HurDetFunkar

Chippet – sanden som lärde sig räkna

Från HurDetFunkar, den gamla skolhjälpen som fått nytt liv. För nyfikenhet är något som aldrig åldras. Senast uppdaterad den 16 november 2026.

Anna Malmberg

Lastbilen med visitkorten

Häromdagen stannade en fyra meter hög, tung lastbil utanför huset. Den lämnade en liten låda med visitkort.

Förr kom brevbäraren med allt på samma runda: posten, tidningen och reklamen. I dag har tidningen ett bud, reklamen ett annat, posten ett tredje och paketen sina egna. Det är inte säkert att det gamla sättet var bättre i allt. Men lastbilen väcker en fråga: hur mycket kraft går åt till att flytta saker, jämfört med det som faktiskt ska göras?

Håll kvar den bilden. Den kommer tillbaka längre ner, för den är en av de viktigaste nycklarna till hur ett chip fungerar.

Sand och strömbrytare

Ett chip är gjort av kisel, samma grundämne som finns i vanlig sand. Det var för övrigt en svensk, kemisten Jöns Jacob Berzelius, som först framställde kisel, i Stockholm 1824.

Inuti chippet sitter transistorer. En transistor är en liten strömbrytare: av eller på, noll eller ett. I en ny mobiltelefon finns närmare tjugo miljarder av dem. Allt en dator gör, från att visa en bild till att svara på en fråga, är i grunden miljarder strömbrytare som slår av och på.

Det som gör AI speciell är vilken sorts räkning den behöver. En språkmodell är i grunden en enorm samling tal, miljarder av dem, som ska multipliceras och adderas om och om igen, varje gång den skriver ett enda ord. Det är inte svår räkning. Det är bara otroligt mycket av den.

Från strömbrytare till räknare

Hur kan strömbrytare räkna? Tänk dig en lampa och två strömbrytare.

Sitter brytarna efter varandra på samma sladd tänds lampan bara om båda är på. Det kallas en OCH-grind. Sitter de bredvid varandra räcker det att en av dem är på. Det kallas en ELLER-grind. Lägg till en tredje som bara vänder på saken, så att av blir på och på blir av, en ICKE-grind. Med de tre går allt annat att bygga.

Koppla ihop ett tjugotal grindar på rätt sätt, så kan de lägga ihop två tal skrivna med ettor och nollor. Koppla ihop miljontals, så har du en processor. Allt annat är organisation: hur många räknare man bygger, hur de samarbetar och var talen ligger.

Mästerkocken och storköket

CPU (på svenska centralprocessor) är datorns hjärna. Tänk dig en mästerkock. Hen kan laga vad som helst, snabbt och skickligt, men har bara två händer. En vanlig dator har några stycken sådana kockar, kanske åtta eller sexton.

GPU (grafikprocessor) byggdes från början för datorspel. Ett spel måste räkna ut färgen på miljontals bildpunkter, många gånger i sekunden. Varje punkt är en enkel uträkning, och alla är nästan likadana. Så en GPU är byggd som ett storkök med tusentals medhjälpare. Ingen av dem kan laga en hel middag. Men alla kan skära morötter, samtidigt.

Be mästerkocken skära tiotusen morötter, och det tar hela dagen. Storköket är klart på en minut. AI:ns räkning ser precis ut som morötterna: samma enkla uträkning, gjord miljarder gånger. Därför blev grafikkortet AI:ns motor.

Spelkortet i sovrummet

År 2012 satt doktoranden Alex Krizhevsky hemma i sitt sovrum i föräldrarnas hus i Toronto. Tillsammans med Ilya Sutskever och handledaren Geoffrey Hinton tränade han ett neuralt nätverk att känna igen bilder, på två vanliga spelkort från Nvidia som kostade ungefär femhundra dollar styck. Nätverket fick namnet AlexNet och vann den stora tävlingen i bildigenkänning med bred marginal.

Det var ögonblicket då forskarvärlden förstod vad grafikkorten kunde användas till. Nvidia, som de flesta förknippade med datorspel, blev på några år ett av världens mest värdefulla företag.

CUDA – verktygslådan som låser in

Ett grafikkort är bara hårdvara. För att få det att göra något annat än grafik måste man kunna prata med det. År 2007 släppte Nvidia CUDA, ett gratis sätt att skriva program för sina grafikkort. AlexNet var skrivet i CUDA. Det har nästan all AI-forskning varit sedan dess.

Tänk dig en traktor. Under åren har du köpt plog, harv och slåttermaskin, och allt passar traktorns fäste. Sedan kommer en granne och erbjuder en billigare traktor, som kanske till och med är starkare. Men inget av dina redskap passar. Du stannar kvar.

Så fungerar CUDA. Under snart tjugo år har forskare och företag byggt kod, kurser och kunnande på just Nvidias fäste. Konkurrenternas chip kan vara lika snabba, men koden passar inte. Det kallas inlåsning, och många menar att CUDA är Nvidias starkaste tillgång, starkare än själva chippen. Konkurrenterna bygger adaptrar och öppna alternativ, men det tar tid att flytta en hel verkstad.

Det finns konkurrenter. AMD har ROCm, som är gratis och öppen och har blivit mycket bättre de senaste åren. Huawei har CANN för sina egna AI-chip, och har sagt att även den ska bli öppen. Google programmerar sina TPU:er med egna verktyg och klarar sig därför utan CUDA. Men ingen av dem har än så länge lyckats ersätta den.

Den viktigaste förändringen sker ett steg upp. De flesta AI-utvecklare skriver inte direkt i CUDA, utan i PyTorch, ett gratis och öppet verktyg som översätter till CUDA på vägen. Om PyTorch kan översätta lika bra till andra chip spelar det mindre roll vilket fäste som sitter under traktorn. Det är adaptern, inte traktorn, som striden just nu står om.

Specialmaskinerna

Ett storkök kan laga det mesta. Men om du vet att du bara ska göra en enda rätt, i enorma mängder, kan du bygga en maskin för just den. En pastamaskin gör inget annat än pasta, men den gör det bättre än något kök.

TPU – Googles egen

TPU står för tensor processing unit. En tensor är en tabell av tal i flera dimensioner, just det som AI räknar med. Google har använt sina TPU:er i de egna datacentren sedan 2015. Chippen säljs inte i butik, man hyr tid på dem i Googles moln. I april 2026 kom den åttonde generationen, och för första gången delades den i två: en för att träna modeller och en för att svara på frågor.

LPU – byggd för att prata

LPU står för language processing unit. Den är byggd av företaget Groq, grundat av Jonathan Ross, som tidigare var med och tog fram Googles TPU. En LPU gör egentligen bara en sak: låter en färdig språkmodell svara så snabbt som möjligt. Den håller det den behöver i snabbt minne direkt på chippet, i stället för att hämta det utifrån. I december 2025 köpte Nvidia rätten att använda Groqs teknik, enligt uppgifter för omkring 20 miljarder dollar, och anställde Ross. Det säger något om hur mycket snabba svar är värda i dag.

NPU – den lilla i fickan

NPU står för neural processing unit. Den sitter troligen redan i din telefon. Apple satte in en i iPhone 2017, och i dag har de flesta nya telefoner och många nya datorer en. Microsoft kräver till exempel en NPU som klarar 40 biljoner räkneoperationer i sekunden för att en dator ska få kallas Copilot+ PC.

NPU:n sköter AI i det lilla: att låsa upp telefonen med ansiktet, göra bilder skarpare, skriva ut det du säger. Det fina är att det sker i telefonen. Det som aldrig lämnar din telefon kan heller inte läcka någon annanstans. Läs gärna säkerhetssidan.

De allra minsta

Längst ner i skalan finns chip som drivs av ett knappcellsbatteri i flera år. De lyssnar efter ett enda ord eller en ovanlig vibration i en maskin. Ett sådant chip drar bara 30 miljondelar av en watt. Vissa räknar inte ens med ettor och nollor, utan direkt med elektriska signaler, lite som en gammal våg i stället för en miniräknare.

Tänk på hunden i hallen. Den sover nästan hela dagen, men när det ringer på vaknar den och väcker resten av huset. Så fungerar de minsta chippen. De vakar, och väcker en större processor först när något händer.

Bokstavssoppan

Det finns fler: VPU för bilder och video, DPU för datatrafik, och nya dyker upp hela tiden. Här är ett knep. PU betyder nästan alltid processing unit, en räknande enhet. Den första bokstaven säger vad den är byggd för. Ser du en ny förkortning som slutar på PU kan du oftast gissa resten själv.

Att skriva kokboken och att laga middagen

AI-chip gör två helt olika jobb.

Träning är när modellen lär sig. Det görs en gång, tar månader och kräver tusentals chip som arbetar tillsammans. Det är som att skriva en kokbok.

Svar (på fackspråk inferens) är när modellen används. Det sker varje gång någon ställer en fråga, miljarder gånger om dagen. Det är som att laga middag ur kokboken, varje kväll, i varje kök.

När allt fler använder AI blir middagarna viktigare än kokboken. Därför delar Google sina chip i två, och därför betalade Nvidia så mycket för Groq.

Lastbilen igen

Nu kan vi gå tillbaka till lastbilen. Ofta är det inte räknandet som går långsamt i ett chip. Det är att hämta talen. De ligger i minnet och måste fraktas till den del av chippet som räknar, och ibland tillbaka igen. Den transporten kan kosta betydligt mer energi än själva uträkningen. Uträkningen är lådan med visitkort. Transporten är lastbilen.

Ingenjörerna kallar det minnesväggen, och de försöker komma runt den på tre sätt.

Den viktigaste frågan är alltså inte alltid hur snabbt en dator kan räkna. Ibland är det varför vi skickar en allt större lastbil, när vi bara behöver flytta en liten låda.

Strömmen

Ett av de kraftfullaste AI-chippen drar mellan 700 och 1 200 watt, ungefär som en vattenkokare som står på dygnet runt. Ett stort datacenter har hundratusentals sådana.

Din hjärna klarar sig på ungefär 20 watt, som en svag glödlampa. Ingen vet ännu hur man bygger något som tänker lika snålt. Det är därför de små, snåla chippen är så intressanta. Kanske ligger nästa genombrott inte i det största, utan i det minsta.

Ön där chippen görs

Många tror att chip tillverkas lite överallt. Så är det inte. De ritas på många ställen: Nvidia, Apple, AMD och Qualcomm designar sina egna chip. Men nästan inget av dem tillverkar dem själva. De allra mest avancerade chippen i världen, bland dem de flesta AI-chip, görs av ett enda företag på en enda ö: TSMC, Taiwan Semiconductor Manufacturing Company. Under andra kvartalet 2026 stod TSMC för 72,5 procent av all kontraktstillverkning av chip i världen.

Tänk dig ett bageri som aldrig säljer eget bröd. Det bakar bara andras recept. Just därför vågar alla lämna över sina hemliga recept. Bagaren tänker aldrig öppna ett eget konditori bredvid.

Mannen som valde för en dollar

Morris Chang föddes 1931 i Ningbo i Kina och växte upp under krig. Som ung flyttade han till USA och studerade vid Harvard och MIT. År 1955 fick han två jobberbjudanden, ett från Ford och ett från Sylvania, som gjorde halvledare. Enligt hans egen berättelse betalade Sylvania en dollar mer i månaden. Så det blev chip. Sedan arbetade han i ungefär tjugofem år på Texas Instruments och blev en av branschens ledande chefer.

I mitten av 1980-talet bad Taiwans regering honom komma och bygga upp en chipindustri på ön. År 1987 grundade han TSMC, med en idé som de flesta tyckte var galen. På den tiden ritade och tillverkade chipföretagen allt själva. Chang ville bara tillverka åt andra, och aldrig konkurrera med sina kunder. Holländska Philips gick in med teknik och fick omkring en fjärdedel av företaget.

Idén kom precis i rätt tid. Under 1990-talet växte nya företag fram som ritade chip men inte hade råd med egna fabriker, bland dem Nvidia och Qualcomm. De behövde just ett bageri. När Apple ville sluta låta konkurrenten Samsung tillverka iPhonens chip vek de till TSMC. Och i dag låter till och med Intel, som en gång uppfann den moderna processorn, TSMC tillverka en del av sina chip.

Chang gick i pension 2005, men kom tillbaka som chef 2009, sjuttiosju år gammal, när företaget hamnat i kris. Han slutade för gott 2018. Hela imperiet bygger på något oväntat: inte på egna uppfinningar eller ett eget varumärke, utan på förtroende.

Varför det inte går att flytta

Den som vill bygga en egen chipfabrik behöver maskiner från ASML, stora som bussar och med prislappar på flera miljarder kronor. Men maskinerna är inte det svåraste. Det svåraste är kunnandet hos de tiotusentals människor som kör dem: allt det små som aldrig står i någon manual. Det är samma sak som silkestråden och fettet bakom örat i Glasgow, som det står om på AI-sidan.

Därför går det långsamt när omvärlden försöker sprida riskerna. TSMC har lovat att investera 165 miljarder dollar i fabriker i Arizona, men fick flyga dit erfarna ingenjörer från Taiwan för att få igång den första. I Europa bygger företaget en fabrik i Dresden i Tyskland. De allra mest avancerade chippen görs ändå fortfarande i Taiwan.

Varför bygger inte fler?

Det är inte så att ingen försöker. Många försöker. Men tre saker gör TSMC och ASML till en flaskhals som är nästan omöjlig att bredda.

Därför går det långsamt för dem som försöker. Samsung och Intel ligger efter. Japan satsar på ett nytt företag, Rapidus, med statligt stöd. Kina kommer längre än många trodde med äldre maskiner, men inte hela vägen. Det är lite som att försöka komma ikapp en löpare som har trettio års försprång och dessutom springer fortare för varje varv.

Kiselskölden

Under pandemin fick världen känna på hur sårbart det är. Biltillverkarna avbeställde chip när försäljningen föll, och när kunderna kom tillbaka var platserna i kön redan tagna av spelkonsoler och datorer. Fabriker stod still i månader i väntan på små chip som kostar några kronor styck.

Taiwan ligger drygt hundra kilometer från det kinesiska fastlandet, och Kina hävdar att ön hör till Kina. En del menar att TSMC är Taiwans bästa skydd, en kiselsköld: ingen vill riskera att förstöra det som hela världen, även Kina, är beroende av. Och den som tog fabrikerna med våld skulle inte få med sig det viktigaste, eftersom kunnandet sitter i människorna som kör dem. Andra tvivlar på att en sådan sköld håller för alltid.

Det är samma fråga som på internetsidan, fast i kisel. När något hela världen behöver bara finns på ett ställe blir det både ett skydd och en svag punkt.

Att hyra i stället för att köpa

De flesta av oss behöver aldrig äga ett stort AI-chip. Man köper inte en skördetröska för att tröska ett tunnland. Man ringer maskinstationen.

Så fungerar molnet för chip. Du hyr ett grafikkort i ett datacenter per timme, når det via webbläsaren, skickar dit ditt program och dina data, låter det räkna och betalar för tiden. Din egen dator kan vara hur liten som helst. I oktober 2026 kostade ett av de kraftfullaste AI-chippen ungefär 20 till 120 kronor i timmen, beroende på vem man hyrde av. Ett vanligt spelkort gick att hyra för några kronor i timmen. Det finns också gratisvarianter med begränsad tid, som räcker långt för den som vill lära sig.

Tre saker är värda att tänka på:

Kina hyr också

USA förbjuder Nvidia att sälja sina bästa AI-chip till kinesiska företag. Sedan 2019 får Kina inte heller köpa de mest avancerade maskinerna från ASML i Nederländerna, de enda i världen som kan rita de minsta kretsarna. Men reglerna har länge haft en lucka: att hyra chippen i ett datacenter utomlands.

Så det är vad som görs. ByteDance, företaget bakom TikTok, hyrde via ett dotterbolag i Singapore över 2 000 av Nvidias nyaste chip i ett datacenter i Glomfjord i Norge. Enligt Financial Times var det lagligt. År 2025 flög fyra kinesiska ingenjörer till Malaysia med resväskor fulla av hårddiskar med träningsdata. Planen var att träna en modell på hyrda servrar där och sedan flyga hem med den färdiga modellen. Det gick snabbare än att skicka all data över internet.

Lägg till detta att kinesiska labb lär sina modeller genom att härma amerikanska, så som det står på AI-sidan och säkerhetssidan. Det är en stor del av förklaringen till att de bästa kinesiska modellerna ligger bara ungefär ett halvår efter de amerikanska, trots mycket färre egna chip.

Forskaren Matt Sheehan, som studerar kinesisk AI-politik, jämför Kina med en vattensurfare som åker på svallvågen bakom en båt. Hen hänger med, men delvis för att båten gör mycket av jobbet. Saktar båten in krymper vågen.

Om vad man ska göra åt det är experterna oeniga. En del menar att USA borde täppa till luckorna för att behålla sitt försprång, och använda det till att göra AI säkrare i lugnare takt. Andra menar att ju mer Kina stängs ute, desto snabbare bygger Kina egna chip och blir oberoende för gott. Samtidigt verkar Kina delvis springa ett annat lopp: inte att bygga världens smartaste chattbot, utan att få in AI i varje fabrik, sjukhus och myndighet, med gott om el och robotar att köra den på.

Samma öppenhet som låter dig hyra ett grafikkort för några kronor i timmen låter alltså också en stormakt hyra tusentals. Det är samma fråga som på internetsidan: vem som får hålla i nycklarna.

Sverige och chippet

Sverige tillverkar inga avancerade chip. De mest avancerade ritas med maskiner från Nederländerna och tillverkas till största delen på Taiwan. Men Sverige har en egen AI-superdator, och den har fått ett passande namn. Vid Linköpings universitet står Berzelius, invigd 2021 och bekostad av Knut och Alice Wallenbergs stiftelse. Den är byggd på Nvidias chip och används av svenska forskare. Mannen som först framställde kislet har fått ge namn åt den största svenska maskinen som räknar med det.

Hur svenska företag kör AI på egna servrar i Europa står det mer om på Sverigesidan.

Det vi inte vet än

Frågor att ta vidare

Klistra in texten i en AI och ställ en av frågorna, eller ta upp dem vid köksbordet.

  1. Förklara skillnaden mellan en CPU och en GPU med ett exempel från min egen vardag.
  2. Har min telefon eller dator en NPU, och vad gör den egentligen?
  3. Varför kan ett företag bli mäktigt genom sina verktyg snarare än sina maskiner? Finns det fler exempel än CUDA?
  4. Vad är skillnaden mellan att träna en AI och att använda den, och vilket drar mest ström totalt?
  5. Vad betyder det för Sverige att nästan alla avancerade chip tillverkas på andra sidan jorden?
  6. Om min hjärna klarar sig på 20 watt, vad är det maskinerna inte har listat ut än?

Källor

Videor