25 juni 2026

OpenAI byter ut Nvidia

OpenAI slutade köpa chips av Nvidia och bestämde sig för att tillverka sitt eget – döpt till Jalapeño, och framtaget tillsammans med Broadcom. Det är ett sällsynt drag för ett mjukvarubolag, och det förändrar maktbalansen i AI-infrastrukturens försörjningskedja på ett sätt som får konsekvenser långt utanför Silicon Valley.

OpenAI gör eget chip: Jalapeño ska minska beroendet av Nvidia

Jalapeño heter OpenAIs första egna processorchip, och namnet är förmodligen det roligaste som hänt halvledarindustrin på ett tag. Chipet är en ASIC, alltså hårdvara byggd för ett enda syfte, och det syftet är inferens: det moment då ChatGPT eller Codex faktiskt svarar på något, snarare än när modellen tränas.

Det är en viktig distinktion. Träning är ett relativt sällsynt och planerat event. Inferens sker miljarder gånger om dagen och är det som faktiskt kostar pengar i produktion. Att optimera just där ger direkt effekt på marginaler och skalbarhet.

Partnern är Broadcom, inte Nvidia. Det är inte en slump. OpenAI är idag en av världens största enskilda köpare av Nvidia-GPUer, och det beroendet är dyrt, tungrott och strategiskt obekvämt. Google byggde TPU. Amazon byggde Trainium och Inferentia. Microsoft har sitt eget Maia-chip. Nu gör OpenAI samma resa, och Broadcom är en beprövad partner för den typen av ASIC-arbete.

Chipet planeras vara i drift före slutet av 2026. Det betyder att vi pratar om produktion om ungefär sex månader, vilket är ambitiöst men inte omöjligt om designarbetet är klart och Broadcom hanterar tillverkning via TSMC som vanligt.

För den som bygger på OpenAIs API förändras ingenting direkt. Men på sikt handlar det om vad inferens faktiskt kostar, och i förlängningen vad API-priser kan bli. ASIC-chips är inte lika flexibla som GPUer men kan vara betydligt mer kostnadseffektiva för specifika arbetsbelastningar. Om OpenAI lyckas rulla ut Jalapeño i stor skala får de ett verktyg för att pressa ned kostnaden per token, vilket är det mått som faktiskt styr konkurrenskraft i det här segmentet.

Nivån av Nvidia-beroende i AI-industrin just nu är en av de mer uppenbara riskerna för alla som bygger skalbar AI-infrastruktur. Att OpenAI nu tar steget mot egen kisel är inte förvånande, men det är ett tungt beslut att genomföra. Det kräver år av hårdvarudesign, nya team och ett helt annat sätt att tänka kring sin stack.

Claude syns i försvarsbudgeten, Gemini tar över tangentbordet

Låt oss börja med den roligare storyn: en sammanfattning till USA:s försvarsbudget för 2027 innehöll texten "Claude responded:" följt av ett svar från Anthropics modell. Rep. Anna Paulina Luna förklarar att staben använde AI som stavningskontroll och att ingen faktisk lagstiftningstekst skrevs med AI. Det är möjligt. Det är också precis vad man skulle säga om man inte ville erkänna att man använde AI för att skriva lagstiftningstekst.

Men den verkliga poängen är inte om Luna ljuger eller inte. Det är att vi nu befinner oss i en era där AI-artefakter oavsiktligt bäddas in i officiella dokument, skickas till kongressen och publiceras på internet innan någon hinner läsa korrektur. Det är inte en skandal, det är ett QA-problem. Och det är ett problem som kommer att dyka upp igen.

På den mer tekniska fronten: Google DeepMind lanserar computer use i Gemini 2.5 Flash, samma funktionalitet som Anthropic introducerade med Claude för ungefär ett år sedan. Modellen kan nu klicka, scrolla och navigera i gränssnitt självständigt, utan att någon människa behöver sitta vid tangentbordet.

Det intressanta är inte att Google hänger med, det var förväntat. Det intressanta är att computer use håller på att normaliseras som feature snarare än demo. När både Anthropic och Google erbjuder det, och Microsoft har Copilot Actions på väg, börjar frågan skifta från "är det möjligt" till "hur mycket litar vi egentligen på det här".

För den som bygger agentiska workflows finns det nu ett val mellan Claudes mer etablerade implementation och Googles nyare, potentiellt billigare variant via Flash-modellen. Gemini 2.5 Flash är Googles kostnadsoptimerade alternativ, vilket gör computer use mer tillgängligt för produkter som behöver köra många agentoperationer parallellt.

De två nyheterna hänger ihop på ett lite obekvämt sätt: AI-agenter som agerar autonomt i gränssnitt och AI-text som oavsiktligt letar sig in i kongressdokument är egentligen samma trend sedd från två håll. Verktygen är kraftfullare och mer inbyggda i arbetsflöden än de flesta processer hunnit anpassa sig till.

27 miljoner dollar, noll inflytande

"Det som egentligen hände i New Yorks 12:e valkrets förra veckan är ganska avslöjande: AI-industrins öppna försök att köpa sig ett gynnsammare politiskt klimat fungerade inte."

Det som egentligen hände i New Yorks 12:e valkrets förra veckan är ganska avslöjande: AI-industrins öppna försök att köpa sig ett gynnsammare politiskt klimat fungerade inte.

Alex Bores, delstatslagstiftaren som drivit igenom säkerhetskrav på stora AI-modeller, förlorade primärvalet mot Micah Lasher med en hårsmån. En pro-AI-superPAC med hundra miljoner dollar i ryggen körde kampanj mot honom. Anthropic och OpenAI pumpade in sammanlagt 27 miljoner dollar i vad som i praktiken var ett industrilobbyistiskt proxykrig. Och ändå: oavgjort, i bästa fall.

Det faktiskt intressanta är inte resultatet utan beteendet. AI-bolagen har nu formellt kllivit in i direktfinansiering av val för att påverka sin egen reglering. Det är inte ovanligt för etablerade industrier, men det är en ny fas för en sektor som länge framställt sig som tech-idealistisk snarare än Washington-pragmatisk. Nu gör de precis vad olje- och läkemedelsbolag gjort i decennier, bara med lite bättre PR-avdelningar.

Den politiska kalkylen är dessutom tveksam. Att aktivt försöka välta en folkald kritiker skapar narrativ som är svåra att skaka av sig, oavsett valresultat. Bores fick troligen fler sympatier av att bli måltavla än han förlorade röster av motkapanjen. Pengarna bidrog snarare till att förstärka bilden av en industri som vill runda demokratisk tillsyn.

På sikt är det här ett signalerande ögonblick för hur regleringsspelet kommer att spelas. Säkerhetslagar på federal nivå, liknande den Bores drev igenom i New York, är redan under diskussion i flera stater. Om branschens svar är att öppet motarbeta lagstiftare snarare än att förhandla om innehållet i lagarna, riskerar de att trigga precis den typ av reglering de vill undvika.

27 miljoner dollar för ett oavgjort resultat i ett enda distrikt. Det är dyrt att förlora.

Micron bär hela AI-rallyt på sina axlar ikväll

Det finns en viss ironi i att ett bolag som gör minneschips, inte de sexigare GPU:erna, har blivit hela AI-sektorns temperaturmätare. Men så är det: Microns kvartalsrapport ikväll behandlas som ett lackmuspapper för hela halvledarmarknadens hälsa, och därmed för trovärdigheten i AI-investeringsvågen som helhet.

Vinsten väntas öka med ungefär 1 000 procent jämfört med samma kvartal förra året. Det är inte ett tryckfel. Ändå handlas aktien nervöst, och teknikinvesteraren Inge Heydorn sätter ord på stämningen: missar Micron förväntningarna vore det en katastrof.

Det är ett ovanligt hårt ord för ett bolag som väntas leverera just detta slag av siffror. Men det beskriver exakt var vi är i cykeln: förväntningarna har sprungit ifrån verkligheten med sådant försprång att ett starkt resultat inte längre räknas som goda nyheter, bara som frånvaro av dåliga.

Under onsdagen syntes mönstret tydligt. Techsektorn backade på Wall Street, AI-bolag tyngde indexen, och Micron-aktien föll inför rapporten trots att ingen egentligen tror att bolaget missar grovt. Asiens börser handlades blandat med samma logik: håll andan, vänta på Micron.

FedEx gick åt andra hållet: rapporten kom, aktien föll, ingen byggde narrativ om den globala fraktsektorns framtid kring det. Micron bär en annan börda.

Vad det egentligen mäter är hur mycket luft det finns i halvledarmarknadens värderingar just nu. DRAM och NAND är infrastruktur för AI-modeller, datacenter behöver massiva mängder minne för inferens och träning, och Micron sitter i en position där deras orderbok ger en realtidsbild av hur aggressivt de stora molnleverantörerna faktiskt bygger ut. Det gör rapporten intressant på riktigt, bortom börsnervositet.

Resultaten kommer efter Wall Streets stängning. Vad de säger om prisutvecklingen på minneschips och om Microns utsikter för kommande kvartal är förmodligen mer värt att läsa än rubriken om procent jämfört med förra året.

Dagens siffra

1 000%

Microns vinst väntas öka med nästan 1 000 procent jämfört med samma period förra året – ett tecken på AI-sektorns enorma investeringstryck.

Snabbkollen

Så bygger du minne i AI-agenter

LangChain har publicerat en praktisk guide för hur man ger AI-agenter (autonoma system som utför uppgifter) både korttids- och långtidsminne – så att de faktiskt kan lära sig och förbättras mellan olika körningar. Intressant nog handlar det inte om magi utan om strukturerad spårning av vad agenten gör fel, med verktyget LangSmith som hjälper utvecklare analysera beteendet.

Databricks teknikchefer: Öppna AI-modeller är avgörande för framtidens företag

Databricks medgrundare Matei Zaharia och Reynold Xin argumenterar för att AI-ekosystemet måste förbli öppet för att företag ska kunna bygga egna så kallade 'Agent Clouds' – system där AI-agenter (självständiga program som utför uppgifter) samarbetar i stor skala. Tanken är att proprietära, slutna modeller riskerar att låsa in företag och bromsa innovation, ungefär som om hela internet ägdes av en enda aktör.

Googles AI-talanger fortsätter byta sida

Ytterligare två topforskare lämnar Google för konkurrenten Anthropic – Jonas Adler och Alexander Pritzel – och följer därmed i spåren av Noam Shazeer och John Jumper. Det verkar bli ett mönster snarare än ett undantag, vilket väcker frågan om Google har problem att hålla kvar sin bästa AI-kompetens.

NVIDIA NeMo AutoModel snabbar upp träning av AI-modeller

Hugging Face och NVIDIA har integrerat NeMo AutoModel i träningsbiblioteket, vilket gör det enklare att finjustera (anpassa en färdigtränad modell på ny data) stora språkmodeller med NVIDIA:s hårdvara. Verktyget ska minska den tekniska tröskel som annars krävs för att utnyttja NVIDIA:s optimerade träningspipeline – utan att behöva skriva om hela kodbasen.

Ingenjörsjobb visar sig vara mer motståndskraftiga mot AI än väntat

Trots att AI spås ta över ingenjörsjobb visar ny data från SignalFire att ingenjörer faktiskt utgör en allt större andel av nyanställningar – inte tvärtom. Det är en intressant motberättelse till den dominerande narrativen om att AI slår ut tekniska roller.

Forskare tar ett steg mot att förstå varför djupa neurala nätverk generaliserar

Ett återkommande problem inom AI-forskning är att vi egentligen inte vet teoretiskt varför djupa neurala nätverk fungerar bra på ny data – och de matematiska garantier som finns är ofta så lösa att de är meningslösa i praktiken. Forskare har nu tagit fram en mer träffsäker beräkningsmetod genom att modellera hur träningsalgoritmen rör sig i ett fraktallikt mönster, vilket ger realistiska garantier för moderna modeller som ResNet och Vision Transformer tränade på ImageNet-1K. Det är inte ett genombrott som förändrar hur vi bygger AI imorgon, men det fyller ett viktigt teoretiskt hål som branschen länge ignorerat.

Källor: arXiv cs.AI
De 9 bästa AI-röstgeneratorerna just nu

AI-röstgeneratorer har blivit ett praktiskt alternativ till traditionell röstinspelning – utan studiomiljö, skådespelare eller oändliga tagningar. Zapier har listat de nio bästa verktygen just nu, med fokus på kvalitet, naturligt ljud och användarvänlighet.

Nytt mått ska avslöja hur sårbara AI-modeller är för hårdvarufel

Forskare från Meta föreslår ett nytt mätetal kallat PVF (Parameter Vulnerability Factor) som kvantifierar hur känsliga AI-modellers parametrar är för tysta datakorruptioner (SDC) – hårdvarufel som smyger sig in utan att synas direkt. Måttet har redan använts i praktiken för att fatta designbeslut kring Metas egna AI-chip, MTIA. Det intressanta här är att det handlar mindre om mjukvara och mer om att AI-system kan ge fel svar på grund av fysiska fel i hårdvaran – ett perspektiv som ofta glöms bort.

Källor: arXiv cs.AI
Cerebras aktie rasade efter första kvartalsrapporten

AI-chiptillverkaren Cerebras fick se sin aktie dyka efter sin första kvartalsrapport som börsnoterat bolag, när bolaget spådde lägre bruttomarginal i kärnverksamheten. VD:n försökte lugna investerarna med att marknaden helt enkelt missförstått utsikterna – vilket sällan är ett bra tecken.

Figma uppdateras med animationer, kodlager och AI-funktioner

Designverktyget Figma har fått en större uppdatering med ett nytt kodlager, stöd för animationer och shaders (grafikeffekter), samt möjlighet att bygga egna AI-drivna plug-ins för olika arbetsuppgifter. Det intressanta här är egentligen inte animationerna i sig – utan att Figma nu låter användare skapa skräddarsydda AI-verktyg direkt i designflödet, vilket suddar ut gränsen mellan design och utveckling ytterligare.

Qualcomm siktar på AI-chipmarknaden för datacenter

Qualcomm väntas på sin investerardag presentera en satsning mot AI-chip för datacenter – en marknad som växer snabbt men där konkurrensen redan är hård med spelare som Nvidia och AMD. Det är en tydlig signal om att bolaget vill minska sitt beroende av smartphones, som länge varit kärnverksamheten.

Rekordtryck på KTH:s inkubator – extra AI-spår startas

KTH:s inkubator Launch tar in 20 startups i år, men söktrycket var så högt att skolan skapar ett extra sommarprogram kallat Sprint – specifikt för 10 AI-bolag. Det är ett tydligt tecken på att AI-startups just nu söker sig till etablerade akademiska miljöer i Sverige.

Källor: Breakit
Qualcomm lanserar datacenterchip med Meta som första kund

Qualcomm presenterade ett nytt datacenterchip kallat 'Dragonfly C1000', och Meta Platforms är redan inbokade som kund när produktionen drar igång 2028. Det är ett tydligt tecken på att Qualcomm siktar på att utmana etablerade aktörer som Nvidia i kampen om AI-infrastruktur.

Färskbryggt AI varje morgon

15 minuter och en kopp kaffe, allt du behöver.