Hva er en AI-chip? Slik fungerer de nye prosessorene
Teknologien bak ChatGPT og moderne AI
Nvidia H100 AI-chip — kanskje den viktigste prosessoren i verden akkurat nå.
AI-chips som Nvidia H100 revolusjonerer teknologien. Vi forklarer hvordan disse spesialiserte prosessorene jobber annerledes enn vanlige datamaskiner.
Prosessorer som endrer verden
Hvis du bruker ChatGPT, Midjourney eller andre AI-verktøy, takker du indirekte en chip. Ikke en vanlig prosessor fra Intel eller AMD som sitter i din laptop — men en spesial-design GPU som kan kjøre AI-modeller på hastigheter som ikke var mulig for bare tre-fire år siden.
Den viktigste av disse chipene er Nvidia H100 — og den er så etterspurt at den har blitt en av de mest strategiske varene på planeten.
Men hvordan fungerer en AI-chip, og hva gjør den så annerledes fra en vanlig prosessor?
Den fundamentale forskjellen — parallell vs. sekvensielt
En vanlig prosessor er rask til å gjøre én ting veldig fort. Den tenker sekvensielt — først A, så B, så C. Den er optimalisert for enkle, raske operasjoner.
En AI-chip er designet for å gjøre tusenvis av små oppgaver samtidig. I stedet for å tenke sekvensielt, tenker den parallelt. Dette er perfekt for AI, som baserer seg på å prosessere enorme mengder data samtidig.
Når ChatGPT tenker, gjør den ikke en beregning om gangen. Den gjør tusentall beregninger samtidig — og det er det som gjør den så rask og kraftig.
Hvordan AI trener seg selv — og hvor GPU kommer inn
AI-modeller som ChatGPT trenes ved å vise dem billioner av eksempler på mennesketekst. Modellen justerer seg selv basert på feil, og blir stadig bedre. Dette kalles «deep learning».
Training av en stor AI-modell krever massiv beregningskraft. Hvis du prøvde å trene ChatGPT på en vanlig datamaskin, ville det tatt årtusen år. Men med GPUer som H100, tar det «bare» måneder med tusenvis av chips som jobber i parallell.
Etter at modellen er trent, bruker den også GPU-kraft når du stiller spørsmål. Det er derfor AI-bedrifter bygger enorme «GPU-farm» — gigantiske serversentre fullt av disse chipene.
Tall og trender
GPU-markedet for AI vokser eksponentielt. Nvidia dominerer, men konkurrenter presser på.
Nvidia marked share (AI-chips, 2024)Over 95 prosent
Årlig vekst i AI GPU-salg100+ prosent
Kostnad for å trene GPT-4 klasse modellOver 100 millioner dollar
Antall H100-chips solgt årligHundretusenvis
Hva som gjør H100 spesiell — tensor cores og spesialisert design
Nvidia H100 er unik fordi den har tusenvis av «tensor cores» — små beregningsenheter som er spesifikt designet for matrisemultiplikasjon. Dette er den type operasjon som AI gjør tusentall ganger per sekund.
H100 har også massiv «memory bandwidth» — data kan strømme inn og ut av chipen med utrolig hastighet. Dette er kritisk fordi AI-jobber er data-intensive.
Til slutt er H100 designet for høy presisjon — selv små avrundingsfeil kan akkumulere seg når du gjør billioner beregninger. H100 minimerer dette gjennom smart design.
Fra forskeren — om fremtiden for AI-chips
Vi snakket med en AI-forsker ved NTNU om hvordan AI-chips utvikler seg, og hva som ventes videre.
"GPUer som H100 er allerede på vei til å bli foreldet. Vi ser prototyper av enda raskere chips fra Nvidia og konkurrenter. Innen fem år vil dagens H100 være som en «vanlig» prosessor sammenliknet. AI-revolusjonen kjøres av chip-innovasjon."
Ofte stilte spørsmål
Hva handler «Hva er en AI-chip? Slik fungerer de nye prosessorene» om?
AI-chips som Nvidia H100 revolusjonerer teknologien. Vi forklarer hvordan disse spesialiserte prosessorene jobber annerledes enn vanlige datamaskiner.
Hva bør du vite om prosessorer som endrer verden?
Hvis du bruker ChatGPT, Midjourney eller andre AI-verktøy, takker du indirekte en chip. Ikke en vanlig prosessor fra Intel eller AMD som sitter i din laptop — men en spesial-design GPU som kan kjøre AI-modeller på hastigheter som ikke var mulig for bare tre-fire år siden.
Hva bør du vite om den fundamentale forskjellen — parallell vs. sekvensielt?
En vanlig prosessor er rask til å gjøre én ting veldig fort. Den tenker sekvensielt — først A, så B, så C. Den er optimalisert for enkle, raske operasjoner.
Hvordan AI trener seg selv — og hvor GPU kommer inn?
AI-modeller som ChatGPT trenes ved å vise dem billioner av eksempler på mennesketekst. Modellen justerer seg selv basert på feil, og blir stadig bedre. Dette kalles «deep learning».
Hva bør du vite om tall og trender?
GPU-markedet for AI vokser eksponentielt. Nvidia dominerer, men konkurrenter presser på.
Hva som gjør H100 spesiell — tensor cores og spesialisert design?
Nvidia H100 er unik fordi den har tusenvis av «tensor cores» — små beregningsenheter som er spesifikt designet for matrisemultiplikasjon. Dette er den type operasjon som AI gjør tusentall ganger per sekund.
Redaksjonell merknad: Dette innholdet er utarbeidet av Norsk Næring med hjelp av kunstig intelligens og kvalitetssikret av redaksjonen. Informasjonen er ment som generell veiledning og erstatter ikke profesjonell rådgivning. Feil eller unøyaktigheter? Kontakt oss på help@norsknæring.no.
