”Every industrial company will become a robotics company.”
Det var ett av budskapen som verkligen fastnade hos mig under Jensen Huangs keynote på NVIDIA GTC i Berlin.
Vi pratar ofta om AI som en teknologisk förändring. Men efter att ha lyssnat på Huang är det tydligt att NVIDIA ser något betydligt större framför sig: en ny industriell revolution där AI inte bara förändrar hur vi arbetar, utan hur vi producerar, utvecklar och bygger hela vår ekonomi.
Och vi befinner oss fortfarande i början.
Europa ska inte bara konsumera AI - vi ska bygga den
Ett av de starkaste budskapen från scenen handlade om Europas roll i den globala AI-ekonomin.
NVIDIA lyfte fram över 12 000 partnerskap i Europa och 14 nya startupinvesteringar som annonserats i samband med satsningar i bland annat Sverige, Frankrike, Storbritannien och Tyskland.
Europa har något som är särskilt relevant för nästa fas av AI-utvecklingen: en stark industriell bas, avancerad ingenjörskompetens och världsledande företag inom tillverkning, energi, telekom och automation.
Men det räcker inte att vara en stor användare av AI.
Vi behöver också bygga kapaciteten, infrastrukturen, kompetensen och de kommersiella ekosystem som gör det möjligt att utveckla AI på europeiska villkor.
För mig är det här en viktig del av diskussionen om digital suveränitet. Det handlar inte enbart om var data lagras, utan också om vem som kontrollerar infrastrukturen, vilka modeller som används, hur tekniken styrs och hur beroenden hanteras.
AI-ekonomin byggs i fem lager
Huang illustrerade den nya AI-ekonomin genom fem sammanhängande lager:
- Energy – energin som driver utvecklingen.
- Compute – beräkningskapaciteten.
- AI Factories – infrastrukturen där AI produceras och levereras.
- Models – intelligensen som utvecklas och används.
- Applications – lösningarna som skapar värde för företag och samhälle.
Det här perspektivet är viktigt.
Vi har under lång tid fokuserat mycket på modeller och applikationer. Men när AI ska användas av hela organisationer, i affärskritiska processer och i stor skala, blir de underliggande lagren minst lika avgörande. Tillgång till kapacitet, kostnadseffektiv drift, säkerhet och kontroll blir strategiska frågor och inte bara tekniska.
Från månader till dagar - NVIDIA lanserar DSX POD
En av de mest intressanta lanseringarna var NVIDIA Vera Rubin DSX POD, en ny referensarkitektur för modulära AI-fabriker.
Tanken är att kompletta AI-kluster ska kunna byggas, integreras, kabeldras och testas redan i fabrik innan de levereras till kunden. Enligt NVIDIA kan tiden för driftsättning på en förberedd anläggning minska från omkring sex månader till så lite som 14 dagar.
Det kan förändra förutsättningarna för investeringar i storskalig AI-infrastruktur.
Ju snabbare infrastrukturen kommer i produktion, desto snabbare kan investeringar börja generera värde. Samtidigt kan standardisering bidra till att minska komplexitet, installationsarbete och perioder då dyr kapacitet står outnyttjad. Det är särskilt intressant i en tid då både GPU-användning och efterfrågan på AI-tokens ökar kraftigt.
Framtidens konkurrens handlar därför inte bara om tillgången till beräkningskraft, utan om hur snabbt, effektivt och tillförlitligt den kan omsättas i verklig produktion.
Nästa steg för agentisk AI kräver säkerhet på infrastrukturnivå
En annan nyhet som jag tycker förtjänar särskild uppmärksamhet var lanseringen av NVIDIA OpenShell Reference Architecture for Safe AI Agents.
När AI går från att svara på frågor till att självständigt utföra uppgifter förändras också riskbilden. En AI-agent kan använda verktyg, komma åt data, samverka med andra system och genomföra handlingar. Då räcker det inte längre att enbart kontrollera vilka svar en språkmodell genererar. Vi behöver även kontrollera vad agenten faktiskt får göra.
OpenShell bygger på en arkitektur med bland annat gateway, supervisor och policybaserad kontroll, där agenter kan köras inom definierade säkerhetsgränser och övervakas under exekvering.
Med NVIDIA Sentry och BlueField-teknik omfattar arkitekturen även säkerhetskontroller på infrastrukturnivå. Det här är en intressant utveckling eftersom säkerhet och governance allt tydligare blir en del av AI-systemens grundarkitektur.
För verksamheter som vill skala agentisk AI är det en förutsättning att kunna kombinera autonomi med tydlig kontroll, spårbarhet och ansvar.
Physical AI: när AI lämnar skärmen
Ett annat tydligt tema var utvecklingen av Physical AI.
Vi går från AI som huvudsakligen arbetar med text, bilder och digital information till system som kan uppfatta sin omgivning, fatta beslut och agera i den fysiska världen.
NVIDIA visade hur detta redan tar form genom samarbeten inom flera branscher. Inom fordonsindustrin bygger europeiska aktörer som Mercedes-Benz, Volvo och Volkswagen vidare på NVIDIA Hyperion för nästa generation av autonoma fordon.
Inom sjukvården utvecklar Siemens Healthineers nästa generations adaptiva strålbehandling med AI-stödd planering, simulering och robotik.
Och inom telekom presenterade NVIDIA och Nokia hur mobilnäten kan utvecklas till distribuerad AI-infrastruktur, där intelligens och beräkningskapacitet placeras närmare användare, företag och uppkopplade maskiner.
Huangs förutsägelse var tydlig: framtidens telekomnät kommer inte bara att transportera data, utan också att leverera AI-kapacitet. Det öppnar för helt nya sätt att tänka kring infrastruktur och tjänster.
Vad betyder detta för företag som vill skala AI?
När jag sammanfattar GTCs budskap är det framför allt tre saker jag tar med mig.
För det första: AI måste börja behandlas som en del av verksamhetens grundläggande infrastruktur.
Det handlar inte längre bara om enskilda experiment eller isolerade användningsfall. Företag behöver tänka långsiktigt kring kapacitet, arkitektur, integration och affärsnytta.
För det andra: säkerhet och kontroll måste byggas in från början.
Ju mer självständiga AI-systemen blir, desto viktigare blir det att kunna styra deras åtkomst, beteende och användning. Det är en central förutsättning för att skapa förtroende och kunna använda AI i verksamhetskritiska miljöer.
För det tredje: Europas möjlighet ligger i att kombinera avancerad AI-teknik med vår industriella kompetens och förmåga att omsätta teknik i praktiken.
Det är också en viktig del av det arbete vi driver inom Advania ALT, där ambitionen är att hjälpa organisationer att gå från AI-experiment till säker, kontrollerad och skalbar användning.
Tillsammans med vår kompetens inom högpresterande beräkningar och AI-infrastruktur ser jag stora möjligheter att knyta samman fler delar av värdekedjan – från beräkningskapacitet och modeller till governance, integration och verkliga verksamhetsresultat.
Vi har knappt börjat
Det som gjorde störst intryck på mig under mässan var helt klart Jensen Huangs keynote i sin helhet.
AI håller på att utvecklas från en teknologi vi använder till en infrastruktur som allt fler verksamheter kommer att byggas kring. Och när den utvecklingen möter Europas industri, kompetens och behov av säker och tillförlitlig AI finns en enorm potential.
Men den realiseras inte genom fler AI-piloter. Den realiseras när vi lyckas bygga systemen, organisationerna och affärsmodellerna som gör AI möjlig att använda på riktigt och i stor skala.
Vi står inte vid slutet av AI-revolutionen. Vi har bara börjat bygga den.
