De AI-race loopt op gang: Welk model zal domineren?

Vooruitgang in AI komt sneller dan gebruikers ze kunnen volgen.

De release van Google's Gemini 3, de miljardenpartnerschappen rond Claude van Anthropic, en verse updates van OpenAI hebben jaren aan vooruitgang samengebracht tot één seizoen.

Elk groot technologiebedrijf zet in op grotere modellen, nieuwe chips en agressieve clouduitbreiding.

Maar de echte vraag is of betere modellen voldoende zijn om miljarden gebruikers te trekken, hele industrieën opnieuw te bedraaden en de economische verwachtingen van de AI-boom te ondersteunen.

Een markt die sneller groeit dan verwacht

AI breidt zich nu uit van een specialistische technologie en verspreidt zich naar gezondheidszorg, detailhandel, financiën, reclame en bedrijfsvoering.

Bloomberg Intelligence voorspelt dat generatieve AI alleen al tegen 2032 ongeveer $1,8 biljoen aan jaarlijkse omzet kan genereren, wat gelijkstaat aan maximaal 16% van de wereldwijde technologie-uitgaven.

Dit gaat gepaard met een verschuiving in de infrastructuur.

AI-workloads vertegenwoordigen al meer dan 20% van de wereldwijde serveromzet, met prognoses die wijzen op 40% in de komende jaren.

De sector beïnvloedt ook de vraag naar hardware. Het trainen van grote modellen zorgde voor de eerste piek in de uitgaven, maar inferentie, het dagelijkse gebruik van AI in echte toepassingen, wordt steeds hardnekkiger.

Deze verandering is belangrijk omdat inferentiewerklasten niet in golven binnenkomen.

Ze draaien continu in klantenservicesystemen, productiviteitstools, reclame-engines en codeerassistenten.

Bedrijven zien dit als het begin van een lange infrastructuurcyclus in plaats van een korte opleving gekoppeld aan een handvol onderzoekslaboratoria.

Kan Gemini ChatGPT vangen?

Google heeft zojuist de lancering van Gemini 3 aangekondigd, wat laat zien hoe intens de concurrentie is geworden.

Gemini 3 plaatste recordscores op belangrijke redeneerbenchmarks en introduceerde nieuwe coderings- en agentische mogelijkheden.

Het model is direct geïntegreerd in Search, de Gemini-app, Workspace en Google's AI-modus.

Google rapporteerde 650 miljoen maandelijkse actieve gebruikers voor Gemini en meer dan 2 miljard voor AI Overzichten binnen Zoeken.

Op papier geeft dit het bedrijf een distributievoetafdruk die gelijk is aan of zelfs groter is dan ChatGPT.

Een model verbeteren is echter niet hetzelfde als het veranderen van gebruikersgedrag.

ChatGPT heeft onlangs 800 miljoen wekelijkse gebruikers bereikt en blijft voor velen de meest vertrouwde AI-interface.

De kracht van het product ligt niet alleen in het model erachter, maar ook in het ecosysteem eromheen.

Miljoenen mensen gebruiken ChatGPT in GitHub Copilot, Windows, Microsoft 365 en tientallen tools van derden die specifiek zijn gebouwd rond OpenAI-modellen.

Gewoontes veranderen is moeilijk, zelfs als een concurrent technisch gezien op sommige gebieden beter is.

Dit creëert een subtiele dynamiek. Google kan ChatGPT op modelniveau evenaren of overtreffen, maar dat alleen garandeert geen migratie van gebruikers.

Modelverbeteringen zijn belangrijk, maar werken niet geïsoleerd.

Overschakelen hangt af van diepere economische en workflowfactoren, zoals lagere kosten voor taken met lange context, soepelere enterprise-integratie of unieke functies die de operationele last van een bedrijf verminderen.

Mensen zullen verhuizen als de winst duidelijk zichtbaar is in hun dagelijkse werk, niet omdat een benchmarkscore is gestegen.

Consolidatie, kapitaal en de schaduw van een bubbel

De financiële schaal rond AI is groot genoeg geworden om vragen van investeerders aan te trekken. Sommige deals lijken cirkelvormig. Een modelbedrijf haalt kapitaal op bij een cloudprovider en besteedt dat kapitaal vervolgens aan de compute-diensten van de cloudprovider.

Dit is een van de redenen waarom analisten waarschuwen dat delen van de sector sneller kunnen groeien dan de bedrijfsbudgetten kunnen opvangen.

Tegelijkertijd rapporteren verschillende bedrijven nog steeds sterke adoptiecijfers.

Anthropic vertelde investeerders dat het meer dan 300.000 zakelijke en zakelijke klanten heeft en verwacht de omzet volgend jaar te verdubbelen of zelfs te verdrievoudigen tot ongeveer 26 miljard dollar.

Google telt 13 miljoen ontwikkelaars die Gemini als onderdeel van hun workflow gebruiken.

Hoewel deze cijfers echte tractie laten zien, benadrukken ze ook hoe duur het is om op dit niveau uit te breiden. Deze spanning tussen echt gebruik en te hoge verwachtingen creëert een omgeving die lijkt op de vroege internetcyclus.

De investeringskosten zijn zwaar, de waarderingen zijn hoog en sommige bedrijven zullen te veel overbelasten.

De onderliggende trend zal echter waarschijnlijk niet omkeren.

AI wordt nu al onderdeel van de dagelijkse software en infrastructuur, ongeacht welke bedrijven de uiteindelijke line-up domineren.

Is NVIDIA kwetsbaar in een wereld van custom silicon?

De positie van NVIDIA in het centrum van de trainingsbelasting heeft zorgen gewekt over langetermijnrisico's nu Google, Amazon en anderen hun eigen chips promoten.

De TPU-lijn van Google en de Trainium- en Inferentia-chips van Amazon zijn tekenen van een grotere trend naar op maat gemaakte silicium die zijn ontworpen voor specifieke workloads.

De recente samenwerking met antropische mensen maakt het geheel nog ingewikkelder.

Ondanks Google's zware investeringen in eigen chips, zette Anthropic zich toe tot één gigawatt rekenkracht met behulp van NVIDIA's Grace Blackwell- en Vera Rubin-systemen, ondersteund door tot 10 miljard dollar aan investeringen van NVIDIA en 5 miljard van Microsoft.

Op korte termijn verliest NVIDIA geen terrein.

De vraag naar rekenkracht groeit zo snel dat zowel GPU's als aangepaste accelerators tegelijk nodig zijn.

Het risico voor NVIDIA lijkt verder weg.

Als inferentie de dominante werklast wordt en hyperscalers het grootste deel van dat verkeer naar hun eigen interne chips verplaatsen, kan NVIDIA druk krijgen op marges in plaats van volumes.

Trainingen zouden winstgevend kunnen blijven, maar de mix van werklasten zou zich afleiden van het meest lucratieve segment van NVIDIA.

Dit betekent niet dat NVIDIA vandaag in de problemen zit. De komende drie tot vijf jaar lijken stabiel omdat de vraag naar trainingsruns en algemene computerverwerking enorm blijft.

De concurrentiedreiging draait meer om de langetermijnprijsmacht.

Hyperscalers willen afhankelijkheid van één enkele leverancier vermijden.

Ze investeren in hun eigen silicium, niet om NVIDIA uit te schakelen, maar om vanuit een sterkere positie te onderhandelen.

Wat zal de volgende winnaars bepalen

De AI-race gaat een fase in waarin leiderschap afhankelijk is van meer dan alleen doorbraken in het model.

Distributie is uiterst belangrijk, vooral het vermogen om AI-functies aan honderden miljoenen gebruikers te leveren via platforms die mensen al dagelijks gebruiken.

Integratie is ook belangrijk, omdat bedrijven tools willen die zonder onderbreking in hun bestaande workflows kunnen integreren.

Er is geen enkel pad naar dominantie.

Google kan gebruikmaken van Search en Android. Microsoft heeft Windows, Office en GitHub.

Anthropic verovert een positie onder ondernemingen die betrouwbare en transparante modellen willen.

OpenAI blijft de mindshare van consumenten stimuleren via ChatGPT.

Het veld wordt gevormd door overlappende allianties en rivaliteiten, waarbij partners vaak ook concurrenten zijn.

De volgende fase van de AI-economie zal bedrijven niet alleen belonen vanwege de grootte van hun modellen.

Het zal degenen belonen die intelligentie kunnen koppelen aan echte taken, echte beslissingen en echte economische waarde.

Modelkracht wordt steeds overvloedig. Wat schaars blijft, is het vermogen om die kracht om te zetten in duurzaam gedrag, lastige workflows en langdurige vraag.