Nvidias nästa generations Kyber NVL144 AI-racksystem har försenats med mer än ett år, vilket driver lanseringen till 2028 efter att chipjätten stötte på envisa tillverkningsproblem med en kritisk intern komponent, enligt en rapport från forskningsföretaget SemiAnalysis. Den sällsynta snubblingen för världens mest värdefulla halvledarföretag skickade krusningar genom AI-hårdvaruförsörjningskedjan och gav en oväntad öppning till konkurrenterna. För kontinuerlig täckning av utbyggnaden av AI-infrastrukturen, följ våra bristande AI-nyheter.

Avslöjandet, som först rapporterades av CNBC den 6 juli 2026, citerar en SemiAnalysis-analys som fann att Nvidia kämpar för att tillverka det tryckta kretskortet (PCB) mittplanet som ansluter GPU:erna inuti Kyber-racket. Mellanplanet är den fysiska ryggraden i systemet, dirigerar höghastighetssignaler mellan dussintals chips, och svårigheter att producera det i stor skala har tvingat Nvidia att flytta tillbaka tidslinjen med över tolv månader.

Vad Kyber NVL144 var tänkt att leverera

Kyber NVL144 är en del av Nvidias ambitiösa färdplan för att packa allt mer datorkraft i enstaka, fabriksskala rack som hyperskala molnleverantörer kan distribuera för att träna och köra frontier AI-modeller. Varje NVL144-system är designat för att rymma 144 GPU:er i ett enhetligt, vätskekylt chassi, med hjälp av högbandbreddsanslutningar för att låta chipsen fungera som en enda gigantisk accelerator.

Dessa system i rackskala har blivit den centrala byggstenen i det moderna AI-datacentret. Företag som Microsoft, Meta, Amazon och Google beställer dem i tusental för att hålla jämna steg med de exploderande beräkningskraven från stora språkmodeller. En försening på mer än ett år i en flaggskeppsprodukt får därför konsekvenser långt utöver Nvidias egna intäkter, vilket bromsar kapacitetsutbyggnaderna som hela AI-branschen är beroende av.

PCB Midplane-flaskhalsen

Enligt SemiAnalysis ligger kärnproblemet i att tillverka PCB-mittplanet till de toleranser som Kybers höghastighetsförbindelser kräver. Mittplanet måste bära enorma mängder data mellan GPU:er med minimal signalförlust, och vid de tätheter som Nvidia siktar på kan även små tillverkningsfel försämra prestandan eller orsaka fel.

Rapporten visar att svårigheterna inte är isolerade till en enskild leverantör utan återspeglar en bredare utmaning när det gäller att driva PCB-tekniken till sina fysiska gränser. När signalhastigheterna stiger och antalet lager ökar, sjunker avkastningen och produktionscyklerna förlängs, vilket skapar en flaskhals som pengar ensamma hittills inte har kunnat lösa.

En andra front: CPO och NVL576

Resultaten från SemiAnalysis sträcker sig bortom NVL144. Den större Kyber NVL576-konfigurationen, som skulle stapla ännu fler GPU:er i ett enda rack, står också inför osäkerhet på grund av utmaningar i massproducerande co-packaged optik (CPO), tekniken som Nvidia satsar på för att ersätta kopparkopplingar i stor skala. Både PCB-mittplanet och CPO betraktas allmänt som grundpelare i Nvidias prestandafördelar, och det faktum att båda nu visar sig svåra att tillverka gör vad som hade varit en konkurrenskraftig vallgrav till en källa till förseningar.

Nyheten om förseningarna utlöste en kraftig nedgång i aktier i företag knutna till optoelektronik och avancerad förpackning, eftersom investerare omvärderade hur snabbt nästa våg av AI-hårdvara faktiskt skulle komma.

Rivals Se en öppning

För Nvidias konkurrenter är förseningen en sällsynt gåva. Advanced Micro Devices har stadigt minskat gapet i GPU-prestanda och har sina egna rack-skala erbjudanden under utveckling. Google, som designar sina egna anpassade AI-acceleratorer som kallas Tensor Processing Units (TPUs), bygger integrerade system internt och är mindre utsatta för tillverkningsflaskhalsarna som nu begränsar Nvidias färdplan.

Analytiker noterade att en tolv månader lång slip ger AMD ytterligare tid att landa designvinster med hyperskalare som annars kanske hade väntat på Kyber. Det förstärker också den strategiska logiken bakom vågen av anpassade kiselinvesteringar från molnleverantörer, som har blivit försiktiga med att vara beroende av en enskild leverantör vars mest avancerade produkter fortsätter att glida.

Nvidia har inte offentligt ifrågasatt SemiAnalysis-karakteriseringen. Företaget har tidigare betonat att rampning av helt nya rackarkitekturer är en i sig komplex process och att det prioriterar tillförlitlighet framför hastighet när kunder investerar miljarder dollar per installation.

Implikationer för AI Compute Race

Kyber-förseningen understryker en verklighet som är lätt att glömma mitt i rekordvinster och skyhög efterfrågan: AI-revolutionen körs fortfarande på fysisk hårdvara och den hårdvaran blir utomordentligt svår att konstruera och tillverka. När modellerna växer sig större och sammankopplingarna som länkar deras träningskluster växer snabbare, krymper toleransen för fel i allt från PCB-design till optisk förpackning till nära noll.

För molnleverantörer och AI-laboratorier som räknar med en stadig pipeline av allt kraftfullare rack, är budskapet från SemiAnalysis att kadensen för hårdvaruförbättring kan vara mindre förutsägbar än vad programvarukarterna antyder. Hur Nvidia och dess leverantörer löser mittplans- och CPO-utmaningarna kommer att hjälpa till att avgöra hur snabbt nästa generation av AI-system kommer, och vilka företag som är positionerade för att dra nytta när den gör det.

---

Ligg före AI

AI-hårdvarulandskapet förändras snabbt. AI Buzz Wire ger dig den senaste utvecklingen inom chips, datacenter och företag som tävlar om att bygga infrastrukturen bakom artificiell intelligens.

Läs mer AI-nyheter →