Onderzoeksbureau Omdia stelt dat de hardware-infrastructuur de ruggengraat blijft van kunstmatige intelligentie. Bedrijven verschuiven budgetten naar chips, servers, opslag en netwerk om AI veilig en schaalbaar te maken. Dit raakt ook de Europese digitalisering gevolgen bedrijfsleven, doordat regelgeving en energiegebruik de keuzes bepalen. De kern: zonder sterke hardware geen betrouwbare AI-toepassingen.
Hardware stuurt AI-investeringen
AI-projecten vragen veel rekenkracht en geheugen. Organisaties investeren daarom in GPU’s, hoogwaardige CPU’s, snelle opslag en snellere netwerken. Software en modellen leveren pas waarde als de infrastructuur het kan dragen. Omdia ziet dat dit de prioriteit in IT-budgetten verschuift.
Training en inferentie stellen andere eisen. Training is het aanleren van een model en gebeurt vaak in de cloud op clusters met GPU’s, die veel stroom en koeling nodig hebben. Inferentie is het draaien van het getrainde model in productie en kan dichter bij de gebruiker plaatsvinden, bijvoorbeeld aan de rand van het netwerk of op een AI-pc. Dat vergt compactere en energiezuinigere accelerators.
De markt beweegt mee met die behoefte. Nvidia en AMD leveren GPU’s voor zowel training als inferentie, terwijl Intel CPU’s combineert met AI-versnellers. Systeemleveranciers als HPE, Dell en Lenovo bouwen kant-en-klare AI-systemen. Dat verkort de doorlooptijd van proefproject naar productie.
Datacenters lopen tegen grenzen
De groei van AI legt druk op datacenters. Stroomverbruik en koeling worden knelpunten, zeker bij grote GPU-clusters. Daardoor neemt de interesse in vloeistofkoeling en efficiëntere voedingen toe. Ook netwerken schuiven op naar 400G en 800G om datastromen aan te kunnen.
In Nederland en omliggende EU-landen speelt netcongestie. Vergunningen en ruimtelijke plannen beperken waar grote datacenters mogen uitbreiden. Gemeenten vragen vaker om hergebruik van restwarmte en strengere energie-rapportage. Dit dwingt operators tot slimme inpassing en efficiëntere ontwerpen.
Beveiliging en privacy blijven randvoorwaardelijk. Onder de AVG moet dataminimalisatie, versleuteling en toegangsbescherming zijn geregeld, ook bij AI-workloads. De AI-verordening (AI Act) introduceert extra eisen voor risicovolle toepassingen, zoals logging en menselijke controle. Dat heeft directe gevolgen voor architectuurkeuzes en kosten.
Europese digitalisering gevolgen bedrijfsleven
Nieuwe regels sturen de technische onderlaag van AI. De AI Act en NIS2 eisen dat bedrijven risico’s beheersen en hun infrastructuur aantoonbaar veilig is. Zorg, overheid, industrie en energiebedrijven moeten daarom investeren in betrouwbare rekencapaciteit en monitoring. Dit geldt voor zowel cloud als on-premises systemen.
Europa wil tegelijk minder afhankelijk zijn van externe toelevering van chips. De EU Chips Act moet productie en innovatie in halfgeleiders versterken en de leveringszekerheid verbeteren. Dat is relevant voor AI-hardware, van geavanceerde GPU’s tot netwerkchips. Europese spelers zoals ASML en NXP vormen hierbij belangrijke schakels.
De EU wil met de Chips Act circa 43 miljard euro aan investeringen in halfgeleiders mobiliseren richting 2030.
Bedrijven zoeken balans tussen cloud en edge. Data-soevereiniteit, resid locatie en sectorregels bepalen waar data mogen staan en worden verwerkt. Initiatieven als GAIA-X beogen meer transparantie over datalocatie en interoperabiliteit. Dit maakt de keuze voor infrastructuur net zo strategisch als de keuze voor het AI-model.
Leveranciers schuiven in positie
De toeleveringsketen voor accelerators blijft volop in beweging. Beschikbaarheid van GPU’s verbetert, maar vraagpieken en lange levertijden blijven een risico. Daarom kiezen afnemers vaker voor multi-vendor en multi-cloud. Dat vermindert leverings- en prijsrisico’s.
Netwerken en opslag worden herzien voor AI. Snellere Ethernet- en InfiniBand-verbindingen verlagen wachttijden tussen chips, wat prestaties verhoogt. Ook snelle NVMe-opslag en meer geheugenbandbreedte zijn nodig voor grote modellen. Deze bouwstenen bepalen de totale systeemprestatie, niet alleen de GPU.
Kosten en efficiëntie worden scherper gemeten. Organisaties rekenen op energie per taak, zoals kosten per miljoen tokens bij taalmodellen. Lichtere modellen en quantization-technieken verlagen de benodigde rekenkracht. Dat drukt kosten en vermindert de milieu-impact.
Nederlandse aandacht voor energie
Nederland zet in op zuinige datacenters en betere inpassing in het stroomnet. Netbeheerders waarschuwen voor congestie, waardoor planning van AI-capaciteit eerder moet beginnen. Restwarmtelevering aan warmtenetten wordt aantrekkelijker door lokale regels en energieprijzen. Dit kan de CO2-voetafdruk van AI verlagen.
Sectoren als zorg, mobiliteit en onderwijs testen steeds vaker AI in de praktijk. Organisaties voeren privacy-impactanalyses uit en beperken toegang tot gevoelige data. Versleuteling en geanonimiseerde datasets helpen om aan de AVG te voldoen. Tegelijk blijft uitlegbaarheid van algoritmen belangrijk voor publieke acceptatie.
De maakindustrie profiteert van de hardwarevraag. Nederlandse toeleveranciers in chipmachines, verpakkingsapparatuur en power-electronics zien structurele vraag. Dat creëert werkgelegenheid, maar vraagt ook om scholing en samenwerking met kennisinstellingen. Investeren in energie-efficiëntie wordt daarbij een concurrentievoordeel.