AI-ontwikkeling kan vertragen door stijgende kosten en fysieke beperkingen

​Techgiganten investeren honderden miljarden dollars in kunstmatige intelligentie. Maar de race om steeds krachtigere modellen te bouwen krijgt te maken met stijgende kosten, tekorten aan grondstoffen en groeiende scepsis onder beleggers. Nadert AI de grenzen van zijn mogelijkheden?

Miljarden die mogelijk niet volstaan

Broadcom-CEO Hock Tan waarschuwde dat een tekort aan kapitaal het grootste obstakel voor de ontwikkeling van AI kan worden. Tijdens een conferentie in Singapore merkte hij op dat tekorten aan chips, geheugen en elektriciteit na verloop van tijd kunnen afnemen naarmate de productiecapaciteit en infrastructuur worden uitgebreid. De toegang tot kapitaal kan echter de belangrijkste beperking worden voor de toekomstige groei van de sector.

Bekijk bericht op X Laden...

De tweet is verwijderd door de auteur.

Maar we hebben alles opgeslagen 🙂.

De grootste technologiebedrijven blijven hun uitgaven aan AI-infrastructuur verhogen. In het tweede kwartaal van 2026 bereikten de gezamenlijke kapitaaluitgaven van Microsoft, Alphabet, Amazon en Meta $165 miljard, 87% meer dan een jaar eerder. Een aanzienlijk deel van deze uitgaven gaat naar de bouw van datacenters en de aankoop van apparatuur die nodig is om AI-modellen te trainen en te laten draaien.

Tegen deze achtergrond van massale uitgaven wees Intel-CEO Lip-Bu Tan op een ander probleem: de kapitaalkosten en de tijd die nodig is om investeringen terug te verdienen. Stijgende obligatierentes maken lenen duurder, waardoor de kosten voor de bouw van datacenters en de aankoop van apparatuur toenemen. Tegelijkertijd willen beleggers weten wanneer de enorme investeringen in AI winst zullen gaan opleveren.

Toch verwachten geen van beide bestuurders de komende jaren een scherpe vertraging in de AI-sector. Hock Tan voorspelt dat de vraag naar computercapaciteit tot 2029 en mogelijk ook in 2030 groter zal zijn dan het aanbod. Tegelijkertijd bekritiseerde de Broadcom-CEO beleggers die geld in AI steken zonder de vooruitzichten van de sector te begrijpen. "Veel beleggers hebben geen idee waarin ze investeren, maar stellen zeer extreme verwachtingen, om er vervolgens achter te komen dat het bijna lijkt alsof ze in een casino gokken", zei hij.

Wanneer AI tegen fysieke grenzen aanloopt

Zelfs met voldoende financiering kan de ontwikkeling van AI vertragen door elektriciteitstekorten. Volgens het Internationaal Energieagentschap (IEA) verbruikten datacenters wereldwijd in 2025 485 TWh elektriciteit, 17% meer dan het jaar daarvoor. Het elektriciteitsverbruik van datacenters die zich op AI richten, steeg met 50%. Tegen 2030 kan het totale elektriciteitsverbruik van datacenters oplopen tot 950 TWh, oftewel ongeveer 3% van de wereldwijde vraag naar elektriciteit.

Het probleem betreft niet alleen de beschikbare hoeveelheid elektriciteit, maar ook de mogelijkheid om nieuwe faciliteiten op het elektriciteitsnet aan te sluiten. Het IEA schat dat ongeveer 20% van de geplande datacentercapaciteit vertraging kan oplopen door beperkingen in de netinfrastructuur. Zo kan de aanleg van nieuwe transmissielijnen in ontwikkelde landen vier tot acht jaar duren. Ondertussen zijn de levertijden voor transformatoren en kabels in de afgelopen drie jaar verdubbeld.

Een andere beperking is de productie van geavanceerde chips. Het Nederlandse ASML, dat apparatuur maakt voor de productie van geavanceerde halfgeleiders, verwacht dat de vraag vanuit de AI-sector tot minstens 2028 groter zal zijn dan het aanbod. Het bedrijf overweegt de productiecapaciteit uit te breiden, aangezien klanten al informeren naar leveringen van apparatuur voor 2029–2030.

Bekijk bericht op X Laden...

De tweet is verwijderd door de auteur.

Maar we hebben alles opgeslagen 🙂.

Tegelijkertijd nemen de eisen aan datacenters toe. Volgens schattingen van het IEA is het stroomverbruik van AI-servers tussen 2020 en 2025 elf keer zo groot geworden en kan het tegen 2027 opnieuw verviervoudigen. Eén serverrack ter grootte van een grote koelkast zou mogelijk evenveel elektriciteit kunnen verbruiken als 65 huishoudens. Dit stelt hogere eisen aan koelsystemen, stroomvoorzieningen en apparatuur die bestand moet zijn tegen plotselinge veranderingen in de werklast bij het draaien van AI-modellen.

Waar liggen de grenzen van vooruitgang?

Tekorten aan elektriciteit, chips en datacenters zijn niet de enige obstakels voor verdere technologische ontwikkeling. Zelfs als deze problemen worden opgelost, blijft er een andere vraag: zullen nieuwe modellen voldoende verbeteren om de stijgende kosten te rechtvaardigen? Hock Tan erkent dat de vraag naar computercapaciteit kan afnemen als nieuwe generaties AI-modellen hun voorgangers niet langer aanzienlijk overtreffen. Op dit moment zijn er echter geen aanwijzingen dat de vooruitgang is gestopt.

Tegelijkertijd garandeert meer computercapaciteit niet dat AI op alle taken even goed presteert. Geavanceerde modellen kunnen bijvoorbeeld al complexe wiskundige problemen oplossen, maar hebben nog steeds moeite om zelfstandig met computers te werken. In de OSWorld-benchmark, die test hoe goed AI taken in computertoepassingen kan uitvoeren, voltooiden de beste systemen ongeveer twee derde van de taken succesvol.

De praktische voordelen van AI voor bedrijven zijn minstens zo belangrijk. In augustus 2026 publiceerde McKinsey de resultaten van een enquête onder 1.719 bedrijfsvertegenwoordigers in 97 landen. Ongeveer 80% van de respondenten zei dat AI hun persoonlijke productiviteit had verbeterd. Slechts 37% meldde echter een positief effect op het operationele resultaat van hun organisaties.

Een nieuwe realiteit voor de technologierace

Er is momenteel geen reden om te concluderen dat kunstmatige intelligentie de grenzen van zijn mogelijkheden nadert. Het huidige ontwikkelingstempo handhaven kan echter zelfs voor de grootste technologiebedrijven te duur worden. Als de uitgaven sneller blijven groeien dan de omzet, moeten beleggers hun verwachtingen mogelijk bijstellen, terwijl ontwikkelaars de kosten voor het creëren en exploiteren van nieuwe modellen wellicht moeten verlagen.

Dit zal waarschijnlijk eerder leiden tot een verschuiving in prioriteiten dan tot het einde van technologische vooruitgang. In plaats van te wedijveren om de krachtigste modellen te bouwen, kunnen bedrijven zich richten op goedkopere, efficiëntere oplossingen die echte winst kunnen genereren. In dat geval zal de toekomst van AI-ontwikkeling minder afhangen van de omvang van investeringen en meer van het vermogen van de technologie om praktische problemen voor bedrijven en alledaagse gebruikers op te lossen.