Lisa Sus tio år gamla profetia formade dagens AI-boom

AMD:s vd Lisa Su sa redan 2015 att den traditionella datorns tid är förbi. Hon menade att vanliga processorer aldrig ensamma skulle räcka för framtidens beräkningar och att olika typer av chip måste arbeta tillsammans. Tio år senare, mitt i en AI-boom där grafikkort plötsligt är världens mest eftertraktade hårdvara, ser uttalandet närmast profetiskt ut.

Det Su pekade på kallas heterogen databehandling. Tanken är enkel: i stället för att en enda processortyp gör allt, fördelas jobbet mellan specialiserade kretsar. Och det är just den modellen som driver hela AI-ekonomin idag.

Vad heterogen databehandling betyder

Heterogen databehandling innebär att en dator kombinerar flera olika typer av processorer i samma system, där varje krets gör det den är bäst på. En vanlig CPU sköter logik och styrning, medan en GPU eller specialkrets tar de tunga, parallella beräkningarna.

Skillnaden mot traditionell databehandling är fördelningen av arbetet. Förr lät man en allmän processor hantera så gott som allt. När beräkningsbehoven exploderade blev den modellen en flaskhals.

Idén är inte ny i forskningen. Chalmers undervisar i datorarkitektur och driver forskning kring just den här typen av system och området finns dokumenterat i akademiska översikter sedan länge. Det Su gjorde var att tidigt sätta en kommersiell etikett på en utveckling som branschen ännu inte tagit på allvar.

Varför grafikkorten tog över

Su förutspådde att vanliga processorer inte längre skulle vara kungar. Tio år senare är det exakt vad som hänt men inte riktigt till AMD:s fördel.

Det var konkurrenten Nvidia som plockade hem den största vinsten. Bolagets grafikkort visade sig perfekta för att träna stora AI-modeller, eftersom de räknar tusentals saker samtidigt. En GPU som från början byggdes för dataspel blev plötsligt motorn i ChatGPT och liknande tjänster.

Resultatet syns i svenska serverhallar och hos svenska AI-bolag. När Nvidia tappade Kina till Huawei märktes skiftet direkt i den nordiska teknikbranschen. Tillgången på rätt chip har blivit en strategisk fråga, inte en teknisk detalj.

Vad det betyder för svenska företag

För svenska bolag handlar det mindre om vilka chip som sitter i serverhallen och mer om vad de kostar och hur de fördelas. Här är de tre konsekvenserna som märks tydligast:

Molnkostnaderna stiger. Tillgången på AI-anpassad hårdvara är begränsad. Det driver upp priset på molntjänster, vilket träffar varje företag som vill köra egna AI-modeller.
Hårdvara blir en konkurrensfråga. De bolag som säkrar beräkningskraft tidigt får ett försprång. Resten väntar i kö.
Kompetens flyttar fokus. Det räcker inte längre med utvecklare som skriver kod. Företag behöver folk som förstår hur arbetet ska fördelas mellan olika processorer för att inte betala för kapacitet de inte utnyttjar.

AI-boomen inom svenska företag gör den här diskussionen konkret även för mindre aktörer. Det är inte längre bara techjättar som behöver bry sig om vilken hårdvara som driver deras tjänster.

Su hade rätt om riktningen, fel om vinnaren

Tio år är lång tid i teknikbranschen. Att Su såg riktningen så tidigt säger något om hur väl hon läste utvecklingen. Att hennes eget bolag inte blev den stora vinnaren säger något annat.

AMD har dragit nytta av AI-vågen men det är Nvidia som dominerar marknaden för AI-chip. Profetian var korrekt. Affären gick till en annan.

Det illustrerar en sanning om näringslivet som gäller långt utanför halvledarindustrin. Att se framtiden tidigt är inte samma sak som att tjäna pengar på den. Beslutet om hur man positionerar sig avgör vem som vinner, inte vem som hade rätt först.

Vad som händer nu

Heterogen databehandling är inte längre en vision utan standard. Nästa strid handlar om vem som bygger de mest effektiva specialkretsarna och vem som får tag på dem.

För svenska bolag betyder det att hårdvarustrategi flyttar upp på agendan. Frågan är inte om man ska använda AI, utan hur man får tillgång till beräkningskraften utan att kostnaderna skenar. Su pekade ut vägen för tio år sedan. Nu handlar det om att navigera den.

FAQ

Vad är heterogen databehandling?

Heterogen databehandling är när en dator kombinerar flera olika typer av processorer, till exempel CPU och GPU, i samma system. Varje krets gör det den är bäst på, vilket ger högre prestanda än när en enda processortyp ska klara allt.

När sa Lisa Su att den traditionella datorns tid är förbi?

Lisa Su gjorde uttalandet 2015, ungefär ett decennium innan grafikkort blev den centrala hårdvaran i den globala AI-utbyggnaden. Hon förutspådde då att vanliga processorer inte längre skulle dominera framtidens beräkningar.

Varför blev grafikkort så viktiga för AI?

Grafikkort eller GPU:er, kan utföra tusentals beräkningar parallellt. Den egenskapen passar perfekt för att träna stora AI-modeller, som kräver enorma mängder samtidiga beräkningar. Därför blev kort som ursprungligen byggdes för dataspel motorn bakom moderna AI-tjänster.

Vilket företag tjänade mest på utvecklingen?

Nvidia blev den största vinnaren på AI-boomen, trots att det var AMD:s vd Lisa Su som tidigt pekade ut riktningen. Nvidias grafikkort dominerar marknaden för AI-chip, medan AMD är en mindre aktör inom samma segment.

Hur påverkar det här svenska företag?

Svenska företag märker av utvecklingen främst genom stigande molnkostnader och begränsad tillgång till AI-anpassad hårdvara. Bolag som säkrar beräkningskraft tidigt får ett försprång och behovet av kompetens kring hur beräkningar fördelas mellan olika processorer ökar.