Op 30 april 2026 stond Jensen Huang, de CEO van NVIDIA, voor een aula aan Stanford voor het vak CS153, Frontier Systems. In een aula wordt vrijer gepraat dan op een investeerdersdag. Bij Edge letten we op dat soort momenten, want tussen de minder gepolijste uitspraken zitten vaak edgy observaties.
De kern van Huangs verhaal was dat de toekomst van AI niet wordt bepaald door het slimste model, maar door de fundamenten eronder: rekenkracht, energie, hoe we succes meten en de mate van openheid.
De computer verandert van vorm
Het eerste fundament is de aard van het rekenen. Software van het uitvoeren van vooraf geschreven regels naar real-time generatie. De computer genereert het antwoord op het moment dat je het nodig hebt met de context die dan beschikbaar is, in plaats van een fixed programma te laten lopen. Jensen noemt dit de eerste echte heruitvinding van computing in vierenzestig jaar.
De vooruitgang komt niet langer enkel van snellere chips maar van wat Huang extreme co-design noemt: chips, software, netwerken en volledige systemen die samen worden ontworpen. Volgens hem leverde die aanpak over een decennium een versnelling van ongeveer een miljoen op, waar het effect van de klassieke vooruitgang in chips alleen honderd keer zou zijn.
De workload die aan de systemen wordt gegeven evolueert ook. Eerst draaide alles om het trainen van modellen, daarna om het gebruiken ervan, nu om agents die zelfstandig taken uitvoeren, en straks over zwermen van samenwerkende agents. NVIDIA’s eigen hardware-roadmap, van Hopper en Blackwell naar Vera Rubin en het aangekondigde Feynman, optimaliseert de silicium voor de specifieke workloads.
Voor bedrijven is de les eenvoudig en ongemakkelijk. Behandel AI niet als een product dat je één keer aankoopt maar als een infrastructuur die elk jaar van vorm verandert. Flexibiliteit is geen luxe maar een noodzakelijkheid. In de praktijk betekent dit kortere afschrijvingstermijnen, contracten met uitstapclausules en de bewuste keuze om niet op één model of leverancier in te zetten.
Energie is het echte plafond
De nood aan energie voor AI-rekenkracht kan groeien met een factor duizend. Een moeilijke boodschap voor Europese bedrijven die meer dan 4 keer meer betalen voor hun energie dan Amerikaanse en Chinese bedrijven.
De enige limiet voor rekenkracht is stroom, niet chips, niet geld, niet ideeën. De strategische vraag is dus niet hebben we genoeg rekenkracht maar hebben we genoeg energie op de juiste plek. Capaciteit van het electriciteitsnet, de kostprijs van een megawattuur, de nabijheid van duurzame opwekking en de duurzaamheidsdoelen zijn core onderdelen van een serieuze AI-strategie.
We meten de verkeerde dingen
Huang haalde uit naar MFU, Model FLOPs Utilization. MFU meet het werkelijke percentage van de chipcapaciteit die wordt benut voor nuttige berekeningen. Jensen heeft als argument dat een chip voor honderd procent bezet kan zijn en toch weinig nuttigs produceert. Bezig zijn heeft geen waarde. Het is alsof je een fabriek beoordeelt op hoe hard de machines draaien, niet op wat er geproduceerd wordt.
Zijn oplossing, meet tokens-per-watt. Evalueer wat een systeem werkelijk oplevert, per eenheid energie. De discipline om resultaat te meten in plaats van bedrijvigheid wordt een onderscheidende vaardigheid
Openheid als strategische keuze
Het vierde fundament is openheid. Huang verdedigde open modellen. NVIDIA brengt ze zelf uit: het algemene model Nemotron, BioNemo voor lifesciences en Alpamayo voor autonoom rijden. Niet uit liefdadigheid, maar omwille van veiligheid, transparantie en toegang. Open modellen zijn inspecteerbaar, en ze maken AI toegankelijk voor talen en wetenschappelijke domeinen die een puur commerciële markt niet zou bedienen.
Voor organisaties is openheid een strategische keuze, geen ideologische. Ze gaat over controle, over inspecteerbaarheid, en over de mate van afhankelijkheid van één gesloten leverancier. Het gaat niet over welk model het best presteert, maar hoeveel grip willen we behouden.
Wat telt voor de toekomst
AI is infrastructuur met fysieke grenzen. De partijen die het de komende jaren goed zullen doen, zullen niet noodzakelijk die met het slimste model zijn. Wie vandaag een AI-strategie schrijft, moet antwoorden hebben op: waar komt de stroom vandaan, hoe meten we succes, hoeveel grip houden we en hoe snel kunnen we bijsturen?
Bij Edge zijn we niet alleen dagelijks in de weer met het bedenken en implementeren van oplossingen met generatieve AI, we schrijven er ook over in het Nederlands op onze website Artificial-intelligence.be en in het Engels op onze website I-scoop.eu. Veel leesplezier!
