🇺🇸 USA·🇯🇵 Japan·🇨🇳 Kina·Mai 2026

AI-gigantene

Et knippe selskaper bestemmer i praksis hvilken AI vi får tilgang til, hva den koster, og hvor dataene våre havner. Her er en nøktern oversikt — med norsk vinkel på hver aktør.

0Aktører

0Rivaliseringer

0Megaprosjekter

0Chip-spillere

Aktørene · 19 selskaper

De som bygger fremtiden

Et knippe selskaper bestemmer i praksis hvilken AI vi får tilgang til, hva den koster, og hvor dataene våre havner. Sju–elleve er amerikanske, ett er japansk, og stadig flere er kinesiske.

Leder

🇺🇸

Nvidia

Jensen Huang

chipinfrastrukturcloud

Selger spadene i gullrushet — og eier også jordstykket.

Vis mer

Leder

🇺🇸

Anthropic

Dario Amodei · Daniela Amodei

modell

Sikkerhetsorientert utfordrer som har blitt mainstream i bedriftsmarkedet.

Vis mer

Utfordrer

🇺🇸

xAI

Elon Musk

modellinfrastrukturdatasenter

Verdens største AI-treningscluster og direkte sanntidstilgang til X.

Vis mer

Leder

🇺🇸

OpenAI

Sam Altman

modellforbrukerproduktinfrastruktur

Bygger ChatGPT og setter premissene for resten av bransjen.

Vis mer

Leder

🇺🇸

Google DeepMind

Sundar Pichai · Demis Hassabis

modellchipcloud

Vertikalt integrert fra TPU til Search — men distribusjonen er stykkevis.

Vis mer

Leder

🇺🇸

Meta AI

Mark Zuckerberg · Yann LeCun

modellopen weightsforbrukerprodukt

Holder open-weight-Vesten i live — og har 3+ mrd. brukere i distribusjon.

Vis mer

Leder

🇺🇸

Microsoft

Satya Nadella

cloudmodellforbrukerprodukt

AI bygget inn i alt folk allerede bruker på jobb.

Vis mer

Utfordrer

🇺🇸

Oracle

Larry Ellison · Safra Catz

clouddatasenterkapital

Stille infrastrukturspiller bak Stargate og store AI-datasentre.

Vis mer

Utfordrer

🇯🇵

SoftBank

Masayoshi Son

kapitalchip

Den japanske kapitalmotoren bak halve det amerikanske AI-løpet.

Vis mer

Utfordrer

🇺🇸

Tesla / SpaceX

Elon Musk

chipinfrastrukturforbrukerprodukt

AI som flytter ting i den fysiske verden — biler, raketter og roboter.

Vis mer

Leder

🇺🇸

Amazon / AWS

Andy Jassy · Matt Garman

clouddatasentermodell

Den stille AI-vinneren — tjener uansett hvem som lager modellen.

Vis mer

Utfordrer

🇺🇸

Apple

Tim Cook

forbrukerproduktchip

AI på enheten, ikke i skyen — men prisen er fart.

Vis mer

Leder

🇨🇳

DeepSeek

Liang Wenfeng

modellopen weights

Hedgefondets sideprosjekt som rystet AI-markedet.

Vis mer

Leder

🇨🇳

Alibaba / Qwen

Eddie Wu

modellopen weightscloud

Den mest aktive open-weight-utgiveren utenfor USA.

Vis mer

Utfordrer

🇨🇳

Moonshot / Kimi

Yang Zhilin

modellforbrukerprodukt

Kinas svar på ChatGPT — med ekstrem lang kontekst som signatur.

Vis mer

Utfordrer

🇨🇳

Huawei

Eric Xu (roterende) · Ren Zhengfei

chipcloudmodell

Symbolet på Kinas AI-uavhengighet under sanksjoner.

Vis mer

Leder

🇨🇳

ByteDance / Doubao

Liang Rubo

modellforbrukerprodukt

TikTok-eieren bruker den samme algoritme-muskelen på generativ AI.

Vis mer

Utfordrer

🇨🇳

Tencent / Hunyuan

Pony Ma (Ma Huateng)

modellforbrukerproduktcloud

WeChat-imperiet legger AI inn der 1,3 mrd. mennesker allerede er.

Vis mer

Sliter

🇨🇳

Baidu

Robin Li (Li Yanhong)

modellforbrukerprodukt

Var først ute — og er nå i ferd med å bli forbigått.

Vis mer

Rivaliseringer · 7 fronter

Hvem kjemper mot hvem

Konflikter, søksmål og strategiske posisjoneringer som former kappløpet om modeller, kapital og infrastruktur — pluss den nye linja mellom USA og Kina.

USA

Kina

USA vs Kina i AI-kappløpet

Vis mer

xAI

OpenAI

xAI / Musk vs OpenAI / Altman

Vis mer

OpenAI

Google DeepMind

OpenAI vs Google DeepMind

Vis mer

Anthropic

OpenAI

Anthropic vs OpenAI

Vis mer

Nvidia

Google / Amazon / Tesla / Apple / Microsoft

Nvidia vs egne AI-chips

Vis mer

Microsoft

Google / Amazon

Microsoft vs Google vs Amazon i cloud-AI

Vis mer

Meta / DeepSeek / Alibaba

OpenAI / Anthropic / Google

Open weights vs lukkede modeller

Vis mer

Compute · 7 megaprosjekter

Hvor datakraften bygges

Datasentrene, chip-arkitekturene og infrastruktur-prosjektene som avgjør hvem som har råkraft til å trene neste generasjon AI.

Stargate

Under bygging

OpenAI · SoftBank · Oracle · MGX

Et infrastrukturprosjekt for å bygge AI-datasentre i USA. Annonsert januar 2025 med planlagt investering opp mot 500 mrd. USD over fire år. Første campus i Abilene, Texas.

Et av de største enkeltprosjektene innen teknologisk infrastruktur noensinne. Skal gi OpenAI og partnerne compute-kapasiteten som trengs for neste generasjon modeller.

Opptil 500 mrd. USD over 4 år (annonsert)

Modenhet

72%

Colossus

Aktivt

xAI

xAIs treningscluster i Memphis, Tennessee. Skalert ekstremt raskt til hundretusener av Nvidia GPU-er, og fortsetter å vokse.

Gir xAI compute-kapasitet på linje med de største aktørene uten avhengighet av tredjeparts cloud. Også et lokalt politisk stridstema rundt energi og vannforbruk.

Hundretusener av Nvidia GPU-er

Modenhet

100%

Project Rainier

Aktivt

AWS · Anthropic

AWS-bygget treningscluster for Anthropic basert på Trainium2-chips. Spredt over flere amerikanske regioner.

Beviser at egne Trainium-chips kan trene frontier-modeller i stor skala. Reduserer Nvidia-avhengighet for Claude.

Modenhet

100%

Nvidia Blackwell

Aktivt

Nvidia

Nvidias GPU-arkitektur (B100, B200, GB200, B300). Setter standarden for AI-trening og inferens.

Den de facto plattformen som de fleste store modellene trenes på i dag. Lange leveringstider og høy etterspørsel.

Modenhet

100%

Nvidia Rubin

Planlagt

Nvidia

Nvidias neste chipgenerasjon etter Blackwell. Annonsert, men ennå ikke i masseproduksjon.

Signaliserer Nvidias veikart og hvor langt konkurrentene må strekke seg for å ta igjen.

Modenhet

42%

Google TPU

Aktivt

Google DeepMind

Googles egenutviklede Tensor Processing Units, designet for maskinlæring og trening av Gemini og andre interne modeller.

Gjør Google uavhengig av Nvidia for trening av egne modeller. Gir kostnadsfortrinn og strategisk kontroll.

Modenhet

100%

Meta AI-infrastruktur

Aktivt

Meta AI

Massive investeringer i egne datasentre og AI-chips (MTIA) for å kjøre Llama og Meta AI i stor skala. Nytt anlegg under bygging i Louisiana.

Meta eier sin egen infrastruktur og er ikke avhengig av eksterne cloud-leverandører.

Modenhet

100%

Chips · 9 aktører

Brikkene som driver alt

Nvidia dominerer — men flere kjemper om å utfordre, supplere eller redusere avhengigheten. Huawei holder den kinesiske enden gående under sanksjoner.

Nvidia

Markedsleder

AI-innflytelse

82/100

H100, H200, Blackwell og kommende Rubin — GPU-ene som trener de fleste store AI-modellene i verden.

Styrke

CUDA-plattformen skaper enorm innlåsingseffekt. Vanskelig å bytte selv om alternativ eksisterer.

Utfordring

Eksportrestriksjoner mot Kina og enorm etterspørsel gir lange leveringstider.

AMD

Utfordrer

AI-innflytelse

32/100

MI300X- og MI350-serien prøver aktivt å ta markedsandeler fra Nvidia.

Styrke

Billigere alternativ med åpnere programvareøkosystem (ROCm).

Utfordring

ROCm henger fortsatt bak Nvidias CUDA i modenhet og kompatibilitet.

Google TPU

Intern spesialist

AI-innflytelse

22/100

Tensor Processing Units designet spesifikt for maskinlæring og Googles egne modeller.

Styrke

Optimalisert for Googles arbeidslast og brukes til trening av Gemini.

Utfordring

Lite tilgjengelig eksternt, primært et internt Google-verktøy.

Amazon Trainium / Inferentia

Cloud-spesialist

AI-innflytelse

16/100

Amazons egne AI-chips, optimalisert for trening og inferens på AWS.

Styrke

Tett integrert med AWS, lavere kostnad for utvalgte arbeidsbelastninger.

Utfordring

Programvarestøtte og bredde er ikke på Nvidia-nivå ennå.

Tesla Dojo

Spesialist

AI-innflytelse

14/100

Teslas superdatamaskin bygget for å trene autonomt kjøre-AI på massive videodatasett.

Styrke

Designet for akkurat Teslas behov — videoprosessering i enorme mengder.

Utfordring

Ubevist som generell AI-treningsplatform mot Nvidia i bredere bruk.

Huawei Ascend

Kinas alternativ

AI-innflytelse

25/100

Ascend 910B og 910C er Kinas viktigste forsøk på en hjemlig Nvidia-erstatter under sanksjoner.

Styrke

Eneste reelle innenlandske GPU-alternativ i Kina. Brukt av kinesisk offentlig sektor og skyer.

Utfordring

Programvarestack (CANN) er moden men umoden mot CUDA. Avansert litografi er kappet av sanksjoner.

TSMC

Produsent

AI-innflytelse

65/100

Taiwan Semiconductor Manufacturing Company — fabrikerer chipene til Nvidia, Apple, AMD og mange andre.

Styrke

Mest avanserte chipfabrikk i verden. Uten TSMC stopper AI-industrien.

Utfordring

Geopolitisk risiko — TSMC er avgjørende og sårbart ved spenning i Taiwan-stredet.

Intel

Historisk leder, under press

AI-innflytelse

24/100

Intel Gaudi-chips prøver å konkurrere, men selskapet sliter med fabrikasjonskapasitet.

Styrke

Verdens mest kjente chipnavn med bred distribusjon i server-markedet.

Utfordring

Sakket bak TSMC og Nvidia i ytelse. Gaudi er ikke bredt adoptert.

Apple Silicon

On-device spesialist

AI-innflytelse

18/100

Apples egne M- og A-chips er optimalisert for effektiv AI-inferens på forbrukerenheter.

Styrke

Eksepsjonell energieffektivitet — best-in-class for on-device AI.

Utfordring

Designet for forbrukerenheter, ikke storskala AI-trening i datasenter.