Nvidias succes bekræfter: Kunstig intelligens er kommet for at blive

Vigtige punkter

• Nvidias regnskab og langsigtede vision har givet nyt liv til fortællingen om kunstig intelligens og markerer begyndelsen på "AI 2.0". Denne nye fase er drevet af mere avanceret AI med evne til at ræsonnere, såkaldt agentbaseret AI, og en stigende efterspørgsel fra stater, der vil udvikle egne AI-løsninger.
• Investeringsmulighederne inden for AI breder sig nu ud over Nvidia. Andre virksomheder inden for blandt andet halvledere, datainfrastruktur, virksomhedssoftware, cybersikkerhed og statslige AI-systemer begynder også at få gavn af udviklingen.
• Der er dog også risici. De vigtigste er geopolitisk usikkerhed, høje aktievurderinger og stigende konkurrence – især fra alternative chipproducenter og nationale initiativer, der vil gøre lande uafhængige af globale AI-leverandører.

Bemærk: Dette content er marketing materiale.

Nvidias seneste regnskab var ikke bare et stærkt kvartal – det markerede et vigtigt vendepunkt for investeringer i kunstig intelligens. På trods af en nedskrivning på 4,5 milliarder dollars relateret til lagre i Kina, kunne virksomheden præsentere en omsætningsvækst på 69 % sammenlignet med året før og fremlagde samtidig en ambitiøs vision for AI-økonomien.

Endnu vigtigere var det, at CEO Jensen Huang skitserede den arkitektur, han mener, bliver næste fase i AI-revolutionen. For investorer handler det ikke længere kun om én enkelt aktie. Det er et klart signal om, at AI bevæger sig ind i en dybere og mere strukturel fase – og at mulighederne bliver flere og bredere.

Selvom Nvidia stadig er den centrale drivkraft bag efterspørgslen på AI-infrastruktur, har det stærke kvartalsregnskab også løftet forventningerne til de såkaldte “andenrangs-modtagere” – altså virksomheder, der leverer udstyr, understøtter eller hjælper med at udbrede AI-teknologi.

Nvidias AI 2.0-plan

CEO Jensen Huang pegede på flere vigtige tendenser, der vil forme efterspørgslen efter AI i de næste ti år:

1. Ræsonnerende AI

Kunstig intelligens er ved at gå fra blot at generere svar til at kunne tænke flere skridt frem og træffe beslutninger. Nvidias nye Blackwell-arkitektur er udviklet til netop dette, med mere hukommelse og hurtigere processering, målrettet komplekse opgaver.

2. Agentbaseret AI

Ifølge Huang er dette et afgørende skifte. Agentisk AI dækker over systemer, der selv kan planlægge, handle og forbedre sig uden menneskelig hjælp. Det går altså videre end blot at assistere – og kræver markant mere computerkraft.

3. AI i virksomheder 

Flere og flere virksomheder integrerer AI i deres kerneforretning – fra logistik og økonomi til sundhedssektoren. Det gør AI til en langsigtet investering og en del af virksomhedernes faste anlægsbudgetter.

4. Robotter, industriel AI og automatisering af fabrikker

AI bruges nu i produktionen – fx til at forudse vedligeholdelsesbehov eller styre robotter – hvilket øger behovet for computerkraft tæt på selve enhederne (såkaldt edge computing) og analyser i realtid.

5. Statslig AI-udbygning

AI er ikke længere kun noget for de store tech-giganter. Nu investerer også regeringer, teleselskaber og regionale cloud-udbydere i deres egne AI-løsninger. Det spreder både efterspørgslen og måden, AI implementeres på.

Investeringstemaer og muligheder – også uden for Nvidia

Selvom Nvidia stadig er omdrejningspunktet for AI-revolutionen, breder både AI-boomet og investeringsmulighederne sig hurtigt:

Halvledere og chip-infrastruktur

Efterhånden som AI-modeller bliver mere avancerede og udbredte, vokser behovet ikke kun for regnekraft, men også for det omkringliggende økosystem af chips og hardware.

• AMD og Broadcom er stærke alternativer til Nvidia og leverer både AI-acceleratorer og netværkschips.
• Marvell Technology understøtter AI’s datapipeline med lynhurtige forbindelser og specialdesignede chips.
• TSMC og ASML er nøglespillere i produktionen af næste generations AI-chips – og leverer både til Nvidia og dets konkurrenter.
• Samtidig tester kinesiske techgiganter som Alibaba, Tencent og Baidu angiveligt alternative løsninger til Nvidias hardware – herunder egne chips og AI-komponenter fra Huawei. Det viser en voksende tendens i Kina mod at opbygge selvforsyning inden for AI, hvilket kan få betydning både for den globale chip-efterspørgsel og det geopolitiske landskab.

Datacentre og energiinfrastruktur

Træning og drift af AI kræver enorme mængder energi og avanceret hardware. Det skaber medvind for virksomheder, der muliggør udbygning af den fysiske infrastruktur bag datacentre.

• Super Micro Computer (SMCI) producerer servere, der er optimeret til AI og baseret på Nvidia GPU'er. Virksomheden kan få stor gavn af både de enorme hyperscale-datacentre og virksomhedernes egne AI-løsninger.
• Vertiv Holdings leverer kølings- og strømforsyningsløsninger til AI-datacentre – en kritisk del, efterhånden som serverne bliver mere kompakte og energitætte.

Software og automatisering i virksomheder

Udbredelsen af agentbaseret AI og virksomhedernes stigende brug af AI skaber voksende efterspørgsel efter software, der kan styre, sikre og automatisere intelligente arbejdsgang

• Palantir (PLTR) hjælper både regeringer og virksomheder med at analysere data og implementere AI-modeller i praksis.
• ServiceNow (NOW) udvider sit AI-tilbud ved at automatisere arbejdsgange i store virksomheder.

Cybersikkerhed

Når AI-teknologi bliver mere udbredt, vokser også risikoen for cybertrusler. Derfor bliver cybersikkerhed afgørende for næste fase af AI-udviklingen – både når det gælder beskyttelse af AI-modeller og sikre håndtering af følsomme data.

• CrowdStrike (CRWD) og Palo Alto Networks (PANW) leverer næste generations sikkerhedsløsninger, der er tilpasset cloud- og AI-miljøer.
• Zscaler (ZS) sikrer adgang til AI-arbejdsbyrder, især dem der kører decentralt eller ved kanten af netværket (edge computing).

Suveræn AI-infrastruktur

I takt med at lande øger fokus på datauafhængighed og teknologisk førerposition, er suveræn AI-infrastruktur ved at blive et vigtigt investeringstema. Regeringer og regionale cloud-udbydere opbygger sikre, lokalt forankrede AI-systemer til brug for national sikkerhed, forskning og industripolitik.

Bank of America vurderer, at suveræn AI i nær fremtid kan stå for op mod 15 % af de årlige globale investeringer i AI-infrastruktur – svarende til en mulighed på omkring 50 milliarder dollars om året. Det skaber stigende efterspørgsel efter sikre og lokalt placerede infrastrukturløsninger.

• Dell Technologies (DELL) har landet en historisk kontrakt om at bygge NERSC-10 – det amerikanske energiministeriums næste supercomputer – baseret på Nvidias Vera Rubin-platform. Samtidig udvider Dell sin AI-infrastruktur i Mellemøsten og Nordafrika.
• Oracle (ORCL) positionerer i stigende grad sin Oracle Cloud Infrastructure (OCI) som en sikker og regeloverholdende AI-platform til offentlige og følsomme anvendelser – og får stigende opbakning fra myndigheder og store virksomheder med krav om lokal datalagring.
• Cisco Systems (CSCO) samarbejder med regeringer i Mellemøsten om at levere sikre AI-cloudløsninger og spiller dermed en stille, men vigtig rolle i udviklingen af suveræn AI.

Risici man holde øje med

• Geopolitisk usikkerhed: Eksportrestriktioner, især i forhold til Kina, kan fortsat forstyrre forsyningskæder og adgang til vigtige markeder.
• Høje værdiansættelser: AI-aktier er prisfastsat meget optimistisk. Hvis efterspørgslen flader ud, eller udbredelsen af AI bliver forsinket, kan det skabe store udsving på markedet.
• Stigende konkurrence: Selvom Nvidia er førende, haler konkurrenter som AMD og specialdesignede chips (fx fra store cloud-udbydere) ind på dem.