Het BBP van menig natie staat in de schaduw van de budgetten die vandaag in AI worden gepompt. Zijn die investeringen te verantwoorden?
Alphabet gaat in 2026 185 miljard dollar investeren, voornamelijk in datacenters en AI-infrastructuur. OpenAI wil tegen 2030 ongeveer 600 miljard dollar aan hardware voor AI uitgeven, en partijen zoals Softbank, Nvidia en Amazon investeren met plezier zelf tientallen miljarden ter ondersteuning van die plannen. Bij investeerders kon het bedrijf nog eens 122 miljard dollar ophalen.
Anthropic van zijn kant gaat 3,5 GW aan datacenter-capaciteit kopen bij Google. Financial Times schat de kost voor één gigawatt aan infrastructuur op dertig tot vijftig miljard dollar, al zijn de prijzen voor hardware op dit moment nog aan het toenemen. De miljarden waarmee gegoocheld wordt, zijn te abstract om bevattelijk te zijn. Een vergelijking kan helpen: het BBP van België bedroeg in 2025 zo’n 689,36 miljard dollar.
Hoge investering, lage omzet
Tegenover die massale investeringen staat geen grote winst. Integendeel: Anthropic hoopt naar eigen zeggen op een omzet van 30 miljard dollar, komende van negen miljard dollar in 2025. OpenAI draait twee miljard dollar omzet per maand en ziet dat cijfer stijgen. Het lijkt aannemelijk dat het bedrijf Anthropic minstens zal evenaren. De bedragen zijn hoog, maar de totale omzet bedraagt slechts een fractie van de investeringen die er nog moeten komen.
Zijn die investeringen dan wel gerechtvaardigd? Kijkend naar bovenstaande cijfers, is de vrees voor een bubbel niet ongegrond. Het lijkt erop dat techbedrijven all-in gaan met hun financiële reserves. Ook Mark Collier, Executive Director van de PyTorch Foundation, schuwt de vergelijking met een kansspel niet: “De mensheid maakt een grote gok”, stelt hij op het podium van de eerste PyTorch-conferentie in Europa, die pas plaatsvond in Parijs.
AI, zonder hype
De PyTorch Foundation is een non-profit die belangrijke opensource-projecten voor AI beheert, waaronder het PyTorch-raamwerk zelf. PyTorch speelt samen met andere projecten waaronder vLLM en Ray een cruciale rol in de ontwikkeling van AI, de training van LLM’s en de ondersteuning van hardware. In tegenstelling tot OpenAI, Anthropic, Nvidia en de andere grote spelers zit Collier echter niet aan een geldkraan. Hij leidt een opensource-gemeenschap die wel sterk gelooft in AI, maar minder hypegevoel is.
Dat zien we tijdens de conferentie. Gevraagd naar hun favoriete onderwerpen, geven de aanwezige ontwikkelaars massaal ‘inferentie’ aan (82,1%). Training kan 71,5 procent bekoren, over agenten wil slechts 54 procent van de experten het hebben. Dat staat in schril contrast met de hype rond AI-agenten, gecreëerd door de marketingdepartementen van softwarebedrijven wereldwijd.
“Ik denk dat de opensource-gemeenschap voor een groot stuk bestaat uit doeners, met een aversie voor hype”, kadert Collier de resultaten. “Agenten zijn een hype, en uiteindelijk toch vooral een systeem om modellen te gebruiken.” Met andere woorden: agenten zijn een vorm van mooi verpakte inferentie, dus is inferentie zelf interessanter. De cijfers illustreren vooral dat de PyTorch-conferentie een bijeenkomst is van nuchtere AI-specialisten. Keynotes gaan dan ook over concrete problemen, geïllustreerd met relevante code. Om lucht te blazen, is er weinig plaats.
Kantelpunt
Wat denkt Collier dan van de enorme investeringen in AI? Is er sprake van een bubbel? “Het is koffiedik kijken”, geeft hij toe. “Maar ik denk het niet. We hebben pas een kantelpunt bereikt. Sinds ongeveer een half jaar zitten modellen echt op het niveau waarop er duidelijke economische waarde wordt gecreëerd.”
Sinds ongeveer een half jaar zitten modellen echt op het niveau waarop er duidelijke economische waarde wordt gecreëerd
Mark Collier, Executive Director PyTorch Foundation
Collier wijst naar concrete toepassingen, zoals coderen. Modellen zoals Claude Code helpen programmeurs echt om sneller complex werk gedaan te krijgen. Dat zien we ook tijdens de conferentie, waar programmeurs openlijk Claude Code bedanken voor de snelle vooruitgang die ze hebben geboekt in de ontwikkeling van nieuwe tools. We zien geen voorspellingen, maar concrete resultaten.
AI bij bedrijven
“De verbeteringen zijn recursief geworden”, aldus Collier. Hij ziet nog een andere verschuiving: “Twee jaar geleden zagen we dat training en aanpassing van modellen vooral door onderzoekers gebeurde. Vandaag zijn er echte use cases bij grote bedrijven. Uber heeft bijvoorbeeld duizenden AI-modellen zelf getraind en gebruikt ze in productie, omdat de aanpak efficiënt was. Ook in de financiële dienstensector trainen grote bedrijven hun eigen modellen.”
“De instapgrens verlaagt ook”, vervolg Collier. “Wanneer een nieuw model uitkomt, duurt het amper enkele maanden alvorens nieuwe technieken worden ontwikkeld om dat model efficiënter te maken. We zien vijfvoudige verbeteringen op korte tijd. Efficiëntere modellen betekenen dat bedrijven minder grote GPU-clusters nodig hebben om ermee aan de slag te gaan.”
Tempo van vooruitgang als maatstaaf
Collier ziet dus progressie in het economische verhaal achter AI. “Er is echte vooruitgang, maar er is geen maatstaaf waarmee je de verwachtingen rond AI in kaart kan brengen. Het is voor mij wel duidelijk dat de snelheid van de vooruitgang ongelooflijk is. Daarom ben ik minder sceptisch over AI dan velen.”
Collier is niet blind voor de discrepantie tussen de investeringen in en de omzet van AI vandaag, maar gezien het enorme tempo van de tastbare vooruitgang is dat volgens hem geen ramp. Het is de belofte van dat tempo van vooruitgang, gekoppeld aan de groeiende economische relevantie die daarmee gepaard gaat, die de investeringen moet verantwoorden.
Dat is ook de redenering van OpenAI, dat erop wijst dat de omzet in 2024 nog één miljard dollar per kwartaal bedroeg, dus de helft van wat nu maandelijks gerealiseerd wordt. De omzet van het bedrijf groeit momenteel vier keer sneller dan die van Alphabet of Meta. Blijft die trend aanhouden, dan zal AI op relatief korte termijn wel voldoende inkomsten genereren om de miljarden aan uitgaven te verantwoorden. Collier geeft aan dat voorspellen moeilijk is, maar schaart zich ook zonder gevoeligheid voor hype in het kamp van de optimisten.