Nvidia satser på AI inference: Spår inntektsmulighet på 1 billion dollar innen 2027

Nvidia CEO Jensen Huang leverte et av de mest ambisiøse utsagnene i teknologihistorien under GTC 2026-konferansen: selskapet ser nå en inntektsmulighet på minst 1 000 milliarder dollar (1 trillion USD) for sine AI-chips innen 2027 — en fordobling fra prognosen på 500 milliarder dollar fra selskapets siste kvartalspresentasjon i februar.

Nøkkeldriveren er et strategisk skifte: Nvidia beveger seg fra å dominere AI-trening til å angripe inference-markedet med full kraft.

Trening vs. Inference — et avgjørende skille

Treningsmarkedet handler om å bygge AI-modeller. Inference-markedet handler om å kjøre dem — og det er her veksten nå skjer. Etter hvert som AI-modeller spres til millioner av brukere og applikasjoner, er det inference-belastningen som driver GPU-etterspørselen fremover.

Nvidia annonserte sin Vera Rubin-arkitektur som selskapets neste GPU-generasjon, spesielt optimalisert for inference-arbeidslast. CEO Huang kunngjorde også det kanskje mest dristige produktet på konferansen: NVIDIA Space-1 Vera Rubin — en AI-datamaskin designet for rombaserte datasentre.

Hva det betyr for norske bedrifter

Nvidia-prognosen signaliserer at AI-infrastruktur-investeringer ikke avtar — de akselererer. For norske CIO-er og IT-ledere betyr dette:

• Kapasitetspress: Etterspørselen etter GPU-kraft vil holde seg høy, og ventetider for cloud-kapasitet kan øke
• Inference-optimalisering: Bedrifter som bygger egne AI-løsninger bør nå tenke like mye på inference-kostnad som treningskostnad
• Nvidia-partnere: Azure, AWS og GCP vil alle bygge ut Vera Rubin-kapasitet — følg med på tilgjengelighet

Den samlede keynoten fra GTC 2026 bekreftet det mange allerede visste: Nvidia er ikke lenger bare en chipsprodusent — de bygger hele AI-stacken, fra hardware til programvare til sky-tjenester.