Varför världens AI-framtid hänger på en liten stad i Nederländerna

Jag satt häromdagen och djupdök i ett av Elon Musks senaste – och i ärlighetens namn galnaste – gigaprojekt: Terafab. Det är en gemensam satsning mellan Tesla, SpaceX och xAI för 25 miljarder dollar med målet att massproducera 200 miljarder AI-chip per år.

Det fick mig att inse hur sällan vi pratar om vad AI faktiskt är. Vi tänker ofta på artificiell intelligens som något luftigt. Magi i molnet. Smarta algoritmer som ritar bilder, skriver kod eller svarar på våra frågor. Men sanningen är att AI är brutalt fysiskt. Det handlar om kisel, lasrar och enorma fabriker.

Och just nu finns det en propp i det globala systemet som få känner till. En propp som får mig att ifrågasätta om de mest storslagna framtidsvisionerna ens är fysiskt möjliga. Låt oss nörda ner oss lite i leverantörskedjan – och varför den är både fascinerande och skrämmande skör.

Vem gör egentligen vad?

När vi pratar om AI-chip kan vi dela in marknaden i tre tydliga roller. Tänk dig att vi ska bygga ett hus:

Arkitekterna (Designerna, t.ex. Nvidia, Apple, Tesla)

De vet exakt hur huset ska se ut och fungera för att maxa prestandan, men de bygger faktiskt ingenting själva. De nöjer sig med ritningarna.

Byggarbetarna (Fabrikerna, t.ex. TSMC i Taiwan)

De tar emot ritningen från arkitekterna och massproducerar husen (chipen) i enorma, sterila miljöer. Det är här volymen sker.

Verktygsmakarna (t.ex. ASML)

Det här är företaget som bygger de superavancerade specialmaskinerna som byggarbetarna överhuvudtaget måste ha för att kunna bygga.

Flaskhalsen med stort F ligger i Europa

Det är hos verktygsmakarna det blir riktigt intressant. Och lite läskigt. Det finns i princip bara ett enda företag i hela världen som kan bygga de maskiner som krävs för de allra mest avancerade AI-chipen.

Företaget heter ASML och har sitt huvudkontor i lilla Veldhoven i Nederländerna.

Att bygga en sådan maskin – en så kallad EUV-litografimaskin – är nästan obegripligt svårt. Det tog ASML över två decennier och åtskilliga miljarder euro att ens få fram maskinen. Låt mig ge dig ett exempel på tekniken de använder:

För att "trycka" mönster på kiselplattor, där transistorerna i slutändan är mindre än ett virus, kan man inte använda vanligt ljus. Våglängden är för tjock. I stället skjuter ASML:s maskin en extremt kraftfull laser på minimala droppar av flytande tenn – 50 000 gånger i sekunden.

När lasern träffar tennet skapas ett plasma som är varmare än solens yta. Detta plasma avger ett extremt ultraviolett ljus (EUV). Ljuset fångas sedan upp av speglar från tyska Zeiss. Speglar som är så oerhört släta att om du förstorade dem till att bli lika stora som hela Tyskland (nästan 100 mil tvärs över), skulle det högsta guppet vara mindre än en millimeter högt.

Suger du in hur extremt det här är? Det är science fiction som händer i verkligheten just nu.

Problemet? Eftersom processen är så exceptionellt komplex hinner ASML i dagsläget bara bygga ungefär 50 maskiner om året. Varje maskin väger 180 ton, kostar uppemot flera miljarder kronor och kräver tre fraktflygplan och tjugo lastbilar för att överhuvudtaget levereras. Hela världens techindustri (inklusive jättarna Apple och Nvidia) står alltså i exakt samma, väldigt långsamma, kö.

Kan Terafab lösa ekvationen, eller är det bara luft?

När Elon Musk presenterade Terafab med målet att nå en miljon "wafers" (kiselplattor) i månaden, var det många analytiker som satte kaffet i halsen. För att nå en sådan produktionsvolym skulle Terafab kräva mellan 300 och 500 EUV-maskiner. Problemet är att det i dagsläget knappt finns så många maskiner installerade i hela världen. Det är rent matematiskt och fysiskt omöjligt för Tesla att bara beställa 500 maskiner när hela den globala produktionen ligger på ett femtiotal om året, och all produktion är slutsåld för år framöver.

Så vad är grejen? Varför satsa 25 miljarder dollar på något som ser ut att vara dömt att fastna i en kö?

När jag tänker vidare på det här inser jag att Teslas omedelbara vinst inte alls handlar om att tävla med jättar som TSMC om världens största volym (åtminstone inte i början). Den enorma fördelen handlar om iteration. Det vill säga hur snabbt de kan lära sig av sina misstag och bygga nytt.

När en chiparkitekt som Tesla idag ska testbygga en ny design skickar de ritningen till TSMC i Taiwan. Eftersom TSMC bygger åt alla, tar en sådan testcykel – från ritning till att man har ett fysiskt testchip i handen – ungefär tre till fyra månader. Finns det ett litet fel i designen? Tråkigt, gör om och ställ dig sist i kön igen. Ett färdigt chip kräver ofta upp till femton sådana testvändor. Det kan ta flera år innan designen är klar för massproduktion.

Om Tesla i stället har hela kedjan – design, att tillverka mallarna (maskerna) och en viss testlitografi – under ett och samma tak i sin Terafab, kan de testa en ny design på bara en till två veckor. Den förkortade ledtiden ger dem en oslagbar strukturell fördel på sikt. De kan rita, testa, misslyckas och rita om betydligt snabbare än någon annan på planeten.

EU – beroende och mäktigt på samma gång

Det finns en paradox som jag tycker förtjänar mer uppmärksamhet. Vi inom EU är idag i hög grad beroende av USA och Kina när det gäller de riktigt kraftfulla AI-modellerna. OpenAI, Google DeepMind, Anthropic, Meta – alla amerikanska. Och på den kinesiska sidan har vi DeepSeek, Alibaba och Baidu som snabbt knappar in. Europa? Vi har lovande initiativ som franska Mistral, men i ärlighetens namn ligger vi steget efter i själva modellracet.

Men här är det fascinerande: trots att vi inte äger de mest avancerade AI-modellerna, sitter Europa på en av de absolut mest kritiska pusselbitarna i hela kedjan. Utan ASML:s maskiner i Veldhoven – inga avancerade chip. Utan avancerade chip – inga kraftfulla AI-modeller. Punkt. Det spelar ingen roll hur mycket kapital Silicon Valley eller Shenzhen pumpar in i sina projekt om de inte får tillgång till europeisk litografiteknik.

Det ger EU en enorm geopolitisk hävstång som vi kanske inte utnyttjar fullt ut. Nederländerna har redan, under tryck från USA, infört exportrestriktioner på ASML:s mest avancerade maskiner till Kina. Det visar att Europa inte bara är en passiv åskådare – vi har reellt inflytande över vem som får bygga framtidens AI-infrastruktur.

Frågan är om vi kan omvandla den positionen till något mer. Kan vi använda vår roll i leverantörskedjan som hävstång för att säkra tillgång till de bästa AI-modellerna på rättvisa villkor? Kan vi bygga egna konkurrenskraftiga modeller genom att kombinera vår industriella styrka med riktat forskningsstöd? Eller riskerar vi att bli det klassiska exemplet på att sitta på guldet utan att veta vad vi ska göra med det?

Vad vi egentligen måste fråga oss

Allt det här lämnar mig med några viktiga funderingar. Och jag tror att vi alla – oavsett vilken bransch vi befinner oss i – behöver ställa oss liknande frågor när vi möter all denna nya, hypade teknik:

Är systemet för sårbart? Vad händer när hela världens framtidsutveckling, den AI-boom som ska effektivisera allt, är nästan helt beroende av ett enda företag i Nederländerna och en enda enorm chiptillverkare i Taiwan? Är vi okej med att lägga alla våra ägg i den här extremt snäva korgen? Geopolitiskt är det en tickande bomb.

Hur synar vi tech-hypen? När vi nästa gång läser en braskande rubrik om att "en miljon självkörande bilar släpps i morgon" eller att "AI löser klimatkrisen nästa vecka" måste vi tänka på ASML:s speglar och tenndroppar. Fysisk produktion tar decennier att bygga upp. AI är inte bara mjukvara i ett magiskt moln – det är tung och extremt avancerad industri.

Var ska vi egentligen applicera AI? Om tekniken är så här resurskrävande och exklusiv i sin uppbyggnad, var gör den störst nytta? Borde vi använda dessa makalöst avancerade chip till att generera massvis av automatiserade säljkampanjer, eller till att revolutionera sjukvård, klimatforskning och utbildning?

När vi skrapar lite på ytan inser vi att AI handlar om mycket mer än bara chattbotar – det handlar om världshandel, fysikens gränser och hur vi som samhälle bygger vår framtid. För mig gör det tekniken ännu mer intressant, men det ställer också högre krav på oss att vara medvetna och kritiska konsumenter.

Hur tänker du kring sårbarheten i de system vi förlitar oss på i dag? Och hur säkerställer vi att vi använder AI:s kraft på rätt ställe i just våra verksamheter?

Om du, som jag, funderar mycket på detta och vill landa i hur du ska navigera framåt – hör av dig. Vi tar gärna en digital fika och bollar hur vi tillsammans kan göra smarta, qloka val i en AI-styrd värld. 🙂