Groq droppet egne AI-brikker og ble Nvidia-operatør

Nøkkelpunkter per 25. august 2026:

• Groq forlot sin egen LPU-brikke og drifter nå Nvidia-systemer som skyleverandør, verdsatt til 3,5 milliarder dollar etter siste runde (TechCrunch, 2026).
• Kapitalen samler seg om dem som leverer. AI-brikkestartups hentet 4,16 milliarder dollar i 2026, og 10 av de 11 største rundene oversteg 50 millioner dollar (valueaddvc.com, 2026).
• Europa har en reell kandidat, men den er ikke ferdig. Axelera hentet 250 millioner dollar til Europa-brikken, mens etterfølgeren Titania først ventes i 2027.
• Kapasitet er flaskehalsen som setter prisen din. Groq planlegger å gå fra 54 megawatt til mer enn 200 megawatt i 2027, og betjener allerede over 6 millioner utviklere (TechCrunch, 2026).
• Inferens er kostnaden, ikke trening. Axeleras energieffektive brikker er bygget for å kjøre AI-modeller industrielt, ikke for å trene dem.

---

Hva AI-brikker og inferens faktisk betyr for en norsk SMB

Nesten all offentlig samtale om AI-brikker handler om trening av store modeller. Nesten ingen norske virksomheter kommer noen gang til å trene en. Det du derimot skal gjøre hver eneste dag, er å kjøre ferdige modeller mot dine data og dine kunder. Den operasjonen heter inferens, og det er den som dukker opp på fakturaen måned etter måned.

Skillet er ikke akademisk. Brikker optimalisert for trening er dyrest og vanskeligst å få tak i. Brikker optimalisert for inferens konkurrerer på strømforbruk og pris per svar. Axelera bygger for eksempel energieffektive inferensbrikker som brukes industrielt til å kjøre, ikke trene, AI-modeller. Det er den kategorien som til slutt bestemmer hva AI koster deg.

Trening bygger modellen, inferens svarer kunden

Trening er engangsjobben der modellen lærer. Den krever enorme mengder parallell regnekraft over uker eller måneder, og den gjøres av noen få aktører med milliardbudsjetter. Inferens er det som skjer hver gang en ansatt stiller et spørsmål, hver gang en kunde får et svar, hver gang et dokument klassifiseres automatisk. Trening er en investering. Inferens er en driftskostnad som vokser med bruken din.

Dimensjon	Trening	Inferens
Hvem gjør det	Modellprodusenter og store forskningsmiljøer	Alle som bruker AI i produksjon
Kostnadsprofil	Stor engangskostnad	Løpende kostnad per forespørsel
Hva som avgjør prisen	Tilgang på toppmoderne brikker	Strøm, kapasitet og effektivitet per svar
Relevans for en norsk SMB	Nesten null	Hele regningen
Typisk beslutning	Ingen	Hvilken leverandør, hvilken bindingstid

Derfor treffer inferensregningen deg og ikke treningsregningen

Alura mener at for de aller fleste norske virksomheter er inferens, ikke trening av egne modeller, det som faktisk koster og betyr noe. Det er en posisjon med praktiske følger. Den betyr at spørsmålet «hvilken brikke bør vi kjøpe» er feil spørsmål for nesten alle. Det riktige spørsmålet er hvor mye kapasitet du trenger, hvor forutsigbart den er priset, og hvor raskt du kan flytte den hvis leverandøren din endrer strategi. De siste tolv månedene har gitt flere eksempler på at leverandører gjør nettopp det.

AI-brikker er ikke en ting, men et lag i en stabel

Brikkeprodusenter lager spesialiserte prosessorer for AI-teknikker som naturlig språkbehandling og dyp læring, og mange av dem retter seg mot bestemte bruksområder. Det betyr at «AI-brikke» dekker alt fra store treningsklynger til små enheter som sitter i en maskin på et fabrikkgulv. Når du vurderer leverandøravhengighet, må du vite hvilket av disse lagene du faktisk berører. Vi har skrevet mer om hvordan lock-in oppstår i praksis i vår gjennomgang av AI-brikker uten Nvidia-lås.

Groqs snuoperasjon fra egen LPU til drift av Nvidia-systemer

Groq var i flere år et av de tydeligste alternativene til Nvidia. Selskapet bygget sin egen brikkearkitektur, kalt LPU, spesifikt for rask inferens, og markedsførte seg på hastighet per svar. I 2026 er den historien over. Groq har skiftet fokus fra å bygge egne LPU-brikker til å bli en sky- og datasenterleverandør som opererer Nvidia-systemer (TechCrunch, 2026).

Snuoperasjonen ble finansiert med en runde på 350 millioner dollar ledet av Disruptive, med planlagt deltakelse fra Nvidia, som verdsetter selskapet til 3,5 milliarder dollar (TechCrunch, 2026). Investoren som skal utfordres, er altså med på å finansiere utfordreren som slutter å utfordre.

Fra spesialbrikke til neocloud

En neocloud er en skyleverandør som spesialiserer seg på AI-kapasitet framfor generell IT-drift. Groqs styreleder Alex Davis, som også er administrerende direktør i Disruptive, har uttalt at de bygger selskapet til verdens ledende AI-inferenssky (TechCrunch, 2026). Det er et helt annet løfte enn «vår brikke er raskere enn deres». Forretningsmodellen går fra å selge en teknologisk forskjell til å selge kapasitet, tilgjengelighet og pris. For en kunde er det ikke nødvendigvis dårlig nytt. Det er derimot en helt annen risikoprofil enn den du kjøpte inn på.

Da Nvidia hentet folkene og lisensen

Bakgrunnen for snuoperasjonen er at Nvidia ansatte Groqs grunnlegger og andre nøkkelpersoner som del av en lisensavtale på 20 milliarder dollar (TechCrunch, 2026). Det er ikke et oppkjøp i tradisjonell forstand, og det utløser derfor heller ikke de samme varslene til kunder og myndigheter. Kompetansen og immaterielle rettigheter flytter seg, mens selskapsnavnet blir stående. Denne formen for konsolidering er vanskelig å oppdage fra utsiden hvis du bare følger med på oppkjøpsnyheter.

Hva 13 datasentre og 6 millioner utviklere forteller

Groq opererer 13 datasentre og betjener over 6 millioner utviklere, bedrifter og AI-selskaper (TechCrunch, 2026). Det tallet er poenget med snuoperasjonen: distribusjon og kundebase er verdt mer enn brikkedesignet når brikkedesignet ikke lenger vinner. Lærdommen for en kjøper er at leverandøren din kan bytte ut hele det tekniske fundamentet uten at tjenesten din stopper, men også uten at du får velge. Hvis det er en akseptabel risiko, skal det stå i kontrakten. Hvis det ikke er det, skal det også stå i kontrakten.

---

Les også: ChatGPT for norske bedrifter: muligheter, begrensninger og alternativer i 2026. ChatGPT har 900 millioner brukere, men er det riktig for din bedrift?

---

Kapitalen samler seg om dem som allerede har sendt silisium

AI-brikkestartups hentet omtrent 4,16 milliarder dollar i risikokapital i 2026, og 10 av de 11 største rundene lå over 50 millioner dollar (valueaddvc.com, 2026). Det er mye penger, men fordelingen er viktigere enn summen. Kapitalen går ikke bredt ut i markedet. Den samler seg om noen få navn.

Etched er malen investorene måler etter

Etched gjennomførte en Series C på 300 millioner dollar til en verdivurdering på 10,3 milliarder dollar, og selskapet har allerede sendt inferenssilisium, ikke bare en veikart-presentasjon (valueaddvc.com, 2026). Investorene konsentrerer kapitalen i selskaper med teknisk troverdighet og eksisterende produkter framfor nye oppstartsselskaper. Grunnen er strukturell: brikkedesign og fabrikasjon krever flerårige kapitalforpliktelser før noe som helst kan sendes. Et lovende arkitekturvalg i 2026 er ikke en leveranse før tidligst 2028.

Vekt leveranse tyngre enn veikart

Alura mener du bør vekte leverandørens leveranse i dag tyngre enn veikartet, akkurat slik kapitalen i brikkemarkedet nå gjør. Det er den enkleste tilgjengelige heuristikken for en kjøper uten teknisk dybdekompetanse på halvledere: hvis profesjonelle investorer med tilgang til langt bedre informasjon enn deg premierer sendt produkt, bør du gjøre det samme. Spør leverandøren hva som kjører i produksjon hos betalende kunder i dag. Ikke hva som lanseres neste kvartal.

Selskap	Beløp	Slik kilden beskriver det
Tenstorrent	693 millioner dollar	Series D-finansiering
Groq	640 millioner dollar	Series D-finansiering
Celestial AI	250 millioner dollar	Series C1-finansiering
Rebellions	124 millioner dollar	Series B-finansiering
Etched	120 millioner dollar	Transformer-spesifikke ASIC-er
Blaize	106 millioner dollar	Investering
Recogni	102 millioner dollar	Inferensoptimaliserte løsninger
Axelera AI	61,6 millioner euro	Tilskudd fra EuroHPC Joint Undertaking

Tre lag du må skille mellom: brikke, sky og modell

De fleste diskusjoner om leverandøravhengighet blir uklare fordi tre helt forskjellige beslutninger blandes sammen. Du kan være låst til Nvidia på brikkenivå, til en skyleverandør på driftsnivå og til en modellprodusent på API-nivå, og de tre låsingene har vidt forskjellig kostnad å bryte. Skiller du dem, får du en langt kortere liste med reelle risikoer.

Lag	Hva du faktisk kjøper	Byttekostnad	Din beslutning nå
Brikke	Arkitektur og regnekraft	Svært høy hvis du eier maskinvaren	Ikke eie den
Sky	Kapasitet, drift, datalokasjon	Middels, avhenger av kontrakt og data	Krev exit-klausul og portabilitet
Modell	API-tilgang og kvalitet per oppgave	Lav til middels med abstraksjonslag	Bygg abstraksjonslaget nå

Brikkelaget er der låsingen er hardest

Kjøper du fysisk maskinvare, kjøper du en arkitektur, et programvareøkosystem og en avskrivningsplan på flere år. Det er den dyreste formen for binding, og den er også den som eldes raskest i et marked der Nvidia har hentet grunnleggeren av en av sine tydeligste konkurrenter. For de aller fleste SMB-er er svaret enkelt: ikke eie brikker. Vi går gjennom unntakene, og hvorfor de er få, i artikkelen om leverandøruavhengighet i AI-infrastruktur.

Skylaget er der kontrakten din faktisk ligger

Alura mener du bør kjøpe AI-kapasitet som tjeneste framfor å binde deg til en brikkearkitektur mens markedet fortsatt konsoliderer. Det flytter risikoen ett hakk vekk fra deg, men den forsvinner ikke. Skyleverandøren din kan skifte underliggende maskinvare, endre prismodell eller bli kjøpt opp. Groqs egen historie er beviset: kunder som valgte selskapet fordi de ville ha et alternativ til Nvidia, kjører nå på Nvidia-systemer hos den samme leverandøren.

Modellaget er det billigste å bytte

Byttekostnaden mellom modeller er lav sammenlignet med de to andre lagene, forutsatt at du har bygget et tynt abstraksjonslag mellom applikasjonen din og API-et. Det er en investering på dager eller uker, ikke måneder. Uten det laget vokser koblingen inn i prompter, datastrukturer og integrasjoner over tid, og et bytte blir et prosjekt. Vi har beskrevet både mulighetene og begrensningene i praksis i guiden til ChatGPT for norske bedrifter.

Fire spørsmål før du binder deg til en AI-leverandør

Fire spørsmål avdekker det meste av risikoen i en AI-infrastrukturavtale. De er ikke tekniske, og de kan stilles av en daglig leder uten spesialkompetanse. Poenget er ikke å få det perfekte svaret, men å se om leverandøren kan svare presist i det hele tatt.

Spørsmål	Godt svar	Varselsignal
Hvem eier maskinvaren bak tjenesten?	Navngitt eier, navngitt lokasjon, varslingsplikt ved endring	«Det varierer» eller «det er ikke relevant for deg»
Hva skjer med prisen når kapasiteten deres dobles?	Prisbinding eller tak, med skriftlig varselsfrist	Pris «i henhold til gjeldende prisliste»
Hvor portabel er integrasjonen vår?	Dokumentert eksport av data, prompter og logger	Proprietært format uten eksportfunksjon
Hva leverer dere i dag, ikke i 2027?	Referansekunder i produksjon nå	Veikart, pilotprogram, ventelister

Hvem eier maskinvaren bak tjenesten

Mange leverandører selger AI-kapasitet de selv leier videre. Det er helt legitimt, men det betyr at kontrakten din er avhengig av et ledd du ikke ser og ikke har avtale med. Groq opererer sine egne datasentre, andre gjør det ikke. Krev at leverandøren navngir hvem som eier maskinene og hvor de står, og at endringer i den kjeden utløser varsling til deg.

Hva skjer med prisen når kapasiteten dobles

Kapasitetsutbygging koster penger før den gir inntekt, og den regningen havner til slutt i prislistene. Groq planlegger å skalere fra 54 megawatt til mer enn 200 megawatt i 2027 (TechCrunch, 2026). Utbygging i den størrelsesorden finansieres av investorer i dag og av kunder senere. Be om skriftlig prisbinding eller et pristak for avtaleperioden, og et varsel på minst 90 dager før endringer trer i kraft.

Hva leverer dere i dag, ikke i 2027

Dette er det spørsmålet flest leverandører svarer dårlig på, og det er også det billigste å stille. Investorene i brikkemarkedet har allerede konkludert: teknisk troverdighet og eksisterende produkter belønnes, nye lovnader gjør det ikke (valueaddvc.com, 2026). Be om to referansekunder som kjører løsningen i produksjon nå, med volum og driftshistorikk. Får du bare pilotkunder, kjøper du et veikart forkledd som en tjeneste.

Kartlegg inferensbehovet ditt før du signerer noe

Du kan ikke forhandle om kapasitet du ikke har målt. De fleste virksomheter som har brukt AI i under et år, har ingen tall på eget forbruk, bare en følelse av at det «brukes mye». Kartleggingen er verken dyr eller teknisk krevende, og den flytter forhandlingsstyrken over til din side av bordet.

Tell forespørsler, ikke ambisjoner

Start med å telle faktisk bruk over fire uker: antall forespørsler, gjennomsnittlig lengde inn og ut, og hvilke prosesser de kommer fra. Del deretter opp i bruk som skaper målbar verdi og bruk som er utforskende. Nesten alle finner at en håndfull prosesser står for mesteparten av volumet. Det er de prosessene som skal styre både leverandørvalget og bindingstiden, ikke listen over det dere har lyst til å prøve.

Skill sanntid fra batch

Forespørsler der en kunde eller ansatt venter på svar, har helt andre krav enn jobber som kan kjøre om natten. Sanntidsbruk krever lav latens og dermed dyrere kapasitet. Batch kan legges der kapasiteten er billigst, også hos en annen leverandør enn hovedleverandøren din. Å dele porteføljen i to gir deg to separate forhandlinger med to ulike risikoprofiler, og det er en av de enkleste måtene å redusere avhengighet på uten å ofre ytelse. For prosesser med høyt volum og lav variasjon er ofte tradisjonell prosessautomatisering både billigere og mer forutsigbar enn AI.

Axelera og forsøket på en europeisk inferensbrikke

Axelera AI har sikret 250 millioner dollar i en runde ledet av Innovation Industries, med BlackRock og SiteGround Capital som nye investorer. Selskapet holder til i Eindhoven i Nederland og er et av få europeiske selskaper som lager spesialiserte databrikker for AI-applikasjoner. Siden grunnleggelsen i 2021 har det hentet inn mer enn 450 millioner dollar.

Europa-brikken og pengene bak den

Midlene skal brukes til å utvide produksjonen av brikken som heter Europa, planlagt lansert før juni, og til programvareutvikling. Selskapet har i tillegg fått et tilskudd på 61,6 millioner euro fra EuroHPC Joint Undertaking. Kombinasjonen av privat kapital og europeiske offentlige midler er den strukturen EU satser på for å bygge egen halvlederkapasitet. Etterfølgeren Titania ventes først å være klar i 2027.

Verdt å følge, ikke verdt å vente på

Alura mener at europeisk brikkeindustri er verdt å følge, men ikke verdt å vente på. Regnestykket er enkelt. Selv i det gunstigste scenariet er Titania et 2027-produkt, og et produkt er ikke et økosystem: verktøykjeder, driftspartnere og kompetanse tar ytterligere år å bygge opp. Utsetter du AI-investeringer til 2027 for å kjøpe europeisk, betaler du to til tre år med tapt effektivisering for en uavhengighet du ikke er sikker på å få. Følg utviklingen, planlegg for at den kan gi deg et alternativ senere, men bygg det du trenger nå.

---

Les også: AI-infrastruktur der Nvidia tar 85 prosent krever en plan B. Nvidia sitter på rundt 85 prosent av AI-akseleratorene, men AMDs Helios og skyleverandørenes egne brikker ...

---

Hva kapasitetsjaget fra 54 til 200 megawatt gjør med prisen din

Megawatt har blitt den enheten AI-infrastruktur måles i, fordi strøm og kjøling er den harde grensen for hvor mye regnekraft som kan settes i drift. Groqs plan om å nesten firedoble kapasiteten fram mot 2027 er ikke et særtilfelle, men et uttrykk for hvordan hele neocloud-segmentet vokser (TechCrunch, 2026). For deg som kjøper betyr det at prisen din er koblet til noen andres byggeprosjekt.

Hvorfor kapasitet bygges før etterspørselen er der

Datasentre bygges på anslag om framtidig etterspørsel, ikke på dagens ordrebok. Bygges det for mye, blir prisene lave en periode og noen leverandører forsvinner. Bygges det for lite, stiger prisene og de med langsiktige avtaler vinner. Ingen av delene er noe du kan forutsi, men begge er noe du kan kontraktsfeste deg ut av. Kort bindingstid beskytter mot prisfall. Pristak beskytter mot prisøkning. Du kan be om begge deler.

Tre prisbaner du bør planlegge for

Scenario	Hva som utløser det	Konsekvens for budsjettet	Ditt mottrekk
Overkapasitet	Utbygging går raskere enn etterspørselen	Enhetsprisen faller, du sitter fast i gammel avtale	Kort bindingstid, reforhandling hver 12. måned
Stram kapasitet	Etterspørsel og strømtilgang bremser utbygging	Prisøkning og kø på kapasitet	Pristak og garantert volum i avtalen
Konsolidering	Leverandøren kjøpes, lisensieres eller snur strategi	Endret teknisk fundament uten din medvirkning	Varslingsplikt, exit-klausul, dataeksport

De tre scenariene krever motsatte kontraktsgrep, og det er nettopp derfor du ikke bør satse alt på ett av dem. Den kombinasjonen som tåler alle tre, er kort binding, dokumentert exit og et pristak. Den koster deg noe i rabatt. Den prisen er lav sammenlignet med å måtte migrere en produksjonsløsning på kort varsel.

Dette bør du be AI-leverandøren dokumentere i kontrakten

Det meste av risikoen i AI-infrastruktur er kontraktsrisiko, ikke teknisk risiko. Modellene fungerer stort sett som lovet. Det som svikter, er forutsigbarheten: prisen endres, underleverandøren byttes, dataene viser seg vanskelige å få ut. Fem punkter dekker det vesentlige.

Punkt	Hva du krever dokumentert	Hvorfor det betyr noe
Datalokasjon	Land og region for lagring og behandling	GDPR-etterlevelse og revisjon
Underleverandører	Navngitt liste med varslingsplikt ved endring	Leverandøren din kan bytte fundament
Dataportabilitet	Eksport av data, prompter og logger i åpent format	Gjør exit mulig i praksis, ikke bare på papir
Pris	Pristak eller binding med varselsfrist	Kapasitetsutbygging havner i prislisten
SLA	Latens og tilgjengelighet, ikke bare oppetid	Treg tjeneste er utilgjengelig for brukeren

Datalokasjon og underleverandører

Datalokasjon er det punktet norske virksomheter oftest husker og underleverandørkjeden det de oftest glemmer. En leverandør kan holde dataene innenfor EØS og likevel bytte hvem som fysisk drifter maskinene. Krev en navngitt liste over underleverandører og varslingsplikt ved endring, med rett til å si opp uten kostnad hvis endringen er vesentlig. Uten den retten er varselet bare informasjon.

Exit, portabilitet og latens

En exit-klausul uten dataportabilitet er verdiløs. Be om at eksportformatet spesifiseres i avtalen, at det dekker prompter og logger og ikke bare rådata, og at leverandøren plikter å levere innen et bestemt antall dager. På SLA-siden bør du måle latens under last, ikke bare oppetid. En tjeneste som svarer på tolv sekunder i travleste time er teknisk oppe og praktisk ubrukelig for en kundeveileder.

Signalene i brikkemarkedet du bør følge fram mot 2027

Du trenger ikke følge halvledermarkedet tett, men tre signaler er verdt et kvartalsvis blikk fordi de påvirker prisen og valgfriheten din direkte. Alle tre er offentlig tilgjengelige og krever ingen bransjekunnskap å tolke.

Hvem sender silisium og hvem sender lysbilder

Den skarpeste skillelinjen i markedet går mellom selskaper som har fysisk produkt hos kunder og selskaper som har en arkitektur og en plan. Etched brukes som eksempel nettopp fordi det har sendt inferenssilisium og ikke bare en veikart-presentasjon (valueaddvc.com, 2026). Når du leser om en ny brikke, still ett spørsmål: er den i produksjon hos noen som betaler for den?

Konsolidering skjer gjennom folk og lisenser

Groq-saken viser mønsteret: nøkkelpersoner og immaterielle rettigheter flytter gjennom ansettelser og lisensavtaler, ikke gjennom klassiske oppkjøp (TechCrunch, 2026). Det gir mindre oppmerksomhet, færre reguleringskrav og raskere gjennomføring. Følg med på hvem som slutter i utfordrerselskapene, ikke bare på hvem som kjøper hvem. Bredden i markedet er større enn den ser ut: ferske markedsoversikter dekker 147 selskaper eller flere i sin konkurranseanalyse, men antallet aktører sier lite om hvor mange som faktisk leverer.

Vanlige feil når SMB-er planlegger AI-infrastruktur

Feilene gjentar seg på tvers av bransjer, og de er dyre av samme grunn: de låser kapital og oppmerksomhet i et marked som fortsatt beveger seg raskt. Tre av dem står for det meste av skaden.

Å planlegge for trening når behovet er inferens

Ambisjonen om «vår egen modell trent på våre data» dukker opp i nesten hvert eneste AI-prosjekt, og den er nesten alltid feil verktøy. Det som løser problemet, er som regel gjenfinning fra egne dokumenter kombinert med en god allmennmodell, altså ren inferens. Aktørene som bygger for industriell bruk, bygger for å kjøre modeller, ikke trene dem. Følg den logikken i din egen planlegging.

Å kjøpe maskinvare midt i en konsolidering

Egne GPU-er kan gi lavere enhetskostnad ved høyt og jevnt volum, men de er en flerårig binding til en arkitektur i et marked der en av de tydeligste alternative arkitekturene ble lagt ned i løpet av 2026. Historisk finansieringsdata viser hvor raskt bildet endrer seg: AI-brikkestartups hentet 7,6 milliarder dollar gjennom andre, tredje og fjerde kvartal 2024, og 75 startups samlet over 2 milliarder dollar bare i første kvartal 2025. Vent til bildet stabiliserer seg, og kjøp kapasitet i mellomtiden.

Å bygge uten abstraksjonslag mot modellen

Den vanligste tekniske feilen er å kalle modell-API-et direkte fra forretningslogikken. Det fungerer utmerket i piloten og blir en migrasjonssperre i produksjon. Et tynt lag som samler alle kall ett sted, koster lite å bygge tidlig og gir deg reell forhandlingsmakt ved neste kontraktsfornyelse. Organisatorisk er lærdommene fra store utrullinger like viktige som de tekniske, noe vi har beskrevet i gjennomgangen av Samsungs ChatGPT-utrulling.

Ofte stilte spørsmål om AI-brikker og AI-infrastruktur

Spørsmålene under er de som oftest kommer fra ledergrupper i norske SMB-er når AI-infrastruktur skal besluttes. Svarene er korte med vilje.

Må vi kjøpe egne GPU-er?

Nei, ikke med mindre du har svært høyt og jevnt volum, streng datalokasjonsplikt eller latenskrav som ikke kan løses i sky. For alle andre er kapasitet som tjeneste både billigere og mindre risikabelt akkurat nå. Regn på det på nytt når du har tolv måneder med målt forbruk, ikke før.

Er det farlig at Nvidia dominerer?

Det er en reell risiko for prissetting og valgfrihet, men den treffer deg indirekte gjennom skyleverandøren din, ikke direkte. Groq-saken illustrerer hvordan dominansen forsterkes: utfordreren driftet Nvidia-systemer etter en lisensavtale på 20 milliarder dollar, og Nvidia deltar i finansieringsrunden (TechCrunch, 2026). Ditt mottrekk er kontraktsmessig, ikke teknisk.

Hva koster inferens egentlig?

Det avhenger av modellstørrelse, forespørselslengde og volum, og prisene endrer seg raskt nok til at et tall her ville vært utdatert innen du leser det. Det du kan gjøre, er å måle ditt eget forbruk over fire uker og be om pris på det volumet fra tre leverandører. Sammenligningen er verdt mer enn ethvert bransjegjennomsnitt.

Bør vi vente på europeiske brikker?

Nei. Axeleras Europa-brikke er nær lansering, men etterfølgeren Titania ventes først i 2027, og et økosystem rundt brikken tar lengre tid enn brikken selv. Følg utviklingen, men bygg på det som er tilgjengelig i dag.

Hva om skyleverandøren vår blir kjøpt opp?

Det er sannsynlig nok til at det bør stå i avtalen. Krev varslingsplikt ved eierskifte eller vesentlig endring i underleverandørkjeden, og rett til å avslutte uten kostnad innen en gitt frist. Kombinert med dokumentert dataeksport gjør det oppkjøp til en ulempe, ikke en krise.

Det som holder uansett hvem som vinner brikkeløpet

Brikkemarkedet kommer til å se annerledes ut om atten måneder enn i dag. Det er ikke et argument for å vente. Det er et argument for å ta beslutninger som tåler flere utfall, og som gir deg verdi mens markedet gjør seg ferdig med å konsolidere.

Tre beslutninger som tåler alle utfall

Den første er å kjøpe kapasitet, ikke maskinvare, så lenge konsolideringen pågår. Den andre er å bygge et abstraksjonslag mellom applikasjonene dine og modell-API-et, slik at et bytte er en teknisk oppgave og ikke et prosjekt. Den tredje er å skrive varslingsplikt, dataeksport og pristak inn i hver eneste AI-avtale du signerer. Ingen av de tre krever at du gjetter riktig om hvem som vinner.

Slik ser de neste nitti dagene ut

Mål forbruket ditt i fire uker og del det i sanntid og batch. Still de fire spørsmålene til dagens leverandør og til to alternativer, og skriv ned hvem som svarer presist. Gå deretter gjennom eksisterende avtaler og finn ut hvor lang bindingstid du faktisk har. Det er tre uker med arbeid for en person, og det er forskjellen på å forhandle om egen AI-infrastruktur og å bli fortalt hva den koster.

I Alura bygger vi AI-infrastruktur for norske virksomheter, fra dataplattformer til agentiske systemer i produksjon. Vi er ikke en SaaS-leverandør. Vi er håndverkere som setter sammen byggesteinene som faktisk fungerer for din situasjon.

Bestill en arkitektur-samtale: vi går gjennom din nåværende infrastruktur, identifiserer integrasjonspunkter, og foreslår en pragmatisk vei videre. Uforpliktende, 45 minutter.

Kilder

• TechCrunch (2026). Groq raises $350M to fuel its pivot from AI chips to neocloud
• valueaddvc.com (2026). AI chip startups raise $4.16B in 2026 funding rounds | Value Add Pulse