Zitten we in een AI-bubbel? Een duidelijke kijk op infrastructuur vs. hype

De opkomst van AI heeft enorme investeringen, snelle innovatie en intense publieke aandacht veroorzaakt. Deze omstandigheden roepen bijna onvermijdelijk een bekende vraag op: zitten we in een AI-bubbel?

Het is een terechte zorg. Perioden van technologische opwinding zijn vaak gevolgd door pijnlijke correcties, vooral wanneer verwachtingen de feiten vooruitstreven. Maar om deze vraag te beantwoorden, moet je het zichtbare hype van de minder zichtbare systemen eronder scheiden en het gesprek baseren op geschiedenis, economie en de realiteit van de infrastructuurlaag die AI daadwerkelijk aandrijft.

Wanneer je dat doet, ziet het plaatje er veel genuanceerder uit dan het bubbelverhaal suggereert.

1. Het sleutelonderscheid: Infrastructuur vs. Toepassingen

De meeste gesprekken over een “AI-bubbel” focussen op wat mensen zien op het toepassingsniveau. Dat omvat opvallende financieringsrondes van bedrijven als OpenAI, Anthropic en xAI met snel opeenvolgende financieringsaankondigingen die slechts enkele maanden uit elkaar liggen. Dan zijn er virale AI-demos die sociale feeds overspoelen en grootschalige claims over kunstmatige algemene intelligentie of triljoendollaruitkomsten lang voordat inkomsten bijbenen.

Deze laag van de industrie beweegt zich snel omdat het wordt aangedreven door verhalen, verwachtingen en beleggerspsychologie. Toepassingsbedrijven kunnen even snel in aandacht stijgen als ze uit de gunst raken. Verhalen breiden zich vaak sneller uit dan de onderliggende bedrijfsfundamenten en omdat dit het meest zichtbare deel van de AI-economie is, wordt het de standaardreferentiepunt voor claims dat de hele sector oververhit is.

Maar rekeninfrastructuur werkt in een compleet andere realiteit, een die wordt beheerst door fysica, economie en harde capaciteitsbeperkingen.

Rekeninfrastructuur wordt gevormd door meetbare krachten: GPUs die uurlijkse inkomsten genereren door AI-werklasten uit te voeren, de beschikbaarheid en kosten van stroom, het tempo van datacenterbouw, toenemende trainings- en inferentie-eisen naarmate modellen in omvang toenemen. Gebruik, niet sentiment, bepaalt of deze laag werkt.

Waar toepassingen opkomen en neergaan op basis van perceptie, is infrastructuur verankerd in duurzame vraag. Dit is waarom de infrastructuurlaag zich niet gedraagt als een typische bubbelgevoelige activaklasse. Het gedraagt zich meer als het elektriciteitsnetwerk tijdens de elektrificatie of glasvezel tijdens de internetboom. Het is een fundamenteel systeem waarvan de vraagcurve wordt aangedreven door technologische vooruitgang in plaats van de grillen van beleggers.

2. Wat de geschiedenis eigenlijk laat zien

Het bekijken van eerdere algemene technologische ontwikkelingen onthult een consistente en herhalende patroon: grote technologische verschuivingen beginnen met een enorm aanvankelijk investering in infrastructuur, lang voordat productiviteitswinsten zichtbaar worden in de economie.

Spoorwegen vereisten enorme voorinvesteringen decennia voordat ze handel transformeerden. Elektriciteit eiste kostbare netwerkuitbreidingen voordat fabrieken volledig konden herorganiseren rondom elektrische kracht. Telecommunicatienetwerken, internetbackbone-infrastructuur, mobiele netwerken en cloudcomputing volgden allemaal hetzelfde traject. In elk geval steeg de infrastructuuruitgaven eerst, terwijl productiviteitsverbeteringen volgden.

Van buitenaf zagen deze perioden er vaak uit als bubbels. In retrospectief waren het installatiefasen. Noodzakelijke, kapitaalintensieve opbouw die de basis legde voor decennia van economische groei.

Deze breed verspreide Goldman Sachs-grafiek illustreert dit fenomeen duidelijk:

Infrastructuurinvesteringen pieken jaren voordat meetbare productiviteitswinsten zichtbaar worden. AI vandaag de dag volgt deze curve bijna precies.

Veel van de huidige AI-opbouw wordt aangedreven door bedrijven die fundamenteel anders zijn dan die van de dot-com-periode. Tijdens de late jaren 90 hadden veel hoogwaardig beoordeelde internetbedrijven weinig of geen inkomsten. In tegenstelling tot de grootste krachten achter de huidige AI-infrastructuursurplus, zoals Microsoft, Google, Meta en Amazon, zijn het zeer winstgevende bedrijven met enorme, terugkerende kasstromen uit gevestigde bedrijven zoals cloudcomputing, advertenties en ondernemingssoftware.

Hun AI-uitgaven worden grotendeels gefinancierd door operationele winsten, niet door speculatieve schuld. Dat onderscheid is van belang. Het vermindert systeemkwetsbaarheid aanzienlijk en herpositioneert de huidige CapEx niet als roekeloze uitgaven, maar als doelgerichte langetermijninvestering.

3. Vraag naar rekenkracht is structureel, niet sentimentgedreven

Wat de huidige AI-cyclus uitzonderlijk robuust maakt, is dat de vraag naar rekenkracht niet primair wordt aangedreven door verhalenenthusiasme. Het wordt aangedreven door technische vereisten die blijven uitbreiden, ongeacht marktsentiment.

Kernstuwende factoren van rekenkrachtvraag blijven versnellen:

• De “Denken”-belasting: Nieuwe AI-modellen halen niet alleen antwoorden op, maar redeneren daadwerkelijk door duizenden mogelijkheden voordat ze reageren. Dit creëert een nieuwe realiteit waarin één gebruikersprompt 100x de rekenkracht van een traditionele zoekopdracht kan consumeren.

• Synthetische gegevensproductie: We hebben effectief geen hoogwaardige menselijke gegevens meer om op te trainen. Om te blijven verbeteren, draaien vloten van GPUs 24/7 alleen om de trainingsgegevens voor de volgende generatie modellen te schrijven.

• Souvereine infrastructuur: Overheden kopen nu rekenkracht voor nationale veiligheid, net zoals ze energie-reserves of defensiesystemen kopen. Dit creëert een enorme, permanente vloer van vraag die immuun is voor marktsentiment.

Deze krachten bestaan onafhankelijk van hoe AI-startups in een bepaald kwartaal worden gewaardeerd. Zelfs tijdens marktterugval blijft GPU-gebruik hoog omdat de werklasten zelf blijven groeien in complexiteit en volume.

Deze opbouw is tastbaar op een manier waarop veel speculatieve bubbels dat niet waren. GPUs, servers, datacenters, stroominfrastructuur en geïmplementeerde AI-toepassingen zijn reële activa die reeds meetbare productiviteitswinsten opleveren. In tegenstelling tot veel dot-com-concepten die jaren verwijderd waren van praktisch gebruik, zijn AI-systemen al ingebed in workflows over software-ontwikkeling, onderzoek, klantenservice, ontwerp, logistiek en besluitvorming.

Er is ook een competitieve dynamiek aan het spel die verder gaat dan markten. AI is een strategische “wapenwedloop” tussen bedrijven en naties geworden. Overheden en bedrijven kunnen zich niet eenvoudigweg uit investeringen terugtrekken zonder het risico te lopen op lange termijn concurrentie te verliezen. Achterblijven in rekenkracht betekent steeds vaker achterblijven in innovatie, talentaantrekking en toegang tot kapitaal.

4. Bubbel of keerpunt?

Sommige economen onderscheiden tussen twee soorten bubbels. Financiële bubbels laten weinig achter als ze barsten. Keerpuntbubbels versnellen daarentegen de constructie van fundamentele infrastructuur die de economische landschap permanent verandert, zelfs als kapitaal onderweg verkeerd wordt toegewezen.

Spoorwegen, elektrificatie en het vroege internet vertoonden allemaal elementen van speculatief excessen. Toch veranderden ze de samenleving op onomkeerbare wijze. De verspilling heft de vooruitgang niet op.

De AI-cyclus vertoont kenmerken van een keerpuntbubbel. Er is ongetwijfeld hype aan de randen en sommige investeringen zullen falen. Maar de infrastructuur die wordt opgebouwd is reëel, duurzaam en steeds onmisbaarder. Zelfs als waarderingen worden gecorrigeerd, de markt consolideert en specifieke toepassingen falen, zal de onderliggende infrastructuur blijven.

5. Het menselijke onderschattingprobleem

Tenslotte is er een terugkerende neiging om de diepgaande impact van nieuwe technologieën op het dagelijks leven te onderschatten. Slechts 18 maanden geleden werd het grootste deel van het publiek voor het eerst aan AI geïntroduceerd via tools als ChatGPT. Vandaag is het voor veel kenniswerkers moeilijk om te werken zonder AI-ondersteuning.

Die verschuiving gebeurde opmerkelijk snel en het is nog in de vroege stadia.

Vanuit dat perspectief mist het noemen van een AI-bubbel het grotere punt. Wat we getuige zijn, lijkt minder op speculatief excessen losgekoppeld van de realiteit en meer op de rommelige, kapitaalintensieve installatiefase van een productiviteitsrevolutie die al gaande is.

Publieke sentimenten zullen eb en vloed kennen. Prijzen zullen corrigeren. De infrastructuur en de innovatie die het mogelijk maakt, zijn hier om te blijven.