Het trainingslandschap van kunstmatige intelligentie heeft een onverwachte wending genomen die klassieke economische principes op de proef stelt. Meer data leidt tot betere prestaties, zonder verzadiging.
Waar normaal gesproken de wet van verminderde meeropbrengst of het afnemend grensnut zou intreden, zien we bij AI een tegenovergesteld fenomeen: meer data leidt consequent tot betere prestaties, zonder tekenen van verzadiging. Nog meer dan bij de komst van de PC, het internet of de iPhone wordt het potentieel van kunstmatige intelligentie nog altijd zwaar onderschat.
De DeepSeek-revolutie
Begin dit jaar zorgde de komst van DeepSeek voor een aardverschuiving in de AI-wereld. Dit model verlaagde de drempel voor het trainen van kunstmatige intelligentie drastisch, waardoor deze technologie nu binnen het bereik ligt van een veel breder publiek. Marc Andreessen vergeleek deze gebeurtenis treffend met de lancering van Spoetnik in 1957. Net zoals die eerste satelliet een ruimtewedloop tussen Amerika en de Sovjet-Unie ontketende, heeft DeepSeek een nieuwe AI-wedloop in gang gezet – dit keer met China in plaats van Rusland als Amerika’s voornaamste rivaal.
De democratisering van AI-training heeft geleid tot een explosie van Chinese AI-modellen, die inmiddels de Amerikaanse in aantal overtreffen. Dit fenomeen illustreert een paradox die we vaker zien bij technologische efficiëntieverbeteringen: net zoals zuinigere auto’s leiden tot meer gereden kilometers en waterbesparende technologieën resulteren in een hoger waterverbruik, zorgt goedkopere AI-training voor zoveel méér vraag dat de omvang van de investeringen exponentieel is gestegen. Deze dynamiek verklaart ook waarom pogingen om milieubelasting te verminderen via technologische efficiëntie vaak mislukken. Bij AI is dit effect nog sterker: elke verlaging van de drempel leidt tot exponentiële groei in gebruik en toepassingen.
Unieke economische positie
Wat kunstmatige intelligentie onderscheidt van andere technologieën is de bijna oneindige vraag naar intelligentie. Normaal raakt de vraag naar een product of dienst op enig moment verzadigd.
Bij AI zien we echter dat elke efficiëntieverbetering niet alleen de kosten per eenheid intelligentie verlaagt, maar ook nieuwe toepassingsmogelijkheden creëert die voorheen ondenkbaar waren. Bovendien verschuift met elke verbetering in AI-modellen de grens van wat deze modellen kunnen, waardoor het plafond van potentiële toepassingen steeds hoger komt te liggen.
Verschuivende marktdynamiek
Het is tegen deze achtergrond opmerkelijk dat de beurskoersen van de Magnificent Seven (Apple, Microsoft, Alphabet, Amazon, Nvidia, Meta en Tesla) onder druk zijn komen te staan. De verklaring hiervoor ligt niet in een afnemende vraag naar AI-diensten – integendeel – maar in het verlies van hun schijnbare monopoliepositie op het gebied van het mogelijk maken van kunstmatige intelligentie. De democratisering van AI-training betekent dat deze giganten hun exclusieve controle over de technologie verliezen.
Tegelijkertijd opent deze verschuiving nieuwe kansen voor de Magnificent Seven. Dezelfde bedrijven zullen waarschijnlijk aanzienlijk meer verdienen aan de ontwikkeling en exploitatie van AI-applicaties dan aan het trainen van de onderliggende modellen. De vraag naar intelligente toepassingen is immers veel groter dan de vraag naar trainingsinfrastructuur alleen.
Laatste AI-monopolie
Te midden van deze verschuivende machtsverhoudingen blijft één bedrijf onaangetast: ASML. Als enige producent van geavanceerde lithografiemachines voor AI-chipproductie bekleedt het Nederlandse bedrijf een benijdenswaardige monopoliepositie. Voormalige concurrenten zoals Nikon en Canon zijn niet langer relevante spelers in deze race.
ASML’s dominantie in EUV-machines die chips met zeven, vijf en binnenkort drie nanometer-technologie kunnen produceren, betekent dat de groei van kunstmatige intelligentie voorlopig wordt beperkt door ASML’s productiecapaciteit. Met andere woorden: ASML levert de essentiële werktuigen voor de moderne AI-goudkoorts.
Geopolitieke ontwikkelingen wakkeren de vraag naar ASML’s technologie verder aan. Waar voorheen een handvol Aziatische klanten verantwoordelijk was voor het leeuwendeel van de vraag, zorgt de trend van de-globalisering nu voor nieuwe fabrieken in Amerika en Europa. Dit resulteert in een nog grotere vraag naar ASML’s geavanceerde machines.
Pas het begin van de AI-cyclus
Hoe goedkoper AI-training wordt, hoe groter de vraag naar AI-toepassingen. Hoe groter die vraag, hoe groter de vraag naar AI-chips. En hoe groter de vraag naar chips, hoe sterker de positie van ASML als onbetwiste leverancier van de cruciale productietechnologie. In deze zelfversterkende cyclus is er even geen verminderde meeropbrengst of afnemend grensnut. In een wereld waarin data-honger alleen maar toeneemt, bezit de leverancier van de meest geavanceerde chipproductiemachines mogelijk de meest waardevolle positie van allemaal.
Vlak overigens ook de aandelen in de Magnificent Seven niet uit. Die zijn dit jaar sterk gedaald, een scherp contrast met voorgaande jaren. Winsten stijgen echter verder, terwijl niet alleen de koersen maar ook de rente is gedaald. Waardering is vooral van belang bij dalende koersen, maar veel minder bij stijgende koersen, zeker niet waar het gaat om technologiebedrijven. Verder behalen deze tech-bedrijven het overgrote deel van hun omzet buiten de VS, waardoor ze profiteren van een zwakke dollar. Bovendien wisselt een bull-markt tussentijd meestal niet van marktleiderschap. Daarvoor is meer nodig dan een simpele correctie.
Han Dieperink is chief investment officer bij Auréus Vermogensbeheer. Hij was eerder in zijn loopbaan chief investment officer van Rabobank en Schretlen & Co.