Zitten we in een AI-bubbel? Een duidelijke kijk op infrastructuur versus 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 bezorgdheid. Perioden van technologische opwinding zijn vaak gevolgd door pijnlijke correcties, vooral wanneer verwachtingen de fundamenten vooruit sprinten. Maar om deze vraag te beantwoorden, is het noodzakelijk om zichtbare hype te scheiden van de minder zichtbare systemen eronder en het gesprek te 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” richten zich op wat mensen zien op het applicatielayer. Dat omvat sensationele fundraising-rondes van bedrijven als OpenAI, Anthropic en xAI met snelle financieringsaankondigingen die slechts enkele maanden uit elkaar liggen. Vervolgens zijn er virale AI-agentendemos die sociale feeds overspoelen en breedvoerige 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. Applicatiebedrijven 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 standaardreferentie voor claims dat de hele sector oververhit is.

Maar compute-infrastructuur werkt in een totaal andere realiteit, een die wordt beheerst door fysica, economie en harde capaciteitsbeperkingen.

Compute-infrastructuur 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. Utilisatie, 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 assetklasse. Het gedraagt zich meer als het stroomnet 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 kijken naar eerdere algemene doeltechnologieën onthult een consistent en herhalend patroon: grote technologische verschuivingen beginnen met een enorm aanvankelijk investering in infrastructuur, lang voordat productiviteitswinsten zichtbaar worden in de economie.

Spoorwegen vereisten enorm voorafgaand kapitaal decennia voordat ze handel transformeerden. Elektriciteit eiste dure netwerkuitbreidingen voordat fabrieken zich volledig konden herorganiseren rond 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 optreden. AI vandaag de dag volgt deze curve bijna precies.

Veel van de huidige AI-opbouw wordt aangedreven door bedrijven die fundamenteel verschillen van die in de dot-com-periode. Tijdens de late jaren 90 hadden veel hoog gewaardeerde 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 bedrijfssoftware.

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

3. Vraag naar Compute is Structureel, niet Sentiment-gedreven

Wat de huidige AI-cyclus uitzonderlijk veerkrachtig maakt, is dat de vraag naar compute niet in de eerste plaats wordt aangedreven door verhalende enthousiasme. Het wordt aangedreven door technische vereisten die blijven uitbreiden, ongeacht marktsentiment.

Kernstuwende factoren van compute-vraag blijven versnellen:

• De “Denk”-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 compute van een traditionele zoekopdracht kan verbruiken.

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

• Souvereine Infrastructuur: Overheden kopen nu compute voor nationale veiligheid zoals ze energie-reserves of verdedigingssystemen kopen. Dit creëert een enorm, permanent vloer van vraag die immuun is voor marktsentiment.

Deze krachten bestaan onafhankelijk van hoe AI-startups in een bepaalde kwartaal worden gewaardeerd. Zelfs tijdens marktterugval blijft GPU-gebruik hoog omdat de workloads 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 reeds ingebed in workflows over software-ontwikkeling, onderzoek, klantenservice, ontwerp, logistiek en besluitvorming.

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

4. Bubbel of Kantelpunt?

Sommige economen onderscheiden tussen twee soorten bubbels. Financiële bubbels laten weinig achter als ze barsten. Kantelbubbels, daarentegen, versnellen 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 speculatieve excessen. Toch veranderden ze de samenleving op onomkeerbare wijze. De verspilling heft de vooruitgang niet op.

De AI-cyclus vertoont kenmerken van een kantelbubbel. Er is ongetwijfeld hype aan de randen en sommige investeringen zullen falen. Maar de infrastructuur die wordt gebouwd is reëel, duurzaam en steeds onmisbaarder. Zelfs als waarderingen worden samengedrukt, 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. Nog maar 18 maanden geleden werd het grootste deel van het publiek voor het eerst geïntroduceerd tot AI via tools zoals ChatGPT. Vandaag is het voor veel kenniswerkers moeilijk om zich een werkomgeving zonder AI-ondersteuning voor te stellen.

Die verschuiving gebeurde opmerkelijk snel en het is nog maar in de beginfase.

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

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