TSMC advarer om lang AI-flaskehals

TSMC sier at etterspørselen etter AI-brikker er så sterk at selskapet sliter med å møte behovet fra amerikanske kunder. Ifølge The Verge, som viser til Reuters og Bloomberg, sa TSMC-sjef C.C. Wei etter et aksjonærmøte torsdag at «customer demand is so high, and we can only support so much».

Det er en kort setning med stor betydning. TSMC er den viktigste produksjonsflaskehalsen bak store deler av AI-markedet. NVIDIA, Apple, AMD og en rekke skyleverandører er avhengige av selskapets avanserte produksjon. Når TSMC sier at de jobber for ikke å bli en flaskehals, er det et signal om at AI-planer ikke bare handler om modeller, applikasjoner og budsjett. De handler om fysisk kapasitet.

For norske CIO-er, CFO-er og styrer betyr dette at AI-veikart må tåle mer usikkerhet. Tilgang på GPU-er, akseleratorer, minne, avansert pakking og skybasert inferens kan fortsatt være knapphetspreget. Da blir leverandørvalg, kontraktslengde, kapasitetsreservasjon og kostnadskontroll viktigere enn enda en pilot.

«Vi kan bare støtte så mye»

The Verge skriver at TSMC fortsatt har problemer med å møte amerikansk etterspørsel, selv med fabrikkutbygging i USA. Wei skal ha sagt at selskapet gjør sitt beste for at TSMC ikke skal bli en flaskehals.

Det er ikke bare én fabrikk som mangler. Moderne AI-brikker krever avansert halvlederproduksjon, spesialisert pakking, stabil tilgang på minne og en verdikjede som kan levere med lav feilrate over tid. Når etterspørselen øker samtidig fra skyleverandører, modellhus, smarttelefonprodusenter, PC-produsenter og industriselskaper, blir kapasiteten fort låst i lange avtaler.

TSMC har allerede åpnet en fabrikk i Arizona. Selskapet planlegger investeringer på 165 milliarder dollar i USA, inkludert tre nye fabrikker, to avanserte pakkefasiliteter og et forsknings- og utviklingssenter. Likevel sier Wei at det kan ta «very long time» å dekke kundenes behov med USA-basert produksjon.

Det er viktig for alle som tror geografisk flytting av produksjon raskt løser chiprisikoen. Den reduserer noe geopolitisk eksponering, men den fjerner ikke knappheten. Fabrikker bygges sakte. Kompetanse, leverandører og prosessmodenhet flyttes enda saktere.

AI-infrastruktur blir en kapitalrisiko

AI-kapasitet har allerede presset minnemarkedet. The Verge peker på mangel på RAM og NAND Flash som ventes å vare i flere år. Når minne, brikker og pakking strammes inn samtidig, blir prisen på AI ikke bare et spørsmål om modellvalg. Den blir et spørsmål om hele stakken.

Deloitte har anslått at halvledermarkedet kan bli en industri på 1.000 milliarder dollar innen 2027. Det er ikke drevet av én type brikke. Det handler om datasentre, AI-PC-er, telefoner, nettverk, industriell automatisering og edge-systemer som alle trekker i samme retning.

For virksomheter som bygger egne AI-tjenester, betyr dette at kapasitet bør planlegges som en begrenset ressurs. Det holder ikke å anta at skyen alltid har nok. Hvis store kunder binder opp kapasitet, vil mindre kjøpere merke det gjennom pris, ventetid, kvoter eller svakere forhandlingsmakt.

CFO bør derfor inn i AI-infrastrukturen tidligere. Kostnad per token, GPU-reservasjoner, modellstørrelse, datalagring, latency-krav og fallback til mindre modeller blir økonomiske beslutninger. CIO og CISO må samtidig sikre at alternativene ikke skaper nye sikkerhets- eller datarisikoer.

Leverandørstyring må bli mer presis

Knapphet gir leverandører mer makt. Det gjelder skyleverandører, brikkeleverandører, modelltilbydere og plattformer som pakker AI-kapasitet inn i applikasjoner. Når etterspørselen er høyere enn kapasiteten, flyttes risikoen ofte nedover i kontraktene.

Norske virksomheter bør derfor be om mer konkrete svar i innkjøp og reforhandlinger.

Hvor er AI-kapasiteten faktisk sikret? Hvilke regioner, GPU-typer og tjenestenivåer gjelder? Hva skjer ved kapasitetsmangel? Kan leverandøren endre modell, region eller underleverandør uten ny vurdering? Hvordan prises peak-bruk, batch-jobber og langvarige agentløp?

Dette er ikke bare teknisk innkjøp. Det er driftssikkerhet. Hvis en kritisk AI-tjeneste er avhengig av en dyr modell i en presset skyregion, kan kostnad og tilgjengelighet endre seg raskt. Hvis virksomheten ikke har testet mindre modeller, lokal inferens eller købasert behandling, blir den mer sårbar.

Hva ledelsen bør gjøre nå

TSMC-saken er en påminnelse om at AI ikke er friksjonsfri programvare. Den ligger på toppen av en verdikjede med fabrikker, energi, vann, litografi, pakking og geopolitikk.

Ledelsen bør oppdatere AI-porteføljen med tre spørsmål.

Hvilke initiativer er kapasitetskrevende nok til at brikke- og skyknapphet kan påvirke økonomien? Hvilke er kritiske nok til at kapasitet bør reserveres eller diversifiseres? Hvilke kan flyttes til mindre modeller, hybrid drift eller lokal inferens uten at forretningsverdien faller?

Dette er også et styringssignal for 2026-budsjettene. AI-kostnader bør ikke bare budsjetteres som lisens og API-forbruk. De bør behandles som infrastruktur med volumrisiko, leverandørrisiko og prisrisiko.

TSMC sier ikke at kapasiteten stopper. Selskapet sier at veksten tar tid. Det er nok til å gjøre AI-infrastruktur til en styresak.

Kilder og medier

Kilde: The Verge, «TSMC struggles to keep up with AI demand: ‘We can only support so much’», publisert 4. juni 2026. https://www.theverge.com/tech/943066/tsmc-ai-demand-struggles

Thumbnail: OpenAI Image 2 / hogby.ai