Achter elk AI-antwoord zit iets fysieks. Een chip die het rekenwerk doet, stroom die erin gaat en warmte die eruit moet. Lange tijd was dat het probleem van de grote techbedrijven, niet van jou. In juni werd duidelijk dat die fysieke kant nu de rem op AI wordt, en dat raakt uiteindelijk ook wat jij betaalt en kunt gebruiken.
De chip is de flessenhals
De snelste AI-chips hangen aan één machine. ASML uit Veldhoven is de enige die de lithografie-machines maakt voor de allerkleinste chipdetails. In juni installeerde Intel de eerste commerciële versie van ASML's nieuwste High-NA EUV-systeem, en onderzoeksinstituut imec kreeg er ook een. Eén leverancier voor de kern van alle AI-rekenkracht. Dat maakt chips duur, schaars en een geopolitiek strijdpunt.
Voor jou als ondernemer betekent dit vooral iets over richting. Omdat de zwaarste rekenkracht schaars en duur blijft, wordt slim omgaan met kleine modellen belangrijker dan almaar grotere. Daar kom ik zo op terug.
Stroom en koeling worden een echt probleem
Datacenters slokten in 2023 zo'n 4,4% van het Amerikaanse stroomverbruik op. Schattingen lopen op naar 6,7 tot 12% in 2028. OpenAI zei in april zijn doel van 10 gigawatt al voorbij te zijn, en er in één kwartaal meer dan 3 gigawatt bij te hebben gezet. Dat is de energie van een middelgrote stad, alleen voor AI.
Netbeheerders reageren. Een onderzoeksinstituut lanceerde een raamwerk om datacenters flexibel mee te laten bewegen met het stroomnet: rekenwerk uitstellen als het net onder druk staat, batterijen inzetten bij piekmomenten. En koeling wordt een apart vraagstuk. Een MIT-startup dompelt servers onder in een speciale vloeistof die warmte veel beter afvoert dan lucht. Rekenkracht is niet langer alleen software. Het is warmte, ruimte en stroom.
AI beweegt de fysieke wereld in
Tegelijk stapt AI juist uit het scherm. NVIDIA bracht Cosmos 3 uit, een open model bedoeld voor robots, zelfrijdende voertuigen en camera-systemen in de echte wereld. Het combineert zien, redeneren en handelen in één familie, en staat gewoon op Hugging Face om mee te bouwen. Google DeepMind startte in Europa een programma voor robotica-startups, van lasrobots tot afvalsortering.
En let op waar dit heen gaat: kleinere versies van deze modellen draaien op een gewone werkstation-GPU, een telefoon of een Raspberry Pi. MIT liet een chip zien die in real-time 3D-kaarten bouwt op zo'n 6 milliwatt, ongeveer 2,5% van het vermogen van de beste bestaande chip. Doen met minder, in plaats van er meer rekenkracht tegenaan gooien.
Wat dit voor jou betekent
Je hoeft geen datacenter te bouwen om hier iets aan te hebben. De rode draad van deze maand is dat de toekomst niet alleen bij het grootste model ligt, maar bij slim en zuinig. Kleine, gespecialiseerde modellen die lokaal of op goedkope hardware draaien, worden steeds beter. Dat is precies wat een mkb-bedrijf nodig heeft: een systeem dat zijn werk doet zonder een torenhoge cloudrekening.
Als ik voor een bedrijf een AI-oplossing bouw, kies ik het gereedschap op maat van de taak. Vaak is dat een klein, goedkoop model dat precies één ding goed doet, dicht bij je eigen data. Sneller, goedkoper en beter beheersbaar dan de zwaarste optie.
Wil je weten wat er voor jouw proces genoeg is? Stuur een bericht, dan kijk ik mee.
Gebaseerd op internationale AI-berichtgeving, juni 2026.
Wil je weten welk proces bij jou het meeste oplevert? Neem contact op — ik denk graag mee.