Nvidia presenterar nytt chip med upp till 128 GB minne – kan utmana Apples dominans inom lokal AI
Nvidias nya chip med 128 GB minne kan utmana Apples grepp om lokal AI.
När löftena äntligen får substans
Det har pratats om AI-datorer länge. För länge, faktiskt. Sedan 2024 har Microsoft marknadsfört sina så kallade Copilot+-datorer med inbyggda neurala beräkningskretsar – men de som faktiskt försökt köra stora språkmodeller lokalt på dessa maskiner vet hur historien slutar: med besvikelse. Prestandan har helt enkelt inte räckt till.
Nu rapporterar Wired att Nvidia vid teknikmässan Computex i Taiwan presenterat chipet RTX Spark – och det ser annorlunda ut den här gången. Chipet samlar enhetligt minne, RTX-grafik och den nya N1-processorn i ett och samma paket, med upp till 128 GB enhetligt minne och en energieffektiv Arm-baserad arkitektur. Det är en kombination som tidigare bara funnits i Apples MacBook Pro, och som gjort att Mac länge varit det enda seriösa valet för den som vill köra avancerade AI-modeller utan att koppla upp sig mot molnet.
Nvidia öppnar nu tekniken för sina vanliga tillverkningspartner – HP, Asus, Dell och Lenovo. Men det är Microsofts egna Surface Laptop Ultra som sticker ut, med 15-tums Mini-LED-skärm och ett kompakt format som faktiskt ser ut att kunna utmana MacBook Pro på allvar.
Som systemutvecklare är det här genuint spännande. Möjligheten att köra stora modeller lokalt – utan fördröjning, utan molnberoende och utan att känslig data lämnar maskinen – öppnar dörrar som tidigare var stängda för alla utom de med tillgång till dyr Mac-hårdvara eller tunga arbetsplatsdatorer.
Robotarna lär sig greppa det okända
Parallellt med chipnyheten sker intressanta saker i robotikvärlden. Tyska automatiseringsföretaget Festo presenterar enligt The Robot Report två nyheter på en gång: en integrerad pneumatisk griper och mjukvaran GripperAI.
Den nya griparen HPPH väger bara 0,68 kilo och löser ett klassiskt problem inom kollaborativa robotar – att externa komponenter äter upp maskinens begränsade lastkapacitet. Festo har integrerat ventil, lägesgivare och elektriskt gränssnitt direkt i griparens kropp. Resultatet är en certifierad, kompakt enhet som ger 140 newton i kraftbegränsat samarbetsläge, vilket minskar skaderisken vid nära arbete med människor.
Det är solid ingenjörskonst. Men det verkligt intressanta är GripperAI-mjukvaran, som låter robotar hantera föremål de aldrig tränat på tidigare. Det är just den typen av generaliseringsförmåga som länge varit robotikens stora akilleshäl.
Roboten hämtar förmågor ur molnet
En annan signal om vart utvecklingen är på väg kommer från Hugging Face, som berättar att samtalsroboten Reachy Mini från Pollen Robotics nu kan hämta verktyg direkt från molnet via det öppna MCP-protokollet och Hugging Face Spaces.
Koncept att det är enkelt: i stället för att hårdkoda varje funktion i robotens källkod räcker det med ett kommando för att lägga till ett fjärrverktyg. Roboten kan sedan svara på frågor som "Hur är vädret i Paris idag?" utan att något laddas ned lokalt. Verktyget körs i sin egen molnmiljö och anropas vid behov.
Det är ett smart sätt att tänka på robotarkitektur – separera det hårdvarunära från det kunskapsberoende. Hårdkopplade robotförmågor hanterar armar och kameror, medan molnverktyg sköter omvärldskunskapen. Det påminner om hur moderna webbtjänster länge arbetat med mikrotjänster, men nu applicerat på fysiska maskiner.
Jordbruket och konferensscenen
Att hårdvara och AI-mjukvara mognar syns även i mer oväntade sammanhang. Vid Robotics Summit & Expo i Boston vann Boston Universitys AGROBOT T.O.M. – en precisionsskörderobot för vertikalt jordbruk som använder lidar och maskininlärningsbaserat datorseende för att identifiera mogen frukt och plocka varsamt. Enligt The Robot Report tog den även hem publikens val, vilket säger något om att kombinationen av estetik och faktisk funktion börjar tas på allvar även i akademiska tävlingsformat.
Och för den som vill följa branschens riktning live: RoboBusiness 2026 söker talare till sin konferens i Santa Clara den 19–21 oktober, med spår som täcker allt från fysisk AI och humanoider till fältrobotik och affärsutveckling. Sista ansökningsdag är 8 juli.
Vår analys
Det som är slående just nu är inte en enskild nyhet – det är ett mönster. RTX Spark ger äntligen konsumenthårdvara som kan matcha vad AI-mjukvaran kräver lokalt. Festos GripperAI adresserar generaliseringsproblemet i industrirobotar. Reachy Mini visar hur molnarkitektur kan göra fysiska robotar mer flexibla utan att göra dem mer komplexa. Dessa tre rörelser pekar åt samma håll: gapet mellan mjukvarans löften och hårdvarans verklighet håller på att slutas.
Det som återstår är skalning och kostnadsreduktion. RTX Spark-bärbara datorer lär inte bli billiga från start. GripperAI behöver bevisas i verkliga produktionsmiljöer. Och MCP-baserade molnverktyg för robotar är fortfarande ett tidigt experiment.
Men riktningen är tydlig: vi rör oss mot en infrastruktur där AI inte längre är ett tillägg, utan en grundläggande del av både hårdvara och robotik. Det är en omställning som kommer att skapa enorma möjligheter – och som systemutvecklare är det svårt att inte vara nyfiken på vad nästa halvår för med sig.