De strijd om AI-eigendom – Waarom datacenters nu meer dan ooit belangrijk zijn

Een paar jaar geleden leken datacenters iets puur technisch en onzichtbaars – infrastructuur diep verborgen in de backend, zelden besproken buiten professionele kringen. Maar de explosieve groei van AI heeft dit beeld volledig veranderd. Vandaag zijn datacenters het nieuwe “olieveld” van de digitale economie: een strategisch actief waaromheen miljarden aan investeringen, overheidsbeleid en bedrijfsstrategieën worden opgebouwd.

Recente nieuws bevestigt dit. Anthropic kondigde de bouw van zijn eigen datacenters in de VS aan, met een kostenplaatje van 50 miljard dollar, een bedrag dat vergelijkbaar is met de budgetten van grote energiemegaprojecten. Bijna tegelijkertijd onthulden X.AI en Nvidia een gezamenlijk project in Saoedi-Arabië, een van de grootste datacenters in de regio.

Waarom is het onderwerp van datacenters zo wereldwijd geworden? Waarom verlaten grote spelers de pure cloudmodellen en investeren ze tientallen miljarden in hun eigen capaciteit? En hoe beïnvloedt deze verschuiving de AI-architectuur, energiesystemen, geopolitiek en de opkomst van alternatieve modellen, van Arctische tot ruimtegebaseerde datacenters?

Dit is wat de onderstaande column onderzoekt.

De wereldwijde toename van interesse in het bezit van datacenters

Wanneer de consumptie van rekenbronnen wordt gemeten in miljoenen dollars per jaar, is het huren van cloudservers inderdaad goedkoper: bedrijven hoeven geen gebouwen te bouwen en te onderhouden, geen elektriciteit en koeling te betalen, geen apparatuur te kopen of regelmatig te upgraden. Maar wanneer de uitgaven tientallen miljarden dollars bereiken, verschuift de logica.

Op dat punt wordt het meer kostenefficiënt om uw eigen datacenters te bouwen, ingenieurs in te huren, apparatuur te kopen en de infrastructuur te optimaliseren voor uw specifieke behoeften. Het bedrijf stopt met het overbetalen van de marges van cloudproviders en krijgt veel meer controle over de kosten en efficiëntie van de berekening.

Dit is waarom de trend van het bouwen van privé-datacenters het meest relevant is voor reuzen zoals OpenAI of Anthropic, bedrijven waarvan de behoeften zo groot zijn dat de cloud niet langer economisch gerechtvaardigd is.

Tegelijkertijd is het belangrijk om te begrijpen dat het concept van een “datacenter” meerdere lagen heeft. Voor sommige bedrijven is het voornamelijk een gegevensopslagfaciliteit, schijven, databases en gebruikersinformatie. Voor anderen is het ook een computationeel hub: servers die modellen zoals GPT, Claude of LLaMA uitvoeren, die tegelijkertijd gegevens opslaan en complexe bewerkingen uitvoeren. Feitelijk is een datacenter vandaag een enorme technologische “magazijn” met duizenden gespecialiseerde computers.

En hoe groter de vraag naar AI-capaciteit, hoe strategischer en meer omstreden deze “magazijn” wordt, waardoor datacenters nu niet alleen door ingenieurs, maar ook door investeerders, beleidsmakers en topexecutives worden besproken.

Wat is belangrijker bij het bouwen van AI-datacenters: snelheid of kwaliteit?

In werkelijkheid is noch de bouwsnelheid noch de formele “kwaliteit” van een datacenter de primaire driver. Grote bedrijven investeren in hun eigen infrastructuur om kosten te verlagen en maximale controle over de berekening te krijgen.

De kwaliteit van de modellen zelf is voor topbedrijven minder belangrijk dan men zou denken. De reden is eenvoudig: de kwaliteitskloof tussen marktleiders is minimaal. Het is net als de automobielindustrie: Volkswagen, Toyota, Honda – allemaal verschillend, maar geen van hen kan ver genoeg vooruitkomen om de markt te monopoliseren. Elk behoudt zijn stabiele aandeel.

De AI-markt volgt een soortgelijke logica. Geavanceerde gebruikers gebruiken al meerdere modellen tegelijk: een voor programmeren, een ander voor tekstgeneratie, een derde voor analyse of zoekopdrachten. Zakelijke klanten doen hetzelfde. Diensten zoals Grammarly hebben bijvoorbeeld geen eigen model. Ze kopen tokens van meerdere providers, Anthropic, OpenAI, Meta. Wanneer een verzoek binnenkomt, selecteert het systeem automatisch de provider: degene die op dat moment goedkoper, sneller of nauwkeuriger is. Als de tekst in het Engels is, gaat het naar GPT; als het in het Hindi is, gaat het naar Claude; als LLaMA op dat moment de laagste tarieven heeft, gaat het daarheen. Dit is in wezen een model voor lastverdeling op basis van een effectenbeurs.

In gesprekken met zakelijke klanten van Keymakr zie ik deze trend steeds vaker: grote bedrijven hebben de “één model – één provider”-aanpak allang verlaten. Ze bouwen multi-modelpijplijnen waarin verzoeken tussen verschillende AI-systemen worden gerouteerd, afhankelijk van kosten, latentie of taalspecificiteit. Deze architectuur stelt echter aanzienlijk hogere eisen aan gegevens, met name aan de netheid, annotatie, validatie en consistentie ervan. In deze zin wordt de gegevensinfrastructuur even strategisch als de datacenters zelf: zonder hoge kwaliteit invoer werkt een multi-modelsysteem eenvoudigweg niet.

Uiteindelijk wordt in deze architectuur de kwaliteit van het model slechts een van de vele parameters. De sleutel ligt in het behouden van snelheid, schaalbaarheid en de mogelijkheid om grote berekeningslasten te verwerken. En dit is precies waarom privé-datacenters hun strategische waarde hebben: ze stellen bedrijven in staat om kosten, doorvoer en stabiliteit te controleren, met weinig invloed op de uiteindelijke kwaliteit van het model.

In andere woorden, bedrijven bouwen vandaag datacenters niet voor snelheid of perfecte kwaliteit, maar voor economie en controle.

De geografie van gegevens

Met “controle” bedoel ik de geografie van gegevens. Als een bedrijf samenwerkt met overheidsinstanties, verbiedt de wet vaak dat gegevens het land verlaten. Overheids- en quasi-militaire toepassingen gebruiken AI actief in inlichtingendiensten, defensie-IT-eenheden en gemeentelijke diensten. Maar het is onmogelijk om deze systemen toegang te geven tot een model als het datacenter zich in een regio met onzekere rechtspraak of lage vertrouwelijkheid bevindt. Daarom eisen regeringen dat de berekeningscapaciteit fysiek binnen het land wordt geplaatst.

Grote bedrijven begrijpen dit perfect. Als ze willen deelnemen aan overheidsopdrachten, contracten ondertekenen of gevoelige gegevens verwerken, hebben ze infrastructuur nodig in specifieke regio’s en de mogelijkheid om te garanderen dat ze voldoen aan beveiligingsnormen. Deze geografische beperking heeft ook een aanzienlijke invloed op een andere kritieke factor bij het bouwen en exploiteren van datacenters – energie.

AI-datacenters verbruiken enorme hoeveelheden elektriciteit, zowel om servers te laten draaien als om ze te koelen. Koeling kost vaak meer dan de berekening zelf. Dit creëert strikte beperkingen. In sommige regio’s zijn datacenters beperkt tot het trekken van een bepaalde hoeveelheid stroom uit het net; in andere regio’s zijn warmte-emissies naar het milieu strikt gereguleerd. Het overschrijden van limieten resulteert in boetes en dure ingenieursupgrades.

Bovendien wordt elektriciteit voornamelijk gekocht van staatsbedrijven, die hun eigen tariefstructuren hebben. U kunt niet zomaar “zo veel kopen als u wilt”. Bijvoorbeeld, tot een bepaalde drempel is de prijs één tarief; boven dat tarief is het een ander. Als een datacenter meer stroom trekt dan is toegestaan tijdens piekperioden, incasseert het automatisch boetes. Daarom vinden grote bedrijven het vaak economischer om hun eigen datacenters te bouwen in de buurt van hun eigen energiecentrales.

Dit leidt van nature tot de gedachte om private energieopwekking te ontwikkelen, zoals zonneparken, gasgestookte centrales of kleine hydro-elektrische centrales. Maar al deze oplossingen hebben beperkingen. Gas- en kolencentrales produceren emissies. Hydro-energie verandert rivierecosystemen. Kernenergie is het schoonst in termen van emissies, maar alleen overheden kunnen kerncentrales bouwen.

En het is precies op dit punt dat nieuwe concepten beginnen te ontstaan…

Alternatieve oplossingen

De meest voor de hand liggende optie is het verplaatsen van datacenters naar regio’s met natuurlijk koude klimaten, zoals noordelijk Canada, de noordelijke territoria van Scandinavië of afgelegen gebieden in de Arctis. Daar lost de natuur zelf het koelprobleem op, waardoor de operationele kosten aanzienlijk worden verlaagd.

De volgende stap is “onderwaterdatacenters”. De berekening vindt onder water plaats, met de koude mariene omgeving die natuurlijke koeling biedt. Maar deze aanpak heeft ook nadelen. Milieubeheerders hebben al hun bezorgdheid geuit. Bijvoorbeeld, bij het zuiden van IJsland, waar de Golfstroom langs komt, hebben sommigen gesuggereerd dat de grootschalige inzet van onderwaterdatacenters de lokale klimaatprocessen kan beïnvloeden, mogelijk zelfs de oceaanstroming kan veranderen. Aanvankelijke observaties van dergelijke afwijkingen zijn al gedaan.

Er zijn ook meer futuristische opties. Onlangs besprak ik het concept van ruimtegebaseerde datacenters met collega’s. Het idee om berekeningsinfrastructuur in een baan om de aarde te lanceren, bestaat al lang; echter heeft de technologie het nu tot de rand van praktische haalbaarheid gebracht, met een gereed technisch fundament.

Waarom lijkt de ruimte aantrekkelijk? Het lost meteen twee grote beperkingen op: koeling en elektriciteit. De temperaturen in de nabije ruimte zijn extreem laag, waardoor warmteafvoer bijna gratis is. Elektriciteit is ook geen probleem: grote zonnepanelen kunnen worden ingezet, net zoals ruimtetelescopen hun spiegels ontvouwen. In de ruimte is er geen stof, geen weer, geen schaduw. De panelen leveren stabiele stroom rond de klok met vrijwel geen onderhoud vereist.

Communicatie met de aarde is een aparte ingenieursuitdaging, maar het is geheel oplosbaar. Een benadering is het gebruik van satelliet-systemen zoals Starlink, maar met veel bredere kanalen. Radiolinks kunnen in principe deze volumes aan, en optische links, lichtgebaseerde kanalen met enorm bandbreedte, kunnen worden gebruikt als nodig. Ingenieurs zullen hier zeker een oplossing voor vinden.

Over het algemeen is ruimte-infrastructuur meer een toekomstige tak van ontwikkeling, maar het bespreken ervan lijkt nu niet langer op sciencefiction, vooral omdat de vraag naar berekeningscapaciteit sneller groeit dan de nieuwe capaciteit op aarde.

Het is de moeite waard om te vermelden dat het meest recente nieuws: Google kondigde zijn Suncatcher-project aan, gericht op het creëren van AI-ruimtegebaseerde datacenters. Volgens het plan zullen satellieten uitgerust met TPU-chips worden aangedreven door zonne-energie en zullen ze gegevens verzenden via optische kanalen. Google beweert dat deze oplossing tot acht keer grotere energieproductie-efficiëntie kan bieden dan aardse systemen. De eerste satellietprototypes zijn gepland voor lancering al in 2027.

De impact van regelgeving

Wanneer het gaat om regelgeving die datacenters, hun milieueffect en of wettelijke kaders de markt naar de ruimte of onder water kunnen “duwen”, blijft de vraag open.

Elk land handelt anders, regelgeving implementerend in overeenstemming met zijn langetermijnplannen. Het is geen geheim dat Europa, bijvoorbeeld, striktere regels heeft, die de ontwikkeling van AI vertragen. De VS daarentegen neemt een meer pragmatische aanpak: wetten worden meestal geschreven om innovatie en groei te laten voortduren. Een sterke tech-lobby in Californië, de thuisbasis van bedrijven zoals Nvidia, Apple, Microsoft en Meta, maakt een totaal verbod op AI onwaarschijnlijk. Dat betekent dat technologie zal blijven evolueren.

We leven in een tijdperk waarin “buiten de box denken” zowel in het Westen als in Azië wordt gekoesterd, en de voorbeelden van Elon Musk en Steve Jobs blijven ambitieuze projecten inspireren. Misschien is berekenen in de ruimte de volgende logische stap.