7 oktober 2026
De wereldwijde AI-industrie blijft miljarden investeren in modellen, datacenters en chips. Tegelijkertijd groeit een ongemakkelijke vraag: kunnen de grootste AI-bedrijven hun enorme uitgaven uiteindelijk terugverdienen?
Die vraag komt steeds nadrukkelijker op tafel nu bedrijven als OpenAI en Anthropic hun AI-systemen steeds goedkoper aanbieden, terwijl de kosten voor training en rekenkracht enorm blijven.
Anthropic is daarbij een van de duidelijkste voorbeelden. Uit documenten rond de geplande beursgang blijkt dat het bedrijf in 2025 ongeveer 4,6 miljard dollar omzet behaalde, maar tegelijkertijd 7,3 miljard dollar uitgaf aan compute en infrastructuur. Het operationele verlies kwam daardoor uit op ongeveer 8,06 miljard dollar.
AI wordt goedkoper, maar dat kan juist een probleem zijn
Op het eerste gezicht lijkt het positief dat AI goedkoper wordt.
Bedrijven kunnen steeds meer tokens gebruiken voor minder geld. Daardoor wordt het aantrekkelijker om AI in software, klantenservice, programmeren en bedrijfsprocessen te verwerken.
Maar voor AI-bedrijven ontstaat daardoor een probleem.
Wanneer de prijs per token sterk daalt, moeten gebruikers veel meer AI gebruiken om dezelfde omzet te behouden. Volgens recente analyses zijn de prijzen van grote taalmodellen sinds eind juni aanzienlijk gedaald. Tegelijkertijd is nog niet duidelijk of het gebruik snel genoeg groeit om die prijsdalingen te compenseren.
Dat zorgt voor een merkwaardige situatie.
AI wordt steeds nuttiger, maar de technologie moet ook steeds goedkoper worden om breed gebruikt te worden.
De kosten van AI blijven gigantisch
De grootste AI-labs hebben enorme hoeveelheden rekenkracht nodig.
Daarvoor zijn gespecialiseerde Nvidia-chips, datacenters, elektriciteit en netwerkcapaciteit nodig. Bovendien moeten bedrijven hun modellen voortdurend trainen en verbeteren.
Dat betekent dat de AI-industrie niet dezelfde kostenstructuur heeft als veel traditionele softwarebedrijven.
Een klassieke softwaredienst kan miljoenen gebruikers bedienen zonder dat de kosten evenredig stijgen.
Bij generatieve AI brengt vrijwel iedere interactie nieuwe rekenkosten met zich mee.
Daarom is schaal zo belangrijk.
AI-bedrijven hopen dat honderden miljoenen gebruikers en zakelijke klanten uiteindelijk voldoende omzet opleveren om de enorme infrastructuurinvesteringen te rechtvaardigen.
De beursgang van Anthropic wordt een belangrijke test
Anthropic staat ondertussen op het punt om mogelijk een van de belangrijkste AI-beursgangen ooit te worden.
Het bedrijf zou volgens recente berichtgeving mikken op een waardering van ongeveer 2 biljoen dollar. Dat is een buitengewoon hoge waardering voor een bedrijf dat nog steeds enorme verliezen maakt.
De vergelijking met Google wordt daarom steeds vaker gemaakt.
Google ging in 2004 naar de beurs met een veel lagere waardering, maar had toen al een winstgevend bedrijfsmodel.
Anthropic bevindt zich in een compleet andere situatie.
Het bedrijf groeit razendsnel, maar moet tegelijkertijd enorme bedragen blijven investeren in infrastructuur.
OpenAI en andere bedrijven hebben hetzelfde probleem
Anthropic is zeker niet de enige.
Ook OpenAI heeft enorme bedragen nodig om nieuwe modellen en infrastructuur te ontwikkelen. De concurrentie tussen AI-labs zorgt er bovendien voor dat bedrijven nauwelijks kunnen vertragen.
Wie minder investeert, loopt het risico technologisch achter te raken.
Daarmee ontstaat een soort AI-wapenwedloop.
Bedrijven investeren omdat hun concurrenten investeren.
Investeerders investeren omdat zij verwachten dat AI uiteindelijk een enorme markt wordt.
En chipbedrijven en datacenterexploitanten profiteren vervolgens van die enorme vraag.
De AI-bubbel-discussie komt terug
Ondertussen groeit ook de discussie over een mogelijke AI-bubbel.
Tijdens recente bijeenkomsten in Singapore waarschuwden investeerders en beleidsmakers dat de enorme AI-investeringen mogelijk niet voldoende rendement opleveren. Bridgewater-oprichter Ray Dalio noemde de huidige AI-investeringsgolf zelfs een klassieke bubbel.
Daarbij gaat het niet alleen om de waarderingen van AI-startups.
Ook bedrijven die AI-infrastructuur leveren, worden steeds hoger gewaardeerd. Dat maakt de hele keten afhankelijk van het idee dat de vraag naar AI jarenlang explosief blijft groeien.
Als die groei vertraagt, kunnen bedrijven die miljarden hebben geleend of geïnvesteerd in infrastructuur onder druk komen te staan.
Toch betekent dit niet dat AI mislukt
Het is belangrijk om daar een onderscheid te maken.
Dat sommige AI-bedrijven nog enorme verliezen maken, betekent niet dat AI economisch mislukt.
Het internet kende vergelijkbare periodes waarin bedrijven enorme bedragen investeerden voordat duidelijk werd welke bedrijfsmodellen daadwerkelijk winstgevend zouden worden.
De komende jaren zullen waarschijnlijk hetzelfde laten zien binnen AI.
Sommige bedrijven zullen verdwijnen.
Andere worden overgenomen.
Een klein aantal bedrijven kan uiteindelijk dominante infrastructuur- of modelplatforms worden.
De echte test begint nu
De eerste fase van de AI-revolutie draaide vooral om mogelijkheden.
Wat kan een model?
Hoe goed kan het programmeren?
Kan het afbeeldingen maken?
Kan het een agent worden?
De volgende fase draait steeds meer om economie.
Hoeveel kost het om een AI-systeem te laten werken, en hoeveel waarde levert het op?
Dat is uiteindelijk de vraag die bepaalt of de huidige AI-boom duurzaam is.
Voor gebruikers is goedkoper wordende AI goed nieuws.
Voor AI-bedrijven betekent het echter dat ze steeds efficiënter moeten worden.
De winnaar van de volgende fase hoeft daarom niet noodzakelijk het bedrijf met het grootste model te zijn.
Het kan juist het bedrijf zijn dat AI het goedkoopst en meest winstgevend kan inzetten.
Bron: Reuters – Can AI labs ever turn a profit?
Laat een reactie achter