Nvidia-topman Jensen Huang zegt dat de enorme investeringen in AI-datacenters houdbaar zijn. Hij deed die uitspraak deze week in de Verenigde Staten, tijdens een optreden voor klanten en beleggers. Volgens hem leveren de systemen al nieuwe inkomsten op en dalen de kosten per berekening. Dit is ook relevant voor Europa en Nederland, door energiegebruik, de Europese AI-verordening en de gevolgen voor overheid en cloudmarkten.
Uitgaven volgens Nvidia houdbaar
Huang stelt dat bedrijven hun investeringen in kunstmatige intelligentie kunnen terugverdienen. Nieuwe diensten in zoeken, klantenservice en softwareautomatisering zorgen voor omzet. Tegelijk worden chips en datacenters efficiënter per taak. Huang is op het moment van schrijven CEO van Nvidia.
Nvidia bouwt aan het Blackwell-platform, met de B200 en de GB200 Grace Blackwell. Dit zijn zogeheten accelerators: chips die rekenwerk voor AI-modellen versnellen. Ze beloven meer prestaties per watt en lagere kosten per AI-verzoek. Dat moet datacenters betaalbaarder maken bij groeiend gebruik.
De onderneming verdient niet alleen aan hardware. Ook software, zoals CUDA en Nvidia AI Enterprise, speelt een rol. Daarmee kunnen bedrijven modellen sneller trainen en toepassen. Dat verlaagt beheerkosten en vergroot de kans op rendement.
Vraag naar rekenkracht stijgt
Grote cloudaanbieders als Microsoft Azure, Google Cloud, AWS en Meta verhogen hun uitgaven aan datacenters. Zij bouwen AI-diensten in zoekmachines, kantoorsoftware en advertentieplatformen. Europese spelers zoals OVHcloud en Deutsche Telekom volgen met eigen AI-aanbiedingen. De markt verwacht daardoor blijvende vraag naar rekenkracht.
Niet alleen het trainen van modellen kost veel middelen. Ook het draaien van modellen voor gebruikers, de zogeheten inferentie, vergt doorlopend capaciteit. Voor elke chat, zoekopdracht of afbeelding is rekenwerk nodig. Dat maakt de inkomstenstroom voorspelbaarder, maar houdt ook de energierekening hoog.
Inferentie is de fase waarin een getraind AI-model nieuwe invoer verwerkt en een antwoord geeft; dit kost continu rekenkracht in productie.
Bedrijven testen verschillende modellen naast elkaar, zoals OpenAI-systemen, Google-modellen en eigen varianten. Dat vraagt flexibele infrastructuur. Nvidia concurreert hier met AMD’s Instinct MI300-lijn en aangepaste AI-chips van cloudbedrijven zelf. Keuzevrijheid en kosten per taak bepalen uiteindelijk de inzet.
Energie en netcapaciteit knellen
AI-datacenters vragen veel stroom en koeling. In Nederland is het stroomnet op meerdere plekken vol, wat nieuwe projecten vertraagt. Gemeenten en netbeheerders vragen om efficiënte koeling en hergebruik van restwarmte. Zonder die maatregelen lopen vergunningen en planning vast.
Nvidia benadrukt dat Blackwell-chips minder energie per berekende token gebruiken dan eerdere generaties zoals H100 en H200. Efficiëntie helpt, maar lost de stroomvraag niet op. Leveringszekerheid, tarieven en toegang tot groene energie blijven beslissend. Europese energieplannen en lokale afspraken sturen dus de snelheid van uitrol.
Ook watergebruik voor koeling ligt onder een vergrootglas. In dichtbevolkte regio’s zijn gesloten koelsystemen of zeewaterkoeling onderwerp van onderzoek. Datacenters worden zo onderdeel van warmte- en waterplannen van steden. Zonder brede inpassing neemt de maatschappelijke weerstand toe.
AI-verordening stuurt investeringen
De Europese AI-verordening (AI Act) plaatst veel systemen in risicoklassen. Hoe hoger het risico, hoe zwaarder de eisen aan testen, logging en toezicht. Dit vraagt extra rekenwerk en opslag, bovenop de eigenlijke AI-toepassing. De “Europese AI-verordening gevolgen overheid” zijn daarmee ook budgettair voelbaar.
De AVG blijft gelden voor alle verwerking van persoonsgegevens. Dataminimalisatie en versleuteling zijn daarbij basisregels. Voor aanbieders van generatieve modellen betekent dit duidelijke datastromen en auditlogboeken. Europese klanten vragen daarom om transparantie en datalokalisatie.
NIS2 en cloudrichtlijnen verplichten bovendien strengere beveiliging van kritieke infrastructuur. AI-datacenters vallen daar in de praktijk vaak onder. Extra beveiligingslagen en monitoring vergen zowel specialisten als extra compute. Dit beïnvloedt het totale kostenplaatje van AI-projecten in de publieke sector.
Impact op Nederland en EU-markt
Nederland beperkt nieuwe hyperscale-datacenters tot aangewezen locaties, zoals Eemshaven en de Maasvlakte. Dit moet ruimtelijke en energiedruk beheersen. Voor plannen elders gelden strengere eisen of uitstel. AI-infrastructuur moet zich dus voegen naar lokaal beleid en netcapaciteit.
Europa bouwt intussen eigen rekenkracht via EuroHPC-projecten, zoals JUPITER (Duitsland) en Leonardo (Italië) met Nvidia-accelerators. Zulke systemen ondersteunen wetenschap, industrie en overheid. Ze verkleinen de afhankelijkheid van niet-Europese clouds. Tegelijk blijft samenwerking met Amerikaanse chipmakers noodzakelijk.
De Nederlandse toeleveringsketen rond ASML en halfgeleiders profiteert indirect van wereldwijde AI-vraag. Maar banen en investeringen komen pas echt als er voldoende energie en ruimte is. Overheden en bedrijven zullen daarom vaker restwarmte leveren aan wijken en dataverbruik afstemmen op het net. Dat maakt groei beter uitlegbaar aan omwonenden.
Wat dit betekent voor bedrijven
Voor Europese en Nederlandse organisaties is de les nuchter: reken eerst door of AI-diensten structurele waarde leveren. Kijk daarbij naar kosten per taak, niet alleen naar aanschaf. Vergelijk meerdere modellen en platforms, en plan voor piekbelasting. Beveiliging en compliance moeten vanaf dag één ingebouwd zijn.
Publieke instellingen krijgen te maken met de AI-verordening en de AVG. Extra logboeken, modelmonitoring en menselijke controle horen daar bij. Dit vergroot de behoefte aan schaalbare infrastructuur en heldere contracten met cloudleveranciers. Leveranciers die auditklare diensten bieden, hebben dan een voordeel.
Als de beloofde efficiëntiewinst van nieuwe chips zoals Nvidia GB200 uitkomt, dalen operationele kosten per gebruik. Maar energieprijzen en netcapaciteit blijven onzeker. De haalbaarheid van grote AI-projecten in Nederland hangt dus net zo goed af van infrastructuurbeleid als van chiproadmaps. Investeren vraagt daarom technische én beleidsmatige planning.
