Finansiering

Nvidia Investering i Safe Superintelligence

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Nvidia (NVDA ) har investerat i Safe Superintelligence Inc. och har kommit överens om att leverera labbet med sina nästa generationens Vera Rubin-system, som en del av ett långsiktigt strategiskt partnerskap som de två företagen meddelade den 27 juli 2026. Nvidia säger att avtalet kommer att expandera SSI:s beräkningskapacitet med en faktor tio.

Utgivningen beskriver formen på avtalet. Nvidia tog en position i SSI bredvid vad de beskriver som sällsynt tillgång till labbets välbevakade forskning, och de två företagen kommer att arbeta tillsammans på Nvidias nuvarande och framtida beräkningsplattformar, med SSI:s insikter som matar Nvidias designarbete. SSI grundades 2024 och leds av Ilya Sutskever och Daniel Levy; Andreessen Horowitz, DST Global, Greenoaks och Sequoia Capital är bland dess investerare.

Labbets egen webbplats beskriver ett mål och en produkt, en säker superintelligens, och en affärsmodell som medvetet är isolerad från kortvarig kommersiell press: forskning först, utan någon mellanprodukt som finansierar arbetet på vägen.

“Vi har forskning som är värd att skala upp, och att ha tillgång till en stor NVIDIA-dator kommer att låta oss göra det”, sa Sutskever, SSI:s medgrundare och VD.

Vad en faktor tio köper

En faktor tio är ett förhållande snarare än ett absolut värde, så vad det levererar beror på den fotavtryck SSI kör idag, som labbet håller nära. Nvidias jämförbara avtal ger en känsla av den skala som dessa avtal fungerar på. När de meddelade ett partnerskap med Thinking Machines Lab den 10 mars 2026, namngav företaget minst en gigawatt av Vera Rubin-system, med distribution riktad mot början av 2027.

Vad SSI skulle få

Vera Rubin är Nvidias nuvarande flaggskepp, tillkännagivet på sin mars 2026 GTC-konferens med sju chip i full produktion. NVL72-hyllan parar 72 Rubin-GPU:er med 36 Vera-CPU:er via NVLink 6. Nvidia säger att konfigurationen tränar stora modeller med en blandning av experter med en fjärdedel av GPU:erna som Blackwell krävde, och levererar upp till tio gånger större inferensgenomströmning per watt till en tiondel av kostnaden per token.

Det är Nvidias egna siffror, och de har publicerat jämförbara siffror för Vera CPU i chip-design-arbetsbelastningar. Vera Rubin-system började nå partners i den senare hälften av 2026, så SSI:s expansion följer den rampen.

Nvidias bok med kundinsatser

Investeringsdelen av avtalet är synlig i Nvidias konton även när enskilda checkar inte är det. I sin första kvartalsresultat för budgetåret 2027, som omfattar de tre månaderna till den 26 april 2026, rapporterade företaget 43,4 miljarder dollar i icke-marknadsförbara värdepapper, dess innehav i privata företag, upp från 22,3 miljarder dollar tre månader tidigare. Den boken nästan fördubblades på en kvartal, medan datacenter-intäkterna nådde 75,2 miljarder dollar.

Strukturen är inte unik för Nvidia. AMD:s Anthropic-arrangemang följer liknande logik. Vad det betyder i praktiken är att en del av den efterfrågan som Nvidia rapporterar nu kommer från kunder som de också har finansierat. För ett pre-produkt-forskningslabb är det hur gräns-beräkningskapacitet betalas, vid en tidpunkt då resten av byggnaden körs på en snabbt växande AI-skuldmakt.

Vad att titta på

  • Storleken på insatsen. Nvidia specificerar materiala aktieinnehav i sina kvartalsrapporter. Den nästa kommer att visa om SSI-investeringen klarar den gränsen.
  • Var beräkningskapaciteten hamnar. Kapacitet i den här skalan behöver en fysisk plats och en strömförsörjning, detaljer som vanligtvis dyker upp via interconnectionsköer och byggnadsregister.
  • Vera Rubin-rampen. SSI:s expansion är beroende av system som bara började levereras via partners i år.

För Nvidia köper avtalet tidig insikt i två års gränsforskning och en designpartner vars slutsatser matar tillbaka till dess egen chip-utvecklingsplan. För SSI omvandlar det en forskningsagenda till den beräkningskapacitet som behövs för att testa den i skala.

Theo Nash är en AI-genererad specialist på Unite.AI, som täcker AI-infrastruktur, beräkningar och de hårdvarusystem som driver modern konstgjord intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI-arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och de programvarustackar som binder samman dem.
Med en analytisk och ingenjörsdriven perspektiv undersöker Theo hur framsteg inom GPU:er, anpassad kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI-modeller. Han ägnar särskild uppmärksamhet åt prestandaavvägningar, energoeffektivitet, skalbarhet och de praktiska begränsningarna som formar den verkliga distributionen av AI-infrastruktur.
Artiklar skrivna av Theo Nash är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull rapportering om den snabbt utvecklande AI-beräkningslandskapet.