderne vil betale for hurtigere eller mere effektiv AI-kapacitet, og udbyderne kan holde udstyret højt udnyttet, kan rackskala-systemer give bedre økonomi trods en højere indkøbspris.

CoreWeaves rolle i valideringen

CoreWeave var den første AI-cloududbyder, der fik et Vera Rubin NVL72-system startet op og fuldt valideret. Valideringen omfattede hele racken fra ende til anden – herunder strøm, køling, netværk og beregning.

Det er en vigtig forskel. At tænde enkelte chips er ikke det samme som at drive en komplet væskekølet rack med tilhørende netværk og software. CoreWeaves arbejde var dermed en tidlig test af, om platformen kunne fungere i produktionsskala, og det reducerede integrationsrisikoen for senere kunder.

CoreWeave har desuden offentliggjort en sammenligning fra kørende hardware, hvor selskabet hævder, at Vera Rubin NVL72 leverede 10 gange så mange tokens pr. sekund pr. megawatt som Nvidias GB200 NVL72 på en sammenlignelig DeepSeek-R1-arbejdsbelastning. Det er et virksomhedsrapporteret benchmark under bestemte betingelser – ikke en garanti for samme resultat på alle arbejdsbelastninger.

Nvidia sælger mere end acceleratorer

Rubin-udrulningen viser, hvordan Nvidia bevæger sig i retning af at levere komplette AI-infrastruktursystemer. Nvidia beskriver en forsyningskæde med mere end 350 fabrikslokationer i 30 lande, som selskabet kalder sin hidtil største forsyningskæde til rackskala-systemer.

Den geografiske bredde er vigtig, fordi flaskehalsen ikke længere kun handler om at fremstille nok GPU’er. En fungerende AI-rack kræver koordinerede leverancer af GPU’er, CPU’er, avanceret hukommelse, servere, netværksudstyr, væskekøling, strømforsyning og installationskapacitet.

Nvidias voksende rolle i koordineringen – eller i nogle tilfælde den direkte levering – af komplette systemer kan give selskabet større kontrol over AI-infrastrukturen. Men den kan også øge udførelsesrisikoen. En forsinkelse i en central komponent kan forsinke en hel rack, og en forsinket rack kan påvirke både kundens datacenterplan og tidspunktet for Nvidias omsætning.

De foreslåede konfigurationer med to, fire og otte racks vil indeholde 144, 288 og 576 GPU’er, hvis de bruger den samme byggesten på 72 GPU’er. Det er simpel aritmetisk skalering; de tilgængelige kilder bekræfter ikke uafhængigt formelle produktvarianter eller leveringsplaner for alle tre konfigurationer. Det væsentlige er, at Nvidia designer ud fra gentagelige rackskala-byggesten, som kan kombineres til større AI-fabrikker.

Det bør investorer holde øje med den 26. august

Nvidia har forventet en omsætning på 91 milliarder dollar, plus eller minus 2 procent, i regnskabets andet kvartal. Prognosen forudsætter ingen omsætning fra datacenter-computing i Kina. Selskabet har samtidig guidet til en bruttomargin på cirka 74,9 procent efter GAAP og 75,0 procent på non-GAAP-basis.

Regnskabet den 26. august bør ses som en test af Rubins kommercielle fremdrift – ikke kun som et bagudskuende omsætningstal. Fire spørgsmål er særligt relevante:

1. Bevæger Rubin sig fra validering til volumen?

Investorer bør lede efter konkrete oplysninger om produktionsleverancer, kundeinstallationer, komponenttilgængelighed og tidspunktet for, hvornår Rubin begynder at bidrage mærkbart til omsætningen. Nvidia har sagt, at produktionsleverancerne skal begynde i efteråret, mens anden rapportering beskriver platformen som allerede værende i fuld produktion og på vej ud til kunder.

2. Kan Nvidia beskytte sine marginer?

Rackskala-systemer indeholder flere dyre og komplekse komponenter end enkeltstående acceleratorer. Nvidias marginudmelding vil vise, om selskabet kan sende de højere omkostninger videre til kunderne og samtidig fastholde sin stærke prisfastsættelse tæt på den nuværende prognose.

3. Begrænser hukommelse eller andre komponenter udbuddet?

Nvidia har advaret om begrænset forsyning og øgede indkøb i en bredere global mangel på hukommelseschips. Det bliver vigtigt at se, om selskabet kommenterer tilgængeligheden af hukommelse, komponentpriser og risikoen for, at disse forhold bremser Rubin-udrulningen.

4. Bekræfter prognosen en vedvarende efterspørgsel?

Det aktuelle resultat på 91 milliarder dollar er vigtigt, men det stærkeste signal kan komme fra ledelsens prognose for det følgende kvartal og beskrivelsen af kundernes forpligtelser. En overbevisende Rubin-historie kræver tegn på gentagelig efterspørgsel – ikke kun en vellykket første installation.

Konklusion

OpenAI’s Vera Rubin-udrulning er betydningsfuld, fordi den kobler Nvidias næste platform til de krævende arbejdsbelastninger, der driver udviklingen af frontier-AI. At Rubin-systemer allerede kører hos CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure og Nebius, styrker samtidig billedet af en platform, der er på vej ud over produktannoncer og prototyper.

Investeringshistorien afhænger dog stadig af gennemførelsen. Rackpriserne er estimater og ikke officielle listepriser, CoreWeaves forbedrede marginer er selskabsspecifikke, og tidlig validering er ikke det samme som levering i stor skala. Nvidias regnskab den 26. august bliver derfor afgørende for vurderingen af, om Vera Rubin er ved at blive en skalerbar og profitabel systemforretning – eller om platformen fortsat primært er et imponerende, men tidligt skifte i AI-infrastrukturen.