Van startups tot Big Tech: Nvidia krijgt meer rivalen — kan het worden onttroond?

De race om Nvidia's dominantie in chips voor kunstmatige intelligentie uit te dagen gaat een nieuwe fase in, met startups die miljarden aan financiering aantrekken, Big Tech die de ontwikkeling van eigen chips versnelt en beleggers die inzetten dat de volgende fase van AI-computing mogelijk niet exclusief aan grafische verwerkingseenheden toebehoort.

Hoewel Nvidia de markt voor AI-hardware blijft domineren, verschuift de aandacht steeds meer van het trainen van massale AI-modellen naar het efficiënt laten draaien ervan in toepassingen in de echte wereld, bekend als AI-inference.

Die transitie heeft de deur geopend voor een nieuwe generatie chipmakers die snellere prestaties, lager energieverbruik en aanzienlijk lagere bedrijfskosten beloven.

De meest recente herinnering daaraan kwam woensdag, toen AI-chip-startup SambaNova $1 billion aan nieuwe financiering ophaalde, wat de bereidheid van investeerders onderstreept om bedrijven te steunen die een aandeel willen veroveren in een van 's werelds snelst groeiende technologiemarkten.

De financieringsronde waardeert SambaNova op $11 billion en werd geleid door General Atlantic, met deelname van Seligman Ventures, T. Rowe Price en Capital Group.

De nieuwste investering volgt op een aparte financieringsronde eerder dit jaar, waarin het bedrijf meer dan $350 million ophaalde bij investeerders waaronder Intel, naast een strategisch partnerschap.

Volgens een CNBC-rapport gepubliceerd in april verzamelden AI-chip-startups wereldwijd $8.3 billion aan financiering in 2026.

Tenzij de financieringsmarkten een scherpe terugval doormaken, wordt verwacht dat de investeringen in de sector dit jaar recordniveaus zullen bereiken.

Bron: CNBC

De focus verschuift van training naar inference

Nvidia bouwde zijn dominantie op rond grafische verwerkingseenheden die oorspronkelijk voor gaming waren ontworpen maar later werden aangepast voor het trainen van AI-modellen.

Die chips blijven de industriestandaard voor het bouwen van grote taalmodellen.

Nu ondernemingen steeds meer AI-toepassingen uitrollen in plaats van nieuwe foundation-modellen te trainen, richt de sector meer aandacht op inference, het proces waarbij getrainde AI-modellen reageren op gebruikersvragen.

Veel startups stellen dat GPU's, hoewel uitzonderlijk krachtig, nooit specifiek voor AI-workloads zijn ontworpen.

In plaats daarvan menen zij dat gespecialiseerde processors die specifiek voor inference zijn ontworpen de kosten drastisch kunnen verlagen en tegelijkertijd minder stroom verbruiken.

Lijst van AI-chip-startups die Nvidia willen uitdagen

SambaNova is lang niet het enige bedrijf dat probeert Nvidia's greep op AI-infrastructuur te verzwakken.

Cerebras, dat onlangs naar de publieke markten ging na het ophalen van $5.5 billion, profileert zich al geruime tijd als een van Nvidia's sterkste concurrenten.

Morgan Stanley heeft betoogd dat het bedrijf in bepaalde AI-computingsegmenten een first-mover-voordeel geniet.

Een andere nauwlettend gevolgde speler is Groq, wiens inference-georiënteerde architectuur zoveel aandacht trok dat Nvidia vorig jaar december instemde met het licentiëren van een deel van zijn chiptechnologie en zijn CEO overnam.

CNBC rapporteerde later dat Nvidia had ingestemd met de overname van Groq voor $20 billion in contanten, hoewel geen van beide bedrijven het bericht bevestigde.

Groq heeft gezegd dat het onder CEO Simon Edwards onafhankelijk zal blijven opereren.

Interessant genoeg introduceerde Nvidia later zijn eigen language processing unit op zijn jaarlijkse GTC-conferentie in maart, wat suggereert dat het ideeën van nieuwere concurrenten overneemt in plaats van ze te negeren.

Een andere startup die aandacht trekt is D-Matrix, opgericht in 2019.

Het bedrijf zegt dat zijn processors inference-workloads tot 10 keer sneller kunnen uitvoeren terwijl ze vijf keer minder energie verbruiken dan standalone Nvidia-GPU's, mits workloads relatief klein blijven.

D-Matrix heeft tot nu toe ongeveer $500 million opgehaald en bereikt een geschatte waardering van ongeveer $2 billion.

Microsoft nam via zijn durfkapitaartak M12 deel aan de financiering.

AI-modelbouwers willen hun eigen chips ontwerpen

De concurrentiedruk komt niet alleen van startups.

Veel van Nvidia's grootste klanten worden tegelijkertijd concurrenten nu zij zwaar investeren in het ontwerpen van eigen AI-chips.

De reden is simpel. Het ontwikkelen van maatwerk-silicium vermindert de afhankelijkheid van Nvidia, verlaagt de langetermijninfrastructuurkosten en maakt een nauwere integratie tussen hardware en software mogelijk.

Reuters meldde deze week dat de Chinese AI-startup DeepSeek zijn eigen AI-chip ontwikkelt in een poging de afhankelijkheid van Nvidia- en Huawei-processors te verminderen die worden gebruikt om zijn modellen te trainen en uit te rollen.

Begin deze maand meldde The Information dat Anthropic gesprekken had gevoerd met Samsung over samenwerking aan een toekomstige chip, hoewel belangrijke beslissingen over specificaties en beoogd gebruik nog niet zijn genomen.

OpenAI onthulde vorige maand zijn eerste custom AI-processor, genaamd Jalapeño, ontwikkeld in samenwerking met Broadcom.

Broadcom-ceo Hock Tan vertelde Reuters dat de processor vergelijkbare prestaties levert als Nvidia's Blackwell-chips en Google's tensor processing units.

Big Tech wordt steeds meer een concurrent van Nvidia

Google zelf neemt agressieve stappen om zijn afhankelijkheid van Nvidia te verminderen.

In plaats van dezelfde processors te gebruiken voor zowel AI-training als inference, scheidt het bedrijf die workloads in dedicated chips onder de achtste generatie van zijn tensor processing unit-familie.

De TPU 8t- en TPU 8i-processors worden naar verwachting later dit jaar beschikbaar.

Amazon volgt een soortgelijke strategie.

De AI-chef van Amazon, Peter DeSantis, zei recent tegen Bloomberg dat Amazon Web Services overweegt zijn Trainium AI-chips aan externe klanten te verkopen, wat mogelijk een van de sterkste alternatieven voor Nvidia in datacenterinfrastructuur zou creëren.

Dergelijke gesprekken bevinden zich nog in een vroeg stadium, maar ze volgen op opmerkingen van Amazon-ceo Andy Jassy dat de vraag naar de intern ontwikkelde AI-chips van het bedrijf zo sterk is geweest dat commercialisering nu wordt overwogen.

Meta investeert ook agressief in custom AI-hardware via een uitgebreid partnerschap met Broadcom.

Het Meta Training and Inference Accelerator (MTIA)-programma van het bedrijf heeft al zijn eerste chip opgeleverd, de MTIA 300, die ranking- en aanbevelingssystemen op Meta's platforms aandrijft.

Drie extra generaties worden verwacht tot 2027, waarbij latere versies specifiek zijn ontworpen voor inference-workloads die AI-assistenten aandrijven en reageren op gebruikersvragen.

Net als Google en Amazon is Meta's doel de afhankelijkheid van Nvidia te verminderen en chips af te stemmen op zijn eigen softwarestack en AI-infrastructuur.

De verschuiving illustreert een bredere trend onder hyperscalers.

In plaats van volledig te vertrouwen op kant-en-klare GPU's bouwen technologiereuzen steeds vaker application-specific integrated circuits (ASICs) die zijn geoptimaliseerd voor hun eigen workloads.

AMD en Broadcom hebben al aanzienlijke posities veroverd

In tegenstelling tot veel startups hebben AMD en Broadcom zich al gevestigd als betekenisvolle concurrenten in AI-infrastructuur.

De transformatie van AMD vertoont op meerdere vlakken overeenkomsten met die van Nvidia.

Oorspronkelijk bekend om gaminggrafische kaarten en pc-processors, verschuift het bedrijf zijn focus naar datacenteraccelerators en AI-chips, waardoor het naar voren kwam als de op één na grootste publieke speler in de markt voor AI-accelerators.

De strategie heeft beleggers ruim beloond.

AMD-aandelen zijn in de afgelopen vijf jaar met meer dan 460% gestegen, waardoor het bedrijf een marktkapitalisatie van meer dan $840 billion heeft.

Broadcom is intussen uitgegroeid tot een van de strategisch belangrijkste bedrijven op het gebied van custom AI-silicium.

In plaats van rechtstreeks te concurreren met Nvidia via merchant-chips, ontwerpt Broadcom custom processors voor enkele van 's werelds grootste AI-ontwikkelaars.

Analisten van Melius Research zeiden recent dat Broadcom zicht heeft op ongeveer 10 gigawatt aan AI-vraag tegen 2027 van klanten waaronder Anthropic en Meta Platforms.

De invloed van het bedrijf groeide woensdag verder nadat het een halfgeleiderovereenkomst van meer dan $30 billion met Apple tekende.

Onder de deal zal Broadcom "custom silicon components and cutting-edge wireless connectivity technologies" ontwerpen en produceren voor Apple's producten.

Analisten zien Nvidia's voorsprong afnemen, niet verdwijnen

Ondanks het groeiende aantal concurrenten geloven de meeste analisten dat Nvidia's leiderschap overweldigend blijft.

"Nvidia zal zeker meer concurrentie zien vergeleken met een jaar geleden," zei KinNgai Chan, managing director bij Summit Insights Group, in opmerkingen aan Reuters in maart.

"Nvidia heeft vandaag nog steeds meer dan 90% marktaandeel in zowel de training- als inference-markten."

Chan verwacht echter dat die dominantie de komende jaren geleidelijk zal afnemen.

"We denken dat Nvidia vanaf 2027 marktaandeel zal beginnen te verliezen, zodra interne ASIC-programma's enige schaal bereiken, vooral in de inference-markt," zei hij, verwijzend naar application-specific integrated circuits die zijn ontworpen voor specifieke workloads en hogere efficiëntie bieden dan algemene GPU's.

Morningstar deelt een vergelijkbare langetermijnvisie.

"Op de lange termijn denken we dat het onvermijdelijk is dat Google en AWS zullen streven naar het in-house brengen van meer chips en AI-materieel, tot nadeel van Nvidia," schreef Morningstar-analist Brian Colello.

"We verwachten dat Nvidia marktaandeel zal verliezen aan Google's TPUs en Amazon's Trainium (vooral als Anthropic en/of Google Gemini als dominante frontier-modellen naar voren komen), maar we denken dat Nvidia's aandeel in 2030 zal stabiliseren rond 68% (tegenover 80% nu) binnen een veel grotere schijf van AI-uitgaven," voegde hij eraan toe.

Nvidia slaat op meerdere fronten terug

Hoe dan ook, Nvidia staat niet stil.

Het bedrijf gaf meer dan $18 billion uit aan research en development in het boekjaar dat eindigde in januari 2026, terwijl het het werk aan next-generation AI-processors, netwerkproducten en fotonica-technologie versnelde.

Tijdens de laatste conference call in mei zei Huang dat Nvidia's nieuwe "Vera"-centrale processors het toegang geven tot een nieuwe markt van $200 billion.

Nvidia verwacht dat zijn Vera-chips tegen het einde van het huidige boekjaar $20 billion aan omzet zullen genereren.

Huang zei dat die verkopen niet waren opgenomen in de eerdere prognose van het bedrijf van $1 trillion aan omzet uit zijn Blackwell- en Rubin-AI-chipplatforms tussen 2025 en 2027.

Misschien nog belangrijker is dat Nvidia steeds vaker kiest voor samenwerking boven confrontatie.

In plaats van met elke opkomende AI-chip-startup het hoofd te bieden, kiest Nvidia steeds vaker voor samenwerking met bedrijven die gespecialiseerde inference-processors ontwikkelen.

Het overnemen van activa van AI-inference-startup Groq in december voor $20 billion en het aankondigen van investeringen van $4 billion in twee fotonica-bedrijven eerder dit jaar maakten deel uit van deze strategie.

Door sommige concurrerende chips naast zijn eigen GPU's in AI-serverracks te integreren, vergroot Nvidia bovendien zijn ecosysteem en zorgt het ervoor dat het blijft profiteren van AI-infrastructuuropgaven ongeacht welke inference-technologieën het meeste tractie krijgen.

Die strategie stelt Nvidia in staat deel te nemen aan meerdere AI-hardware-ecosystemen terwijl het nog steeds omzet genereert, zelfs als klanten gespecialiseerde inference-chips naast zijn GPU's aannemen.

Woensdag kondigde de inference-cloudprovider Parasail aan dat het D-Matrix's Corsair-inference-accelerators naast Nvidia Hopper- en Blackwell-systemen zal inzetten om klanten "tot 10x snellere, kostenefficiëntere inference-diensten" te leveren.

Bovendien zijn de producten van SambaNova ontworpen om Nvidia-hardware aan te vullen in plaats van die volledig te vervangen.

Rodrigo Liang, CEO van SambaNova, zei dat de SN40- en SN50-chips het zogenaamde decode-gedeelte van inference kunnen uitvoeren en de query van het model vijf tot tien keer sneller kunnen uitpakken, wat helpt om evenveel Nvidia-chips vrij te maken voor andere taken zoals training.

Sterke groei zet door ondanks concurrentiedruk

Nvidia's laatste financiële resultaten suggereren dat de concurrentie de business nog niet wezenlijk heeft aangetast.

De datacenterdivisie van het bedrijf, die het primaire groeimotor blijft, rapporteerde een recordomzet van $75.2 billion, een stijging van 92% op jaarbasis.

CEO Jensen Huang probeerde beleggers gerust te stellen dat de vraag breed blijft en dat nieuwe producten het bedrijf zullen helpen de $1 trillion aan omzetkansen te overstijgen die het heeft geprojecteerd voor zijn toonaangevende AI-platforms.

Desondanks daalden NVDA-aandelen met 1,6% na de publicatie van de cijfers, ondanks sterker dan verwachte omzetvooruitzichten en de aankondiging van een inkoopprogramma van $80 billion aan eigen aandelen.

De marktreactie suggereerde dat beleggers steeds meer voorbij de huidige winstcijfers kijken en zich richten op de vraag of Nvidia zijn dominante positie kan verdedigen nu concurrenten zich vermenigvuldigen.

Het aandeel is dit jaar met relatief bescheiden 4% gestegen en iets meer dan 23% over de afgelopen 12 maanden, een scherpe matiging vergeleken met de buitengewone winsten in de vroege fases van de AI-boom.