Rekenkracht wordt schaars en dat bepaalt de AI-markt

De grootste rem op AI zit in 2026 niet in de modellen, maar in de chips en datacenters die ze laten draaien. De afgelopen weken lieten zien hoe hard die schaarste doortikt, tot bij bedrijven die je het minst zou verwachten.

Google knijpt de kraan dicht, ook voor Meta

Google beperkte de toegang van Meta tot zijn Gemini-modellen omdat het simpelweg te weinig rekenkracht had, meldde de Financial Times eind juni (overgenomen door CNBC). Meta gebruikte Gemini onder meer voor contentmoderatie en programmeerwerk, en vond het model op sommige taken sterker dan zijn eigen Llama. Google zit zelf klem. Het cloudonderdeel draaide meer dan 20 miljard dollar omzet per kwartaal, maar houdt volgens Techtimes een backlog van bijna 460 miljard dollar aan vraag die het niet kan bedienen. Om dat gat te dichten betaalt Google naar verluidt 920 miljoen dollar per maand aan SpaceX voor ongeveer 110.000 Nvidia-GPU’s in de datacenters van xAI.

Chips zijn het echte knelpunt

Aan de bron van de keten draait TSMC op volle capaciteit. De chipmaker boekte recordcijfers terwijl de vraag naar AI-chips het aanbod ver overtreft, zoals we schreven over de recordomzet van TSMC. Die krapte verklaart ook de overnamekoorts. Qualcomm onderhandelt volgens Reuters over de aankoop van AI-chipontwerper Tenstorrent, het bedrijf van chipveteraan Jim Keller, voor 8 tot 10 miljard dollar. De inzet is een eigen positie in AI-versnellers, buiten het bereik van Nvidia.

Wie geen chips heeft, huurt of bouwt

De strijd om capaciteit dwingt iedereen tot ongebruikelijke stappen. Anthropic legde een datacenterdeal van 19 miljard dollar op tafel om aan rekenkracht te komen. Modelmakers proberen tegelijk zuiniger te draaien. Grok 4.5 verbruikt naar eigen zeggen minder tokens per taak, en Chinese open modellen zoals GLM-5.2 mikken op lagere kosten. Efficiëntie is daarmee een concurrentievoordeel geworden.

Wat betekent dit

Voor gebruikers en bedrijven betekent de schaarste twee dingen. Prijzen voor de zwaarste modellen blijven onder druk staan, en aanbieders zullen vaker sturen op zuinig gebruik: kleinere modellen voor routineklussen, de dure varianten alleen waar het echt moet. Wie nu AI inbouwt, doet er goed aan te rekenen met capaciteit als beperkende factor, en niet alleen met de vraag of een model iets technisch aankan. De race gaat de komende maanden minder over wie het slimste model heeft en meer over wie de chips en de datacenters op tijd geregeld krijgt.