10. July 2026
Tenk om strøm eller drivstoff plutselig ble 99 % billigere over natten. Det er nøyaktig det som er i ferd med å skje med beregningskraft for kunstig intelligens. Mens diskusjonen i styrerommene ofte handler om når vi når "singulariteten" – punktet der maskiner blir smartere enn oss – overser mange den virkelige revolusjonen som utspiller seg akkurat nå: En ekstrem priskollaps på rå intelligens. Kostnaden for å kjøre avanserte AI-modeller faller i et tempo som savner sidestykke i teknologihistorien.
Tidligere trodde vi at tilgang på banebrytende AI ville forbli et luksusgode forbeholdt tech-giganter med utømmelige budsjetter. Utviklingen fram mot sommeren 2026 viser det motsatte. Ekstrem effektivisering av algoritmene og mer målrettet maskinvare gjør at prisen per prosesserte dataenhet raser mot null. Vi går fra en æra med knapphet på intelligens til en æra med enorm overflod.
For strategiske beslutningstakere og økonomidirektører snur dette opp-ned på alle tidligere lønnsomhetsanalyser (ROI). Prosjekter som ble skrinlagt i fjor fordi skyregningen ville bli for astronomisk – som å la en AI analysere hver eneste e-post, telefonsamtale og kundetransaksjon i sanntid – er nå plutselig svært lønnsomme. Kundesentre og supportavdelinger kan nå rulle ut hyper-personlige og autonome agenter i massiv skala, uten frykt for at IT-budsjettet sprekker. Intelligens er ikke lenger en kostbar ressurs som må rasjoneres, men en billig innsatsfaktor som kan sløses med for å skape verdi. Les mer hos The Innermost Loop.
De fleste av oss har blitt vant til at AI fungerer ved å "dikte" opp neste ord eller piksel, men nå vinner en helt annen tilnærming frem i kulissene. En ny og omfattende gjennomgang av Metas JEPA-arkitektur (Joint Embedding Predictive Architecture) skaper stor debatt i tech-miljøet. Yann LeCun, Metas sjefforsker på AI, har lenge hevdet at dagens generative AI-modeller (som ChatGPT) er et blindspor fordi de bare gjetter på statistiske mønstre uten reell forståelse. JEPA forsøker i stedet å bygge en "verdensmodell" som forstår fysiske sammenhenger og årsak-virkning.
Generative modeller sliter fundamentalt med hallusinasjoner og logiske brister fordi de mangler sunn fornuft. Ved å fokusere på abstrakte konsepter i stedet for å generere hver minste detalj (som å forutsi nøyaktig hvordan hvert enkelt blad på et tre beveger seg i vinden), kan JEPA-modeller planlegge og forutsi hendelser på en langt mer effektiv og pålitelig måte, lik slik vi mennesker navigerer i verden.
For logistikkbedrifter, robotikk-utviklere og aktører innen fysisk automasjon representerer dette et avgjørende teknologisk skifte. Mens dagens generative språkmodeller egner seg best til tekstskriving og kontorstøtte, vil JEPA-lignende arkitekturer være selve motoren i neste generasjons selvkjørende maskiner, smarte lagerroboter og avanserte prediktive systemer. Virksomheter som planlegger tunge investeringer i fysisk automasjon bør derfor rette blikket bort fra tradisjonelle språkmodeller og posisjonere seg for denne nye bølgen av fysisk forstående AI. Les analysen av JEPA her.