Tekniken som kan avgöra AI-racet

Där är nämligen ett av tidernas främsta forskningsinstitut inkvarterat. Just nu brottas de med en av teknikvärldens hetaste gåtor – hur fotonik kan avgöra vad framtidens AI kommer att kosta, både i pengar och kilowattimmar.

Bell Labs, som forskningsinstitutet heter, grundades 1925 och har sedan dess rönt framgångar som saknar motstycke i teknikhistorien. Deras laboratorier ligger bakom uppfinningar som lasern, transistorn och solcellerna. Därifrån kom också operativsystemet Unix, programmeringsspråket C och informationsteori som vetenskapligt fält.

Det är bidrag som i dag är grundläggande inom mycket av modern teknik, och som har resulterat i tio Nobelpris på lika många decennier. Men lång tid har passerat sedan Bell Labs storhetstid under 1900-talets andra hälft.

– Det var absolut världens främsta forskningsinstitut och de gjorde något helt unikt, det råder det ingen tvekan om. Men det finns inte så mycket kvar, säger Peter Andrekson, professor i fotonik vid Chalmers tekniska högskola, som under 1990-talet själv arbetade på Bell Labs.

Faktum är att Bell Labs inte genererat Nobelprisbelönad forskning på drygt 40 år, även om John Hopfield så sent som 2024 fick ta emot priset i fysik för sitt arbete med artificiella nätverk och maskininlärning i början av 1980-talet.

Fram till 1984 finansierades idéfabriken av telefonbolaget AT&T:s reglerade monopolvinster, och kärnuppdraget var att bedriva banbrytande grundforskning. Men i och med uppdelningen av AT&T förlorade Bell Labs sin största finansieringskälla, vilket tvingade fram en kursändring mot mer kortsiktig, marknadsanpassad produktutveckling.

Under 2000-talet togs ytterligare steg i samma riktning, och fokus hamnade alltmer på utveckling av den befintliga produktportföljen för telekomutrustning. När Nokia tog över ägandeskapet 2016 förvärvade de alltså en institution som fortfarande räknades till de främsta men som sedan länge slutat stå i en kategori för sig själv.

– Nuförtiden är de inte i närheten av vad de en gång var, säger tidigare KTH-forskaren Richard Schatz som precis som Peter Andrekson också arbetade på Bell Labs under samma tid, och fortsätter:

– Men de hör fortfarande till världens främsta och är med och tampas om att knäcka koden om hur fotonik bäst ska användas.

I dag investerar Nokia två miljarder dollar om året i Nokia Bell Labs, som institutet numera heter. Ser man till börsen så verkar det vara väl investerade pengar – Nokias aktie har stigit med 185 procent sedan i maj förra året.

– Personligen tycker jag att det är klokt av Nokia att investera i grundforskning och utveckla färdiga produkter under samma tak, om de har råd. Det har visat sig vara ett framgångsrecept förut, säger Peter Andrekson.

Varde ljus!

Trots att laboratoriet de senaste åren levt i skuggan av sitt eget rykte har utvecklingen av AI aktualiserat problem som Bell Labs har brottats med i decennier.

Nästa generations AI kräver att tusentals extremt kraftfulla processorer står i ständig kommunikation med varandra inuti enorma datacenter – likt en gigantisk superdator.

– När dessa datacenter i sin tur länkas samman globalt bildas något som liknar en världsomspännande levande organism – ett nätverk av människor och maskiner i ständig kommunikation via optiska fibrer, säger Richard Schatz.

Problemet är att processorerna som utför själva beräkningarna i dag blivit så snabba att det blir trafikstockning i kommunikationsnätet som binder dem samman.

Lösningen stavas fotonik. I stället för att skicka elektroniska signaler genom kopparkablar placeras ett chip som använder ljuspulser i stället för elektroner i direkt anslutning till processorn.

– Ett mycket hett område just nu är co-packaged optics – att bygga in fotonik och elektronik mycket närmare varandra. Det låter inkrementellt, men kommer att ha stor betydelse, säger Peter Andrekson.

Dessa fotoniska integrerade kretsar flyttar sedan data som ljuspulser via optiska vågledare direkt till nästa processor. Genom att använda fotonik kan information överföras både betydligt snabbare och över längre avstånd.

– Skillnaden är så extremt stor att fotoniken är direkt nödvändig, det är otänkbart att utveckla nästa generations AI med elektrisk kommunikation, hastigheterna är för höga, säger Richard Schatz.

Fotoniken beskrivs därför ofta som nästa kritiska flaskhals för AI-utvecklingen.

Fotoniken i praktiken

Grundproblemet med elektroner vid datatransport i stor skala är att de är elektriskt laddade och möter motstånd vid transmission.

– Det innebär att överföringen av data bromsas in, eftersom elektronerna stör varandra och genererar värme, förklarar Richard Schatz.

Fotoner däremot, alltså ljusets partiklar, är elektriskt neutrala och interagerar knappt med sin omgivning.

– Detta ger enormt mycket lägre signalförluster och högre överföringshastigheter, fortsätter Richard Schatz.

Ljussignaler är dessutom helt immuna mot elektromagnetiska störningar och tillåter multiplexering, det vill säga att flera datasignaler skickas samtidigt genom att använda olika färger på ljuset.

– Det är därför önskvärt att använda fotonik för datatransmission, medan elektronik används för dataprocessning, säger Richard Schatz.

När nästa generations AI-prestanda ska skalas upp är det framför allt två kostnader som företagen kan tjäna pengar på att hålla ner, menar Richard Schatz.

– Det är tillverkningskostnaden, det vill säga hur dyra material och komplexa konstruktioner som krävs för att bygga tekniken, och driftskostnaden, som avgörs av den ytmässiga storleken och energiförbrukningen.

Enligt International Energy Agency, IEA, visar prognoserna på att energibehovet för AI-datacenter kan tredubblas fram till 2030.

– Det är ett stort problem att energiförbrukningen eskalerar i takt med att datahastigheten ökar, säger Richard Schatz.

I en enda av dessa gigantiska anläggningar, som drivs av så kallade hyperscalers, kan det krävas en effekt på upp till 1 000 megawatt vid varje givet tillfälle.

Det är enorma mängder energi som ungefär motsvarar effekten i Forsmarks reaktor 1. Det motsvarar ungefär hela Stockholms kommuns genomsnittliga elförbrukning – dygnet runt, året om.

I den traditionella halvledarvärlden har effektivisering och miniatyrisering gått hand i hand.

– När komponenterna krympt har färre elektroner behövts per operation utan att prestandan försämrats, snarare tvärtom.

Med fotonisk transmission gäller raka motsatsen. För att öka överföringshastigheten behövs alltid fler fotoner, alltså högre effekt i lasrarna. Det gör att värmeutvecklingen ökar.

– Ju snabbare data ska skickas med ljus, desto varmare blir systemet. Miniatyrisering löser alltså ingenting vid fotonisk transmission, tvärtom blir kylningsproblematiken större, förklarar Richard Schatz.

Det är bland annat denna problematik som får forskarna på företag som Nokia, Coherent, Nvidia och stora hyperscalers som Google och Microsoft att dra sig i håret.

– Energiförbrukningen per bit fortsätter att minska, men antalet bitar som ska transporteras ökar ännu snabbare. Jag vet inte om effektiviseringarna kommer att räcka, säger Peter Andrekson.

Och det är inte längre ett problem för framtiden, för den är redan här.

Svaret lyser med sin frånvaro

Enligt en McKinseyrapport från juni 2025 beräknas produktionen av de kritiska optiska transceivrar som AI-datacenter kräver ligga 40 till 60 procent lägre än efterfrågan fram till 2027. Samtidigt väntas marknaden för AI-fokuserad optik växa med nästan 60 procent bara under 2026. Kapaciteten och efterfrågan rör sig i var sin riktning.

– Det är ett väldigt akut läge, behovet är uppdämt redan i dag. Och trots att det finns flera möjliga tekniska lösningar på de här problemen är inga riktigt bra i dagsläget, säger Richard Schatz.

I mars 2026 fattade Nvidia mot bakgrund av detta ett beslut som belyser just hur akuta fotonikbehoven redan blivit. Nvidia investerade fyra miljarder dollar, två miljarder i vardera Coherent och Lumentum, och säkrade prioriterad tillgång till deras produktionskapacitet inom optiska komponenter för AI-datacenter fram till 2027.

Lite hårdraget går det alltså att säga att Nvidia betalade för att knuffa undan konkurrenterna ur kön till de komponenter en hel marknad skriker efter.

– Företagen fokuserar nu bland annat på lösningar där lasrarna monteras utanför själva kretsarna så att de kan kylas separat, säger Richard Schatz.

Tillverkningen av optiska komponenter kan kräva bland annat indiumfosfid (InP), samt en extremt specialiserad processkompetens.

Till skillnad från konventionell halvledartillverkning, där en fabrik kan förvänta sig att nio av tio chip fungerar, producerar en fabrik för EML-lasrar ofta bara ett till fem fungerande chip av tio, beroende på konstruktionens komplexitet. Det är inte en fabrik som byggs i en handvändning.

– Man behöver nästan hitta en ”konstnär” – någon som är väldigt duktig på just det här. Men det är så mycket erfarenhet och handpåläggning inbyggt i processen att det är svårt att bara utbilda nytt folk, säger Richard Schatz.

AI-kapplöpningens upplopp

Det är i ljuset av detta som Nokias klättring på aktiemarknaden bäst förstås. När Nokia i början av 2025 förvärvade amerikanska Infinera föll en viktig pusselbit på plats. Köpet gav bland annat Nokia ägarskap över Infineras fabrik för InP-baserade fotoniska integrerade kretsar (PIC), som väntas stå färdig i år.

Det innebär att Nokia i dag är det enda västerländska bolaget som kontrollerar hela kedjan från grundforskning, via egen InP-PIC-fabrik, till färdig nätverksintegrerad systemprodukt.

Det positionerar bolaget som en kandidat med tätkänning i kapplöpningen om att lösa AI:s energiparadox, för kompetensen för att nyttja fabrikens kommersiella produktionskapacitet finns redan inom organisationen.

– Inom mitt team har vi ett InP-halvledarlaboratorium där vi kan designa, odla och processera unika komponenter. Att ha den kapaciteten är något helt exceptionellt för ett team som vårt, sade Theodore Sizer, chef för optisk forskning på Nokia Bell Labs i en intervju med en amerikansk branschorganisation redan 2023.

Drygt ett halvår efter att det vertikala ägarskapet blev komplett investerade Nvidia en miljard dollar i ett strategiskt partnerskap med Nokia. Partnerskapet innebär att Nokia integrerar Nvidias chip i sina 5G- och 6G-nät, medan Nvidia får tillgång till Nokias datacenterteknik för sin AI-infrastruktur.

Under samma månad som Nvidia investerade i Coherent och Lumentum, i mars 2026 presenterade Nokia också en helt ny produktlinje för AI-anpassade fotoniska integrerade kretsar. Den är – knappast av en slump – planerad att nå kommersiell volymproduktion under det andra halvåret 2027, precis när branschens komponentbrist spås nå sin kulmen.

Genom Infineraförvärvet har Nokia säkrat en kritisk del av sin leveranskedja, tillverkningen av de fotoniska integrerade kretsarna, något som få av deras konkurrenter kan säga.

När techjättarna söker ny teknik för att undvika skenande elräkningar kan Nokia erbjuda en västerländsk lösning som lovar att kapa energikostnaderna för dataöverföring med 75 procent.

– Företagen ser flera olika slags lösningar inom fotoniken, men vilken som slutligen kommer att visa sig vara den mest energi- och kostnadseffektiva återstår att se, och det är väldigt dyrt att testa sig fram, säger Richard Schatz.

Frågan om vem som kontrollerar de framtida kostnaderna per AI-beräkning avgörs därför inte nödvändigtvis i styrelserummen. För Nokias del avgörs den i Bell Labs laboratorier och Infineras InP-PIC-fabrik.