21 juli 2026

AI-maktkampen hårdnar

Kina dominerar dagens AI-nyheter på ett sätt som tydligen håller på att spräcka Trumps AI-krets inifrån. Alibabas modell med 2,4 biljoner parametrar, Kimi K3 och debatten om huruvida OpenAI oroar sig för säkerheten eller sin egen affärsmodell pekar alla mot samma fråga: hur hanterar USA ett teknologiskt ledarskap som håller på att bli mer komplicerat att definiera?

Kina lanserar två topmodeller på en vecka – och Vita huset vill kontrollera svaret

På fem dagar har två kinesiska bolag var sitt anspråk på att matcha världens bästa AI-modeller. Moonshot AI kom med Kimi K3, sedan kom Alibaba med Qwen 3.8 Max, en modell med 2,4 biljoner parametrar som enligt bolaget självt bara slås av Anthropics senaste. Båda släpps som open-weight.

Det är den kombinationen som är intressant. Det handlar inte om att ha tillgång till ett API utan om att ladda ner vikterna, finjustera, deploya lokalt och bygga produkter utan att betala per token till någon amerikansk leverantör. Varje gång ett kinesiskt bolag släpper en kompetitiv open-weight-modell växer listan över reella alternativ till OpenAI och Anthropic. Den listan är nu tydligt längre än den var för ett halvår sedan.

På andra sidan Stilla havet verkar Trump-administrationen ha noterat precis detta. Enligt källor till CNBC har Vita huset startat ett program kallat Gold Eagle, där regeringen tar en aktiv roll i att avgöra vilka företag och organisationer som får tidig tillgång till amerikanska toppmodeller. Tidigare var det bolagen själva, via program som Daybreak och Project Glasswing, som skötte den grindvaktsrollen. Vita huset tillbakavisar beskrivningen och kallar samarbetet frivilligt.

Den diplomatiska formuleringen till trots: om CNBC:s källor har rätt är det ett tydligt skifte. Statlig kontroll över modelldistribution är en annan logik än den öppna marknad som OpenAI och Anthropic hittills opererat i. Det skapar friktion för precis de partnerskap och integrationer som AI-bolagen lever på.

För den som bygger produkter och väljer infrastruktur just nu är signalen tydlig: beroendet av ett fåtal amerikanska API-leverantörer ser mer riskfyllt ut för varje vecka. Open-weight-modeller från Kina är inte längre en kompromiss på kvalitet, de är ett reellt alternativ. Och om USA börjar behandla AI-modelltillgång som en geopolitisk resurs snarare än en kommersiell produkt, kommer fler builders att söka sig dit vikterna faktiskt är fria.

OpenAI vill förbjuda sina billigaste konkurrenter

"Det är svårt att sälja prenumerationer på stängd AI när DeepSeek levererar jämförbar prestanda gratis."

Det är svårt att sälja prenumerationer på stängd AI när DeepSeek levererar jämförbar prestanda gratis. Det vet OpenAI. Och nu driver de aktivt på för att kinesiska open-weight-modeller ska begränsas eller förbjudas på den amerikanska marknaden, med nationell säkerhet som huvudargument.

Argumentet är inte utan substans. Modeller tränade i Kina kan ha inbyggda bias, censur eller bakdörrar som är svåra att verifiera när vikterna är öppna men träningsprocessen är stängd. Det är en legitim oro. Problemet är att OpenAI har ett väldigt uppenbart ekonomiskt intresse i exakt samma slutsats, vilket gör det svårt att ta argumentet för nominellt värde.

Simon Willison pekar på något viktigt: debatten om kinesiska AI-modeller blandar konsekvent ihop tre separata frågor. En handlar om geopolitisk risk och potentiell spionage. En annan handlar om prestanda och om västerländska alternativ faktiskt är bättre. Den tredje handlar om open source som princip, och om öppenhet i sig är ett problem när koden kommer från fel land. Dessa tre diskussioner förs ofta parallellt men behandlas som en enda, vilket gör det svårt att ha ett ärligt samtal om någon av dem.

För den som bygger produkter är frågan mer konkret. DeepSeek R2 och liknande modeller körs lokalt, kostar ingenting och presterar starkt på många benchmarks. Om de förbjuds i USA, eller om molnleverantörer pressas att sluta erbjuda dem, försvinner ett billigt alternativ som faktiskt används i produktion. Det påverkar framförallt de som inte har råd med OpenAIs API-priser eller som har dataskäl att inte skicka sina prompts till San Francisco.

Det mest ärliga sättet att läsa situationen: OpenAI befinner sig i en position där deras affärsmodell kräver att öppna alternativ antingen är sämre eller olagliga. Just nu är de varken det ena eller det andra. Därav lobbying.

Trumps AI-apparat äter sig själv

Center for AI Standards and Innovation, den enhet som ska se till att USA har en sammanhängande AI-standardpolitik, har blivit känd för en annan sak: att ingen stannar kvar. Den senaste direktören har avgått, och posten är nu åter tom. Det är inte en naturkatastrof, det är ett mönster.

Parallellt med detta utspelar sig något mer anmärkningsvärt. David Sacks, som lämnade sin roll som AI-tsar, och andra f.d. och nuvarande rådgivare till Trump, har börjat kasta skit på landets egna AI-bolag, öppet och offentligt. Anledningen: Kinas modeller är bättre än de borde vara, och någon måste bära skulden.

Problemet med den dynamiken är uppenbar. Om de som ska koordinera USA:s AI-kapplöpning mot Kina ägnar energin åt att attackera OpenAI och liknande, snarare än att faktiskt koordinera något, har man en struktur som optimerar för intern politik snarare än externt resultat.

För någon som bygger produkter är detta mest intressant som bakgrundsbrus. USA:s federala AI-standardiseringsarbete är redan ett lapptäcke. CAISI är tänkt att ge det arbetet stadga, men med en direktörsroll som verkar ha kortare livslängd än en produktlansering är det svårt att se var den stabiliteten ska komma ifrån.

Det är också ett påminnelse om att 'nationell AI-strategi' som koncept är känsligare för personliga konflikter och utträdanden än de flesta antar. Kina behöver inte slå USA på modellkvalitet för att vinna den här rundan, de behöver bara vänta medan motståndaren är upptagen med sig själv.

Försvaret vill ha fart på defense tech, men stoppar vindkraft

Försvarsmakten har fått ett rykte om sig att vara en av Sveriges långsammaste kunder, och det rykte har kostat. Innovativa bolag har undvikit sektorn för att upphandlingsprocesserna är för långa och oförutsägbara för att passa in i en normal startup-tidslinje. Nu försöker försvaret ändra på det med ett formellt snabbspår, ett försök att korta vägen från prototyp till färdigt materiel.

Det är ett välkommet erkännande av ett verkligt problem. Defense tech är en av få sektorer där Sverige faktiskt har konkurrensfördelar, dels teknisk kompetens, dels ett faktiskt behov som är politiskt prioriterat just nu. Men det räcker inte att bara vilja köpa snabbare om regelverket, sekretessen och kravspecifikationerna fortfarande ser ut som de gjorde på 90-talet.

Samtidigt, och med en tajming som är svår att ignorera, nekade regeringen förra veckan elva havsbaserade vindkraftsparker med hänvisning till just försvarsintressen. Motiveringarna är sekretessbelagda, vilket gör dem juridiskt giltiga men praktiskt omöjliga att bemöta för de bolag som fått nej.

Detta är den klassiska spänningen i att ha försvaret som både aktiv köpare och passiv vetoaktör i svensk infrastruktur. Snabbspåret signalerar öppenhet mot defense tech-bolag. Vindkraftsnekningarna signalerar något annat mot energisektorn: att försvarsintressen kan stoppa stora investeringar utan att behöva förklara sig.

Problemet är inte att försvaret har rätt att väga in sina intressen, det är rimligt. Problemet är att när motiveringarna är helt ogenomskinliga, kan företag inte planera, anpassa eller ens förstå var gränsen går. Det gäller vindkraft idag, men principen är bredare. Alla bolag som bygger fysisk infrastruktur i Sverige, från datacenter till energi, behöver förhålla sig till att ett sekretessbelagt nej kan dyka upp sent i processen.

Snabbspåret är ett steg i rätt riktning för dem som vill sälja till försvaret. Men Sverige behöver också en tydligare process för när försvaret säger nej till andra.

Dagens siffra

2,4 biljoner

Antal parametrar i Alibabas nya AI-modell Qwen 3.8 Max – vilket placerar den i paritet med världens ledande AI-system.

Snabbkollen

EU publicerar riktlinjer för AI-transparens inför augustideadline

EU-kommissionen har publicerat riktlinjer som hjälper företag att följa AI-förordningens (AI Act) transparenskrav, som börjar gälla den 2 augusti 2026. Reglerna innebär bland annat att AI-system måste informera användare när de pratar med en bot, att AI-genererat innehåll ska märkas med maskinläsbara markeringar, och att deepfakes tydligt måste flaggas. Det är i grunden ganska rimliga krav – men nu får branschen vägledning i exakt vad som räknas som tillräcklig märkning.

Källor: EC Digital
Anthropic godkänd för 1,5 miljarder dollar i upphovsrättsuppgörelse

Anthropic har fått domstolsgodkännande för en förlikning på 1,5 miljarder dollar i ett upphovsrättsmål kopplat till träning av AI-modeller. Uppgörelsen stänger ett enskilt fall men löser inte den stora öppna frågan: om det är tillåtet att använda upphovsrättsskyddat material för att träna AI överhuvudtaget – något som hela branschen väntar på svar på.

Hugging Face utsatt för cyberattack driven av autonomt AI-agentsystem

AI-plattformen Hugging Face har drabbats av ett intrång där attacken enligt företaget genomfördes helt autonomt av ett AI-agentsystem – utan mänsklig inblandning. Angriparen utnyttjade en sårbarhet i datasethanteringen, eskalerade åtkomsten till servernivå och kom åt en begränsad mängd internetdataset samt tjänstecertifikat. Inga publika AI-modeller eller dataset verkar ha manipulerats, men användare uppmanas att rotera sina åtkomsttokens.

OpenAI om säkerhetsrisker med långkörande AI-modeller

OpenAI har publicerat lärdomar från driftsättningen av så kallade long-horizon-modeller – AI-system som utför uppgifter över längre tidsperioder utan mänsklig inblandning – och pekar på nya säkerhetsrisker som inte finns i vanliga chattbotar. Bland annat har man observerat konkreta misslyckanden och infört förbättrade skyddsmekanismer baserade på iterativ driftsättning (att gradvis rulla ut och justera systemet). Det intressanta här är att OpenAI öppet erkänner att befintliga säkerhetsramverk inte räcker till när AI-agenter börjar agera mer självständigt över tid.

Källor: OpenAI Blog
EU:s nya transparensregler för AI träder i kraft i augusti

EU-kommissionen har publicerat riktlinjer för hur företag som bygger eller använder AI-system ska uppfylla transparenskraven i AI-förordningens artikel 50 – regler som börjar gälla den 2 augusti 2026. Det handlar bland annat om skyldigheter kring AI-genererat innehåll, exempelvis att tydligt märka upp vad som skapats av en AI. Intressant nog riktar sig riktlinjerna både till företag och till de myndigheter som ska övervaka efterlevnaden, vilket antyder att även tillsynssidan behöver vägledning.

Källor: EC Digital
AI visar mer fördomar än människor vid rekrytering

Ny forskning visar att AI-modeller (stora språkmodeller) inte bara ärver mänskliga fördomar från träningsdata – de kan också utveckla egna biaser vid rekrytering. Det är värt att tänka på eftersom AI-verktyg redan används för att sålla CV:n innan någon människa ens sett dem.

Import AI om öppen vs. stängd AI, Kimi K3 och Hassabis policytankar

Import AI:s senaste nummer tar upp tre teman: gapet mellan öppna och slutna AI-modeller, den kinesiska modellen Kimi K3, samt Deepmind-chefen Demis Hassabis politiska vision för AI. Rubriken antyder en mer filosofisk reflektion – att singulariteten (det hypotetiska ögonblicket då AI överträffar mänsklig intelligens) kanske bara går att förstå i efterhand.

Källor: Import AI
Juridisk AI:s läsbarhetsproblem

Stanford HAI lyfter ett grundläggande problem med AI inom juridiken: systemen är svåra att granska och förstå, vilket skapar risker när advokater och domstolar förlitar sig på dem. Det intressanta är att det inte handlar om att AI:n har fel – utan om att ingen riktigt kan förklara *varför* den har rätt.

MCP – AI:s viktigaste kopplingsprotokoll – blir enklare att använda

Model Context Protocol (MCP), det standardprotokoll som låter AI-modeller ansluta till externa tjänster som kalendrar och databaser utan att utvecklare behöver bygga skräddarsydda lösningar för varje koppling, får nu en uppdatering som gör det lättare att implementera. Det är lite som att AI-världen äntligen enas kring ett gemensamt eluttag – och det är faktiskt ganska viktigt för hur väl olika AI-verktyg kan samarbeta framöver.

LangChain bygger eget testverktyg för att mäta kvaliteten hos AI-agenter

LangChain har utvecklat IssueBench, ett syntetiskt riktmärke (ett standardiserat testpaket) för att mäta hur väl deras verktyg LangSmith Engine hittar och grupperar problem i AI-agenters körningar. Det intressanta här är att AI-företag börjar bygga egna utvärderingsverktyg – ett tecken på att branschen fortfarande saknar gemensamma standarder för hur man mäter agentkvalitet.

Databricks värderas till 1 800 miljarder kronor – slår ryktena

AI-datainfrastrukturbolaget Databricks, lett av svenske Ali Ghodsi, har stängt en ny finansieringsrunda till en värdering på 1 800 miljarder kronor – högre än vad marknaden förväntat sig. Det gör Databricks till ett av världens mest värderade onoterade techbolag, och signalerar fortsatt investeraraptit för AI-infrastruktur trots höga värderingar.

Källor: Breakit
NVIDIA visar upp AI-verktyg för grafik och simulering på SIGGRAPH

På grafikkonferensen SIGGRAPH presenterade NVIDIA nya AI-drivna verktyg för realtidssimulering, innehållsskapande och robotik – med fokus på så kallad 'agentic AI' (AI som självständigt utför uppgifter) och fysikbaserad AI. Nyheten är intressant mest för vad den signalerar: grafik och AI flyter ihop allt mer, och NVIDIA positionerar sig i mitten av den rörelsen.

Läkemedelsföretaget Bristol Myers Squibb bygger ut sitt AI-kluster med NVIDIAs senaste teknik

Bristol Myers Squibb, ett av världens största läkemedelsföretag, installerar ett andra NVIDIA DGX SuperPOD – denna gång baserat på den nyaste Vera Rubin-arkitekturen – och skapar därmed ett av life science-branschens kraftfullaste AI-kluster. Det är en tydlig signal om att stora aktörer inom läkemedelsutveckling nu satsar hårt på egen AI-infrastruktur snarare än att enbart förlita sig på molntjänster.

Google utvecklar nytt AI-chip för Gemini

Google ska enligt källor till The Information utveckla ett nytt serverchip internt kallat Frozen V2, designat för att köra Gemini-modeller betydligt mer effektivt. Det är ett led i teknikjättarnas kapplöpning om att bygga egna chips anpassade för sina AI-modeller, snarare än att förlita sig på Nvidia.

Terra Labs tiodubblar intäkterna med AI-driven skogsteknik

Terra Labs, grundat av techveteraner från en av Sveriges mest framgångsrika techbolag, har tiofaldigat sin omsättning enligt det senaste bokslutet. Bolaget kombinerar satellitbilder med AI för att hjälpa skogsbolag analysera sina marker, och efterfrågan verkar ha tagit fart på allvar. Det är ett lite undanskymt exempel på hur AI-tillämpningar inom traditionella branscher som skogsindustrin kan växa snabbt när tekniken väl landar rätt.

Källor: Breakit
Netflix köper Ben Afflecks AI-startup för 5,7 miljarder kronor

Netflix har nu bekräftat prislappen för förvärvet av skådespelaren Ben Afflecks AI-startup Interpositive – 5,7 miljarder kronor i en ren kontantaffär. Bolaget arbetar med AI-verktyg för filmproduktion, och affären signalerar att streamingjätten satsar hårt på att integrera AI i sitt innehållsmaskineri.

Källor: Breakit

Färskbryggt AI varje morgon

15 minuter och en kopp kaffe, allt du behöver.