Optisk beräkning öppnar spännande möjligheter. Företagets kalkyl behöver följa hela vägen till ett resultat som kunden godkänner.
AI-kostnader blir konkreta när en kund väntar på något som faktiskt går att använda. Tänk dig en svensk e-handlare som beställer produktbilder: en billig bild hjälper föga om varans färg blir fel och arbetet måste göras om. För företaget som säljer bildtjänsten är kostnaden per godkänd leverans därför ett bättre beslutsunderlag än priset för själva beräkningen.
Det perspektivet behövs när nya sätt att driva artificiell intelligens väcker förhoppningar om lägre energiförbrukning. För en grundare är den användbara frågan vilka delar av verksamheten som skulle bli mer lönsamma med annan teknik. Svaret kräver att hela arbetsflödet får plats i kalkylen.
Ljuset räknar, men resten av systemet kostar
I Y Combinators internationella forskningssamtal beskriver Ilker Oguz hur optisk beräkning använder ljusets utbredning för att utföra beräkningar. Hans exempel är en diffusionsmodell, en bildmodell som stegvis omvandlar brus till en bild. Oguz förklarar upplägget från 22:23.
Forskargruppen bakom studien om optiska diffusionsmodeller beskriver hur transparenta optiska lager bearbetar ljuset. Lagren hålls oförändrade under flera steg i bildskapandet. Det är ett konkret exempel på hur en återkommande uppgift kan anpassas till hårdvarans egenskaper.
Oguz pekar också på kostnader runt själva ljusberäkningen: information behöver omvandlas mellan digitala, analoga och optiska former, och utrustningen behöver styras och kalibreras. Resonemanget om dessa begränsningar börjar vid 19:27. Min slutsats för en köpare är att en energivinst i en komponent behöver prövas i hela tjänsten.
Be därför leverantören visa vad mätningen omfattar. Ingår överföring av data, förberedelser, väntetid och den utrustning som krävs runt beräkningen? Om jämförelsen slutar innan kunden har fått sitt resultat återstår en väsentlig del av affären att undersöka.
Räkna baklänges från det kunden godkänner
Återvänd till bildtjänsten. Anta att handlaren behöver bilder där färger och produktdetaljer stämmer, i ett format som går att publicera direkt. Då behöver försöket omfatta granskning, eventuella omtagningar och leveransen till butikens system. Dessa moment avgör hur mycket arbete en beställning faktiskt kräver.
En billig beräkning är bara värdefull om den bidrar till en lönsam leverans. Lägg därför ihop tjänstens direkta kostnader och fördela dem på resultaten som klarar kundens krav. Den kopplingen mellan leverans och bruttomarginal gör teknikvalet begripligt även för den som ansvarar för företagets ekonomi.
Skilj samtidigt på värden som kunden betalar för och förbättringar som främst syns i en teknisk presentation. Kortare väntetid kan vara avgörande i en interaktiv tjänst. För bilder som beställs i god tid kan färre fel väga tyngre. Låt kundens användning avgöra hur egenskaperna ska prioriteras.
Här hör också produktdistribution hemma i kalkylen. Om kunden enkelt kan beställa, granska och använda resultatet får förbättringen en väg in i vardagen. En teknisk vinst som kräver krångliga nya rutiner blir svårare att sälja.
Bygg ett jämförelseprov som ni själva äger
Det mest användbara förarbetet kan vara ganska jordnära: samla representativa uppgifter från den egna tjänsten och bestäm vad ett godkänt resultat innebär. För bildtjänsten behövs både lättare produkter och sådana där färg, material eller små detaljer ofta kräver extra granskning. Undvik att låta leverantören välja samtliga exempel.
Använd samma underlag för dagens lösning och det nya alternativet. Dokumentera kvalitet, leveranstid, direkta kostnader och mänsklig arbetstid var för sig. Då går det att se om en lägre beräkningskostnad köps med mer manuellt arbete eller om förbättringen håller hela vägen.
AI-kostnader behöver också prövas när förutsättningarna ändras. Vad händer när beställningarna kommer ojämnt, kunden vill ha ett annat bildformat eller modellen behöver uppdateras? Begär ett praktiskt prov på sådana förändringar. Ett väl avgränsat försök kan ge ett tydligare svar än en lång diskussion om maximal kapacitet.
Spara uppgifterna, bedömningsreglerna och resultaten så att jämförelsen kan upprepas. Det ger er ett gemensamt underlag när utvecklare, säljare och ekonomiansvariga bedömer nästa erbjudande. Ni slipper börja om varje gång en leverantör presenterar ett nytt prestandamått.
Ge försöket utrymme utan att låsa hela företaget
En invändning är rimlig: den som kräver en färdig affär av varje forskningsidé riskerar att missa möjligheter. Ett ungt teknikföretag kan vinna mycket på att lära tillsammans med forskare och hårdvaruutvecklare. Men lärandet behöver ett uttalat syfte, en ansvarig person och en budget som företaget klarar.
Bestäm före försöket vilken förbättring som motiverar fortsatt arbete och när beslutet ska tas. Räkna även utvecklarnas tid och det underhåll som tillkommer. För den som vill bygga utan externa investerare blir avvägningen särskilt konkret: experimentet behöver rymmas tillsammans med leveranser som betalar lönerna.
Avgränsa gärna försöket till ett steg som går att byta tillbaka om resultatet uteblir. Dokumentera hur information kommer in och hur resultat lämnas vidare. Det gör det lättare att behålla fungerande delar av tjänsten medan ni prövar en ny beräkningslösning.
Lärdomen: sätt ett kundkrav på nästa tekniklöfte
Optisk beräkning väcker en spännande affärsfråga: vilka återkommande uppgifter blir möjliga att lösa bättre när hårdvara och arbetssätt utformas tillsammans? För ett svenskt tillväxtföretag går den frågan att undersöka genom en avgränsad kunduppgift, tydliga kvalitetskrav och en jämförelse med dagens leverans.
Börja med den uppgift där beräkningen faktiskt belastar marginalen. Låt nästa investering bero på vad försöket visar om kostnad, kvalitet och arbetstid. Det starkaste teknikvalet är det som håller även när kunden ändrar sin beställning.
En billig beräkning är bara värdefull om den bidrar till en lönsam leverans.
Det starkaste teknikvalet är det som håller även när kunden ändrar sin beställning.

Källor
- Y Combinator: alternativa sätt att utföra AI-beräkningar — Publicerat den 2 oktober 2026. Ilker Oguz om optisk beräkning: 19:27 om systemets begränsningar och kringkostnader, 22:23 om bildgenerering med diffusionsmodeller.
- Optiska diffusionsmodeller för bildgenerering — Forskningsartikel av Ilker Oguz och medförfattare, NeurIPS 2024. Beskriver bildgenerering med passiva optiska lager som hålls oförändrade under flera steg.
Innohub TV
Se det här innehållet även på Innohub TV
Vi har plockat klipp från Innohub TV som fortsätter på samma tema.
Bli rik på företagande - så här gör du!Günther Mårder
Inga avsnitt.