Vad AI körs på, och var

Varje svar från en assistent beräknas någonstans. Ett chip i ett datacenter gör räknearbetet, elnätet levererar strömmen och ett kylsystem för bort värmen. För de flesta företag har allt det varit osynligt.

Det håller på att bli ett affärsbeslut, eftersom det styr priset på AI, dess hastighet och platsen dit dina data går.

Beräkningskraften växer snabbare än allt omkring den

Stanfords AI Index 2026 uppskattar att den globala AI-beräkningskapaciteten har vuxit 3,3 gånger per år sedan 2022, till motsvarande ungefär 17,1 miljoner av Nvidias H100-chip. Nvidia står för mer än 60 procent av den. Google och Amazon levererar mycket av resten med egna chip, och Huawei har en liten men växande andel. Nästan alla ledande AI-chip tillverkas av en enda kontraktstillverkare, TSMC i Taiwan.

Pengarna följer efter. Internationella energiorganet IEA rapporterar att de största teknikföretagens investeringar översteg 400 miljarder dollar 2025 och väntas öka med ytterligare 75 procent 2026. Organet noterar också en brist på minne med hög bandbredd, en komponent som är oumbärlig i tillverkningen av AI-chip, och väntar sig att den håller i sig till åtminstone slutet av 2027.

Elen är den nya gränsen

Chip behöver el. IEA räknar med att datacentrens elbehov ökade med 17 procent 2025, och med 50 procent i datacenter byggda för AI. Dess centrala prognos är att datacentrens förbrukning ungefär fördubblas, från 485 terawattimmar 2025 till 950 år 2030, omkring 3 procent av det globala elbehovet. Förbrukningen i datacenter med inriktning på AI tredubblas under samma period.

AI Index anger effektkapaciteten i AI-datacenter till omkring 29,6 gigawatt i slutet av 2025, jämförbart med toppbehovet i delstaten New York. Enligt dess uppskattning är elbehovet för alla AI-system tillsammans jämförbart med Schweiz eller Österrikes nationella elförbrukning.

Europa vill ha mer av den kapaciteten hemma. EU-kommissionen har satt som mål att tredubbla datacentrens kapacitet i EU inom fem till sju år, noterar IEA. Den 30 juli 2026 öppnade det gemensamma företaget EuroHPC en utlysning av upp till sju AI-gigafabriker i minst sju medlemsländer, med offentliga medel som ankarkund och mer än 20 miljarder euro i privata investeringar väntade. Förslagen ska vara inne den 12 november, och urvalet väntas tidigt 2027.

Varje svar kostar mindre

Medan totalen växer blir det enskilda svaret billigare. IEA skriver att energin per AI-uppgift på senare tid har sjunkit med minst en storleksordning per år, och att en enkel textfråga numera oftast drar mindre el än en tv som går lika länge.

Priserna berättar samma historia. Epoch AI mätte hur snabbt priset för att nå en given prestandanivå faller: mellan 9 och 900 gånger per år, beroende på uppgiften. De snabbaste fallen var nya, och Epoch är noga med att säga att de kanske inte håller i sig.

Hårdvaran under ytan har följt med. AI Index, som använder data från IEA, finner att kostnaden för GPU-beräkning har sjunkit med mer än 99 procent sedan 2006, och att ledande chip levererar ungefär tio gånger mer beräkning per watt än för ett decennium sedan.

Haken är själva arbetet. Video, resonemang och agenter kan använda hundratals eller tusentals gånger mer energi per fråga än ett enkelt textsvar, noterar IEA. Enheten blir billigare. Räkningen beror på vad du ber maskinen göra.

Tillräckligt små för kontoret

Det andra skiftet gäller storleken. En kapabel modell behöver inte längre ett datacenter. Nvidias DGX Spark är en stationär maskin med upp till 128 GB minne. Nvidia uppger att den kör modeller på upp till 200 miljarder parametrar, kan finjustera modeller på upp till 70 miljarder, och att upp till fyra kan kopplas ihop för större modeller.

Mindre modeller blir allt bättre för sin storlek. AI Index pekar på en öppen modell med 32 miljarder parametrar, nästan 90 gånger färre än Grok 4, som når jämförbara resultat på flera benchmarktester. Dess upphovsmän tränade den på långt färre tokens och valde ut datan med stor omsorg.

Schweiz bygger sin egen. Apertus, som släpptes i september 2025 av EPFL, ETH Zürich och Schweiz nationella superdatorcentrum, tränades med mer än 10 miljoner GPU-timmar på superdatorn Alps, i storlekarna 8 och 70 miljarder parametrar, på 15 biljoner tokens på mer än 1'000 språk. Dess vikter, dess recept och dokumentationen av dess träningsdata är offentliga. Version 1.5 följde i juli 2026, med bild- och ljudförståelse och en familj av kompakta modeller.

Landet har människorna för det. AI Index räknar 110,5 AI-författare och uppfinnare per 100'000 invånare i Schweiz, före alla andra länder, med Singapore tätt efter.

Schweizisk och europeisk hosting

De stora leverantörerna har flyttat närmare. I juni 2025 tillkännagav Microsoft 400 miljoner dollar för att bygga ut sina fyra datacenter nära Zürich och Genève, med AI för reglerade sektorer som sjukvård, finans och förvaltning i åtanke. Heise rapporterade, med hänvisning till Reuters, att utbyggnaden ska hålla data inom Schweiz gränser.

Swisscom bygger på en egen plattform. I februari 2026 lanserade bolaget en assistent för företagskunskap som drivs helt i Schweiz, på flera modeller med öppen källkod som används oförändrade. All data lagras och behandlas i dess schweiziska datacenter, och företagsdata tränar inte basmodellerna. Plattformen under erbjuder GPU-kapacitet och modellgränssnitt åt andra, och Swisscom nämnde Apertus bland de modeller det planerar att lägga till.

Att välja var din AI körs

För ett litet eller medelstort företag handlar det om tre alternativ. En ledande modell som hyrs via ett gränssnitt, med företagsvillkor och en europeisk region. En öppen modell som hostas i ett schweiziskt eller europeiskt moln. Eller en modell på egen hårdvara, i den egna byggnaden eller det egna molnkontot.

Vi bestämmer med fyra saker i åtanke: hur känslig datan är, hur mycket arbete som går genom modellen, eftersom en fast kostnad bara slår en mätt kostnad över en viss volym, hur snabbt ett svar behöver komma och vem som ska sköta systemet när det väl körs.

Vi använder själva mer än ett av dem. Twin arbetar för oss i Claude och ChatGPT, och på vår egen hårdvara med en egen modell. Studio har sin data i Zürich. För kunder körs Twin i Schweiz eller EU, eller på kundens egen hårdvara.

Eigna, byggt av vår partner Eigna Labs, finns i den privata änden. Det körs i ett företags eget moln eller på dess egna servrar, från en maskin till ett kluster, och är utformat för att köras helt offline i slutna nätverk. Rättelser tränar om det på företagets egen hårdvara, och en ny version går live först när den testar bättre.

Maskinen kan väljas i ett kalkylblad. Vilka data som får lämna byggnaden är ett omdöme, och det tillhör en människa som svarar för det. Börja med datan. Chipet, byggnaden och landet följer av den.