Gå til indhold

Lokal AI på Linux-telefoner, computere og egne servere

Hvorfor sende virksomhedens data til amerikanske AI-tjenester, når kraftfulde åbne AI-modeller kan køre på jeres egne Linux-enheder og infrastruktur?
17. november 2026 af
Thomas Grand Pedersen

Fremtidens AI behøver ikke ligge i Microsofts, Googles eller OpenAI's datacentre. Den kan ligge i jeres egen telefon, computer eller server – under virksomhedens egen kontrol.

Kunstig intelligens bliver i stigende grad en del af vores daglige arbejde. Men der er en fundamental forskel på at bruge en ekstern AI-tjeneste og at eje og drive sin egen AI.

Når en virksomhed anvender eksempelvis Microsoft Copilot, Google Gemini eller ChatGPT som cloudtjeneste, overlader den en del af databehandlingen til en ekstern leverandør.

Sådan behøver det ikke være.

Med åbne AI-modeller kan en virksomhed installere AI direkte på sine egne enheder, afvikle beregningerne lokalt og beholde både modellen og databehandlingen under egen kontrol.

Hos Nordic Source arbejder vi for, at AI bliver en del af virksomhedens egen IT-infrastruktur – ikke endnu en abonnementstjeneste, som virksomheden bliver afhængig af.

Fra Jolla Linux-telefoner til virksomhedens egne servere

Vi arbejder med europæiske Jolla Linux-telefoner baseret på SailfishOS, Linux-computere og egne servermiljøer.

Vores tilgang er at placere AI der, hvor den skal bruges, og hvor der er tilstrækkelige ressourcer til opgaven.

1. Lokal AI på Linux-telefonen

En Linux-telefon kan være langt mere end en traditionel smartphone.

Med en passende AI-model og lokal afviklingssoftware kan telefonens egen processor og hukommelse anvendes til AI-opgaver uden at sende oplysninger til en ekstern cloudtjeneste.

Det åbner eksempelvis muligheder for privat tekstbehandling, talegenkendelse, dokumentassistance og andre funktioner direkte på enheden.

Med Jolla og SailfishOS ønsker vi at give virksomheder mulighed for at kontrollere både operativsystem, applikationer og AI-behandling.

De konkrete modeller skal naturligvis tilpasses telefonens hardware, og funktionerne skal testes på den enkelte enhed.

2. Lokal AI på medarbejderens Linux-computer

En moderne arbejdsstation kan afvikle langt mere avancerede AI-modeller end mange tror.

Med den rette processor, hukommelse og eventuelt GPU kan virksomheden køre AI til programmering, dokumentanalyse, tekstproduktion, oversættelse og behandling af interne oplysninger.

Medarbejderen kan arbejde med en AI-assistent direkte på sin computer – uden at virksomhedens dokumenter behøver blive uploadet til en ekstern tjeneste.

Det giver samtidig mulighed for at anvende eksisterende hardware, hvor kapaciteten er tilstrækkelig.

3. Kraftfuld AI på virksomhedens egne servere

Når virksomheden har behov for større modeller, mange samtidige brugere eller behandling af omfattende datamængder, kan AI afvikles på egne servere.

Det gør det muligt at samle mere krævende AI-beregninger på en lokal maskine, samtidig med at medarbejderne anvender tjenesten fra deres telefoner og computere.

En medarbejder kan eksempelvis bruge en Jolla-telefon til at kommunikere med en AI-model på virksomhedens egen server via et beskyttet internt netværk.

Her kører AI ikke på selve telefonen, men stadig inden for virksomhedens kontrollerede infrastruktur.

Det er forskellen: AI behøver ikke være en ekstern cloudtjeneste for at være tilgængelig på alle medarbejdernes enheder.

Åbne AI-modeller kan konkurrere med de proprietære

Det er en udbredt misforståelse, at virksomheder nødvendigvis skal vælge Microsoft Copilot, Gemini eller ChatGPT for at få avanceret AI.

Udviklingen inden for åbne og open-weight AI-modeller har ændret mulighederne markant.

Modelfamilier som Qwen, Mistral, DeepSeek og OLMo viser, hvor bredt markedet er blevet.

Flere modeller kan måle sig med førende proprietære alternativer på specifikke opgaver, og nogle opnår bedre resultater inden for eksempelvis programmering, problemløsning eller særlige fagområder.

Samtidig findes modeller i vidt forskellige størrelser.

En mindre, optimeret model kan køre på en mobil enhed, mens større modeller kan afvikles på en kraftfuld Linux-arbejdsstation eller virksomhedens egen GPU-server.

Det afgørende er at vælge og teste en model efter den konkrete arbejdsopgave.

Open-weight betyder i øvrigt ikke nødvendigvis fuldt Open Source. Virksomheden skal også undersøge modellens licens og retten til at bruge, modificere og videreudvikle den.

Virksomheder behøver ikke acceptere en proprietær AI-platform som deres eneste mulighed for at få konkurrencedygtig kunstig intelligens.

Hvorfor sende fortrolige data ud af virksomheden?

Når AI køres lokalt med korrekt netværksisolering og uden eksterne afhængigheder, kan virksomhedens oplysninger behandles uden at blive sendt til en tredjeparts AI-tjeneste.

Det kan være relevant for:

  • Interne dokumenter, kontrakter og forretningshemmeligheder.

  • Regnskaber, ERP- og CRM-data.

  • Teknisk dokumentation, programmering og udviklingsarbejde.

  • Fortrolige oplysninger i kommunikation og sagsbehandling.

  • Interne vidensbaser og automatiserede arbejdsprocesser.

Med en lokal AI-løsning kan virksomheden selv bestemme, hvem der får adgang til modellerne, hvordan oplysninger behandles, og hvor data opbevares.

Lokal afvikling fjerner ikke behovet for IT-sikkerhed, adgangsstyring eller kontrol med modellernes handlinger. Men den gør det muligt at begrænse afhængigheden af eksterne AI-udbydere markant.

Hvorfor bygge endnu en afhængighed af Big Tech?

Mange virksomheder er allerede dybt afhængige af internationale cloudplatforme til mail, kontorpakker, ERP, identitetsstyring og kommunikation.

Hvis de nu også placerer AI, automatisering og virksomhedens interne viden hos de samme leverandører, kan afhængigheden blive endnu større.

Det kan blive vanskeligt at udskifte systemerne senere, især når AI integreres direkte i virksomhedens arbejdsgange og forretningsprocesser.

Med lokalt installerede AI-modeller og åbne grænseflader kan virksomheden i stedet opbygge en arkitektur, hvor modeller kan opdateres og udskiftes uden nødvendigvis at udskifte hele systemet.

Virksomheden bør eje sine data, kontrollere sin infrastruktur og have frihed til selv at vælge, hvem der skal udvikle og vedligeholde løsningerne.

Lokal AI kan også være en mere ansvarlig anvendelse af ressourcer

Kunstig intelligens kræver energi og hardware.

Det Internationale Energiagentur anslog datacentres globale elforbrug til cirka 415 TWh i 2024 og forventede i sin analyse fra 2025, at forbruget kunne stige til omkring 945 TWh i 2030.

En væsentlig del af den forventede vækst hænger sammen med AI.

Derfor bør vi også stille spørgsmål ved, om alle AI-opgaver kræver enorme modeller placeret i store datacentre.

Mange opgaver kan løses med mindre modeller, som afvikles på eksisterende computere eller energieffektive lokale systemer.

Det betyder ikke, at lokal AI automatisk bruger mindre energi. Men det giver mulighed for at dimensionere hardware og AI-modeller efter det faktiske behov, genbruge udstyr og reducere unødige eksterne beregninger.

AI skal ikke være større, dyrere eller mere ressourcekrævende end nødvendigt for at løse opgaven.

Nordic Source: AI på jeres egne præmisser

Vi arbejder med en samlet Open Source-baseret infrastruktur, hvor Linux-telefoner, Linux-computere, servere, kommunikation, ERP og AI kan fungere sammen.

Virksomheden kan starte med lokal AI på enkelte arbejdsstationer, udvide til egne servere og give medarbejdere adgang fra deres forskellige enheder.

Løsningen kan også integreres med virksomhedens eksisterende IT-systemer, hvor det er teknisk og sikkerhedsmæssigt forsvarligt.

Vi hjælper med valg af modeller, installation, hardware, adgangsstyring, integration og drift.

Det er ikke vores mål at gøre jer afhængige af endnu en leverandør – heller ikke Nordic Source.

Målet er, at I selv kontrollerer jeres AI, jeres software, jeres data og jeres infrastruktur.

Kunstig intelligens skal arbejde for virksomheden – ikke gøre virksomheden afhængig af Big Tech.

Læs mere om Nordic Sources Open Source AI-alternativer.

Kilder og teknisk baggrund

Qwen – åbne AI-modeller og lokal afvikling

Mistral AI – modeller og licenser

Jolla – europæiske Linux-telefoner og lokal AI

Open Source Initiative – definition af Open Source AI

IEA – Energy and AI

Thomas Grand Pedersen 17. november 2026
Del dette indlæg
Arkivér
Cloud, egne servere eller hybrid – hvad skal virksomheden vælge?
Det rigtige valg afhænger af økonomi, fiberforbindelser, sikkerhed, backup og behovet for kontrol over virksomhedens kritiske systemer.