Kinas AI-chips och Nvidias nollmarknadsandel – vad halvledarkonflikten betyder för AI-projekt

Närbild av ett grönt kretskort med ledningsbanor – symboliserar AI-chips och halvledarteknologi i geopolitisk konflikt mellan USA och Kina — Foto: freepik / magnific.com

Nvidias VD Jensen Huang bekräftade i maj 2025 att bolagets marknadsandel på den kinesiska AI-chipmarknaden har fallit från 95 procent till noll, till följd av amerikanska exportkontroller. Samtidigt accelererar kinesiska aktörer som Huawei och Alibaba övergången till inhemsk AI-hårdvara. Exponential View-analytikern Azeem Azhar sammanfattar i sin veckoanalys nr 526 hur halvledarkartan ritas om — med direkta konsekvenser för AI-projektplanering, leverantörsval och teknikstrategi.

Nvidias nollmarknadsandel och Kinas AI-chips – huvudpunkter

Jensen Huang uppgav på Nvidias kvartalsresultatsamtal att den kinesiska AI-chipmarknaden på 50 miljarder dollar nu är “effektivt stängd” för amerikanska leverantörer (källa: CNBC/Nvidia earnings, 2025-05-28).
Nvidias marknadsandel på den kinesiska marknaden för AI-acceleratorer har fallit från 95 procent till noll. Huang kallade konsekvensen av exportkontrollerna ett strategiskt misslyckande som “redan till stor del slagit tillbaka”.
Den 9 april 2025 meddelade den amerikanska regeringen Nvidia att bolaget behöver exportlicens för att sälja även sina H20-chips till Kina — chips som ursprungligen designats för att uppfylla tidigare exportrestriktioner. Nvidia tog en nedskrivning på 4,5 miljarder dollar kopplad till H20-lager som inte längre kunde säljas (källa: CNBC, 2025-05-28).
Alibaba, Tencent och Baidu uppger att en omskrivning av sina stora modellpipelines från Nvidias CUDA-plattform till Huaweis CANN-verktyg tar ungefär tre månader, inte år. Därefter kan dagliga AI-arbetsbelastningar köras på inhemska chips i stället för importerade Nvidia-delar.
Huawei lägger grunden med sin Ascend AI-processor. Den inhemska chiptillverkaren AMEC ökar sin lokala produktion. De kinesiska bolagen planerar att fortsätta träna modeller på sitt minskande Nvidia-lager, men flytta den snabbväxande inferensbelastningen till Ascend-processorer och annan lokal kisel.
Kina befinner sig enligt Financial Times på avstånd av ungefär ett kvartal efter USA inom AI-hårdvara för inferens, med mjukvara — inte kisel — som kvarvarande tröskel.
Kina stod tidigare för 20–25 procent av Nvidias datacenterintäkter — ett segment som genererade mer än 41 miljarder dollar i det senaste kvartalsresultatet, med en tillväxt på 73 procent år-för-år till 39,1 miljarder dollar (källa: Tom’s Hardware, baserat på Nvidias rapportering).

Vad detta betyder för projektledare

Leverantörsrisk i AI-infrastruktur: Den snabba förskjutningen från Nvidia till inhemsk kinesisk hårdvara visar att geopolitiska beslut kan eliminera en dominerande leverantör på månader. Projektledare som planerar AI-infrastrukturinvesteringar bör inkludera geopolitisk leverantörsrisk som en explicit riskpost — oavsett om man befinner sig på köpar- eller leverantörssidan.
CUDA-beroende som teknisk skuld: Att byta från Nvidias CUDA-plattform till alternativa ramverk kostar tre månaders utvecklingstid, enligt kinesiska techbolag. Det illustrerar att val av AI-ramverk och hårdvaruplattform skapar inlåsning. Projektledare bör dokumentera plattformsberoenden i sin tekniska riskanalys.
Inferens och träning kräver olika planering: Kinesiska bolag behåller Nvidia-hårdvara för träning men migrerar inferensbelastningar till inhemska chips. Distinktionen mellan träning och inferens är relevant i projektplanering — de ställer olika krav på hårdvara, kostnad och leveranstid.
Halvledarkartan påverkar AI-produktplanering: Om tillgång till avancerade chips fortsätter att begränsas geografiskt kan det påverka var AI-tjänster byggs, driftsätts och underhålls. Projektledare med internationella uppdrag bör följa halvledarutvecklingen som en omvärldsfaktor i sin riskhantering.

Begrepp i artikeln

CUDA: Nvidias proprietära plattform för parallellberäkning, som de flesta AI-modeller och ramverk är skrivna för. Används som standard för AI-träning globalt.
CANN (Compute Architecture for Neural Networks): Huaweis motsvarighet till CUDA, avsedd för Ascend AI-processorer. Omskrivning från CUDA till CANN kräver utvecklingsarbete.
Ascend AI-processor: Huaweis AI-chip, designad för att ersätta Nvidias GPU:er i kinesiska AI-arbetsflöden.
H20: Nvidias chip designat för att uppfylla tidigare amerikanska exportrestriktioner mot Kina. Exportlicens krävdes fr.o.m. 9 april 2025, vilket i praktiken stoppade försäljningen.
Inferens: Att köra en färdigtränad AI-modell för att generera svar — till skillnad från träning, som kräver betydligt mer beräkningskraft.

Kursinfo: AI för projektledare

Vanliga frågor

Vad sa Jensen Huang om Nvidias Kinamarknadsandel? Jensen Huang bekräftade i maj 2025 att Nvidias marknadsandel på den kinesiska AI-acceleratormarknaden har fallit från 95 procent till noll, till följd av amerikanska exportkontroller. Han kallade politiken ett strategiskt misslyckande som “redan till stor del slagit tillbaka” (källa: CNBC, Tom’s Hardware, 2025).

Hur stor är den kinesiska AI-chipmarknaden? Jensen Huang uppgav att den kinesiska AI-chipmarknaden beräknas uppgå till 50 miljarder dollar de kommande åren. Han beskrev marknaden som “effektivt stängd” för amerikanska leverantörer i och med gällande exportkontroller (källa: CNBC/Nvidia earnings, 2025-05-28).

Hur hanterar kinesiska techbolag bristen på Nvidia-chips? Alibaba, Tencent och Baidu skriver om sina AI-pipelines från Nvidias CUDA-plattform till Huaweis CANN-verktyg, en process som uppges ta ungefär tre månader. De behåller befintligt Nvidia-lager för träning, men flyttar inferensbelastningar till Huaweis Ascend-processorer och andra inhemska chips (källa: Exponential View, 2025-06-01).

Vad är skillnaden mellan AI-träning och inferens i detta sammanhang? Träning avser processen att bygga en AI-modell och kräver kraftfull hårdvara under lång tid. Inferens avser att köra en färdigtränad modell för att generera svar — ett snabbväxande arbetsflöde som kinesiska bolag nu migrerar till inhemsk hårdvara, medan träning fortfarande körs på Nvidia-chips.

Källa: Sunday edition #526: Did China just break America’s chip stranglehold? / Exponential View, Azeem Azhar, publicerad 2025-06-01.

Läs även

Läs fler artiklar