OpenAI bygger eget chip och IBM lanserar egna AI-modeller – Nvidias dominans över AI-infrastrukturen utmanas på allvar
OpenAI och IBM utmanar Nvidias grepp om AI-infrastrukturen med egna kretsar och modeller.
Nvidias grepp börjar lossna
Under flera år har Nvidia haft ett järngrepp om AI-infrastrukturen. Den som velat träna eller driftsätta stora AI-modeller har i princip inte haft något val – det är Nvidias grafikkretsar som gällt. Men 2025 och 2026 ser allt mer ut som den period då det greppet börjar lossna, och det sker från flera håll samtidigt.
Enligt Computer Sweden har OpenAI presenterat Jalapeño, företagets egenutvecklade AI-krets. Det är inte bara en symbolisk markering – siffrorna är faktiskt anmärkningsvärda. Mätt med verktyget Inference X levererar Jalapeño mellan 1,5 och 1,9 gånger mer AI-beräkningar per watt jämfört med liknande kretsar från Nvidia. Exakt hur stor prestandavinsten blir beror på vilken modell som körs, men spannet är konsekvent imponerande oavsett.
Det som gör detta strategiskt intressant är inte bara prestandasiffrorna i sig – det är vad de möjliggör. OpenAI driver enormt beräkningsintensiva tjänster dygnet runt, och varje förbättring i energieffektivitet översätts direkt till lägre driftskostnader och större utrymme att skala. Det påminner om Apples beslut att lämna Intel för egenutvecklade processorer – ett drag som inledningsvis verkade djärvt men som i efterhand visade sig vara ett av de smartaste tekniska vägvalen under det senaste decenniet.
IBM väljer förutsägbarhet framför stjärnglans
Medans OpenAI siktar på råprestanda tar IBM en annan väg. Rapporterar Ars Technica har bolaget lanserat Granite 4.2, den senaste generationen av sin familj av öppna språkmodeller – utformade för att laddas ned och köras lokalt hos företag, utan molnberoende.
Modellerna finns i tre storlekar: 3, 8 respektive 30 miljarder parametrar. Alla tre stödjer ett kontextfönster på 128 000 symboler, vilket gör det möjligt att hantera långa dokument och komplexa samtalsflöden i ett svep. De två större varianterna har dessutom tränats med förstärkningsinlärning för att klara verktygsanvändning – terminalkörning, webbsökning och koppling mot externa system.
IBM kallar Granite 4.2 för en "resonemangsfokuserad" modell, vilket i praktiken betyder att modellerna bygger på kedjetänkande – de arbetar sig fram till svar via mellanliggande slutsatser snarare än att producera ett direkt svar. Det ger ofta mer genomarbetade resultat, men till priset av längre svarstider och högre beräkningskrav.
Granite-familjen är sällan den snabbaste eller mest spektakulära på marknaden – det erkänner IBM öppet, i praktiken om inte i ord. Jämfört med exempelvis Nvidias Nemotron är IBMs prioritering tydlig: stabil, förutsägbar driftsättning för företag som behöver kontroll och regelefterlevnad snarare än maximal prestanda. Det är ett klokt val för en kundgrupp som värderar driftsäkerhet och dataintegritet lika högt som kapacitet.
Egenutvecklad kisel – en branschtrend som accelererar
Det är värt att notera att dessa två lanseringar inte sker i ett vakuum. Apple presenterar parallellt M6 och M5 Ultra, där M5 Ultra – med sin minnesbandbredd på 1,2 terabyte per sekund och fyra sammanfogade kretsdelar – enligt Computer Sweden är det mest kraftfulla chip bolaget någonsin tillverkat. Apple är förstås inte en direkt konkurrent till Nvidia på samma sätt som OpenAI, men trenden är densamma: stora teknikbolag investerar massivt i egenutvecklad kisel för att minska beroenden och optimera sina specifika arbetsbelastningar.
Det sker en konsolidering av kontroll längs hela AI-stacken – från modell till hårdvara. Det som tidigare var en specialistfråga för halvledarbolag är nu en strategisk kärnfråga för varje seriöst AI-bolag.
Vad händer med Nvidia?
Nvidia är fortfarande enormt – och kommer att förbli en central aktör under lång tid. Men den period då bolaget kunde räkna med att vara det enda rimliga valet för AI-beräkning är förbi. Konkurrensen är inte längre hypotetisk. Den är här, den har namn, och den levererar faktiska prestandasiffror.
För företag som planerar sin AI-infrastruktur de kommande åren är det här en viktig signal: ekosystemet öppnar sig. Det blir både mer komplext och mer intressant att navigera.
Vår analys
Det vi ser nu är inte en enskild produktlansering – det är ett strukturellt skifte i hur AI-infrastrukturen ägs och kontrolleras. Under Nvidias dominansperiod behövde man egentligen inte tänka på hårdvaruvalet; det valet var redan gjort. Nu börjar det krävas faktiska avvägningar.
OpenAIs Jalapeño är intressant inte primärt för att den slår Nvidia i ett benchmark, utan för att den signalerar att OpenAI ser sig självt som ett infrastrukturbolag – inte bara en modellleverantör. Det är ett identitetsskifte med stora konsekvenser.
IBMs Granite 4.2 löser en annan, mer omedelbar utmaning: hur kör man kraftfulla AI-modeller lokalt, med full kontroll, utan att skicka känslig affärsinformation till ett moln någon annanstans? Det är en fråga många svenska och europeiska företag just nu brottas med.
Samtidigt är det värt att hålla huvudet kallt: prestandapåståenden vid lansering behöver alltid verifieras i verkliga driftsmiljöer. Men riktningen är solklar – och den pekar bort från ett leverantörsberoende.