Nvidia gjør Sør-Korea til testbenk for AI-fabrikker

Nvidia bruker Sør-Korea til å vise hvor AI-kappløpet er på vei. Ikke bare mot større modeller, men mot hele industrisystemer rundt dem.

Reuters meldte sent søndag at Naver skal bygge AI-fabrikker i gigawatt-skala med Nvidia-teknologi. Samtidig er Nvidia koblet til nye avtaler med SK Hynix og Doosan. SK Hynix er en av verdens viktigste leverandører av minnebrikker til AI-servere. Doosan sitter på industri, kraft, robotikk og materialer som trengs når datasentre blir mer enn vanlige serverrom.

Det gjør saken viktigere enn et vanlig partnerskap. Nvidia selger ikke lenger bare GPU-er inn i datasentre. Selskapet forsøker å definere hele arkitekturen rundt AI-kapasitet: brikker, nettverk, serverdesign, strømforsyning, kjøling, robotikk og programvarelag for fysisk AI.

For norske CIO-er, CISO-er og styrer er dette et tydelig signal. AI-infrastruktur blir en strategisk forsyningskjede, ikke en innkjøpslinje hos IT.

Gigawatt blir ny målestokk

Naver er mest kjent som Sør-Koreas store internett- og plattformselskap. Når selskapet nå kobles til AI-fabrikker i gigawatt-skala, handler det om langt mer enn skykapasitet for egne tjenester. Det er en modell for nasjonal og regional AI-kapasitet.

Begrepet «AI factory» er Nvidias navn på datasentre bygget for å produsere intelligens på samme måte som en fabrikk produserer varer. Det er markedsføring, men også en presis beskrivelse av retningen. Trening, inferens, syntetiske data, robotikk-simulering og agentarbeid flyttes inn i industrielle produksjonsløp.

Gigawatt-skala er krevende. Det betyr krafttilgang, langsiktige nettavtaler, areal, kjøling, kapital og politisk aksept. Det betyr også at AI-kapasitet blir et spørsmål for energiselskaper, myndigheter, eiendomsaktører og industripartnere, ikke bare teknologisjefer.

Norge kjenner denne diskusjonen allerede. Datasenterprosjekter møter spørsmål om kraft, lokal nytte, arbeidsplasser og beredskap. Sør-Korea-saken viser at den diskusjonen blir skarpere når datasentre ikke bare hoster apper, men blir en del av industriell AI-produksjon.

Minne er fortsatt flaskehals

SK Hynix-delen av bildet er like viktig som Naver. AI-regnestykket stopper ikke ved GPU-er. Høybåndbreddeminne er en av de store flaskehalsene i moderne AI-systemer. Uten nok minnekapasitet og minnebåndbredde får kundene mindre ut av de dyreste akseleratorene.

Det gir leverandørrisiko. En virksomhet som legger store prosesser på AI-agenter, copiloter eller egne modeller, blir indirekte eksponert mot en liten krets av brikke-, minne- og nettverksleverandører. Det gjelder også virksomheter som bare kjøper kapasiteten via hypersky. Risikoen er bare pakket inn i kontrakten.

For styrer er dette et punkt som bør løftes ut av teknisk bakrom. AI-planer bør testes mot realistisk tilgang på kapasitet, prisendringer, datalokalitet og exit-muligheter. Spørsmålet er ikke bare hvilken modell som er best i juni 2026. Spørsmålet er hvem som kontrollerer kapasiteten virksomheten blir avhengig av i 2027 og 2028.

Doosan viser den fysiske siden

Nvidias egen melding om Doosan fyller ut resten av bildet. Doosan Robotics skal utforske bruk av Nvidia Isaac Sim, Isaac Lab, Cosmos, Newton og Jetson Thor i robotikk. Doosan Bobcat skal se på fysisk AI i maskiner for bygg, landbruk, materialhåndtering og lignende miljøer. Doosan Enerbility skal se på kraftløsninger for AI-fabrikker, inkludert gassturbiner, dampturbiner, små modulære reaktorer og hydrogenbaserte brenselceller.

Det er ikke tilfeldig at robotikk, kraft og kretskortmaterialer havner i samme melding. Når AI flyttes fra skjerm og tekst til fysisk produksjon, blir risikoen også fysisk. Feil modellatferd kan påvirke maskiner, logistikk, vedlikehold og sikkerhet på anlegg. Dårlig styring av AI-systemer blir OT-risiko, ikke bare IT-risiko.

CISO-er bør merke seg dette. Klassisk leverandørstyring dekker ikke nødvendigvis en situasjon der samme økosystem leverer akseleratorer, simuleringsverktøy, robotikkmodeller, referansearkitektur og deler av kraftdesignet. Kontrollpunktene må flyttes tidligere i anskaffelsen.

Konsekvensen for norske virksomheter

Den praktiske lærdommen er enkel: AI-strategi må kobles til infrastrukturstrategi. Hvis virksomheten planlegger tung bruk av generativ AI, kodeagenter, kundeserviceagenter eller analyseagenter, må kapasitet, sikkerhet og leverandørbinding inn i beslutningen fra starten.

For mange norske virksomheter vil det være fristende å tenke at dette løses av Microsoft, AWS, Google eller en annen leverandør. Det er delvis riktig. Men de samme leverandørene kjøper kapasitet i dette globale markedet. Når Nvidia knytter tettere bånd til minneprodusenter, industrikonsern og regionale plattformselskaper, påvirker det også pris, tilgjengelighet og forhandlingsmakt hos kundene lenger ned i kjeden.

Dette bør inn i tre konkrete styringsspørsmål:

• Hvilke AI-prosesser blir kritiske for drift, salg, utvikling eller kundedialog de neste 18 månedene?
• Hvilke leverandører kontrollerer faktisk kapasiteten bak disse prosessene?
• Hva skjer med kost, ytelse og beredskap hvis kapasiteten blir dyrere eller mer politisk styrt?

Nvidia/Sør-Korea-saken er derfor ikke bare en ny brikkeavtale. Den viser at AI-markedet samles rundt land, kraftsystemer og industrielle leverandørkjeder. Det er der neste runde med risiko og konkurransefortrinn kommer.

Kilder og medier

Kilde: Reuters, «South Korea's Naver to build gigawatt-scale AI factories using Nvidia technology», 7. juni 2026. source_url: https://www.reuters.com/world/asia-pacific/south-koreas-naver-build-gigawatt-scale-ai-factories-using-nvidia-technology-2026-06-07/

Supplerende primærkilde: NVIDIA Blog, «NVIDIA and Doosan Group Collaborate to Advance Physical AI and AI Factory Infrastructure», 7. juni 2026. https://blogs.nvidia.com/blog/nvidia-and-doosan-group-physical-ai/

Thumbnail: OpenAI Image 2 / hogby.ai