Nvidia står för 92,4 procent av suverän AI – Counterpoint visar på nästan monopol

Undersökningen omfattade över 80 länder, varav omkring 55 hade utvecklat egna språkmodeller. Nästan alla använde Nvidia-teknik . Counterpoints analytiker Neil Shah pekade på motsägelsen: ambitionen är teknisk självständighet, men den underliggande beräkningsinfrastrukturen är nästan helt koncentrerad till en amerikansk leverantör .

Därför är Nvidias grepp så starkt

Nvidias dominans förklaras inte enbart av hur snabba företagets chip är. Flera analyser pekar i stället på en kombination av mjukvara, systemlösningar och skala.

• CUDA-ekosystemet: CUDA är Nvidias plattform för att utveckla och optimera AI-program. Efter omkring två decennier har plattformen samlat utvecklingsverktyg, bibliotek och lösningar för allt från modellträning och inferens till simulering av robotik . Kod och arbetsflöden som byggts kring CUDA är i praktiken tätt knutna till Nvidia-hårdvara. Det gör ett byte dyrt och riskfyllt för forskningslaboratorier, molnleverantörer och stater .
• En komplett teknikstack: Nvidia säljer inte bara acceleratorer. Företaget erbjuder även optimerade modellbibliotek, nätverksteknik som NVLink och NVSwitch samt färdiga AI-system. För projekt med begränsad tid eller budget blir det en enklare väg till fungerande infrastruktur .
• Försprång och skala: Nvidia har levererat fler AI-acceleratorer än konkurrenterna sammanlagt. Det ger bolaget stora volymer, en stark position i leveranskedjan och resurser att fortsätta investera i forskning och utveckling .

Det finns tecken på att CUDA-fördelen kan försvagas. Verktyg som OpenAI:s Triton och specialutvecklade chip från Google och Amazon gör det lättare att bygga AI-system utanför Nvidias miljö. Men just inom suverän AI har ingen konkurrent hittills lyckats rubba Nvidias ställning på ett betydande sätt .

Här finns alternativen

Konkurrenterna har ännu bara etablerat mindre, strategiskt viktiga positioner:

• AMD har fått fäste genom bland annat den europeiska superdatorn LUMI, Australiens Maincode och ett samarbete med sydkoreanska Moreh .
• Cerebras har etablerat en position i Mellanöstern genom Abu Dhabi-baserade G42 och superdatorprojektet Condor Galaxy .
• Sydkoreanska NAVER bygger tillsammans med Nvidia och Brookfield ut landets nationella AI-fabrik till 200 megawatt. Det är dock värt att notera att Nvidia i detta fall är partner – inte konkurrent .
• Google och Amazon använder egna acceleratorer, TPU respektive Trainium, för interna arbetslaster och vissa inferensuppgifter. Dessa lösningar har däremot ännu ingen betydande försäljning till nationella AI-projekt .

Nvidia stärker samtidigt sin geopolitiska position

Nvidias roll handlar inte bara om att sälja chip. Företagets investeringar och partnerskap bidrar också till att göra dess plattform ännu svårare att kringgå.

Investeringen i Ilya Sutskevers SSI

Den 27 juli 2026 meddelade Nvidia ett strategiskt partnerskap med Safe Superintelligence, SSI, AI-laboratoriet som grundats av den tidigare OpenAI-chefsforskaren Ilya Sutskever. Investeringen har rapporterats uppgå till 5 miljarder dollar, och SSI får tillgång till Nvidias kommande Vera Rubin-system . Nvidia och SSI uppger att satsningen kan öka SSI:s beräkningskapacitet med en storleksordning .

Affären knyter ett profilerat AI-forskningslaboratorium ännu närmare Nvidias hårdvaruplattform och visar hur chipföretaget försöker bygga inflytande över hela AI-värdekedjan.

Partnerskap i Japan och Sydkorea

Nvidias samarbete med NAVER och Brookfield om Sydkoreas nationella AI-fabrik är belagt i materialet, medan uppgifter om japanska infrastrukturprojekt nämns utan närmare detaljer . Det tillgängliga källmaterialet räcker därför inte för att självständigt bekräfta den bredare uppgiften om AI-affärer i Japan och Sydkorea värda över 500 miljarder dollar.

En fond för öppna AI-modeller

Nvidia har enligt tillgängligt material aviserat en satsning på 26 miljarder dollar under fem år för att utveckla så kallade open-weight-modeller – modeller vars vikter görs tillgängliga för vidare användning och anpassning . En sådan satsning kan ytterligare stärka Nvidias hårdvara som standardplattform inom offentlig och akademisk AI.

USA:s exportregler och Kinas dilemma

Kina ingår inte i Counterpoints undersökning. Enligt rapportens kontext har kinesiska chip som Huawei Ascend och Cambricon fortfarande ett betydande prestandagap jämfört med Nvidias mest avancerade lösningar, samtidigt som amerikanska exportrestriktioner begränsar tillgången till de chip som krävs för utveckling av avancerade språkmodeller .

Kinesiska AI-laboratorier hänvisas därför till äldre Nvidia-chip som köptes före exportförbuden, inhemska alternativ med lägre prestanda eller mer begränsad beräkningskapacitet. Det skapar en strategisk paradox: amerikanska exportregler bidrar till att skydda Nvidias globala dominans inom suverän AI, men driver samtidigt Kina mot ökad teknisk självförsörjning.

Det tillgängliga källmaterialet innehåller däremot inte tillräckligt specifika och citerbara uppgifter om påstådda uttalanden från DeepSeeks vd, anklagelser kopplade till Moonshot, amerikanska tullar 2026, Section 232 eller pakten ”Pax Silica”. Dessa delar bör därför inte behandlas som fastställda fakta.

Vad är bekräftat – och vad är fortfarande oklart?

Den stora paradoxen

Counterpoints siffror tecknar en tydlig bild: Nvidia har ett nästan monopolartat grepp om infrastrukturen bakom suverän AI. CUDA, leveranskedjans skala och strategiska investeringar gör försprånget svårt att bryta.

AMD har fått viktiga nischer i Europa, Australien och Sydkorea, och Cerebras har etablerat sig i Mellanöstern. Men den större bilden är oförändrad: länder kan utveckla egna modeller, lagra data nationellt och formulera egna AI-strategier – samtidigt som den beräkningskraft som får systemen att fungera i 92,4 procent av fallen kommer från samma amerikanska företag.

Det är suverän AI:s grundläggande motsägelse: självständigheten byggs på en infrastruktur som få länder faktiskt kontrollerar själva.