Datorer
AMD: Ett AI‑hårdvarusatsning för att utmana Nvidias dominans

När AI-boomen fortsätter, fortsätter även Nvidias (NVDA ) framgångar på aktiemarknaden, vilket gör det till världens största företag till marknadsvärde.
Men så var det inte alltid. För inte så länge sedan var Nvidia bara ett GPU‑företag (Graphics Processing Units), en typ av datorteknik specialiserad på grafikrendering.
GPU:er är specialiserade på att utföra tusentals parallella, enklare beräkningar samtidigt, snarare än färre men mer komplexa beräkningar som en CPU (Central Processing Unit). Det visar sig att denna parallella kapacitet var avgörande för kryptomining och AI, vilket förklarar Nvidias framgång.
Dock var Nvidia och dess GeForce‑serie inte det enda GPU‑företaget, och har alltid behövt konkurrera med AMD och dess Radeon‑GPU:er, även om företaget aldrig haft lika stor marknadsandel.
AMD var långsammare än Nvidia att omfamna användningen av GPU:er för icke‑grafiska tillämpningar, vilket kostade företaget en potentiell ledarposition när AI var ny och en kapplöpning pågick för att ta reda på vilken hårdvara som skulle användas.
Men AI‑hårdvarumarknaden mognar nu, med hyperscalers som söker ett alternativ till Nvidias hårdvara, vare sig det är ny AI‑fokuserad hårdvara som TPU:er, XPU:er osv., eller ett alternativt utbud av AI‑dedikerade GPU:er.
Som ett resultat är AMD nu positionerat för att komma ikapp, och dess nuvarande marknadsvärde, mindre än 1/10th av Nvidias, kanske inte återspeglar AMD:s potential att åter bli en seriös rival till GPU‑ledaren.
(AMD )
AMD:s företags historia och utveckling
Advanced Micro Devices, eller AMD, grundades 1969, huvudsakligen av missnöjda anställda från Fairchild Semiconductors, ett företag som var pionjär inom tillverkning av transistorer och integrerade kretsar.
Företaget började med produktion av logikchips och gick sedan in på RAM‑marknaden 1971 samt mikroprocessormarknaden 1975. Det var förvärvet av grafikföretaget ATI Technologies år 2006 för 4,3 miljarder dollar som ledde AMD in på marknaden för högpresterande GPU:er (Radeon).
Än idag är AMD närvarande både på CPU‑marknaden, där de konkurrerar med företag som Intel (INTC ), och på GPU‑marknaden, där de konkurrerar med Nvidia.
På 2020‑talet förvärvade de också Xilinx för ett rekordhögt 49 miljarder dollar, samt 2024 ett förvärv på 4,7 miljarder dollar av datacenter‑hårdvaruföretaget ZT Systems och ett förvärv på 665 miljoner dollar av Silo AI, den största privata AI‑labbet i Europa, för att stärka sin position inom AI, datacenter och inbäddad databehandling.
“Xilinx erbjuder branschledande FPGA:er, adaptiva SoC:er, AI‑inferensmotorer och mjukvarukompetens som gör det möjligt för AMD att erbjuda den starkaste portföljen av högpresterande och adaptiva beräkningslösningar i branschen och ta en större del av den cirka 135 miljarder dollar stora marknadsmöjligheten vi ser över moln, edge och intelligenta enheter.”
Dr. Lisa Su – Ordförande & VD på AMD
Så har AMD varit en väsentlig del av Silicon Valleys historia i mer än ett halvt sekel, och har vuxit genom en blandning av intern FoU samt viktiga strategiska förvärv som idag är avgörande för företagets strategiska position.
AMD i siffror
Allmänna AMD‑statistik
AMD har omkring 31 000 anställda och har huvudkontor i Santa Clara, Kalifornien, med stora verksamheter i Austin, Texas. Utanför USA har företaget en stor och nyligen utökad anläggning med ett nytt 209 000 kvadratfot stort ingenjörslabb i Penang, Malaysia, samt en betydande anläggning i Markham, Ontario, med totalt 100 kontorslokaler världen över i 32 länder.
Precis som Nvidia är AMD en ”fabless” chip‑tillverkare, fokuserad på design, med TSMC (TSM ) som nyckelpartner för avancerade noder (2‑3 nm) och GlobalFoundries för äldre designer.
Företaget har också utökat sitt partnerskap med Flex i mars 2026 för att tillverka AMD Instinct MI355X AI‑plattformar vid Flexs 1,4 miljoner kvadratfot stora anläggning i Austin, Texas.
AMD:s finanser
År 2025 kontrollerade AMD 36,5 % av CPU‑marknaden, men sjönk till endast 5 % av PC‑GPU‑marknaden (mer om detta ämne nedan). Sammantaget har AMD en uppskattad intäktsandel på 28 % på klient‑PC‑marknaden (upp från 20 % år 2024) och siktar på 40 % under de kommande 3–5 åren.
AMD genererade 34,6 miljarder dollar i intäkter år 2025, en ökning med 34 % från föregående år, med en nettovinst på 2,5 miljarder dollar, upp 42 % år‑till‑år. Tillväxten drevs av ökningar i datacenter‑, klient‑ och spelsegmenten. Datacenter‑marknaden var den största intäktsgeneratorn med 16,6 miljarder dollar i intäkter (upp 32 %), följt nära av klient‑ och spelsegmenten med 14,5 miljarder dollar (upp 51 %).
AMD:s nuvarande affärsposition
AMD är för närvarande närvarande i de flesta nyckelmarknader för högpresterande halvledarprodukter, inklusive CPU:er, GPU:er och specialiserade halvledare för industrier som fordons-, automations- och robotsektorn.

Källa: AMD
Företagsstrategin har nyligen mest fokuserat på AI, vilket inte är någon överraskning, eftersom samma kan sägas om alla i branschen under de senaste tre åren.
För att vinna kapplöpningen om att leverera tillräcklig och rätt typ av AI‑hårdvara fokuserar AMD på att växa inom datacenter‑segmentet, inklusive rack‑skaliga lösningar och att erbjuda ett integrerat alternativ för en komplett uppsättning matchande CPU:er, GPU:er, FPGA (Field Programmable Gate Array, eller anpassade digitala logikkretsar), förpackning och nätverk.
Det gör också en koncentrerad satsning på edge‑AI (AI beräknad på plats istället för i molnet och datacenter) och anpassade adaptiva AI‑plattformar, särskilt hårdvara för AI‑agenter (se mer nedan).
Svep för att rulla →
| Kategori | AMD‑position | Varför det är viktigt |
|---|---|---|
| AI‑GPU:er | Instinct‑acceleratorer riktar sig mot AI‑träning och inferens i datacenter. | Direkt konkurrens med Nvidia inom hyperscaler‑infrastruktur. |
| Server‑CPU:er | EPYC‑processorer konkurrerar starkt med Intel i datacenter‑servrar. | CPU:er orkestrerar AI‑arbetsbelastningar och hanterar stora datapipelines. |
| Adaptiv databehandling | Xilinx‑teknik levererar FPGA:er och adaptiva SoC:er. | Användbart för specialiserade AI‑arbetsbelastningar och edge‑distributioner. |
| Edge‑AI | Ryzen AI och inbäddade processorer möjliggör AI‑beräkning på enheten. | Viktigt för robotik, industriella system och AI‑PC:er. |
| Marknadsdynamik | Molnleverantörer söker i allt högre grad AI‑hårdvara från en andra källa. | Leverantörsdifferentiering kan gynna AMD:s långsiktiga tillväxt. |
AMD:s strategi för framtida tillväxt
AMD:s strategi: energieffektiv AI‑hårdvara
Som nämnts tidigare har AMD under de senaste åren gjort några nyckelförvärv, som Xilinx, ZT Systems och Silo AI, för att förbättra sin position på AI‑marknaden. Som ett resultat, även om de fortfarande arbetar med att återta sin position inom GPU:er, är de redan en seriös aktör inom datacenter‑rack, FPGA:er, adaptiva SoC:er (System‑on‑Chip) och EU‑marknader.
Denna närvaro är viktig eftersom FPGA:er, SoC:er och liknande hårdvara omprövas för AI‑beräkning. De kanske inte är lika kraftfulla, men de är mycket mer effektiva och kräver mycket mindre energi för samma mängd beräkning.
Eftersom AI‑datacenterns utrullning i allt högre grad bromsas av energiförsörjning snarare än brist på hårdvara, kan mer effektiv hårdvara bli en allt viktigare faktor och föredra andra designer än den GPU‑tunga approach som hittills använts.
AMD har problem med GPU:er?
AMD har länge varit känt bland PC‑spelare som ett livskraftigt, billigare alternativ till Nvidia‑GPU:er, om än något efter i prestanda.
Dock har AMD sakta förlorat marknadsandelar till Nvidia på denna marknad, med ett nytt lågt rekord i slutet av 2025, där AMD:s GPU:er stod för endast 5 % av den totala försäljningen av add‑in‑board (AIB) grafikkort.
Detta berodde delvis på en minskning i leveranser, där AMD:s senaste Radeon RX 9000‑serie GPU:er inte var tillgängliga i tillräckliga mängder tidigt i deras livscykel, vilket ledde till ett delvis misslyckat lansering.
Dessutom har GPU:er som drivs av den ständigt växande efterfrågan från AI‑hyperscalers lett till prisökningar, vilket gör dem oåtkomliga för de flesta PC‑användare, medan priset på andra PC‑komponenter som minne också har skjutit i höjden.
Sammanlagt kommer marknaden för grafikkort för stationära datorer att minska med 10 % år‑till‑år.
“AIB‑marknaden, som i stor utsträckning stöds av spelare, pressas från botten av kraftfulla nya bärbara datorer och CPU‑integrerad grafik, och från toppen av stigande priser på grund av konkurrens (utbud och efterfrågan), minnespriser och Trump‑administrationens tullar som svänger omkring,” Dr. Jon Peddie – President för Jon Peddie Research.
Eftersom AMD för närvarande saknar högpresterande konkurrens i denna generation, ignorerar de mest dedikerade kunderna som är villiga att betala för toppresterande GPU:er, oavsett pris, helt AMD.
Dock speglar de separata GPU‑försäljningarna inte fullt ut AMD:s position på denna marknad. Till exempel kontrollerar AMD en betydande del av marknaden för integrerade GPU:er, eftersom nästan alla Ryzen‑processorer för stationära datorer har en iGPU, med hårdvara integrerad i CPU:n som redan utför många grafikrelaterade beräkningar.

Källa: TechPowerUp
Så för de flesta PC‑användare är möjligheten att ha en rimligt prissatt CPU som helt kan undvika de överprissade GPU:erna ett bra alternativ, och det har lett AMD till att stärka sin position på CPU‑marknaden på Intels bekostnad.
Eller som AMD uttrycker det: “AMD ger konsumenter och företag fler AI‑PC‑alternativ med en utökad Ryzen™ AI 400‑seriens portfölj.” Detta innebär att GPU‑försäljningen, som definitivt ser dålig ut för AMD i slutet av 2025, egentligen inte längre är ett relevant mått på försäljningen av AI‑aktiverad hårdvara, särskilt på konsumentnivå.
AMD Ryzen AI 400‑serien möjliggör nu för användare att köra AI‑applikationer och LLM:er lokalt och hantera beräkningsintensiva applikationer, inklusive sådana för design och ingenjörskonst. Den innehåller också en neural processing unit (NPU).
“Stationära PC:er utvecklas från ett verktyg du använder till en intelligent assistent som arbetar tillsammans med dig. Med Ryzen AI 400‑seriens processorer – världens första som är designade för att driva nya Copilot+‑upplevelser på skrivbordet – levererar vi kraftfull AI‑acceleration som gör det möjligt för våra partners att bygga system som ger både företag och konsumenter möjlighet att göra mer och skapa mer.” Jack Huynh – Senior vice president and general manager of the Computing and Graphics Group at AMD
Ett förändrat konkurrenslandskap för AI‑hårdvara
Det är ingen hemlighet att i kapplöpningen om att leverera AI‑hårdvara till hyperscalers har Nvidia varit den största vinnaren. Denna framgång medför dock också många problem och potentiella framtida utmaningar för företaget.
Under större delen av halvledarindustrins historia har varje hårdvarutyp slutligen kontrollerats av ett oligopol av ett fåtal stora designers och tillverkare, men aldrig har endast en blivit ett monopol.
Huvudanledningen är att om en specifik del av leveranskedjan blir ett monopol, ger det företaget för mycket prissättningsmakt och kontroll, och andra företag med liknande kompetens kan kliva in och erbjuda den nödvändiga konkurrensen.
Och så är fallet för AI‑hårdvara. Å ena sidan ser några av de största hyperscalers som Google (GOOGL ) nu på att producera sin egen AI‑hårdvara med TPU:er (Tensor Processing Units). Å andra sidan är många av de största AI‑företagen som inte planerar att bygga sin egen hårdvara fortfarande försiktiga med sitt överdrivna beroende av Nvidia och söker alternativ.
AMD:s stora partnerskapsavtal
I oktober 2025 signerade AMD ett chip‑försörjningsavtal med OpenAI värt 6 GW beräkningskapacitet, med användning av AMD‑GPU:er. Detta är en del av ett bredare initiativ från OpenAI att diversifiera sina leverantörer för ett enormt 33 GW beräkningsåtagande fördelat mellan Nvidia (10 GW), AMD (6 GW), Broadcom (10 GW för anpassade AI‑acceleratorer) (AVGO ), och Oracle (ORCL ).
Detta kommer att använda den kommande AMD MI450‑chipet — med 432 GB HBM4‑minne, nästan 20 TB/s bandbredd och upp till 40 PFLOPS FP4‑beräkning per GPU.
Avtalet representerar upp till 90 miljarder dollar i kumulativ hårdvaruinkomstpotential. Det möjliggjorde också för OpenAI att förvärva upp till 10 % av AMD, beroende på hur mycket av beräkningskapaciteten som byggs, vilket låser ihop de två företagen i ett mycket nära förhållande.
MI450‑chipet säkrade också en annan stor vinst i form av ett 100 miljarder‑dollaravtal med Meta för ytterligare 6 GW beräkningskapacitet. Det kommer att använda en anpassad version av chipet optimerad för Metas arbetsbelastningar, kallad ”Instinct”.

Källa: DigWatch
Här var också resonemanget för Meta att ”diversifiera vår beräkning” enligt Mark Zuckerberg. Och även här har AMD utfärdat samma mängd prestationsbaserade teckningsoptioner (upp till 160 miljoner aktier i AMD:s stamaktier), strukturerade för att intjänas vid specifika milstolpar för GPU‑leveranser till Meta, vilket potentiellt kan göra både Meta och OpenAI till ägare av upp till 20 % av företaget i framtiden.
“Detta fleråriga, fler generations‑samarbete över Instinct‑GPU:er, EPYC‑CPU:er och rack‑skaliga AI‑system anpassar våra färdplaner för att leverera högpresterande, energieffektiv infrastruktur optimerad för Metas arbetsbelastningar, vilket påskyndar en av branschens största AI‑utrullningar och placerar AMD i centrum av den globala AI‑uppbyggnaden.” Dr. Lisa Su – Ordförande & VD på AMD
Samtidigt vänder sig även USA:s energidepartement till AMD för att bygga en superdator på 1 miljard dollar för att hjälpa till att utnyttja fusionsenergi eller behandla cancer med nyutvecklade läkemedel.
“Vi kommer att göra enormt snabbare framsteg med hjälp av beräkningarna från dessa AI‑system, som jag tror kommer att ha praktiska vägar för att utnyttja fusionsenergi inom de kommande två eller tre åren. Mitt hopp är att inom fem till åtta år kommer vi att omvandla de flesta cancerformer, många av vilka idag är dödsdomar, till hanterbara tillstånd.”Energy Secretary Wright
Edge‑AI
Slutligen förflyttar sig AI sakta från extremt beräkningsintensiv generell AI som körs i enorma datacenter till att utföras för smalare uppgifter i realtid på lokaler hårdvara, en metod kallad ”edge computing”. Detta är särskilt viktigt för fysisk AI i mobil robotik, självkörande bilar, drönare, bärbara enheter, industriområden osv.
För dessa uppgifter föredras lägre beräkningskraft men med högre effektivitet.
För detta ändamål har AMD i mars 2026 lanserat sin nya processor Ryzen AI Embedded P100‑serie, med upp till 2 × högre CPU‑kärnantal, upp till 8 × högre grafikprocessorenhet (GPU), allt på ett enda chip.
“AMD Ryzen™ AI Embedded‑plattformen är en spelväxlare för industriella och AI‑drivna applikationer vid edge. Vår P100‑baserade K4131-Px mITX kommer att utrustas med fyr‑ till 12‑kärniga APU:er vilket gör att vi kan erbjuda kunder ett sortiment av lösningar som levererar hög beräkningsprestanda och AI‑acceleration i samma kompakta format.” Thomas Stanik, senior sales & business development manager, Kontron
AI‑agenter och skiftet mot CPU‑driven inferens
Allt mer ersätts den generella AI:n av ”AI‑agenter”, en underavdelning av AI‑modeller som skapar mer specialiserade verktyg fokuserade på en specifik uppgift. Trots allt finns det liten nytta av att AI:n som kör en bil, rensar en databas eller flyttar en robotarm också kan skriva en roman, erbjuda psykologisk rådgivning eller generera en bild på begäran.
Agentisk AI tros vara mer beroende av CPU:er än GPU:er, jämfört med fullständiga AI‑modeller. Därför är det sannolikt att AI‑agenter kommer att orsaka en återuppgång i efterfrågan på CPU‑beräkningskapacitet, efter år av GPU‑dominans i rubriker och försäljningsstatistik.
“Moderna AI‑utrullningar är beroende av balanserade system. CPU:er, GPU:er, nätverk och mjukvara spelar var och en distinkta roller för att leverera prestanda i skala. Inom dessa miljöer orkestrerar CPU:er arbetsbelastningar, hanterar minne och datarörelser, och stödjer företagsapplikationer som körs tillsammans med AI‑modeller i produktion.”
Så medan massutbildningens era var centrerad kring GPU:er, kan eran för att köra AI för att lösa verkliga problem (inferens) bli mer CPU‑centrerad, vilket skulle gynna ledarna på denna marknad: AMD och Intel.
Investeringsfallet för AMD
AMD är en mindre diskuterad och mycket mindre värderad chip‑tillverkare än sin eviga ärkerival på GPU‑marknaden: Nvidia. Men de hänger snabbt ikapp på AI‑datacenter‑marknaden och har en stark fördel i AI‑inferens, både i molnet och edge‑computing, eftersom AMD drar nytta av en mer diversifierad affärsverksamhet med stark närvaro inom CPU:er och specialiserade halvledare som FPGA:er.
Dessutom är många hyperscalers ivriga att diversifiera sina leverantörer av AI‑chip, både på grund av återkommande leveransförseningar från Nvidia och för att minska risken att en aktör blir ett monopol. Medan företag som Google kan ta ansvaret för att producera AI‑hårdvara själva, väljer andra som Meta och OpenAI AMD och bygger ett långsiktigt strategiskt partnerskap, inklusive genom strategiskt deltagande i företagets aktier.
Slutligen kommer AMD också att gynnas av den globala förflyttningen av AI‑industrin från ett GPU‑centrerat tillvägagångssätt till anpassade designer, mer energieffektiva chip och en större roll för CPU:er, alla sektorer där AMD kan överträffa Nvidia eller stå på lika villkor med Intel eller Broadcom.
Detta förändrar företagets profil, från en lönsam men eftersläpande designer av halvledarchip till en framväxande AI‑ledare, samtidigt som marknadsvärdet fortfarande mest speglar dess tidigare profil.
(Du kan också läsa mer om AI‑hårdvara i vår dedikerade rapport, samt rapporterna som täcker AI‑hårdvaruföretag som Nvidia, Intel, och Broadcom)
Investeringssammanfattning
AMD ger exponering mot den snabbt växande AI‑hårdvarumarknaden genom flera teknologier, inklusive datacenter‑GPU:er, EPYC‑server‑CPU:er, adaptiva chip från Xilinx och edge‑AI‑processorer. Medan Nvidia för närvarande dominerar AI‑acceleratorer, kan AMD:s diversifierade beräkningsportfölj och växande hyperscaler‑partnerskap göra det möjligt att ta en betydande andel av framtida AI‑infrastrukturutgifter.
Xilinx och edge‑AI‑processorer. Medan Nvidia för närvarande dominerar AI‑acceleratorer, kan AMD:s diversifierade beräkningsportfölj och växande hyperscaler‑partnerskap göra det möjligt att ta en betydande andel av framtida AI‑infrastrukturutgifter.











