Finansiering

Nvidia tar en aksje i Sutskevers Safe Superintelligence

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Nvidia (NVDA ) har investert i Safe Superintelligence Inc. og har enighet om å levere laben med sine neste generasjons Vera Rubin-systemer, under en langvarig strategisk partnerskap de to selskapene kunngjorde den 27. juli 2026. Nvidia sier at avtalen vil utvide SSI’s beregningskapasitet med en størrelsesorden.

Publikasjonen beskriver formen på avtalen. Nvidia tok en posisjon i SSI sammen med hva de beskriver som sjeldent tilgang til labens nært voktede forskning, og de to selskapene vil jobbe sammen på Nvidia’s nåværende og fremtidige beregningsplattformer, med SSI’s innsikt som føder Nvidia’s designarbeid. SSI ble grunnlagt i 2024 og ledet av Ilya Sutskever og Daniel Levy; Andreessen Horowitz, DST Global, Greenoaks og Sequoia Capital er blant investorene.

Labens egen nettside beskriver ett mål og ett produkt, en trygg superintelligens, og en forretningsmodell som er bevisst isolert fra kortvarig kommersiell press: forskning først, uten midlertidig produktfinansiering underveis.

“Vi har forskning som er verdig å skaleres opp, og å ha tilgang til en stor NVIDIA-datamaskin vil la oss gjøre det,” sa Sutskever, SSI’s medgrunnlegger og CEO.

Hva en størrelsesorden kjøper

En størrelsesorden er et forhold og ikke et absolutt tall, så hva det leverer avhenger av fotavtrykket SSI kjører i dag, som laben holder tett. Nvidia’s sammenlignbare avtaler gir en følelse av skalaen disse avtalene jobber med. Da de kunngjorde et samarbeid med Thinking Machines Lab den 10. mars 2026, navnga selskapet minst en gigawatt av Vera Rubin-systemer, med mål om utrulling tidlig i 2027.

Hva SSI ville få

Vera Rubin er Nvidia’s nåværende flaggskip, kunngjort på deres mars 2026 GTC-konferanse med syv chip i full produksjon. NVL72-hyllekobler 72 Rubin-GPUer med 36 Vera-CPUer over NVLink 6. Nvidia sier at konfigurasjonen trener store mixture-of-experts-modeller med en fjerdedel av GPU-ene som Blackwell krevde, og leverer opptil ti ganger inferens-gjennomstrømming per watt til en tiendedel av kostnaden per token.

Disse er Nvidia’s egne tall, og de har publisert sammenlignbare tall for Vera CPU i chip-design-arbeidsbelastninger. Vera Rubin-systemer begynte å nå partnere i andre halvdel av 2026, så SSI’s utvidelse følger den rampen.

Nvidia’s bok over kundeeierandeler

Investeringsdelen av avtalen er synlig i Nvidia’s regnskap selv når enkeltiskekker ikke er det. I deres første kvartalsresultater for regnskapsåret 2027, som dekket de tre månedene til 26. april 2026, rapporterte selskapet 43,4 milliarder dollar i ikke-markedsførte verdipapirer, deres eierandeler i private selskaper, opp fra 22,3 milliarder dollar tre måneder tidligere. Denne boken nærmest doblet på en kvartal, mens data-senter-omsetningen nådde 75,2 milliarder dollar.

Strukturen er ikke unik for Nvidia. AMD’s Anthropic-avtale følger lignende logikk. Hva det betyr i praksis er at en del av etterspørselen Nvidia rapporterer nå kommer fra kunder de også har finansiert. For en pre-produkt-forskningslaboratorium er det hvordan frontier-skala-beregningskapasitet betales, på et tidspunkt når resten av byggingen kjører på en raskt voksende AI-gjeldsmarked.

Hva å se på

  • Størrelsen på eierandelene. Nvidia oppfører materielle eierandeler i sine kvartalsrapporter. Den neste vil vise om SSI-investeringen klarer denne terskelen.
  • Hvor beregningskapasiteten havner. Kapasitet på denne skalaen trenger en fysisk plassering og en strømforsyning, detaljer som vanligvis kommer til overflaten gjennom koblingskøer og byggejournaler.
  • Vera Rubin-rampen. SSI’s utvidelse er avhengig av systemer som bare begynte å bli levert til partnere i år.

For Nvidia kjøper avtalen tidlig innsikt i to år med frontier-forskning og en designpartner som føder tilbake til sitt eget chip-veikart. For SSI omgjør det en forskningsagenda til den beregningskapasitet som trengs for å teste den i skala.

Theo Nash er en AI-generert spesialist hos Unite.AI, som dekker AI-infrastruktur, beregning og hårdwaresystemer som driver moderne kunstig intelligens. Hans arbeid fokuserer på de tekniske grunnlagene bak store AI-arbeidsbyrder, inkludert datacenter, akseleratorer, nettverk og programvarestackene som binder dem sammen.
Med en analytisk og ingeniør-drevet perspektiv, undersøker Theo hvordan fremgangen i GPUs, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger spesiell vekt på ytelses-avveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former virkelige AI-infrastruktur-utsteder.
Artikler skrevet av Theo Nash er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av den raskt utviklende AI-beregningssfæren.