Vilken AI-server ska du välja? Tre investeringsnivåer och verkliga kostnader

För bara två år sedan betydde ”egen AI” för de flesta företag en sak: en prenumeration på ChatGPT eller Copilot. I dag når allt fler organisationer en punkt där molnet inte längre räcker till. Skälen är oftast tre: kostnader som ökar i takt med antalet frågor, data som inte får lämna företaget samt behovet av AI som arbetar med företagets egna dokument, databaser och processer – inte med allmän kunskap från internet.

Då uppstår frågan: vilken AI-server ska man egentligen köpa, och vad kostar den?

Svaret är mer intressant än man kanske tror, eftersom prisspannet är enormt. Från en bokstor enhet för några tiotusentals kronor till en maskin för över 5 190 760,45 kr. Och viktigast av allt: vart och ett av dessa alternativ är rimligt – men för olika behov. Nedan beskriver jag tre investeringsnivåer, kalkylen som bör göras före beslutet samt fem frågor som hjälper dig att välja rätt utrustning utan att köpa för mycket eller för lite.

Vad skiljer en AI-server från en vanlig server?

En vanlig server är byggd kring processorn. En AI-server är byggd kring GPU:er – det är de som utför allt arbete med modellerna, medan övrig hårdvara finns där för att stödja dem. Därav tre praktiska skillnader.

• GPU:er och deras minne. En sådan maskin använder fyra till åtta acceleratorer – i rackservrar vanligen i form av PCIe-kort, och i de kraftfullaste plattformarna som moduler lödda på ett gemensamt moderkort. Deras samlade minne är den viktigaste parametern i hela investeringen – mer om det strax.
• Elförsörjning. Åtta kort under belastning drar 5–6 kW, vilket motsvarar flera dussin kontorsdatorer. Det kräver ett rack med tillräcklig strömförsörjning och effektiv värmeavledning i serverrummet.
• Nätverk. För en enskild maskin räcker ett vanligt snabbt nätverk. När flera servrar ska kopplas samman till ett system krävs betydligt snabbare länkar, eftersom GPU:erna i olika chassin måste utbyta data med en fördröjning som är jämförbar med arbetet inom ett och samma chassi.

Det är därför inte bara en ”kraftfullare server”. Det är en annan kategori av utrustning som väljs utifrån andra kriterier.

GPU-minne: siffran som styr hela valet

Det finns en parameter som är viktigare än priset: hur mycket minne GPU:erna i servern har tillsammans.

Varför? Modellen måste få plats i detta minne i sin helhet, precis som en fil måste läsas in i ett program för att kunna användas. Om den inte får plats startar den helt enkelt inte.

Men själva modellen är bara början på kalkylen. Varje inloggad användare och varje analyserat dokument kräver extra minne för den pågående konversationen. Samma modell behöver därför märkbart mer utrymme för hundra personer än för en enda – och det är oftast antalet användare, inte bara modellens storlek, som avgör vilken hårdvarunivå som behövs.

En guide beskriver modellernas grundläggande minnesbehov Vilken dator för AI ska du välja?. Tabellen nedan visar den andra dimensionen i denna kalkyl: hur behovet förändras med implementeringens omfattning. Värdena är ungefärliga och avser en typisk produktionskonfiguration.

Modellstorlek	5 användare	50 användare	200 användare	Hårdvarunivå
liten (klass 8B)	ca 8 GB	ca 20 GB	ca 50 GB	DGX Spark
medelstor (klass 70B)	ca 45 GB	ca 70 GB	ca 130 GB	rackserver, 1–2 kort
stor (klass 200B+)	ca 130 GB	ca 200 GB	ca 350 GB	server med åtta kort
träning av en egen modell	flera gånger mer än att bara köra modellen	–	–	HGX-plattform B200

Beteckningar som 8B eller 70B anger hur många miljarder parametrar modellen består av – 8B är åtta miljarder. Ju fler parametrar, desto bättre svarskvalitet och desto mer GPU-minne upptar modellen.

Dessutom finns en sak som är lätt att glömma.

Reservkapacitet. Siffrorna ovan avser normal drift. Vid belastningstoppar bör du lägga till en marginal på 20–30 %, annars börjar systemet avvisa frågor när trafiken ökar.

Nivå 1: NVIDIA DGX Spark – startpunkten

NVIDIA DGX Spark är en bokstor bordsplacerad enhet med 128 GB enhetligt minne och AI-beräkningskapacitet på omkring 1 petaFLOP. Den gör det möjligt att köra modeller lokalt i samma klass som de som driver populära assistenter, utan att skicka ett enda dokument till molnet. Det finns flera varianter som främst skiljer sig åt genom lagringskapacitet (1, 2 eller 4 TB) och supportpaket. Hela utbudet i denna hårdvaruklass, inklusive modeller från åtta tillverkare, finns i kategorin AI-datorer och AI-arbetsstationer.

För vem? För företag som först vill testa om AI kan effektivisera kundservice, avtalsanalys eller offertframtagning innan någon godkänner en stor budget. Investeringen ligger på cirka 62 289,13 kr exklusive moms, alltså mindre än en årsprenumeration på AI-verktyg för ett team på ett tiotal personer. Två enheter kan kopplas ihop till ett enda system.

Begränsning. Det här är utrustning för ett enskilt team, inte för hela organisationen. Den kan inte monteras i ett rack, saknar redundant strömförsörjning och kan inte omfattas av den servicepolicy som gäller i serverrummet. När hundra personer ska använda AI samtidigt behöver du gå upp en nivå.

Nivå 2: GPU-server för rack – produktions-AI för företaget

Enligt min bedömning är detta den nivå som oftast förbises i dag, men som är det mest rimliga valet för företag med verkliga AI-användningsområden.

Det handlar om en dedikerad GPU-plattform för rack (5U), utformad för åtta kort med dubbel bredd. Den är inte knuten till en specifik acceleratormodell – valet av kort beror på användningsområdet. Basen består av två AMD EPYC-processorer, upp till 6 TB DDR5-minne i 24 platser samt sex redundanta 2700 W-nätaggregat.

Antalet kort är avgörande eftersom det avgör GPU-minnet. Två RTX PRO 6000-kort med 96 GB vardera ger 192 GB och räcker för en intern assistent för några tiotal personer. En full konfiguration med åtta kort ger 768 GB, vilket räcker för flera hundra användare eller mycket stora modeller. Fler kort kan läggas till i samma chassi utan att servern behöver bytas ut – och det är den största fördelen med denna nivå: man behöver inte börja med en fullskalig investering.

Konkret modell: Supermicro AS-5126GS-TNRT Gold Series

Säljs som ett komplett, konfigurerat system. Investeringsnivån för startkonfigurationen med två kort är cirka 1 297 690,11 SEK exklusive moms. Aktuell konfiguration och aktuellt pris finns på produktsidan.

Vad innebär det i praktiken? En sådan server kan köra stora språkmodeller lokalt, analysera företagets dokumentarkiv, automatisera kundservice, generera innehåll på flera språk och analysera bilder från produktionslinjen. RTX PRO-korten är dessutom mångsidiga – samma server kan användas för rendering, tekniska simuleringar eller virtualisering av arbetsstationer. Det är ofta avgörande för beslutet: utrustningen står inte oanvänd mellan AI-projekten.

För vem? I startkonfigurationen – för företag med några tiotal medarbetare som har passerat testfasen och vill ge teamen tillgång till en intern assistent som känner till företagets rutiner. I full konfiguration – för stora organisationer, hundratals samtidiga användare och reglerade branscher som finans, sjukvård och offentlig sektor, där data måste stanna inom byggnaden.

Att tänka på. Effektförbrukningen ökar med antalet kort: från cirka 2 kW med två kort till 5–6 kW med åtta. Racket måste kunna försörja systemet med ström och kylningen måste kunna avleda värmen. Planerar ni för utbyggnad bör kapaciteten för strömförsörjning och luftkonditionering dimensioneras direkt för målkonfigurationen, inte startkonfigurationen.

Nivå 3: NVIDIA HGX B200 – infrastrukturen för modellträning

I toppen finns den utrustning som förekommer i rapporteringen om teknikracet mellan världens största företag. En server med plattformen NVIDIA HGX B200 har åtta Blackwell-enheter, dagens kraftfullaste AI-acceleratorer på marknaden, med totalt 1,44 TB HBM3e-minne – det snabbaste som går att köpa i dag.

Maskinen upptar 10U i racket och har åtta nätverksgränssnitt på 400 Gb/s, eftersom den är utformad för att klustras med fler identiska servrar. Strömförsörjningen bygger på sex nätaggregat med en effekt på cirka 5 kW, redundant konfigurerade i 3+3-läge – maskinens faktiska effektförbrukning under belastning ligger kring 10 kW, medan resten är reservkapacitet och skydd vid fel. Systemet omfattar en BlueField-3-processor som avlastar huvudsystemet från nätverks- och säkerhetsuppgifter, samt tre års support med service på plats nästföljande arbetsdag.

Konkret modell: Supermicro AS-A126GS-TNBR

Avsedd för vetenskapliga beräkningar, AI, industriell automation och dataanalys. Investeringsnivå: cirka 5 190 760,45 SEK exklusive moms per server. Aktuellt pris finns på produktsidan.

Skillnaden jämfört med GPU-servern på nivå två är inte att B200 ”gör samma sak, bara snabbare”. Den kan utföra uppgifter som den andra inte klarar inom rimlig tid: träna egna modeller från grunden, finjustera modeller med hundratals miljarder parametrar, hantera hundratals samtidiga användare, bedriva vetenskaplig forskning och köra simuleringar i industriell skala.

För vem? För företag som utvecklar AI-baserade produkter och inte använder färdiga modeller utan skapar egna. För forskningsinstitut och universitet. För telekomoperatörer, banker, stora industrikoncerner och läkemedelsföretag.

I praktiken köper man sällan bara en sådan maskin. Nätverksinfrastruktur, strömförsörjning och kylning i serverhallen tillkommer – vid 10 kW per chassi handlar det vanligtvis om vätskekylning. Det är inte ett inköp av utrustning, utan ett strategiskt beslut.

Hur väljer man en AI-server? Fem frågor att ställa

Vet ni redan vad AI ska göra hos er?

Om inte – välj nivå ett. Till priset av en premiumlaptop får ni en miljö där ni på två veckor kan testa flera idéer och fatta beslut baserade på fakta, inte presentationer.

Hur många personer kommer att använda den och hur ofta?

Om svaret är ”hela företaget, varje dag” räcker inte en bordsplacerad enhet, utan då är en rackmonterad GPU-server rätt val. Det är värt att räkna på vad ni i dag spenderar på moln-API:er och abonnemang. I stor skala är egen utrustning billigare över en period på två–tre år.

Bygger ni egna modeller eller använder ni färdiga?

Att använda färdiga, även mycket stora modeller, hör till nivå två. Att bygga egna modeller kräver B200. Här är gränsen tydlig, och det råder sällan någon tvekan om vilken sida företaget befinner sig på.

Hur stor modell behöver ni köra och för hur många personer?

Gå tillbaka till minnestabellen. Om den valda modellen kräver 60 GB och ska användas av femtio personer samtidigt, är ett kort med 96 GB minne ett absolut minimum. Två kort ger god marginal och utrymme för tillväxt.

Vad klarar er serverhall?

Den vanligaste överraskningen i AI-projekt handlar inte om utrustningen, utan om byggnaden: hur mycket ström som kan dras fram, om luftkonditioneringen kan hantera den extra värmen och om det finns plats i racket. Det är bättre att kontrollera detta före beställningen än efter leveransen.

Vad ingår mer i implementeringsbudgeten?

Serverpriset utgör vanligtvis 70–85 % av projektbudgeten. Övriga kostnadsposter bör tas med redan i planeringsfasen.

• Strömförsörjning och rack – PDU med lämplig kapacitet, fasfördelning, avbrottsfri kraftförsörjning och, för delar av installationen, även en ny elanslutning.
• Kylning – upp till cirka 5–6 kW per rackskåp räcker precisionskylning normalt. Över 10 kW används vätskekylning, vilket kräver anpassning av lokalen och en separat serviceprocess. Om serverrummet inte har projekterats för detta bör kostnaden tas med redan i offerten.
• RAM-minne – AI-konfigurationer börjar på flera hundra gigabyte, och priserna på serverminnesmoduler steg markant under 2026. Skillnaden mellan 512 GB och 1 TB kan vara en betydande post i budgeten.
• Nätverk – switch med tillräcklig kapacitet, transceivrar och kablage. I klusterkonfigurationer tillkommer ett separat nätverk för GPU:erna.
• Lagring – modeller och dokumentsamlingar upptar terabyte, och läsgenomströmningen bör motsvara kortens prestanda.
• Driftsättning – installation av programvara, driftsättning av modellen, integration med företagets inloggningslösning och de system ni använder.
• Support och garanti – för produktionsmiljöer är service på plats nästa arbetsdag standard.

Var ska man börja?

Det vanligaste misstaget vid sådana inköp är att börja med katalogen. Den ordning som fungerar är den omvända: först ett användningsområde, sedan antalet användare, därefter en jämförelse med era nuvarande molnkostnader och först till sist konfigurationen.

Om ni ännu inte vet exakt vad AI ska användas till räcker nivå ett för några månaders tester och kostar lika mycket som en bärbar dator. Om testerna redan är klara och assistenten ska användas i hela företaget är nivå två för närvarande det mest rimliga valet för de flesta organisationer. Nivå tre väljs när ni bygger egna modeller – och då är beslutet vanligtvis självklart.

Om konfigurationen behöver anpassas till ert serverrum – antal kort, minne, nätverk eller kylning – tar vårt team fram ett förslag för det aktuella användningsområdet.

Vanliga frågor