Nvidia heeft deze week een recordwaarde op de beurs bereikt. De chipmaker profiteert van de wereldwijde vraag naar AI-chips en datacenter-hardware. Dat onderstreept dat kunstmatige intelligentie draait op rekenkracht, geheugen en netwerk, niet alleen op datamodellen. De Europese AI-verordening en de Europese Chips Act geven daarbij richting, met gevolgen voor bedrijven en overheden in Nederland en de EU.
Hardware drijft AIsucces
AI-systemen leren en antwoorden met veel rekenkracht, vooral op grafische processors (GPU’s). Een GPU is een chip die vele kleine berekeningen tegelijk doet, wat training en gebruik van modellen versnelt. Zonder snelle chips, voldoende geheugen en goed netwerk stokken zowel innovatie als uitrol. De huidige golf van algoritmen is dus net zozeer een hardwareverhaal als een modelverhaal.
GPU: een speciale processor die duizenden berekeningen tegelijk uitvoert en daardoor AI-training en -inference versnelt.
Naast de chip zelf zijn geheugen en verbindingen cruciaal. Snelle HBM-geheugenmodules houden data dicht bij de rekenkernen. Snelle netwerken zoals InfiniBand of geoptimaliseerde Ethernet houden duizenden chips synchroon. Als één van die lagen achterblijft, zakt de prestatiesnelheid in.
Ook software bovenop de chips telt mee. Bibliotheken die de hardware efficiënt aansturen, maken het verschil in doorvoersnelheid en kosten. Wie vandaag AI inzet, kiest dus een compleet systeem: chip, geheugen, netwerk én softwarestack. Dat bepaalt prestaties, energievraag en flexibiliteit later.
Nvidia vergroot zijn voorsprong
Nvidia levert op het moment van schrijven de bekendste AI-accelerators, zoals H100 en H200. Met de nieuwe Blackwell-generatie (B200 en GB200 Grace Blackwell) richt het bedrijf zich op hogere prestaties per watt en snellere koppelingen tussen chips. Die combinatie verlaagt de kosten per AI-taak en versnelt grote trainingsruns. Daardoor kiezen veel ontwikkelaars en cloudaanbieders voor dit platform.
De voorsprong zit niet alleen in de chip, maar ook in het ecosysteem. Nvidia combineert NVLink-schakeling, InfiniBand-netwerk (via overname Mellanox) en eigen software zoals CUDA, cuDNN en TensorRT. Voor bouwers betekent dat minder integratierisico en voorspelbare prestaties. Die mate van integratie is moeilijk te evenaren door concurrenten.
De vraag komt van hyperscalers en AI-start-ups, maar ook van Europese cloud- en hostingpartijen. Wachttijden en prijzen blijven hoog, waardoor capaciteit soms via lease- of shared-cluster-modellen wordt verdeeld. Dat drijft de beurswaarde van Nvidia op. Het bevestigt dat schaarse hardware de bottleneck is voor nieuwe algoritmen.
Europese regels en energie
De Europese AI-verordening (AI Act) legt op het moment van schrijven extra plichten op aan aanbieders van generieke AI-modellen. Daaronder vallen transparantie over training, documentatie en veiligheidsmaatregelen. Deze regels raken ook infrastructuurkeuzes, omdat schaalbare logging en meetbaarheid van compute en energie nodig zijn. Bedrijven die vroeg investeren in rapportage en monitoring, voldoen later sneller.
Daarnaast verplicht de hernieuwde Europese Energie-efficiëntierichtlijn grote datacenters tot rapportage over verbruik en koeling. Vergunningen vragen steeds vaker om inzicht in watergebruik en restwarmte. AI-clusters met duizenden GPU’s vergen veel stroom en koeling. Dat maakt locatiekeuze, netaansluiting en hergebruik van warmte tot bestuursthema’s.
Met de Europese Chips Act wil de EU minder afhankelijk zijn van buitenlandse toeleveranciers. Nederland speelt hierin mee via ASML, dat cruciale lithografiemachines levert. Toch blijven productie van geavanceerde AI-chips en HBM-geheugen sterk geconcentreerd in Azië en de VS. Dat houdt leveringsrisico’s en prijsvolatiliteit in voor Europese kopers.
Nederlandse keuzes en impact
In Nederland botsen de groei van AI en de krapte op het stroomnet. Provincies en gemeenten stellen strengere eisen aan datacenters, na discussies over ruimte en energie in onder meer Noord-Holland. AI-clusters vragen stevige aansluitingen en vaak warmteterugwinning. Dat vergt nauwe samenwerking tussen operators, netbeheerders en overheden.
Onderwijs en onderzoek bouwen intussen capaciteit op via nationale en Europese HPC-initiatieven. Toegang voor start-ups en mkb kan via gedeelde faciliteiten of consortia worden verbeterd. Zulke modellen verlagen de drempel om met algoritmen te experimenteren. Ze verkorten ook de tijd tussen idee, prototype en productie.
Voor publieke diensten tellen de AVG en dataminimalisatie extra mee. Gevoelige gegevens horen dichtbij de bron te blijven of versleuteld te zijn, zeker bij zorg en overheid. Dat stuurt keuzes richting soevereine cloud, on-premises clusters of Europese aanbieders. Het helpt ook bij het voldoen aan de AI-verordening zonder vertraging in projecten.
Inkoop en alternatieven afwegen
Organisaties doen er goed aan totale kosten door te rekenen: hardware, energie, koeling, netwerk en personeel. Plan voor schaal: niet alleen vandaag, maar ook voor modelgroottes over 12 tot 24 maanden. Meet prestaties op echte werkbelasting, zoals eigen inference-latency of ETL-pijplijnen. Zo voorkomt u verrassingen in doorlooptijd en stroomrekening.
Er zijn alternatieven naast Nvidia, zoals AMD Instinct en Intel Gaudi. Frameworks als PyTorch en JAX draaien steeds vaker op meerdere back-ends, inclusief ROCm en oneAPI. Open netwerkopties met Ethernet en RoCE kunnen kosten beperken en lock-in verminderen. Portabiliteit nu voorkomt dure migraties later.
Borg tegelijk regelgeving “by design”. Registreer gebruikte rekenkracht, energie en datasets voor modelkaarten en audits. Pas dataminimalisatie en versleuteling toe om AVG-risico’s te verlagen. Zo blijven AI-projecten schaalbaar én houdbaar onder de Europese AI-verordening, ook voor overheid en zorg.