IBMs 0,7nm brikke gir raskere AI men først om noen år

Hva IBMs 0,7 nanometer brikketeknologi faktisk er

I 2025 presenterte IBM det selskapet omtaler som verdens første produksjonsprosess under en nanometer. Gjennombruddet ble utdypet i IBM Technologys egen gjennomgang, der selskapet beskriver en 0,7nm brikketeknologi med rundt 100 milliarder transistorer på en enkelt brikke. For en norsk leder er det lett å lese slike tall som et signal om at man bør vente på neste generasjon maskinvare før man satser på AI. Det er feil konklusjon, og resten av denne artikkelen forklarer hvorfor.

Kort fortalt handler nyheten om fysikk og produksjonsteknikk, ikke om et produkt du kan kjøpe. IBM har demonstrert at silisium kan presses lenger enn mange trodde var mulig, noe digi.no beskriver som å gi nytt liv til silisiumteknologien. Det er et reelt gjennombrudd for bransjen. Men veien fra en fungerende transistor i et laboratorium til brikker i datasentre og PC-er er lang, og den er full av ledd som må på plass først.

En transistor bygget av nanoark

Kjernen i arbeidet er en transistor bygget i det bransjen kaller en nano-sheet-struktur. Ifølge IBM Technologys gjennomgang er hvert nanoark rundt 5 nanometer tykt, og selskapet peker på at 4 nanometer er en praktisk nedre grense før kvanteeffekter begynner å forstyrre hvordan transistoren oppfører seg. Det forteller noe viktig: selv for et selskap som IBM er man i ferd med å treffe fysiske vegger.

For å sette skalaen i perspektiv beskriver Lam Research moderne brikkeproduksjon som å bygge komponenter som er tusen ganger mindre enn et sandkorn. Samme kilde anslår at det tar 30 dager eller mer å produsere en moderne brikke. Presisjonen og tidsbruken forklarer hvorfor et gjennombrudd på transistornivå ikke oversettes til billigere AI over natten.

50 prosent mer ytelse eller 70 prosent mindre strøm

IBM oppgir to hovedgevinster, og de utelukker delvis hverandre. Ifølge selskapets egne tall gir den nye transistoren enten 50 prosent bedre ytelse eller 70 prosent lavere strømforbruk sammenlignet med dagens 2nm-teknologi. I tillegg gir en nano-stack-utforming 40 prosent ekstra arealskalering mot 2nm, altså flere transistorer på samme flate. Man får ikke begge ytterpunktene samtidig: en brikkeprodusent må velge hvor på skalaen mellom rask og strømgjerrig de vil lande.

Referansepunktet er verdt å merke seg. 2 nanometer er den beste teknologien som er i produksjon i dag, og TSMC og Samsung planla masseproduksjon av 2nm innen 2025. IBMs 0,7nm er altså flere ledd frem fra det som såvidt er kommet i produksjon hos de største støperiene.

Hvorfor verdens første ikke betyr i butikk

Det avgjørende ordet i IBMs kommunikasjon er teknologi, ikke produkt. En demonstrert transistor viser at noe er fysisk mulig. Å gjøre det på milliarder av transistorer, med høyt nok utbytte til at det lønner seg kommersielt, er en helt annen øvelse. Bransjen omtaler det ofte som forskjellen mellom å lage en og å lage en million.

For norske SMB-er er poenget enkelt: nyheten endrer ingenting i AI-verktøyene du kan bruke denne uken. Den forteller hvor bransjen er på vei, ikke hva som ligger på hyllen. Den distinksjonen ligger til grunn for hele denne gjennomgangen.

Fra 2nm til 0,7nm: rammeverket for chip-skalering

For å forstå hvor langt unna 0,7nm er, må man kjenne navngivningen. Nodenavn som 2nm eller 0,7nm er ikke lenger den faktiske bredden på en transistor, men et bransjemål for hvor tett komponentene kan pakkes. Hvert steg nedover representerer et sett med ingeniørproblemer som må løses før man kommer videre.

Node	Status
2 nm	Beste teknologi i produksjon i dag
1,4 nm	Neste node etter 2nm
1 nm	Node etter 1,4nm
7 Angstrom (0,7 nm)	IBMs demonstrerte teknologi

Nodene fra 2nm til 7 Angstrom

Ifølge IBM Technologys gjennomgang går veien fra dagens 2 nanometer via 1,4 nanometer og 1 nanometer før man når 7 Angstrom, som tilsvarer 0,7 nanometer. Det er minst tre nodesteg mellom det som såvidt produseres i dag og det IBM har demonstrert. Hvert steg tar typisk flere år for bransjen som helhet.

Sammenhold dette med at 2nm-brikker og High-NA EUV først nå blir standard for banebrytende produksjon i 2026. Når 2nm regnes som fronten akkurat nå, sier det seg selv at 0,7nm ligger et godt stykke inn i fremtiden.

Skaleringsforholdet 0,7 og arealkrymping

Tallene henger sammen matematisk. Skaleringsforholdet mellom noder er 0,7, som betyr at hvert steg krymper de lineære målene til 70 prosent av forrige. Fordi areal er en kvadrert størrelse, gir det en arealskalering på 0,49, altså rundt halvparten av flaten per steg. Det er slik man får plass til flere transistorer.

Samtidig nærmer man seg grensen der fysikken slår tilbake. Når nanoarkene nærmer seg 4 nanometers tykkelse begynner kvanteeffekter å gjøre transistoren upålitelig. Skaleringen som har drevet databransjen i femti år er ikke uendelig, og bransjen vet det.

Når skalering saktner, tar pakking over

Fordi ren krymping blir vanskeligere, flytter mye av ytelsesgevinsten seg til hvordan brikkene settes sammen. ComponentSense peker på at avansert pakking akselererer nettopp fordi transistorskaleringen saktner, og at pakking nå blir en primær driver for ytelse. Det er en viktig nyanse: gevinstene fremover kommer ikke bare fra mindre transistorer.

Chiplet-teknologi er i ferd med å bli standard praksis, der modulær design forbedrer utbytte og senker kostnader. Lam Research beskriver hvordan avanserte GPU-er settes sammen ved heterogen integrasjon, der flere uavhengige chiplets pakkes til en sammensatt brikke. Selskapets VECTOR TEOS 3D-verktøy kan legge på materiallag fra 20 mikron og skalere til over 100 mikron mellom stablede chiplets. For en SMB betyr dette lite direkte, men det viser at ytelsen i AI-maskinvaren din drives av mer enn ett tall på en pressemelding.

Hva gjennombruddet betyr for AI-ytelse og strømforbruk

AI-modeller er begrenset av to ting: hvor mye regnekraft man har råd til, og hvor mye strøm man klarer å levere og kjøle. IBMs tall treffer begge. Spørsmålet er når effekten faktisk når frem til modellene du bruker.

Mer regnekraft per watt

Den mest interessante halvparten av IBMs påstand er ikke fart, men effektivitet. En strømbesparelse på 70 prosent mot 2nm betyr at samme AI-arbeid kan gjøres med langt mindre energi, eller at mer arbeid kan gjøres innenfor samme strømramme. Ettersom AI-etterspørselen driver enorm vekst i akseleratorer, er dette potensielt viktigere enn ren hastighet.

AI-etterspørselen skaper en markedsdivergens der veksten samler seg rundt akseleratorer og høyhastighetsminne. Mer ytelse per watt er akkurat det denne delen av markedet skriker etter. Men gevinsten tilfaller først de store aktørene som bygger datasentrene, ikke den enkelte SMB.

Strømforbruk er den egentlige flaskehalsen

Energi er i ferd med å bli den harde grensen for AI. AI-datasentre forventes å forbruke rundt 4 prosent av verdens elektrisitet innen slutten av 2026. ComponentSense anslår at datasentrenes globale strømforbruk mer enn dobler seg innen 2030. Det er denne kurven mer effektive brikker skal bidra til å bremse.

Her ligger den langsiktige logikken bak IBMs arbeid. Hvis hver ny node kutter energibruken vesentlig, kan bransjen levere mer AI uten at strømregningen vokser like fort. For norske bedrifter er dette relevant indirekte: lavere energikostnad hos leverandørene kan på sikt bety lavere priser på AI-tjenester. Men det er en effekt som først materialiserer seg når teknologien er i volumproduksjon.

Vann og energi i produksjonen

Baksiden av brikkeproduksjon er ofte oversett. Moderne fabrikker bruker opptil 10 millioner gallon vann daglig, og bærekraftsbekymringer rundt vann- og energiforbruk eskalerer i hele bransjen. Mesteparten av en brikkes karbonavtrykk oppstår under produksjonen, ikke i driftsfasen.

Det gjør at et gjennombrudd som IBMs har to sider. Mer effektive brikker kan senke strømforbruket der de brukes, men selve produksjonen forblir ressurskrevende. For en leder som vurderer AI er dette et argument for å bruke eksisterende, delt infrastruktur i skyen fremfor å jakte på den nyeste maskinvaren selv.

Tidslinjen: derfor ligger gevinsten tre til fem år unna

Alt i de forrige seksjonene peker mot samme konklusjon: 0,7nm er en fremtidsnyhet, ikke en samtidsnyhet. La oss gjøre tidslinjen eksplisitt, for det er her mange ledere trekker feil slutning.

Fra lab til fabrikk tar år

Vurder leddene som står mellom IBMs demonstrasjon og en brikke i et datasenter. 2nm-masseproduksjon startet såvidt rundt 2025, og 2nm med High-NA EUV blir først standard i 2026. Mellom dagens front og 0,7nm ligger nodene 1,4nm og 1nm. Hver av dem er et flerårs ingeniørprosjekt for hele bransjen.

I tillegg tar selve produksjonen tid: 30 dager eller mer per brikke, med utstyr som må utvikles og installeres før volumene kan skaleres. Summen er at forbrukerne av AI, altså bedrifter som deg, ikke merker 0,7nm på flere år.

Alura: ikke vent på maskinvaren

Alura mener at norske SMB-er ikke bør vente på ny maskinvare som IBMs 0,7nm for å ta i bruk AI. Gevinsten fra denne typen gjennombrudd ligger tre til fem år unna, mens dagens modeller allerede gir målbare tids- og kostnadsbesparelser. Å sette AI-planene på vent til brikkene blir bedre er å betale for ventingen uten å få noe igjen.

Vår posisjon er også at maskinvarenyheter som denne betyr lite for den enkelte SMB på kort sikt. Fokuset bør ligge på bruk og arbeidsflyt, ikke på hvilke transistorer som driver modellene. Hvilken node NVIDIA eller IBM lander på i 2029 endrer ikke hvordan du best automatiserer fakturaflyten din i år.

Hva norske SMB-er kan gjøre med AI allerede nå

Poenget med å avvise ventingen er at alternativet er konkret og tilgjengelig. Dagens modeller er allerede kraftige nok til å gi reell effekt i en liten eller mellomstor bedrift, og gevinstene er dokumenterte.

Tiltak	Dokumentert effekt
Automatisering av oppgaver	8 til 12 timer spart per ansatt per uke
Chatbot for rutinespørsmål	Svarer på 80 % av spørsmålene, 80 % raskere
Kundeservice	Inntil 30 % lavere kostnad
Fakturabehandling	40 % kostnadsreduksjon per faktura
Etterspørselsprognoser	30 til 50 % færre prognosefeil
RPA i prosesser	90 % færre feil

Dagens modeller er allerede kraftige

Modellene som er tilgjengelige akkurat nå løser oppgaver som var science fiction for få år siden. Claude Opus 4.7 leder på SWE-Bench med 87,6 prosent og scorer 94,2 prosent på GPQA. GPT-5.5 har et kontekstvindu på 1 million tokens, nok til å lese store dokumentsamlinger i ett jafs. Og open-weight-alternativer som GLM-5.1 med 754 milliarder parametere gir bedrifter valgfrihet.

Poenget er ikke navnene på modellene, som uansett skiftes ut hyppig. Poenget er at ytelsen allerede er høy nok til de aller fleste SMB-oppgaver. Flaskehalsen er sjelden modellen, den er hvordan bedriften faktisk tar den i bruk.

Målbare besparelser i drift

Gevinstene lar seg tallfeste. Bedrifter sparer i snitt 8 til 12 timer per ansatt per uke ved å automatisere oppgaver med AI. Samme kilde viser at moderne chatboter svarer på 80 prosent av rutinespørsmålene, ofte 80 prosent raskere enn en ansatt, og kan redusere kundeservicekostnader med opptil 30 prosent.

Effekten strekker seg lenger enn kundeservice. AI-drevet etterspørselsprognostisering kan redusere prognosefeil i verdikjeden med 30 til 50 prosent, automatisering kan halvere de operative utgiftene i en prosess, og RPA kan gi 90 prosent færre feil. Rinntelligence peker på de samme områdene: automatisering av bokføring, kundeservice og markedsføring er der SMB-er henter mest tidlig gevinst.

Hvor du bør begynne

Norge ligger etter potensialet sitt. Omtrent en av fire virksomheter har tatt i bruk AI på en eller annen måte, og bare rundt 50 prosent av dem som bruker AI har eller utvikler en strategi for det. NHO-rapporten, basert på rundt 5 300 respondenter og cirka 20 dybdeintervjuer, peker på at de viktigste barrierene er manglende kompetanse og innsikt.

Det gir en klar startanbefaling: velg en avgrenset, repeterende prosess der volumet er høyt og feilmarginen lav, mål tidsbruken før og etter, og bygg kompetansen internt underveis. Du trenger verken 0,7nm-brikker eller den nyeste modellen for å komme i gang. Du trenger en konkret arbeidsflyt og vilje til å måle.

Halvledermarkedet mot 1000 milliarder dollar i 2026

IBMs nyhet gir mening når man ser den mot bakteppet av et halvledermarked i kraftig vekst. Pengene som strømmer inn er grunnen til at bransjen i det hele tatt har råd til å jage 0,7nm.

År	Globalt halvledersalg	Kilde
2024	630,5 milliarder dollar	Manufacturing Lead Generation
2025	701 mrd. dollar (WSTS) / 793 mrd. dollar	Mfg. Lead Gen. / China Daily
2026	975 mrd. dollar (Deloitte) / 800 mrd. dollar	Mfg. Lead Gen. / ACL Digital

Fra 630 til nær 1000 milliarder dollar

Tallene varierer med kilde, men retningen er entydig. Globalt halvledersalg nådde 630,5 milliarder dollar i 2024 for første gang, med 701 milliarder dollar anslått for 2025 og Deloittes prognose på nær 975 milliarder dollar i 2026. China Daily oppgir at inntekten vokste 21 prosent i 2025 til 793 milliarder dollar og at markedet nærmer seg 1 billion dollar ved starten av 2026.

Andre kilder legger seg litt lavere. ACL Digital anslår rundt 800 milliarder dollar i 2026, opp fra 728 milliarder dollar i 2025, mens EU-Parlamentets tall setter markedet til 796 milliarder dollar, rundt 704 milliarder euro, i 2025 med 26 prosent vekst. ComponentSense projiserer at markedet passerer 1 billion dollar før 2030. Uansett hvilket tall du fester deg ved, snakker vi om en av verdens raskest voksende industrier.

AI-brikker halve markedet, og aktørene

AI er motoren i veksten. AI-brikker forventes å utgjøre rundt 50 prosent av halvlederinntektene i 2026. AI-brikkesektoren var verdt 52,9 milliarder dollar i 2024 og ventes å stige til 295,6 milliarder dollar innen 2030, en vekst som gjenspeiler hvor mye kapital som strømmer inn.

Verdiene hos de dominerende aktørene forteller samme historie. NVIDIA ble verdsatt til rundt 4,8 billioner dollar i mars 2026, TSMC til rundt 2,0 billioner og Broadcom til rundt 1,6 billioner, mens ASML lå på rundt 560 milliarder dollar. Samme kilde peker på at TSMC står for over 90 prosent av avansert brikkeproduksjon. Det er en ekstrem konsentrasjon, og den er en risiko vi kommer tilbake til.

Kostnad og energi: hva AI-datasentre faktisk trekker

Bak enhver AI-tjeneste ligger fysiske datasentre med reelle kostnader for strøm, minne og maskinvare. For en SMB-leder er det nyttig å forstå hvor pengene går, for det forklarer hvorfor prisen på AI-bruk beveger seg som den gjør.

CAPEX og prisen på minne

Investeringsnivået er ekstremt. Halvlederfirmaenes samlede investeringer lå på rundt 185 milliarder dollar i 2025. Utstyret er deretter: ASMLs High-NA EUV-systemer koster rundt 380 millioner dollar per stykk. Høyhastighetsminne, som AI-akseleratorer sluker, er også under press: prisen på High Bandwidth Memory ventes å stige 50 prosent.

ComponentSense beskriver hvordan kapitalintensiteten har nådd nivåer man tidligere ikke kunne forestille seg. Det er denne veggen av kapital og energi IBMs effektivitetsgevinster skal hjelpe mot. Men igjen: det er datasenter-eierne som betaler regningen, ikke den enkelte SMB som kjøper AI som en tjeneste.

Hva dette betyr for din AI-regning

Den gode nyheten for kjøpere er at prisen per enhet AI-arbeid faller, selv mens infrastrukturen blir dyrere. Konkurransen mellom modeller presser prisene ned: MiniMax M2.7 koster 0,30 dollar per million input-tokens og 1,20 dollar per million output-tokens, mens Kimi K2.6 ligger på rundt 0,60 dollar per million tokens. Det er priser som gjør selv små budsjetter tilstrekkelige for meningsfull bruk.

Poenget er at kostnaden ved å bruke AI allerede er lav og synkende, uavhengig av når 0,7nm kommer. En SMB som venter på billigere maskinvare venter på noe som i praksis allerede har skjedd på prissiden. Det som betyr noe for din regning, er ikke transistorstørrelsen, men hvor smart du bruker de tjenestene som finnes nå.

EUs Chips Act 2.0 og hva det betyr for Norge

Halvledere er blitt geopolitikk, og EU forsøker aktivt å styre utviklingen. For norske bedrifter, som stort sett handler innenfor EØS-området, er reguleringen relevant selv om Norge ikke produserer avanserte brikker selv.

Element	Tall
Chips Act 2.0 publiseres	27. mai 2026
EUs målte markedsandel innen 2030	20 % (Kommisjonens egen prognose: 11,7 %)
Investeringer mobilisert siden Chips Act	43 mrd. euro (herav 11,15 milliarder euro til Chips for Europe)
Maks bøter for SMB ved krisebrudd	50 000 euro
Taiwans andel av verdens brikkeforsyning	over 60 %

Chips Act 2.0 kommer 27. mai 2026

Chips Act 2.0 er planlagt publisert 27. mai 2026 som del av en pakke for teknologisk suverenitet. Bakgrunnen er nedslående: EU mangler produksjonskapasitet for avanserte halvledernoder under 10 nanometer. Når man ser det mot IBMs 0,7nm, blir gapet mellom europeisk kapasitet og fronten tydelig.

Ambisjonen har også møtt kritikk. Målet om 20 prosent global markedsandel innen 2030 ble kalt urealistisk av medlemsstatene i Semicon Coalition, mens Kommisjonens egen prognose lander på 11,7 prosent. Den forrige Chips Act mobiliserte over 43 milliarder euro i politikkdrevne investeringer, hvorav 11,15 milliarder var øremerket Chips for Europe-initiativet.

Krisefullmakter og bøter

Regelverket har en side som norske bedrifter bør kjenne. Baker McKenzie beskriver hvordan Kommisjonen under en forsyningskrise kan kreve informasjon og pålegge prioriterte ordrer, med bøter på opptil 300 000 euro for manglende etterlevelse og 50 000 euro for små og mellomstore bedrifter. En krisefase kan vare i inntil 12 måneder.

Sårbarheten reguleringen skal møte er reell. EU har mindre enn ti prosent av det globale halvledermarkedet, mens Taiwan alene står for over 60 prosent av forsyningen. For norske bedrifter er dette en påminnelse om at AI-infrastrukturen dere baserer dere på hviler på en svært konsentrert verdikjede.

Hva norske bedrifter bør merke seg

Det mest umiddelbare reguleringssporet for norske SMB-er er ikke brikker, men digital rapportering. SMB Norge støtter målet om økt bruk av e-faktura og digital bokføring, men advarer om at tempoet kan ramme småbedrifter hardt. Regjeringen anslår at tiltaket kan spare næringslivet for rundt ti milliarder kroner over tjue år.

Skalaen dette gjelder er stor. Små og mellomstore bedrifter utgjør rundt 99 prosent av norsk næringsliv, og administrative rapporteringsbyrder koster SMB-sektoren titalls milliarder kroner årlig. AI som effektiviserer nettopp bokføring og rapportering treffer altså der byrden er størst. Det er et konkret, nåværende bruksområde, i motsetning til den langsiktige lovnaden i en 0,7nm-brikke.

Kina, EUV og kampen om avansert brikkeproduksjon

Bak brikkenyhetene ligger en geopolitisk kamp om hvem som kan produsere det mest avanserte utstyret. Den påvirker leveringssikkerhet og priser, og dermed indirekte alle som bruker AI.

Kinas EUV-prototype

Det mest avanserte produksjonsutstyret har lenge vært en flaskehals kontrollert av få. Kinesiske ingeniører skal ha fullført en fungerende prototype av en EUV-litografimaskin, en maskintype bare det nederlandske selskapet ASML har klart å bygge. Prototypen er fortsatt under testing og har ennå ikke produsert fungerende brikker, og Beijing sikter mot 2028 for operative brikker, mens kilder mener 2030 er mer realistisk.

Kina bygger også ut andre deler av verdikjeden. Landet har utviklet sin første innenlandsproduserte høyenergi-ionimplanter, POWER-750H, som reduserer avhengigheten av utenlandsk utstyr. Samtidig har USA intensivert eksportrestriksjoner på halvlederteknologi til Kina, mens kinesiske DeepSeek presser prisene med kostnadseffektiv AI. Dette er et kappløp som først og fremst handler om nasjonal kontroll, ikke om din neste faktura-automasjon.

Konsentrasjonsrisiko og hva den betyr for deg

Kjernerisikoen er hvor få som kan lage det avanserte. TSMC står for over 90 prosent av avansert brikkeproduksjon, og Taiwan for over 60 prosent av forsyningen. USAs andel av global fabrikkapasitet falt fra 37 prosent i 1990 til 12 prosent i 2021, noe som har utløst massiv gjenoppbygging.

Responsen er storstilt. Over 640 milliarder dollar i private investeringer er lagt i amerikansk halvlederforsyning siden 2020, og USA ventes å tredoble sin produksjonskapasitet innen 2032, selv om industrien står overfor en mangel på 67 000 kvalifiserte arbeidere innen 2030. 18 nye halvlederfabrikker var prosjektert i 2025. For en SMB er lærdommen at forsyningskjeden er sårbar og under ombygging, noe som taler for å bygge på fleksible skytjenester fremfor egen maskinvare.

Vanlige feil når SMB-er tolker maskinvarenyheter

Nyheter som IBMs 0,7nm-brikke gir gjenklang langt utenfor ingeniørmiljøene, og det leder ofte til dårlige beslutninger i bedrifter som egentlig burde handle. Her er de vanligste feilslutningene.

Vanlig feil	Konsekvens	Bedre tilnærming
Tror nyheten er relevant på kort sikt	Utsetter beslutninger unødig	Skille lab-demo fra produkt
Venter på neste generasjon	Taper årlige besparelser	Start med dagens modeller
Forveksler transistorer med arbeidsflyt	Feil fokus, ingen effekt	Optimaliser bruken, ikke maskinvaren

Å tro at nyheten er relevant på kort sikt

Den første feilen er å lese et forskningsresultat som en markedsklar lovnad. IBMs 0,7nm er en demonstrasjon, ikke et produkt, og som vist ligger flere nodesteg fra dagens 2nm og frem til 7 Angstrom. Når til og med 2nm først blir standard i 2026, sier tidslinjen seg selv.

Praktisk konsekvens: ingen leder bør endre en AI-plan i 2026 fordi IBM har vist frem en transistor som kanskje når produksjon rundt 2030. Nyheten hører hjemme i det langsiktige bildet, ikke i årets budsjett.

Å vente på neste generasjon

Den dyreste feilen er å utsette adopsjon. Alura mener at det å utsette AI-adopsjon har en reell kostnad, både for den enkelte bedrift og for norsk verdiskaping samlet. Tallene støtter dette tydelig: dersom full utnyttelse av AI utsettes i fem år, reduseres det AI-relaterte verdiskapingsbidraget med om lag 450 milliarder kroner.

For den enkelte bedrift er logikken den samme i miniatyr. Hver uke uten AI-støtte er 8 til 12 timer per ansatt som ikke frigjøres. Å vente på bedre brikker for å hente en gevinst du kan få i dag, er å betale ventekostnaden frivillig.

Å forveksle transistorer med arbeidsflyt

Den siste feilen er å tro at AI-suksess handler om maskinvaren under panseret. Alura mener fokuset bør ligge på bruk og arbeidsflyt, ikke på hvilke transistorer som driver modellene. En bedrift som har løst hvordan den faktisk bruker AI i sine prosesser, henter gevinst uansett om modellen kjører på 2nm eller 0,7nm.

NHO-rapporten bekrefter hvor problemet ligger: de viktigste barrierene for å ta i bruk AI er manglende kompetanse og innsikt, ikke manglende maskinvare. Investerer du i kompetanse og arbeidsflyt nå, står du sterkere når den nye maskinvaren en gang kommer.

Ofte stilte spørsmål om IBMs 0,7nm brikke

Her er de vanligste spørsmålene norske ledere stiller om hva IBMs gjennombrudd faktisk betyr for dem.

Når kommer 0,7nm-brikker i faktiske produkter?

Ikke på flere år. IBM har demonstrert en produksjonsprosess under en nanometer, men mellom dagens front og 0,7nm ligger nodene 1,4nm og 1nm, og 2nm blir først standard i 2026. Realistisk snakker vi om slutten av tiåret før teknologien når volumproduksjon.

Blir dagens AI-modeller utdaterte?

Nei. Bedre brikker gjør fremtidige modeller mer effektive, men de gjør ikke dagens modeller dårligere. Modeller som Claude Opus 4.7, som leder SWE-Bench med 87,6 prosent, løser SMB-oppgaver mer enn godt nok allerede. Verktøyene du tar i bruk nå fortsetter å virke, og prisene faller uansett brikkegenerasjon.

Bør vi utsette AI-investeringer til maskinvaren er bedre?

Nei, og det er vår tydeligste anbefaling. Gevinsten fra dagens AI er dokumentert: 8 til 12 timer spart per ansatt per uke. Kostnaden ved å vente er også dokumentert: 450 milliarder kroner i tapt verdiskaping nasjonalt ved fem års utsettelse. Regnestykket går i favør av å handle nå.

Hva er egentlig forskjellen på 2nm og 0,7nm?

Forskjellen er tetthet, ytelse og energi. IBM oppgir at 0,7nm-transistoren gir 50 prosent bedre ytelse eller 70 prosent lavere strømforbruk, samt 40 prosent ekstra arealskalering, sammenlignet med 2nm. 2nm er teknologien som såvidt er i produksjon i dag, mens 0,7nm er flere ledd frem i tid. For deg som bruker AI som en tjeneste er forskjellen usynlig på kort sikt.

Oppsummering og veien videre

IBMs 0,7nm-brikke er et ekte teknologisk sprang. Selskapet har vist verdens første produksjonsprosess under en nanometer, med 50 prosent bedre ytelse eller 70 prosent lavere strømforbruk mot 2nm og rundt 100 milliarder transistorer per brikke. Den forlenger silisiumets levetid og gir bransjen retning. Men den endrer ingenting i verktøykassen din denne uken.

Bakteppet er et halvledermarked på vei mot 1 billion dollar ved starten av 2026, der AI-brikker utgjør rundt halvparten av inntektene, og der EU med Chips Act 2.0 fra 27. mai 2026 forsøker å hente inn et forsprang. Alt dette er strukturelle krefter som spiller ut over år, langt over hodet på den enkelte SMB.

Konklusjonen er den samme gjennom hele artikkelen. Norske SMB-er bør ikke vente på ny maskinvare for å ta i bruk AI. Gevinsten fra 0,7nm ligger år frem, mens dagens modeller allerede sparer 8 til 12 timer per ansatt per uke og kutter kostnader i alt fra kundeservice til fakturaflyt. Med bare en av fire norske virksomheter i gang er det rikelig rom for de som handler nå. Velg en konkret prosess, mål effekten, og bygg kompetanse. Transistorene tar seg av seg selv.

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.