OpenAI:s Vera Rubin-utbyggnad testar Nvidias nästa AI-affär

OpenAI ingår i en ännu större utbyggnadsplan. OpenAI och Nvidia har meddelat en satsning på minst 10 gigawatt Nvidia-baserade AI-datacenter, där den första gigawatten ska tas i bruk under andra halvåret 2026 med Vera Rubin-system.

Varför OpenAI:s utbyggnad är ett viktigt lackmustest

OpenAI är ett av de tydligaste verkliga testen på om Rubin kan bära arbetet med utvecklingen av avancerade AI-modeller. Ett ledande AI-labb ställer mycket höga krav på träningskapacitet, kommunikation mellan chip, driftsäkerhet och möjligheten att snabbt bygga ut infrastrukturen.

En fungerande OpenAI-installation skulle därför ge stöd på tre områden:

1. Relevans för verkliga arbetslaster: Rubin används i ett faktiskt frontier-AI-program, inte bara i ett benchmarktest eller en produktvisning.
2. Systemmognad: Nvidia visar att den rackbaserade arkitekturen kan passera kundens kvalificering och gå vidare till produktion.
3. Kommersiell efterfrågan: En lyckad leverans kan få fler AI-labb och molnbolag att välja kompletta Rubin-system och därmed stärka efterfrågan på hela plattformen.

Samtidigt måste beskedet tolkas med viss försiktighet. En utbyggnadsplan säger inte hur många rack som faktiskt är installerade, vilka träningsresultat som har uppnåtts eller när intäkterna bokförs. De detaljerna avgör om detta blir ett kommersiellt genombrott eller främst en tidig valideringspunkt.

Vad kostar ett Vera Rubin NVL72-rack?

Nvidia har inte offentliggjort något officiellt listpris i det tillgängliga materialet. Branschens uppskattningar varierar beroende på konfiguration och tidpunkt:

• Tidigare rapporter har placerat priset på ett rack kring 7–8 miljoner dollar.
• En Bernstein-uppskattning som citerats i senare rapportering landade på cirka 9,1 miljoner dollar.
• Morgan Stanley har uppskattat kostnaden för ett VR200 NVL72-rack till cirka 7,8 miljoner dollar.

Siffrorna bör ses som uppskattningar av system- eller kundkostnaden, inte som ett bekräftat försäljningspris från Nvidia. Skillnaderna visar också varför rackekonomin inte kan bedömas genom att bara räkna GPU:er. Minne, lagring, nätverk, servrar, kylning och annan infrastruktur påverkar materialkostnaden kraftigt.

Kapitalbehovet stannar inte vid själva racket. En Bernstein-uppskattning som återgivits av Investing.com satte kostnaden för att bygga en gigawatt Vera Rubin-kapacitet i datacenter till ungefär 47 miljarder dollar. Det är en uppskattning av infrastrukturinvesteringen – inte en direkt prognos för Nvidias intäkter eller en generell byggkostnad.

Vad CoreWeaves marginaler säger om molnaffären

CoreWeaves utveckling ger en tidig signal om ekonomin i AI-moln. Bolaget uppgav att nytecknade kontrakt under andra kvartalet väntades ge marginaler som var 5–10 procentenheter högre än kontrakt från tidigare kvartal. I juli rapporterade bolaget dessutom prishöjningar över hela produktutbudet.

Det bevisar inte att varje Rubin-installation blir mer lönsam. CoreWeaves marginaler påverkas av avtalspriser, nyttjandegrad, finansiering, el, kylning, driftkostnader och den specifika hårdvarukonfigurationen.

Men uppgifterna utmanar antagandet att nyare AI-system automatiskt försämrar molnbolagens lönsamhet eftersom de kräver större investeringar. Den centrala frågan är om högre prestanda och kundpriser kan kompensera för den större initiala kostnaden. Om kunderna betalar för snabbare eller effektivare AI-kapacitet och leverantörerna håller den högt utnyttjad, kan rackbaserade system ge bättre ekonomi trots det högre inköpspriset.

CoreWeaves roll i valideringen

CoreWeave var den första AI-molnleverantören att starta upp och fullt ut validera ett Vera Rubin NVL72-system. Valideringen omfattade hela racket, inklusive ström, kylning, nätverk och beräkningskapacitet.

Det är en viktig skillnad. Att starta enskilda chip är inte samma sak som att driva ett komplett vätskekylt rack med tillhörande nätverk och mjukvarustack. CoreWeaves arbete blev därmed ett tidigt test av om plattformen kunde fungera i produktionsskala och bidrog till att minska integrationsrisken inför senare kundinstallationer.

CoreWeave har också publicerat en jämförelse från verklig hårdvara där bolaget hävdar att Vera Rubin NVL72 levererade tio gånger fler token per sekund och megawatt än Nvidia GB200 NVL72 i en matchad DeepSeek-R1-arbetslast. Det är ett bolagsrapporterat benchmark under angivna förhållanden – inte en garanti för samma resultat i alla arbetslaster.

Nvidia säljer mer än acceleratorer

Lanseringen av Rubin visar hur Nvidia rör sig mot att leverera kompletta AI-infrastruktursystem. Nvidia beskriver en leveranskedja med mer än 350 fabriksanläggningar i 30 länder, vilket bolaget kallar sin hittills största leveranskedja för rackbaserad infrastruktur.

Den geografiska omfattningen är viktig eftersom flaskhalsen inte längre bara handlar om att producera tillräckligt många GPU:er. Ett fungerande AI-rack kräver samordnade leveranser av GPU:er, CPU:er, avancerat minne, servrar, nätverksutrustning, vätskekylning, elinfrastruktur och installationskapacitet.

Om Nvidia får en större roll i att samordna – eller direkt leverera – dessa kompletta system kan bolaget stärka sin kontroll över AI-infrastrukturens hela värdekedja. Men det ökar också genomföranderisken. En försening av en central komponent kan stoppa ett helt rack, vilket i sin tur kan påverka kundens datacenterplan och tidpunkten för Nvidias intäkter.

De föreslagna två-, fyra- och åttarackskonfigurationerna skulle innehålla 144, 288 respektive 576 GPU:er om samma 72-GPU-byggblock används. Det är enkel aritmetisk uppskalning; de tillgängliga källorna bekräftar inte separat formella produktserier eller leveransplaner för alla tre konfigurationerna. Den viktiga poängen är att Nvidia bygger kring återanvändbara rackbaserade enheter som kan kombineras till större så kallade AI-fabriker.

Vad ska investerare bevaka i Nvidias rapport den 26 augusti?

Nvidia har guidat för intäkter på 91 miljarder dollar, plus eller minus 2 procent, i det andra räkenskapskvartalet. Prognosen bygger på antagandet att inga intäkter från datacenterberäkning i Kina ingår. Bolaget har samtidigt guidat för en bruttomarginal på cirka 74,9 procent enligt GAAP och 75,0 procent enligt non-GAAP.

Rapporten den 26 augusti bör läsas som ett test av Rubins kommersiella momentum, inte bara som en bakåtblickande resultatuppdatering. Fyra frågor är särskilt viktiga:

1. Går Rubin från validering till volym?

Leta efter konkreta besked om produktionsleveranser, kundinstallationer, tillgången på komponenter och när Rubin börjar bidra väsentligt till intäkterna. Nvidia har sagt att produktionsleveranserna ska börja under hösten, medan annan rapportering beskriver plattformen som redan i full produktion och på väg ut till kunder.

2. Kan Nvidia försvara marginalerna?

Rackbaserade system innehåller fler dyra och komplexa komponenter än fristående acceleratorer. Marginalprognosen visar om Nvidia kan föra över kostnaderna till kunderna och samtidigt behålla sin prissättningskraft nära den nuvarande guidningen.

3. Begränsar minne eller andra komponenter leveranserna?

Nvidia har varnat för begränsad tillgång och ökat sina investeringar i leveranskedjan mot bakgrund av en bredare minnesbrist. Investerare bör följa uppgifter om minnestillgång, komponentkostnader och om sådana begränsningar kan bromsa uppskalningen av Rubin.

4. Bekräftar prognosen en varaktig efterfrågan?

De omedelbara intäkterna på 91 miljarder dollar är viktiga, men den starkaste signalen kan komma från prognosen för följande kvartal och från ledningens beskrivning av kundernas åtaganden. En övertygande Rubin-berättelse kräver återkommande efterfrågan – inte bara en lyckad första installation.

Slutsats

OpenAI:s Vera Rubin-utbyggnad är betydelsefull eftersom den kopplar Nvidias nästa plattform till de mest krävande arbetslasterna inom utvecklingen av avancerad AI. Att Rubin-system körs hos CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure och Nebius stärker bilden av att arkitekturen har lämnat ritbordet och är på väg bortom produktdemonstrationer.

Investeringscaset hänger dock fortfarande på genomförandet. Rackpriserna är uppskattningar, inte officiella listpriser. CoreWeaves förbättrade marginaler gäller bolagets egna kontrakt, och tidig validering är inte detsamma som leveranser i hög volym.

Nvidias rapport den 26 augusti blir därför viktig för att avgöra om Vera Rubin håller på att utvecklas till en skalbar och lönsam systemaffär – eller om plattformen fortfarande främst är en imponerande, men tidig, infrastrukturövergång.