Nvidia står bak 92,4 prosent av verdens suverene KI

Med «suveren KI» menes i denne sammenhengen nasjonale eller myndighetsstøttede KI-prosjekter som utvikles med landets egne data, språk eller strategiske behov som utgangspunkt. Counterpoint-analytiker Neil Shah har trukket frem paradokset: Målet er teknologisk selvstendighet, men maskinvaren og programvaren bak modellene kommer i stor grad fra Nvidia .

Undersøkelsen dekket over 80 land, hvorav omtrent 55 skal ha utviklet egne språkmodeller. Nesten alle disse modellene kjører på Nvidia-infrastruktur .

Hvorfor er Nvidia så vanskelig å erstatte?

CUDA er den egentlige festningen

Nvidias viktigste konkurransefortrinn er ikke nødvendigvis rå ytelse i selve brikken. Det handler i stor grad om CUDA, selskapets programvareplattform.

I omtrent to tiår har utviklere bygget verktøy, biblioteker og arbeidsflyter rundt CUDA. Plattformen dekker alt fra trening av modeller til kjøring av ferdige modeller og simulering av robotikk. Kode som er skrevet direkte for CUDA, er knyttet til Nvidia-maskinvare, noe som gjør et leverandørbytte kostbart og tidkrevende .

Det har skapt en høy terskel for forskningsmiljøer, skyleverandører og myndigheter som vurderer AMD eller andre alternativer. Mange har allerede bygget hele utviklingsmiljøet sitt rundt Nvidia-plattformen .

En komplett pakke, ikke bare en brikke

Nvidia selger heller ikke bare akseleratorer. Selskapet tilbyr optimaliserte modellbiblioteker, sammenkoblingsteknologi som NVLink og NVSwitch, samt ferdig integrerte KI-systemer .

For nasjonale prosjekter med begrenset tid, kompetanse eller budsjett kan én komplett leverandør derfor være enklere enn å sette sammen en alternativ løsning fra flere aktører.

Skala og tilgang på produksjon

Nvidia har over tid levert flere KI-akseleratorer enn konkurrentene samlet. Det har gitt selskapet stort volum, sterke forbindelser i leverandørkjeden og betydelige ressurser til videre forskning og utvikling .

Det finnes tegn til at CUDA-fordelen kan bli mindre enerådende. Verktøy som OpenAIs Triton og spesialbrikker fra Google og Amazon gjør det enklere å flytte enkelte arbeidslaster til annen maskinvare. Men i suveren KI har ingen konkurrent foreløpig fått et tilsvarende gjennombrudd .

Hvem prøver å bygge alternativer?

Det finnes enkelte viktige unntak fra Nvidia-dominansen, selv om de foreløpig er små:

• AMD har fått fotfester gjennom blant annet den europeiske LUMI-superdatamaskinen, Australias Maincode-prosjekt og et samarbeid med Moreh i Sør-Korea .
• Cerebras har etablert seg i Midtøsten gjennom Abu Dhabi-baserte G42 og Condor Galaxy-superdatamaskinen .
• NAVER i Sør-Korea samarbeider med Nvidia og Brookfield om å utvide landets nasjonale KI-fabrikk til 200 megawatt. Også dette prosjektet viser imidlertid Nvidia som partner, ikke som konkurrent .
• Google og Amazon bruker egne TPU- og Trainium-brikker i interne arbeidslaster, men disse løsningene er foreløpig ikke solgt i betydelig omfang til nasjonale KI-prosjekter .

Nvidia bygger mer enn et brikkeforsprang

Nvidias posisjon handler også om strategiske investeringer og partnerskap som kan gjøre selskapets plattform enda mer sentral i fremtidens KI-infrastruktur.

Investeringen i Ilya Sutskevers SSI

27. juli 2026 kunngjorde Nvidia et langsiktig samarbeid med Safe Superintelligence, KI-selskapet grunnlagt av tidligere OpenAI-sjefsforsker Ilya Sutskever. Investeringen er rapportert til 5 milliarder dollar, mens partene samtidig ga SSI tilgang til Nvidias neste generasjon Vera Rubin-systemer .

Ifølge Nvidia skal tilgangen øke SSIs datakapasitet med en størrelsesorden . Avtalen knytter dermed et fremtredende forskningsmiljø innen sikker KI tettere til Nvidias maskinvareplattform.

Sør-Korea og Japan

Nvidia, NAVER og Brookfield har varslet en utvidelse av Sør-Koreas nasjonale KI-fabrikk. Det er også omtalt KI-infrastrukturavtaler i Japan. Kildene som er tilgjengelige her, bekrefter imidlertid ikke detaljene godt nok til å fastslå det samlede omfanget på over 500 milliarder dollar som er nevnt i enkelte beskrivelser .

Et fond for åpne modeller

Nvidia skal ha satt av 26 milliarder dollar over fem år til utvikling av åpne KI-modeller. Dersom planene gjennomføres som beskrevet, kan det bidra til at Nvidia-maskinvare blir en standardplattform også for offentlig og akademisk KI .

USA, Kina og den geopolitiske siden

Kina var uttrykkelig utelatt fra Counterpoints undersøkelse. Landet har egne KI-brikker, blant annet fra Huawei og Cambricon, men kildene beskriver disse som svakere enn Nvidias løsninger i den mest avanserte delen av markedet . Samtidig begrenser amerikanske eksportkontroller Kinas tilgang til de mest avanserte Nvidia-brikkene.

Kinesiske laboratorier må derfor i større grad bruke eldre Nvidia-brikker som ble kjøpt før restriksjonene, hjemlige alternativer med lavere ytelse eller mindre datakraft. Det kan bremse utviklingen av de største modellene.

Resultatet er et strategisk paradoks: Amerikanske eksportrestriksjoner styrker Nvidias globale posisjon ved å begrense kinesiske alternativer, men kan samtidig gi Kina sterkere insentiver til å utvikle en egen brikke- og programvareindustri.

Kildene i denne gjennomgangen gir ikke tilstrekkelig dokumentasjon for konkrete påstander om uttalelser fra DeepSeeks toppsjef, anklager knyttet til Moonshot, amerikanske tollsatser i 2026, Section 232 eller den såkalte «Pax Silica»-avtalen. Disse temaene bør derfor ikke fremstilles som bekreftede deler av denne analysen.

Hva vet vi – og hva vet vi ikke?

Det store paradokset

Counterpoints tall tegner et tydelig bilde: Nvidia har et nærmest monopolistisk grep om infrastrukturen bak suveren KI. CUDA, komplette systemer, produksjonsskala og strategiske investeringer gjør det vanskelig for myndigheter å bytte leverandør – selv når målet nettopp er større teknologisk uavhengighet.

AMD har enkelte viktige nisjer i Europa, Australia og Sør-Korea. Cerebras har fått fotfeste i Midtøsten. Men foreløpig er dette små øyer i et marked der Nvidia fortsatt er den klart dominerende plattformen.

Jakten på nasjonal KI-selvstendighet handler derfor ikke bare om hvem som eier språkmodellen eller dataene. Den handler også om hvem som kontrollerer datakraften, programvaren og leverandørkjeden under modellen. Akkurat der står Nvidia fortsatt svært sterkt.