Sferical One är invigd – fem storbolag delar svensk AI-kapacitet

Sferical One invigdes i Sverige den 15 oktober 2026; i Computer Swedens rapport beskriver Sferical AI:s vd Jenny Nordlöw samarbetet med orden ”Det skapar värde utöver själva infrastrukturen”. Invigningen gällde en anläggning som redan hade tagits i drift under sensommaren.

De fem grundarna är AstraZeneca, Ericsson, Saab, SEB och Wallenberg Investments; SKF är strategisk partner och systemet är en NVIDIA DGX SuperPOD byggd på 16 NVIDIA DGX GB300-system. Företagen delar tillgång till beräkningskraft i Sverige för AI-arbete i sina olika verksamheter. De första användningsområdena utforskas, medan själva beräkningssystemet redan är i drift.

Fem grundare och en strategisk partner

Sferical AI driver superdatorn och samlar företagens investering, kapacitet och kompetens i samma verksamhet. Grundarlistan beskriver vilka som står bakom bolaget; den är inte identisk med listan över namngivna tekniska tillämpningar. Wallenberg Investments är grundare utan ett särskilt användningsområde i lanseringsbeskedet. SKF har den omvända rollen: företaget är strategisk partner och utforskar användning i sin industriella verksamhet.

Fördelningen spelar roll när satsningen bedöms som investering. Det offentliggjorda upplägget anger inte deltagarnas insatser, ägarandelar eller priset för tillgång till kapaciteten. Det går därför inte att räkna fram ett enskilt företags kostnad eller jämföra den med ett eget system. Det som framgår är att deltagarna har valt en gemensam infrastruktur i stället för att var och en bygga motsvarande kapacitet.

Samarbetet omfattar mer än tillgång till maskiner. Sferical Labs är den del av verksamheten där Sferical AI och partnerföretagen utvecklar AI-lösningar och kompetens tillsammans. Ett läkemedelsbolag, ett telekombolag och en bank kan därmed bidra med olika problem och erfarenheter, även när deras egna data och tillämpningar behöver hållas åtskilda. Den gemensamma nyttan ligger i sådant arbete lika mycket som i möjligheten att köra större modeller.

Vad den delade investeringen kan förändra

Den ekonomiska idén är att flera verksamheter använder samma kostsamma beräkningsresurs. Om företagen annars hade byggt var sin jämförbar miljö skulle både utrustning och drift behöva finansieras flera gånger. Delning kan minska sådana parallella investeringar och göra specialiserad kompetens användbar för fler projekt. Det är en möjlig effekt av modellen, inte en redovisad besparing för deltagarna.

Affärsvärdet beror också på hur kapaciteten fördelas när behoven skiljer sig åt. Modellträning kan kräva stora sammanhängande resurser, medan körning av färdiga modeller kan ställa andra krav på tillgänglighet. Ett gemensamt system ger skalfördelar först när företagen kan få den kapacitet deras projekt behöver vid rätt tidpunkt. Därför är prioritering mellan arbetslaster en viktig del av affärsmodellen, även om de konkreta fördelningsvillkoren inte har offentliggjorts.

Kontroll över data och beroende av leverantörer är två skilda frågor. Enligt SEB:s beskrivning av driftsmiljön kan varje partner hålla sin del av kapaciteten och sina data åtskilda, och banken fortsätter att använda flera teknikleverantörer. Samtidigt bygger den gemensamma installationen på NVIDIA:s hårdvara. Svensk drift och åtskilda arbetslaster kan ge deltagarna kontroll över användningen utan att ta bort beroendet av den tekniska plattformen.

Olika branscher använder samma grund

De namngivna områdena visar hur brett systemet är tänkt att användas. AstraZeneca utforskar läkemedelsforskning, Ericsson grundmodeller för telekommunikation, Saab försvarstillämpningar och SEB finansiella tjänster. För SKF nämns förebyggande underhåll, kvalitetskontroll samt forskning och utveckling. Det är skilda verksamhetsproblem som kräver beräkningskapacitet, snarare än en gemensam AI-produkt för alla deltagare.

SEB har börjat använda infrastrukturen för utvalda verksamhetstillämpningar. Bankens inledande fokus ligger på AI-verktyg som bland annat kan hjälpa medarbetare att hitta information, analysera data och utveckla programvara. Ericsson arbetar med AI för nätverk och automatisering. De konkreta exemplen visar att användningen har börjat, men de innebär inte att samtliga utforskade tillämpningar hos partnerföretagen redan är införda i ordinarie verksamhet.

Skillnaderna mellan användarna förklarar också varför gemensam kapacitet kräver mer än ett inköp. Forskningsdata, bankinformation och telekommodeller hör till verksamheter med olika arbetsflöden och säkerhetskrav. Företagen kan dela beräkningsresurs och erfarenheter samtidigt som de behöver styra åtkomst till sina egna arbetslaster. Den praktiska nyttan avgörs av om den tekniska och organisatoriska uppdelningen fungerar för projekten som faktiskt körs.

Systemet körs redan – modelltjänster kommer senare

Sferical AI planerar också tjänster baserade på NVIDIA Nemotron, öppna multimodala AI-modeller. Tanken är att deltagarna ska kunna granska modellvikter, anpassa modeller för egna behov och köra dem i miljöer som uppfyller deras säkerhetskrav. De tjänsterna beskrivs som ett kommande steg. Superdatorns driftstart och lanseringen av framtida modelltjänster är därmed två olika steg i satsningen.

Den närmaste affärsmässiga prövningen sker i deltagarnas egna projekt. Där blir det tydligt vilka utforskade tillämpningar som får fortsatt användning, hur företagen delar tillgången när efterfrågan ökar och om den gemensamma investeringen ger dem kapacitet till en rimlig kostnad. För SEB handlar nästa steg om att ge fler team tillgång till verktygen under kontrollerade former.