Rapport från Nvidias GTC 2026 i Berlin - Brock Milton Capital AB

Tänk på att:

Historisk avkastning är ingen garanti för framtida avkastning. De pengar som placeras i fonder kan både öka och minska i värde och det är inte säkert att du får tillbaka hela det insatta kapitalet.

Blogg & Media

Rapport från Nvidias GTC 2026 i Berlin

Blogg | 19 nov 2026

Den 21 oktober besökte jag Nvidias GTC 2026-konferens i Berlin. När jag var där kunde jag aldrig föreställa mig att Jensen Huang tre veckor senare skulle ha lämnat bolaget. Det som har hänt är i det närmaste osannolikt då en av teknikbranschens mest profilerade ledare avgår från ett av världens mest värdefulla bolag till följd av två otrohetsaffärer, varav den ena med en misstänkt kinesisk spion och den andra med en kollega på Nvidia. Jensen Huang har i hög grad format det Nvidia vi känner idag, och detta är min rapport från en konferens som samlar hela datorindustrin samt mina tankar om den efterföljande turbulensen.

Några gånger per år genomför Nvidia sin GTC-konferens och hösten 2026 var det dags för Berlin. GTC står för GPU Technology Conference och är en konferens för utvecklare, forskare och ingenjörer inom datorindustrin. Konferensens huvudfokus är AI, accelererad datorbehandling, robotar och grafik. 

Under det inledande talet till besökarna berättade Jensen Huang att Nvidia har varit verksamma i Tyskland i 33 år. Den första GPU Nvidia tog fram var 1993 och några av de bolag som de tidigt hade kontakt med var MediaMarkt (första större kunden) och Audi. Idag finns Nvidias produkter i nästan samtliga europeiska bilar och 2020 började bolaget ett samarbete med Mercedes gällande självkörande bilar. Nvidia satsar på Europa och senaste året har bolaget investerat 10 miljarder USD i Europa där man idag har cirka 12 000 olika partnerskap i Europa. På produktsidan berättade Jensen Huang att med det nya VeraRubin-chippet, som nu är i full produktion, har man minskat ned mängden kablar för att snabba upp monteringen av datorracken. Idag tar det cirka 5 minuter att montera VeraRubin-chippen jämfört mot tidigare Blackwell-chippen som tog 2 timmar att montera. Det är inte bara monteringstiden som har blivit snabbare utan också beräkningshastigheten där VeraRubin är 30 gånger snabbare än Blackwell.

Under konferensen fick jag möjligheten att träffa Jensen Huang, vilket var både spännande och givande. Jag ställde bland annat frågor om konkurrensen från Alphabet och Amazon, som båda designar och producerar egna chip. Hans svar var att han inte ser dem som direkta konkurrenter – snarare anser han att deras datorsystem kompletterar Nvidias erbjudande och att marknaden har plats för flera leverantörer.

Jag frågade också om SpaceX kommande halvledarfabrik Terafab skulle förändra förutsättningarna för chipbranschen. Jensen svarade att det förmodligen kommer att göra det. Han berättade att Nvidia, SpaceX och Tesla har ett nära affärsutbyte sedan många år, och att SpaceX enbart köper Nvidia-chip till sina datacenter. Min egen bedömning är att Terafab, när den väl är klar, kommer att öka utbudet av chip på marknaden och därmed pressa priserna nedåt. Enligt SpaceX senaste kvartalsrapport (Q3 2026) ska det första test-chippet tillverkas under våren 2027, och med stor sannolikhet är fabriken i full drift om 3–4 år.

Syfte med GTC-konferensen

Ett av Nvidias syfte med denna konferens är att få europeiska bolag att anamma den nya AI-tekniken eftersom Nvidia vill sälja datacenterutrustning inom hård- och mjukvara. Nvidia delar in AI-bolagen i fem olika grupper: 

  • Bolag som levererar applikationer som till exempel svenska Loveable.
  • Bolag som bygger modeller/LLM som till exempel Mistral eller Anthropic
  • Datacenter eller AI-fabrikerna som till exempel Nebius, Mistral och Anthropic.
  • Bolag som tillverkar Compute (chippen/hårdvaran) som i detta fall Nvidia tillverkar.
  • Bolag som genererar Energi till datacenter som till exempel Siemens Energy och Schneider.

De fem olika grupperna kan liknas vid en värdekedja där alla delarna är nödvändiga för att kunna etablera en fungerade AI-modell i ett datacenter. 

AI-agenter och CUDA

Nvidia säljer inte enbart hårdvara, bolaget tillhandahåller också kunskap och mjukvara via sitt IP-bibliotek CUDA X, som Jensen Huang själv beskriver som kronan i Nvidia. CUDA är programspråket som driver GPU:erna och möjliggör löpande omprogrammering, vilket innebär att GPU:er som installerades för 5–6 år sedan fortfarande kan uppdateras och vara relevanta för moderna AI-modeller. Det är en av de viktigaste anledningarna till Nvidias starka marknadsposition. Bolag som Cadence, Crowdstrike, Nokia, Palantir, Salesforce och ServiceNow bygger alla sina AI-agenter på Nvidias verktygsplattform.

Hur kan man beskriva ett datacenter med AI-inriktning? Enkelt uttryckt är det en fabrik som producerar intelligens. Intelligensen ska hjälpa oss människor att fatta bättre beslut på svåra frågor och lösa problem inom forskning, till exempel ska AI-modellen hjälpa oss att hitta en lösning på hur vi ska kunna bota cancer. AI handlar också om att vi ska bli effektivare och jobba smartare. En AI-agent kräver fem byggstenar: Sandbox, Harness, Knowledge, Tool och Model se bilden från Nvidia enligt nedan. 

Bilden visar en schematisk bild på hur en AI-agent är uppbyggd. 

Nvidias CPU och GPU

Med lanseringen av Rubin är Nvidia inne på sin fjärde generation av datacenter-GPU:er: Ampere (2020), Hopper (2022), Blackwell (2024) och nu Rubin (2026). Nvidia tillverkar också CPU:er, där den senaste varianten heter Vera. Kombinationen av två GPU:er och en CPU kallas VeraRubin och kräver avancerade HBM-minnen (High Bandwidth Memory).

Den senaste varianten av VeraRubin kallas för VeraRubin NVL72. NVL står för NV-link som är den del som möjliggör att chippen kan prata med varandra och överföra data och 72 står för att man har kopplat ihop 72 GPU:er. När man kopplar ihop flera GPU:er blir till en otroligt kraftfull ”dator” som kan användas för att träna de mest krävande Large Language Models (LLMs). På mässan fick jag se det kommande systemet VeraRubin Ultra 576, där 8 rack kopplas samman till ett system med 576 GPU:er som arbetar som en enda enhet, sannolikt den snabbaste konfiguration som kommer att finnas tillgänglig på den öppna marknaden.

Henrik Milton står bredvid Nvidia ett VeraRubin NVL72 datorrack med 18 hyllor bestående av två CPU:er och fyra GPU:er per hyllplan.

En drivkraft när man vill förbättra ”Compute” (datorkraften dvs att använda fler GPUer samtidigt) är att man vill sänka kostnaden för Tokens (byggsten som AI-modeller använder för att läsa text) så att kostnaden för AI-modellen ska bli lägre.

Hur många MW går det åt för att driva ett större datacenter med de bästa chippen?

När jag var på mässan gjorde jag ett räkne-exempel på energiförbrukningen tillsammans med en ingenjör från Nvidia. I exemplet hade vi 1000 datorrack/datorskåp vilket är vanligt i ett större datacenter. Varje rack/skåp innehåller 72 st GPU:er och 36 st CPU:er samt minnen, NV-link och kylsystem. Med 1 000 rack, där varje rack drar 220 kW, blir den totala förbrukningen 220 000 kW, eller 220 MW. Det är i princip samma effekt som Seitevare kraftstation i Jokkmokks kommun producerar (225 MW).

Jensen Huang uppgav i sitt keynote att ett GigaWatt-datacenter kostar 50 miljarder USD att bygga, inklusive mark, byggnader, chip, strömförsörjning och kylning vilket motsvarar 50 USD per watt. Med den kalkylen kostar ett datacenter med 1 000 rack och 220 MW förbrukning cirka 11 miljarder USD, eller ungefär 110 miljarder kronor.

Seitevare kraftverk åtta mil utanför Jokkmokk

Seitevare kraftverk är ett vattenkraftverk som genererar precis så mycket energi som ett datacenter med 72 000 GPU:er och 36 000 CPU:er kräver och då även inräknat utrustning för kommunikation och kylning.

Vera Rubin DSX POD – en container med datorcenterutrustning

En nyhet som lanserades på GTC 2026 var en färdigbyggd datacenter-modul placerad i en container som innehåller datorrack, torrkylning (för att spara vatten), kommunikation, eldistribution m m. Nvidia kallar denna modul/container för Vera Rubin DSX POD. Anledningen till att man bygger in alla datorkomponenter i en container är för att snabba upp leveranserna av datacenter. Modeller byggs färdigt i fabriker och skeppas dit datacentret ska byggas. 

Bilden visar den nya datacenter-containern VeraRubin DSX Podd som har fördelen att man förkortar byggnationstiden av ett datacenter.

Nvidia säljer sina egna AI-modeller

Nvidia utvecklar och säljer även egna AI-modeller för specifika användningsområden: Nemotron (agentisk AI), Groot (robotar), Alpamayo (självkörande bilar), BioNeMo (biologi) och Hyperion (självkörande taxibilar). 

Bland de bilmärken som använder Nvidias system (Alpamayo) för självkörande bilar finns Volvo, Mercedes och Volkswagen. På mässan kunde man som besökare få en provtur i en Mercedes med den självkörande programvaran.

Hyperion är ett AI-program för självkörande taxibilar som Nvidia för närvarande håller på att rulla ut. I framtiden kommer vi kunna åka med taxibilar från till exempel Bolt och Uber som använder Nvidias system.

Hyperion är Nvidias mjukvara (operativsystem) för självkörande bilar. 

Ett annat framtida område är Robotar och Nvidia har ett operativsystem för robotar som de kallar för Nvidia Isaac. Robotbolag som använder Nvidias mjukvara är bland annat ABB Robotics, Fanuc, Agility, Kion, Kuka och Siemens.

Nvidia Isaac är mjukvaran för robotar.

Jensen Huangs otrohetsaffärer skapar turbulens i aktien

Den 12 november, när jag avslutade detta blogginlägg, meddelades att Nvidias grundare och VD Jensen Huang lämnar sitt uppdrag efter beslut av styrelsen. Bakgrunden är att det blev känt den 8 november att han varit otrogen mot sin fru med en person som också misstänks vara en kinesisk spion. Den 12 november kommunicerades det till aktiemarknaden att Jensen Huang också hade haft samröre med en anställd på Nvidia och därmed blev det mer än vad styrelsen kunde tolerera och således fick Jensen Huang lämna bolaget. 

Jensen Huang har varit en av teknikbranschens mest inflytelserika ledare och i hög grad formgivit det Nvidia vi ser idag. Hans avgång är ett bakslag på kort sikt, och marknaden har reagerat kraftigt då börsvärdet föll med uppskattningsvis 800 miljarder dollar under de efterföljande handelsdagarna.

Till detta kom den oro som redan byggts upp inför det amerikanska mellanårsvalet, där marknaden befarar att utbyggnadstakten av AI-datacenter i USA kan sakta in. Nvidia är den dominerande aktören inom AI-datacenterinfrastruktur, och som blogginlägget försöker belysa är bolaget snarare en komplett systemleverantör än en chiptillverkare.

Det kommer att vara en turbulent tid i aktien innan det är klart vem som blir den permanenta ersättaren och det blir ingen lätt uppgift att ersätta Jensen Huang. Nvidias värdering har fallit till knappt 8x vinsten för 2027, en värdering som för ett bolag av Nvidias kvalitet framstår som låg. När marknaden väl återfunnit sig kan det vara läge att se över sin exponering. 

Grafen visar Nvidias aktiekurs (vit linje) och framåtblickande PE-tal (lila linje) per 2026-11-12. Källa Bloomberg.

Nvidia är ett innehav i BMC Global Technology och BMC Global Select.


Henrik 1

Henrik Milton

VD & fondförvaltare - Specialist teknik & mjukvara, Brock Milton Capital AB

Cookies

Den här webbplatsen använder cookiesför statistik och användarupplevelse.

Brock Milton Capital. använder cookies för att förbättra din användarupplevelse, för att ge underlag till förbättring och vidareutveckling av hemsidan samt för att kunna rikta mer relevanta erbjudanden till dig.

Läs gärna vår Integritetspolicy . Om du samtycker till vår användning, välj Tillåt alla. Om du vill ändra ditt val i efterhand hittar du den möjligheten i botten på sidan.