Nvidias vd Jensen Huang har ett tydligt budskap: kunderna beställer AI-chip snabbare än företaget kan öka leveranserna. Men i intervjun i podden BG2 den 15 oktober handlade resonemanget också om en större fråga: vilka ska använda – och betala för – den växande infrastrukturen för AI?
6
3
Huang ser en marknad som sträcker sig långt utanför de största AI-laboratorierna. Samtidigt är hans bild av framtida investeringar en prognos, inte ett löfte om att alla datacenterprojekt blir lönsamma.
3
7
Orderboken växer trots ökat utbud
Huang sade att Nvidia får nya beställningar ”nästan varje vecka och dagligen” och att orderboken fortsätter att växa även när företaget ökar utbudet. Efterfrågan kommer enligt rapporteringen från stora molnleverantörer, nyare AI-molnbolag och tillverkare av utrustning. Vissa kunder planerar långt i förväg, men underlaget visar inte att alla räknar med sina behov ett eller två år framåt.
6
8
43
Att leverera fler chip löser inte heller alla flaskhalsar. Rapporteringen om Huangs uttalanden pekar på begränsningar kring el och den bredare infrastrukturen. Det tillgängliga underlaget ger däremot inte stöd för en detaljerad lista över halvfärdiga datacenter eller särskilda komponentbrister.
42
Huang räknar med fler användare än AI-jättarna
Ett av Huangs motargument mot oron för att bara ett par laboratorier ska stå för hela AI-boomen är att Nvidias datorkraft används till många olika ändamål. En rapportering av hans uttalanden beskriver fördelningen ungefär så här: en tredjedel till traditionell databehandling, en tredjedel till ekosystemet kring öppen källkod och omkring 30 procent till laboratorier som utvecklar de mest avancerade AI-modellerna. Det är avrundade kategorier, inte en exakt redovisning av varje arbetslast.
1
Annan rapportering placerar de främsta AI-laboratoriernas andel på omkring 25–30 procent och beskriver traditionell databehandling och ett bredare startup-ekosystem som stora delar av resten. Huangs poäng är att investeringskalkylen inte behöver vila enbart på att OpenAI, Anthropic eller andra ledande laboratorier når intäkter i samma storleksordning som hela infrastrukturbygget.
34
35
Prognoser på flera biljoner dollar
Huang har uppskattat att de globala investeringarna i AI-infrastruktur kan nå 3–4 biljoner dollar per år till 2030. Av det skulle omkring 1,5 biljoner dollar om året gå till datorkraftsinfrastruktur. Han har också sagt att en årlig investeringsnivå på 10 biljoner dollar längre fram inte skulle förvåna honom. Det här är hans prognoser, inte utfall som har verifierats oberoende.
3
4
Det är viktigt att skilja på investeringarnas möjliga omfattning och Nvidias intäkter. Siffrorna betyder inte att Nvidia kommer att omsätta biljoner dollar, eller att varje datacenterprojekt ger tillräcklig avkastning. Huangs tes är att AI-användningen kan spridas till fler användare och arbetsuppgifter i takt med att behovet av datorkraft växer. Prognosen avgör inte i sig om finansieringen och ekonomin håller för varje projekt.
3
7
Stark efterfrågan löser inte finansieringsfrågan
Att kunder vill köpa mer datorkraft och att de kan finansiera sina planer är två skilda frågor. Huangs kommentarer om orderboken talar för efterfrågan, men visar inte i sig att alla kunder kan genomföra sina investeringar eller att leverantörerna kommer att tjäna pengar på dem.
6
I ett separat framträdande hos Bloomberg försvarade Huang AI-infrastrukturbolaget CoreWeave och sade: ”CoreWeaves styrka förbättras varje dag.” Han sade också att bolagets kapitalkostnad sjunker. Uttalandena gjordes vid ett evenemang i Stockholm – inte i BG2-intervjun.
39
Den mest nyanserade läsningen av Huangs budskap är därför optimistisk, men villkorad: han ser en efterfrågan på AI-datorkraft som sträcker sig långt utanför de största modellbolagen. Hur stort och uthålligt utbyggandet blir beror ändå på infrastrukturkapacitet, finansiering och möjligheten att få rimlig avkastning.