Nvidia overgikk alle forventninger onsdag, og rapporterte skyhøye fortjeneste drevet av grafikkprosessorene (GPU-ene) som utmerker seg ved å drive kunstig intelligens-arbeidsmengder. Men andre klasser av AI-brikker begynner å få momentum.

Alle større skyleverandører designer nå sine egne applikasjonsspesifikke integrerte kretser (ASIC-er), fra Googles TPU til Amazons Trainium til OpenAIs planer med Broadcom. Disse brikkene er mindre, billigere, enklere å bruke, og kan redusere disse selskapenes avhengighet av Nvidias GPU-er. Daniel Newman fra Futurum Group fortalte CNBC at han forventer at ASIC-brikker «vil vokse raskere enn GPU-markedet de neste årene».

Ved siden av GPU-er og ASIC-er finnes det feltprogrammerbare gatearrays (FPGA-er), som kan omkonfigureres etter produksjon for bruk som signalbehandling, nettverk og AI. Og det finnes en hel generasjon AI-brikker designet for å kjøre direkte på enheter i stedet for gjennom skyen – et segment ledet av selskaper som Qualcomm og Apple.

CNBC snakket med eksperter og innsidere i store teknologiselskaper for å bryte ned dette overfylte landskapet og de ulike typene AI-brikker.

GPU-er for generell databehandling

GPU-er ble en gang hovedsakelig brukt til videospill, men de gjorde Nvidia til verdens mest verdifulle børsnoterte selskap da de ble motoren i moderne AI. Nvidia sendte omtrent 6 millioner enheter av sin nåværende generasjon «Blackwell» GPU-er i fjor.

Skiftet fra spilling til AI begynte i 2012, da forskere trente det nevrale nettverket AlexNet ved hjelp av Nvidia GPU-er – et gjennombrudd som mange ser på som gnisten i den moderne AI-revolusjonen. AlexNet konkurrerte i en profilert bildegjenkjenningskonkurranse og stolte på GPU-er i stedet for CPU-er, noe som leverte fantastisk nøyaktighet og et stort konkurransefortrinn.

Den samme parallelle prosesseringsevnen som gjør GPU-er i stand til å gjengi naturtro grafikk, gjør dem også ideelle for trening av dyplæringsmodeller, som lærer fra data i stedet for eksplisitt programmering.

I dag selges GPU-er til datasentersystemer paret med CPU-er for å kjøre skybaserte AI-arbeidsbelastninger. CPU-er har en håndfull kraftige kjerner for sekvensielle oppgaver, mens GPU-er har tusenvis av mindre kjerner spesialisert i parallelle operasjoner som matrisemultiplikasjon.

Fordi de kan utføre et enormt antall operasjoner samtidig, er GPU-er ideelle for både trening og inferens. Trening lærer AI-modeller å finne mønstre i enorme datasett, mens inferens bruker disse modellene til å ta beslutninger basert på ny informasjon.

GPU-er er fortsatt den primære motoren for Nvidia og den nærmeste konkurrenten AMD. Programvare er en viktig differensier mellom dem: Nvidia er avhengig av sitt CUDA-økosystem, mens AMD tilbyr en stort sett åpen kildekode-stack.

Begge selskapene selger skybaserte GPU-er til leverandører som Amazon, Microsoft, Google, Oracle og CoreWeave, som deretter leier ut datakraften til AI-utviklere.

Anthropics avtale på 30 milliarder dollar med Nvidia og Microsoft inkluderer for eksempel tilsvarende 1 gigawatt med datakapasitet bygget på Nvidia-maskinvare. AMD har nylig sikret seg store forpliktelser fra OpenAI og Oracle også.

Nvidia selger også direkte til myndigheter og AI-selskaper – inkludert minst 4 millioner GPU-er til OpenAI – og til utenlandske myndigheter som Sør-Korea, Saudi-Arabia og Storbritannia.

Selskapet fortalte CNBC at de tar omtrent 3 millioner dollar per serverkabinett som inneholder 72 Blackwell GPU-er, og at de sender rundt 1000 slike kabinetter hver uke.

Dion Harris, Nvidias seniordirektør for AI-infrastruktur, sa at han aldri hadde forestilt seg at etterspørselen ville vokse til dette nivået. «Da vi snakket med selskaper om et system med åtte GPU-er for mange år siden, syntes de det var overdrevent.»

ASIC-er for spesialisert skybasert AI

GPU-basert trening drev den første bølgen av store språkmodeller, men inferens har blitt stadig viktigere etter hvert som modellene modnes. Inferens kan kjøres på mindre fleksible, rimeligere brikker som er spesielt bygget for visse matematiske operasjoner – og det er her ASIC-er kommer inn i bildet.

Hvis en GPU er en «sveitsisk lommekniv» som kan utføre mange forskjellige parallelle oppgaver, er en ASIC et verktøy med ett formål – ekstremt raskt og effektivt, men låst til én type operasjon når den er produsert.

«Du kan ikke endre disse brikkene når de først er etset inn i silisium», sa Chris Miller, forfatter av *Chip War*. «Det er en avveining mellom effektivitet og fleksibilitet.»

Nvidias GPU-er er allsidige nok til å dekke utallige AI-behov, men de er dyre (opptil 40 000 dollar per enhet) og vanskelige å få tak i. Oppstartsbedrifter er avhengige av dem delvis fordi det å designe en tilpasset ASIC kan koste titalls millioner.

Skygiganter investerer imidlertid tungt i ASIC-er fordi de lover store besparelser i stor skala.

«Disse selskapene ønsker mer kontroll over arbeidsmengdene de bygger», sa Newman. «Men de vil fortsette å samarbeide med Nvidia og AMD – databehovet er enormt.»

Google var først ute med å bygge en tilpasset AI-ASIC, og lanserte Tensor Processing Unit (TPU) i 2015. Arbeidet startet i 2006, men det ble presserende i 2013 da Google innså at AI kunne doble størrelsen på datasenterets fotavtrykk. I 2017 bidro TPU til å muliggjøre Transformer-arkitekturen som ligger til grunn for det meste av moderne AI.

Google avduket den syvende generasjonen TPU i november. Anthropic vil trene sin Claude-modell på én million TPU-er. Noen mener at TPU-er konkurrerer med – eller utkonkurrerer – Nvidia GPU-er.

«Mange forventer at Google etter hvert vil gjøre TPU-er tilgjengelige for flere,» sa Miller.

AWS fulgte opp med sine egne brikker etter å ha kjøpt opp Annapurna Labs i 2015. De lanserte Inferentia i 2018 og Trainium i 2022, og Trainium3 forventes snart.

Amazon sier at Trainium leverer 30 % til 40 % bedre pris-ytelse enn alternativer. Anthropic bruker for tiden en halv million Trainium2-brikker for å trene modellene sine.

For å bygge tilpassede ASIC-er er skyleverandører avhengige av selskaper som Broadcom og Marvell – som leverer kritisk IP- og nettverksekspertise. «Det er derfor Broadcom har blitt en av de største vinnerne av AI-boomen», sa Miller.

Broadcom hjalp til med å designe Googles TPU-er og Metas 2023-akseleratorer, og bygger tilpassede brikker for OpenAI fra 2026.

Microsoft har utviklet Maia 100. Qualcomm har A1200. Intel tilbyr Gaudi-serien. Tesla jobber med sin AI5-brikke. Oppstartsbedrifter som Cerebras og Groq fremmer nye arkitekturer.

I Kina designer Huawei, ByteDance og Alibaba sine egne ASIC-er til tross for amerikanske eksportrestriksjoner.

Enhetsnivå-AI med NPU-er og FPGA-er

En tredje kategori av AI-brikker er bygget for å kjøre modeller direkte på enheter i stedet for gjennom skyen. Disse brikkene er vanligvis integrert i system-på-en-brikke (SoC)-design og er kjent som edge-AI-prosessorer. De lar AI-funksjoner kjøre lokalt og effektivt, noe som bevarer batterilevetid og personvern.

«Du vil kunne kjøre AI-oppgaver direkte på telefonen din med ekstremt lav latens», sa Saif Khan, tidligere AI- og teknologirådgiver i Det hvite hus. «Og uten å sende data til et datasenter.»

Nevrale prosesseringsenheter (NPU-er) er en viktig del av denne kategorien, utviklet av Qualcomm, Intel, AMD og andre.

Apple bruker ikke begrepet NPU, men bygger inn en «nevral motor» i sine M-serie Mac-brikker og sine A-serie mobilbrikker.

«Denne tilnærmingen har vist seg utrolig effektiv», sa Tim Millet, Apples visepresident for plattformarkitektur. «Den er rask og gir oss mer kontroll over opplevelsen.»

Snapdragon-brikker i Android-telefoner, Samsungs tilpassede NPU-er og edge-AI-prosessorer fra NXP og Nvidia driver AI i biler, roboter, kameraer og smarthjem-enheter.

«Mesteparten av dagens utgifter går fortsatt til datasentre», sa Miller. «Men det vil endre seg etter hvert som AI sprer seg til telefoner, biler, bærbare enheter og alt annet.»

FPGA-er tilbyr enda mer fleksibilitet fordi de kan omprogrammeres etter produksjon, selv om de er mindre energieffektive enn ASIC-er eller NPU-er.

AMD ble den største FPGA-produsenten etter å ha kjøpt Xilinx for 49 milliarder dollar i 2022. Intel er nummer to etter å ha kjøpt Altera for 16,7 milliarder dollar i 2015.

Konklusjon: Nvidia er fortsatt langt foran

Alle disse AI-brikkeselskapene er avhengige av én produsent: TSMC i Taiwan.

TSMC bygger et massivt produksjonsanlegg i Arizona, hvor Apple skal flytte deler av produksjonen sin. Nvidias administrerende direktør Jensen Huang sa i oktober at Blackwells GPU-er også har nådd «full produksjon» dit.

Til tross for det stadig mer overfylte markedet, er det fortsatt ekstremt vanskelig å avsette Nvidia.

«Nvidia er i denne posisjonen fordi de fortjente det», sa Newman. «De brukte år på å bygge opp dette utviklerokosystemet – og det er de som vant.»

De fleste amerikanske aksjeindeksene steg fredag etter at optimismen rundt potensielle rentekutt fra Federal Reserve gjenoppsto.

John Williams, presidenten i New York Fed, sa fredag at han forventer at sentralbanken vil ha mer rom til å senke rentene. Den innflytelsesrike politikeren, som talte i Chile, bemerket at risikoen for arbeidsmarkedet nå oppveier de som er knyttet til inflasjon, noe som gjenspeiler holdningen til de mer dueaktige medlemmene av FOMC.

Williams sa: «Jeg ser på pengepolitikken som fortsatt moderat restriktiv, men mindre enn før våre nylige tiltak. Så jeg ser fortsatt rom for en ytterligere kortsiktig justering av målintervallet for den føderale fondsrenten for å bringe politikken nærmere nøytral og opprettholde balansen mellom våre to mål.»

I handelen steg Dow Jones Industrial Average med 0,4 % (185 poeng) til 45 937 klokken 16:15 GMT. Den bredere S&P 500 steg med 0,1 % (7 poeng) til 6 545, mens Nasdaq Composite steg med 0,1 % (38 poeng) til 22 040.

Palladiumprisene fortsatte nedgangen fredag, presset av en sterkere amerikansk dollar, usikkerhet rundt etterspørselen og forventninger om høyere tilbud.

Reuters rapporterte, med henvisning til informerte kilder, at USA privat presser Ukraina til å godta en våpenhvileavtale med Russland. En slik utvikling vil sannsynligvis øke den globale forsyningen av industrimetaller etter hvert som sanksjonene mot Russland – en av verdens største palladiumeksportører – lettes.

Ifølge Capital.com har palladiumprisene steget med omtrent 26 % siden begynnelsen av oktober til omtrent 1500 dollar per unse. Oppgangen kom samtidig med gevinster i platinamarkedet og bredere lettelser i de globale økonomiske forholdene.

Veddemål på amerikanske rentekutt og tidligere svakhet i dollaren har også støttet palladium som en del av den såkalte «gull + likviditet»-rallyet som har løftet edle metaller de siste ukene.

Palladium brukes nesten utelukkende i katalysatorer for bensinmotorer, noe som betyr at enhver prisvolatilitet direkte påvirker kostnadsstrukturene for amerikanske bilprodusenter og elektronikkprodusenter.

Teknisk analyse fra Monex indikerer motstand mellom 1500 og 1520 dollar per unse, med forventninger om en generell bullish trend, men fortsatt urolig handel fremover. Analytikere hos CPM Group bemerket at palladiums nylige styrke er «nært knyttet til platinas ytelse», samtidig som de advarer om at et svekket amerikansk arbeidsmarked og vedvarende inflasjon kan tynge etterspørselen.

Til tross for en nylig annonsert handelshvile mellom USA og Kina, tyder kommentarer fra amerikanske tjenestemenn på at spenningene fortsatt er høye. Den amerikanske finansministeren sa at Kina fortsatt er en upålitelig handelspartner, mens president Donald Trump gjentok at hans administrasjon ikke vil tillate eksport av avanserte Nvidia-brikker til Kina eller andre land.

Indeksen for amerikanske dollar steg med 0,1 % til 100,2 klokken 14:43 GMT, og ble handlet mellom en topp på 100,4 og en bunn på 99,9.

Palladium-futures for levering i desember falt med 0,9 % til 1 374 dollar per unse klokken 14:43 GMT.

Bitcoin falt kort til 81 871,19 dollar tidlig fredag før den stabiliserte seg nær 82 460 dollar, ned omtrent 10,2 % de siste 24 timene.

Etter nesten en måned med vedvarende salg handles Bitcoin nå 10 % under nivået ved starten av året, etter å ha visket ut mesteparten av gevinsten den oppnådde etter Donald Trumps valgseier i fjor.

Sist gang Bitcoin falt under 82 000 dollar var i april – da den falt til 75 000 dollar – under et bredt markedssalg utløst av Trumps kunngjøring om omfattende tollsatser på «Liberation Day»-arrangementet.

Basert på data fra Deribit – opsjons- og futuresbørsen eid av Coinbase – rapporterte CoinDesk at tradere posisjonerer seg for ytterligere nedside.

Ethereum, den nest største kryptovalutaen etter markedsverdi, falt under 2740 dollar, ned mer enn 9,6 % over 24 timer. Andre store tokens kom også under sterkt press, med XRP, BNB og SOL som falt henholdsvis 9,1 %, 8,4 % og 10,6 %. Dogecoin – den største meme-mynten – falt 10,3 % i samme periode.

Etter å ha nådd nye rekordhøyder tidlig i forrige måned, har kryptomarkedet opplevd jevne nedganger etter et enestående endagskrakk 10. oktober, da 19,37 milliarder dollar i gearede posisjoner ble likvidert i løpet av 24 timer. Hendelsen ble utløst av Trumps kunngjøring om en ytterligere 100 % toll på kinesisk import – et trekk han senere trakk tilbake. Digitale eiendeler har også blitt fanget i bredere markedsvolatilitet de siste dagene, med mer enn 2,2 milliarder dollar likvidert i løpet av 24 timer, ifølge CoinGlass.

Den totale markedsverdien av alle kryptovalutaer er nå på 2,92 billioner dollar, ifølge CoinGecko – et fall på 33 % fra toppen på omtrent 4,38 billioner dollar som ble nådd tidlig i oktober. Siden starten av denne måneden har Bitcoins markedsverdi falt med omtrent 25 %, noe som markerer den bratteste månedlige nedgangen siden kryptokrasjet i 2022, ifølge Bloomberg.

Aksjene i Strategy (tidligere MicroStrategy) – mye sett på som en proxy for Bitcoin på grunn av dens massive beholdninger – falt med 2,44 % i førmarkedshandelen på fredag, etter å ha falt med 11 % den siste uken og 41 % de siste 30 dagene. Selskapet eier for tiden 649 870 BTC til en gjennomsnittlig kjøpspris på 74 430 dollar.

I et notat tidligere denne uken advarte JPMorgan-analytikere om at Strategy står overfor en risiko for å bli fjernet fra store indekser som Nasdaq 100 og MSCI USA. En slik ekskludering kan føre til ytterligere fall i aksjen, og potensielt tynge kryptomarkedene hvis selskapet blir tvunget til å selge deler av sine Bitcoin-beholdninger.