Här är översättningen av texten från engelska till svenska, utan tillägg, ändringar eller alternativa förslag:
Kapplöpningen hettar till. Elon Musks SpaceX, som bygger både AI-modeller och rymdraketer, meddelade förra veckan att man söker en värdering på 1,77 biljoner dollar (1,31 biljoner pund) på den amerikanska aktiemarknaden. Samtidigt meddelade Anthropic, startupen bakom chatboten Claude, att man hade ansökt om en börsintroduktion. OpenAI, utvecklaren av ChatGPT, förväntas följa efter.
Denna senaste topp på AI-marknaden kommer mitt i en flera biljoner dollar stor utgiftsvåg för relaterad infrastruktur, som datacenter. Samtidigt försöker företag använda tekniken på sätt som gör deras investeringar lönsamma. Här är en titt på var AI-boomen står och sex viktiga diagram som visar hur vi hamnade här.
1. AI har drivit aktier till nya höjder
S&P 500, som följer de 500 största amerikanska företagen, har stigit med nästan 80% under de senaste fem åren. Det hoppet har drivits av stora teknikaktier med en andel i AI-boomen – de "magnifika sju": Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia och Tesla.
Investerarnas fokus på teknik är utan motstycke, säger Jim Bianco på det amerikanska företaget Bianco Research. Hans forskning visade att 41 AI-relaterade aktier nu står för nästan hälften av S&P 500:s totala marknadsvärde.
Neil Wilson, analytiker på investeringsplattformen Saxo UK, varnar för att risken för en inflationschock av 1970-talsmodell, höga teknikvärderingar i allmänhet och en potentiell frysning av privata kreditmarknader inte bådar gott för aktier.
"Hela marknaden har blivit en enda stor AI-struktur", säger han. "Faran är en upprepning av dotcom-bubblan – en massiv krasch och åratal av förlorad avkastning. Enligt vissa mått är värderingarna inte lika ansträngda som de var då, men det här ser ut som en otroligt riskabel marknad."
2. Utgifterna växer i en häpnadsväckande takt
Utgifterna för AI – från datacenter till chips – rusar framåt, från 765 miljarder dollar i år till 1,6 biljoner dollar år 2031, enligt Goldman Sachs. Investeringsbanken medger att det kan finnas problem med ett så stort åtagande. Vad händer om datacenter försenas?
"Med den mängd kapital som satsas, även små förseningar i genomförandet väcker allvarliga frågor om efterfrågeantagandena bakom dessa investeringar", säger Goldman-analytiker. De tillägger dock att om utgiftsplanerna går smidigt kan det utlösa en ny våg av AI-efterfrågan. Ändå visar utgifterna bara hur mycket globala finansiella resurser – och förväntningar på avkastning – som hälls in i AI.
3. Företag och konsumenter använder AI snabbt
Trots blandade rapporter om dess fördelar har den stora majoriteten av företag börjat använda AI – från 33% 2023 till nästan 80% nu, enligt konsultföretaget McKinsey. Den offentliga användningen är också hög, med OpenAIs ChatGPT som nu når 1 miljard månatliga aktiva användare, enligt data från Sensor Tower – ett rekord för alla appar.
Utmaningen för AI-utvecklare nu är hur man ska tjäna pengar på denna enorma bas av offentliga och privata kunder. Företag måste visa att AI förbättrar resultat och sänker kostnaderna tillräckligt för att motivera utgiften. Det innebär att använda det för att bygga hela arbetsflöden – affärsjargong för att slutföra en uppgift från början till slut. Det är fortfarande en lång väg kvar på den fronten.
4. Claude är på väg att komma ikapp ChatGPT
Anthropic började vinna mark mot OpenAI i slutet av förra året, när deras Claude Code-verktyg blev viralt bland mjukvaruutvecklare, mestadels i San Francisco-området, innan det spreds vidare. Claude Code markerade en förändring i hur stora språkmodeller – kärntekniken bakom chatbots – används, med en rörelse mot autonoma AI-agenter som utför uppgifter utan mänsklig hjälp, vilket gör att även icke-teknikvana personer kan skapa mjukvara och hantera en lång rad uppgifter.
OpenAI har fortfarande en mycket större total användarbas, men data från internetanalysföretaget Kentik – som spårar användning över flera amerikanska internetleverantörer – visar att Anthropic snabbt minskar gapet. Claudes användartrafik växte betydligt snabbare än ChatGPT och Googles Gemini mellan januari och april, med en topp efter den perioden. Pentagon klassificerade det som en leveranskedjerisk i mars. I denna tillväxttakt förutspår Kentik att det kan gå om ChatGPT till sommaren – ytterligare en anledning till att Anthropic kan finna en enklare väg till en börsintroduktion än sin konkurrent.
5. AI blir dyrare att använda
Varje gång en AI-chatbot eller agent ger ett svar mäts det i "tokens" – grundläggande språkenheter som kan vara ord, skiljetecken eller stavelser. (Till exempel säger OpenAI att frasen "You miss 100% of the shots you don’t take" är värd 11 tokens.) Tokens mäter också inmatningar, som prompten du skriver in i ChatGPT.
Kostnaderna varierar beroende på modell; OpenAI tar 5 dollar per miljon inmatningstokens för GPT-5.5 och 30 dollar per miljon utmatningstokens (svaret på din prompt).
Problemet för användare är att tokenkostnaderna stiger kraftigt, även när företag överallt uppmanar anställda att "tokenmaxxa" – det vill säga verkligen satsa fullt ut på att använda AI. Problemet för AI-företag är att de fortfarande inte tar tillräckligt betalt.
Det grundläggande löftet med AI är att pengarna ett företag spenderar på dessa verktyg mer än väl kompenseras av vinster i produktivitet – ett mått på ekonomisk effektivitet där högre produktivitet innebär mer produktion per arbetare. Om denna avvägning inte fungerar, försvagas antagandena bakom AI-värderingar – och policyer.
"Kostnaderna håller på att bli helt utom kontroll", säger Liam Betsworth, grundare av den brittiska AI-startupen Pendra. Han säger att mjukvaruutvecklare i hans nätverk använder agenter för att koda, med start från den billigaste prenumerationen och snabbt går över till den dyraste. De är inte ensamma – nyhetssajten Axios rapporterade nyligen om ett namnlöst företag som spenderade 500 miljoner dollar på en månad på licenser för Claude Code.
6. Datacenterbyggande kanske inte håller jämna steg med efterfrågan
Att bygga datacenter är som det centrala nervsystemet för AI-produkter, så växande utveckling och användning av AI-verktyg måste matchas av mer kapacitet – annars blir det en beräkningsbrist, vilket innebär högre kostnader för AI-företag och användare.
Sektorns ambitioner för datacenter är enorma och verkar nästan orealistiska. Bloomberg uppskattar att 23 gigawatt kapacitet var under konstruktion globalt 2025 (kapacitet mäts i elektrisk kraft, eftersom det begränsar hur mycket beräkning en plats kan utföra).
Det amerikanska fastighetsbolaget JLL förutspår att 100 gigawatt kommer att läggas till mellan 2026 och 2030 – en fördubbling av vad de uppskattar som nuvarande kapacitet, motsvarande 1 200 datacenter. JLL säger att deras uppskattning inkluderar spekulativa projekt som kanske aldrig påbörjas.
Var pengarna – och energiförsörjningen – ska komma ifrån för att möta denna prognos är en öppen fråga. Cecilia Rikap, docent vid University College London, säger att många projekt runt om i världen är beroende av politiska löften om att utöka elnätet och leverera kraft; men regeringar kanske inte har resurserna att fullfölja.
Hon frågar: "Har regeringen räknat ut om en sådan expansion är möjlig? Har de pengarna för att göra det? Har de övervägt den miljöskada det skulle orsaka?"
7. Vad AI-modeller kan göra expanderar snabbt
AI-modellers förmågor har förbättrats med stormsteg sedan 2023, enligt METR, en forskningsorganisation som mäter AI-kapacitet.
METR:s mätningar baseras på om AI-modeller kan slutföra en kodningsuppgift, mätt efter hur lång tid det skulle ta en människa att göra det. Enligt detta mått fördubblas AI-modellers kapacitet var fjärde månad. Till exempel uppskattas Anthropics Claude Mythos-modell uppnå en 50% framgångsfrekvens på uppgifter som skulle ta en mänsklig expert mellan åtta timmar och två dagar.
Det har dock inte skett en motsvarande påverkan på jobb – hittills. En rapport från Anthropic i mars inkluderade forskning som visade att AI i teorin skulle kunna utföra många jobb, från datorarbete till juridiskt arbete, men det har ännu inte skett i stor skala.
Bouke Klein Teeselink, akademiker vid King's College London och expert på AI:s påverkan, noterar att detta gap fortfarande är betydande. AI:s påverkan på arbete visar att det finns hinder för att anta det i arbetskraften. Till exempel, hur mycket av en VD:s eller högre chefs jobb kan säkert överlämnas till en bot? Kan juridiskt känsliga uppgifter utföras av något annat än en människa? Ändå, säger han, är förändring på väg.
"Vi är fortfarande i de tidiga stadierna av AI-revolutionen. Många människor utför uppgifter som skulle kunna hanteras av AI. Omfattningen av den förändring vi är på väg att se kommer att vara enorm."
8. Datacenter stöttar upp USA:s BNP
Även om den amerikanska regeringen har skurit ner jobb under Donald Trumps administration och många industrier har sett massuppsägningar, har USA:s BNP fortsatt växa – 2,1% 2025 och 1,6% under första kvartalet 2026, enligt US Bureau of Economic Analysis. En Harvard-ekonom beräknar dock att utan datacenterboomen skulle dessa siffror kunna vara mycket mindre. Faktum är att "investeringar i informationsbehandlingsutrustning och mjukvara" utgjorde 92% av USA:s BNP-tillväxt under första halvåret 2025.
Detta innebär att datacenter – och AI-boomen – driver en enorm andel av USA:s tillväxt. De är en stor anledning till att världens största ekonomi fortfarande ser frisk ut, trots stora utmaningar. En avmattning i dessa utgifter kan få ekonomiska, och därmed politiska, konsekvenser.
**Vanliga frågor**
Här är en lista med vanliga frågor baserade på artikeln Miljarder har spenderats och den potentiella avkastningen är fortfarande osäker Här är AI-boomen förklarad med sex diagram
**Frågor för nybörjare**
1. Varför spenderar företag så mycket pengar på AI om avkastningen inte är garanterad?
De satsar på att AI så småningom kommer att revolutionera industrier och skapa massiva vinster, liknande internets tidiga dagar. De vill inte bli efter om det lyckas.
2. Vad menar du med AI-boom?
Det är den nuvarande perioden av enorma investeringar, spänning och snabb utveckling inom artificiell intelligens, särskilt i verktyg som ChatGPT och bildgeneratorer.
3. Tjänar AI faktiskt pengar åt någon just nu?
För de flesta företag, inte än. Kostnaden för att bygga och driva avancerad AI är enorm, och det är fortfarande oklart när dessa kostnader kommer att betalas tillbaka av utbredda betalande kunder.
4. Vad handlar de sex diagrammen i artikeln om?
De visar viktiga trender: massiva utgifter från teknikjättar, skenande efterfrågan på AI-chips, den enorma energikostnaden för AI, det lilla antalet faktiska betalande användare, prestationsplatån för vissa modeller och den osäkra aktiemarknadsreaktionen.
**Frågor för avancerade**
5. Varför är kostnaden för inferens ett så stort problem?
Inferens är när du faktiskt använder en AI-modell. Det är mycket dyrare än att träna modellen en gång. Om miljontals människor använder det dagligen skjuter el- och beräkningskostnaderna i höjden, vilket gör vinster mycket svåra att uppnå.
6. Hur visar diagrammen att de enkla vinsterna inom AI kan vara över?
Ett diagram visar att prestationsförbättringarna för de största AI-modellerna börjar sakta ner, även när kostnaden för att träna dem fortsätter att stiga. Detta tyder på att vi närmar oss en punkt med avtagande avkastning.
7. Vad säger artikeln om Nvidias roll i denna boom?
Nvidia tillverkar de väsentliga chipsen för AI. Diagrammen visar att Nvidias intäkter har exploderat, men detta är hackorna och spadarna i guldrushen. Frågan är om företagen som köper dessa chips någonsin kommer att få avkastning på sin investering.
8. Hur påverkar den osäkra avkastningen mindre AI-startups?
Det är
