Technologiebedrijven investeren honderden miljarden dollars in kunstmatige intelligentie, datacenters en geavanceerde chips. Maar terwijl de investeringen ongekende hoogten bereiken, groeit de bezorgdheid over overbelaste elektriciteitsnetten, verborgen financiële verplichtingen en infrastructuur die sneller veroudert dan ze kan worden gebruikt. Staat de AI-sector aan de vooravond van een historische financiële correctie?
De geschiedenis lijkt zich opnieuw te herhalen
Van de spoorweghausse in de negentiende eeuw tot de internetzeepbel rond de millenniumwisseling: grote technologische revoluties gingen regelmatig gepaard met buitensporige investeringen en overdreven verwachtingen.
Het patroon was telkens opvallend vergelijkbaar. Een nieuwe technologie beloofde de economie ingrijpend te veranderen, investeerders stroomden massaal toe en ondernemingen bouwden infrastructuur alsof de toekomstige vraag al gegarandeerd was. Pas later bleek dat de economische werkelijkheid niet altijd gelijke tred hield met de verwachtingen. Bedrijven gingen failliet, aandelenkoersen kelderden en enorme hoeveelheden geïnvesteerd kapitaal gingen verloren.
Volgens een kritische analyse in de video The AI bubble is about to pop... vertoont de huidige AI-revolutie verschillende kenmerken van eerdere speculatieve periodes. Dat betekent niet noodzakelijk dat kunstmatige intelligentie zal mislukken. Integendeel, de technologie kan de wereldeconomie fundamenteel veranderen. Maar een succesvolle technologische revolutie garandeert niet dat alle investeringen ook financieel rendabel zullen zijn.
De grootste hindernis voor AI is misschien geen technologie, maar elektriciteit
De ontwikkeling van steeds krachtigere AI-systemen vereist enorme hoeveelheden rekenkracht. Technologiebedrijven investeren daarom massaal in nieuwe datacenters, gespecialiseerde processors en infrastructuur. Bedrijven zoals Microsoft, Google, Amazon en Meta bouwen aan een toekomst waarin kunstmatige intelligentie een centrale rol speelt in vrijwel iedere digitale dienst.
Maar achter die indrukwekkende investeringen schuilt een probleem dat niet met betere software kan worden opgelost: de beschikbaarheid van elektriciteit. Het Amerikaanse elektriciteitsnet werd niet ontworpen voor een plotselinge explosie van grootschalige AI-datacenters. Nieuwe installaties hebben vaak honderden megawatts aan vermogen nodig, terwijl de bestaande infrastructuur daar niet altijd op berekend is.
Daardoor kunnen projecten jarenlang moeten wachten voordat ze volledig op het elektriciteitsnet worden aangesloten. Voor technologiebedrijven ontstaat zo een bijzonder kostbare situatie. Een datacenter kan technisch klaar zijn, terwijl de benodigde energie ontbreekt om de apparatuur daadwerkelijk te gebruiken.
Miljarden aan AI-chips dreigen ongebruikt te verouderen
De snelle technologische vooruitgang vormt een tweede risico. AI-processors behoren tot de duurste en snelst evoluerende onderdelen van moderne datacenters. Fabrikanten zoals NVIDIA introduceren regelmatig nieuwe generaties chips die krachtiger en energiezuiniger zijn dan hun voorgangers.
Wanneer een technologiebedrijf miljarden investeert in hardware die vervolgens maanden of jaren niet volledig kan worden benut, kan dat de economische waarde van die investering aanzienlijk verminderen. Een chip die vandaag tot de absolute wereldtop behoort, kan tegen de tijd dat een datacenter operationeel wordt al ingehaald zijn door een nieuwe generatie. Dit creëert een gevaarlijke combinatie van hoge investeringskosten, technologische veroudering en vertraagde inkomsten.
De AI-industrie bevindt zich daardoor in een merkwaardige situatie: de vraag naar rekenkracht groeit explosief, maar het vermogen om die rekenkracht daadwerkelijk beschikbaar te maken wordt steeds vaker beperkt door fysieke infrastructuur.
Een tekort aan transformatoren vertraagt de AI-revolutie
Niet alleen elektriciteitsproductie vormt een knelpunt. Ook de apparatuur die nodig is om stroom veilig en efficiënt te transporteren, wordt steeds belangrijker. Grote transformatoren zijn essentieel om datacenters op het hoogspanningsnet aan te sluiten. De productie ervan is gespecialiseerd, kostbaar en tijdrovend.
Door de groeiende vraag vanuit datacenters, industrie en elektriciteitsnetbeheerders kunnen de levertijden voor dergelijke apparatuur aanzienlijk oplopen. Daarmee ontstaat een probleem dat weinig aandacht krijgt in de publieke discussie over kunstmatige intelligentie.
Terwijl AI-ontwikkelaars hun modellen in enkele maanden kunnen verbeteren, duurt het uitbreiden van elektriciteitsnetten vaak jaren. De digitale wereld ontwikkelt zich met andere woorden veel sneller dan de fysieke infrastructuur waarop ze afhankelijk is.
Texas wordt een belangrijke stresstest voor de AI-industrie
De Amerikaanse staat Texas speelt een opvallende rol in de groei van datacenters. De combinatie van beschikbare grond, een aantrekkelijk ondernemingsklimaat en grote energieprojecten maakt de staat interessant voor technologiebedrijven.
Maar de explosieve vraag naar elektriciteit brengt ook uitdagingen met zich mee. Wanneer meerdere grote datacenters tegelijk aansluiting aanvragen, kan de verwachte elektriciteitsvraag veel sneller stijgen dan de beschikbare productie- en transportcapaciteit.
Netbeheerders moeten daardoor niet alleen rekening houden met bestaande gebruikers, maar ook met omvangrijke projecten waarvan onzeker is of ze daadwerkelijk gerealiseerd worden. Dat maakt investeringsplanning bijzonder ingewikkeld. Texas illustreert hoe de AI-revolutie niet uitsluitend afhankelijk is van technologische innovatie, maar ook van de capaciteit van traditionele nutsvoorzieningen.
De elektriciteitsrekening van gezinnen kan mee onder druk komen
De groeiende energiebehoefte van datacenters heeft mogelijk gevolgen die verder reiken dan de technologiesector. Wanneer elektriciteitsbedrijven nieuwe hoogspanningslijnen, transformatoren en productiecapaciteit moeten financieren, rijst de vraag wie uiteindelijk voor deze investeringen betaalt.
Als de kosten via algemene nettarieven worden verdeeld, kunnen ook gezinnen en kleinere ondernemingen ermee geconfronteerd worden. Dat betekent niet dat ieder nieuw datacenter automatisch tot hogere elektriciteitsprijzen leidt. De impact hangt onder meer af van lokale regelgeving, financieringsafspraken en de manier waarop netkosten worden toegewezen.
Toch ontstaat een maatschappelijk spanningsveld. Technologiebedrijven kunnen aanzienlijke commerciële voordelen halen uit nieuwe AI-infrastructuur, terwijl een deel van de noodzakelijke investeringen mogelijk door een bredere groep elektriciteitsgebruikers wordt gedragen. De economische gevolgen van kunstmatige intelligentie worden daardoor steeds zichtbaarder buiten de technologiesector.
Michael Burry waarschuwt voor een mogelijke boekhoudkundige illusie
Ook de financiële verslaggeving van technologiebedrijven komt onder een vergrootglas te liggen. Michael Burry, de Amerikaanse investeerder die bekend werd door zijn succesvolle voorspelling van de Amerikaanse huizenmarktcrisis van 2008, behoort tot de kritische stemmen die vragen stellen bij de waardering van AI-investeringen.
Een belangrijk aandachtspunt is de manier waarop ondernemingen hun enorme uitgaven aan computersystemen en datacenters boekhoudkundig verwerken. Hardware wordt doorgaans niet onmiddellijk volledig als kosten geboekt. De aanschafprijs wordt over meerdere jaren afgeschreven. De gekozen afschrijvingstermijn heeft daardoor een rechtstreekse invloed op de gerapporteerde winst. Wanneer een onderneming bijvoorbeeld een server over zes jaar afschrijft, worden de jaarlijkse boekhoudkundige kosten lager dan wanneer dezelfde server over drie jaar wordt afgeschreven.
Maar bij AI-hardware, die snel technologisch veroudert, ontstaat de vraag of lange afschrijvingstermijnen altijd een realistisch beeld geven van de economische levensduur. Een te optimistische inschatting kan ervoor zorgen dat de gerapporteerde winst hoger lijkt dan wanneer de apparatuur sneller zou worden afgeschreven.
Dat is niet automatisch een aanwijzing voor boekhoudkundige fraude. Het onderstreept wel hoe belangrijk de gebruikte aannames zijn bij het beoordelen van de financiële prestaties van technologiebedrijven.
Schulden en langdurige leasecontracten vergroten de financiële risico's
De AI-race wordt niet uitsluitend gefinancierd met eigen middelen.
Naast rechtstreekse investeringen maken ondernemingen gebruik van leningen, langlopende huurcontracten, financieringsconstructies en samenwerkingen met externe infrastructuurbedrijven.
Dergelijke afspraken kunnen bedrijven helpen om sneller datacentercapaciteit beschikbaar te maken zonder alle kosten onmiddellijk zelf te dragen.
Tegelijkertijd ontstaan verplichtingen die jarenlang kunnen doorlopen.
Wanneer de toekomstige vraag naar AI-diensten lager uitvalt dan verwacht, kunnen deze financiële afspraken zwaar op de winstgevendheid drukken.
Voor investeerders wordt het daardoor steeds belangrijker om niet alleen naar de omzetgroei en de gerapporteerde winst te kijken, maar ook naar toekomstige betalingsverplichtingen, kasstromen en de economische risico's van infrastructuurcontracten.
De financiële gezondheid van de AI-sector kan immers niet uitsluitend worden beoordeeld aan de hand van de indrukwekkende bedragen die vandaag worden geïnvesteerd.
Wanneer technologiebedrijven elkaars groei financieren
Een andere ontwikkeling die vragen oproept, is de toenemende financiële verwevenheid binnen het AI-ecosysteem. Grote technologiebedrijven investeren in AI-ontwikkelaars, terwijl diezelfde ontwikkelaars vervolgens aanzienlijke bedragen besteden aan cloudinfrastructuur en rekenkracht van hun investeerders of commerciële partners.
Op zichzelf zijn dergelijke samenwerkingen niet ongebruikelijk. Ze kunnen jonge ondernemingen toegang geven tot kapitaal en infrastructuur die anders moeilijk bereikbaar zouden zijn. Maar ze maken het ingewikkelder om vast te stellen hoeveel van de groei uiteindelijk wordt gedragen door onafhankelijke klanten die bereid zijn om voor AI-diensten te betalen.
Wanneer investeringskapitaal via verschillende commerciële overeenkomsten opnieuw bij dezelfde grote technologiebedrijven terechtkomt, kan dat een bijzonder sterke indruk van marktvraag creëren. De cruciale vraag is dan hoeveel inkomsten duurzaam blijven wanneer externe financiering afneemt en klanten hun AI-uitgaven kritischer beginnen te beoordelen.
Van spoorwegmanie tot dotcombubbel: de waarschuwingen uit het verleden
De geschiedenis van technologische investeringsgolven biedt verschillende opvallende vergelijkingen. Tijdens de Britse Railway Mania in de negentiende eeuw investeerden beleggers massaal in spoorwegmaatschappijen. Spoorwegen veranderden uiteindelijk de economie, maar veel investeerders verloren geld doordat te veel projecten tegelijk werden gefinancierd.
Een vergelijkbaar scenario speelde zich af tijdens de dotcombubbel. Aan het einde van de jaren negentig werden internetbedrijven gewaardeerd op basis van spectaculaire groeiverwachtingen, vaak zonder dat ze al winst maakten. Telecommunicatiebedrijven investeerden bovendien enorme bedragen in glasvezelnetwerken en andere infrastructuur.
Toen de markt rond 2000 instortte, verdwenen grote hoeveelheden beurswaarde en gingen talrijke ondernemingen failliet. Toch verdween het internet niet. De infrastructuur die tijdens de hausse werd aangelegd, vormde later juist een belangrijke basis voor de verdere ontwikkeling van de digitale economie. Daarin schuilt mogelijk de belangrijkste historische les voor de AI-sector: een technologie kan op lange termijn buitengewoon succesvol worden, terwijl veel van de oorspronkelijke investeerders aanzienlijke verliezen lijden.
Kan de AI-sector dezelfde fout maken?
De huidige AI-revolutie verschilt op verschillende punten van eerdere technologische bubbels. Veel grote investeerders zijn gevestigde technologiebedrijven met aanzienlijke inkomsten, sterke kasposities en bestaande klanten. Bovendien heeft kunstmatige intelligentie al concrete toepassingen in softwareontwikkeling, klantenservice, onderzoek, marketing en bedrijfsautomatisering.
Toch blijven de economische verwachtingen bijzonder ambitieus. De enorme investeringen in datacenters en chips moeten uiteindelijk worden terugverdiend door bedrijven en consumenten die voldoende waarde halen uit AI-toepassingen.
Wanneer de inkomsten minder snel groeien dan de infrastructuurkosten, kan de sector geconfronteerd worden met lagere winstmarges, afwaarderingen en een herziening van investeringsplannen. Een dergelijke correctie hoeft niet noodzakelijk tot een volledige marktcrash te leiden. Ze kan ook geleidelijk verlopen, bijvoorbeeld doordat technologiebedrijven hun uitgaven terugschroeven, projecten uitstellen of minder winstgevende AI-activiteiten afbouwen.
De AI-revolutie kan slagen terwijl de investeringshausse mislukt
De belangrijkste conclusie van de analyse is dat technologische vooruitgang en financieel rendement twee verschillende zaken zijn. Kunstmatige intelligentie kan uitgroeien tot een van de belangrijkste technologieën van deze eeuw en tegelijkertijd aanleiding geven tot een van de grootste investeringscorrecties van de komende jaren.
De uitdagingen rond elektriciteitsvoorziening, verouderende hardware, financieringsconstructies en onzekere toekomstige inkomsten maken duidelijk dat de AI-sector niet onbeperkt kan blijven groeien op basis van verwachtingen alleen. Uiteindelijk zullen technologiebedrijven moeten aantonen dat hun enorme investeringen leiden tot duurzame inkomsten, hogere productiviteit en concrete economische waarde.
De vraag is daarom niet uitsluitend of kunstmatige intelligentie de wereld zal veranderen. De veel belangrijkere financiële vraag is hoeveel van de honderden miljarden dollars die vandaag in AI worden geïnvesteerd, ooit daadwerkelijk zullen worden terugverdiend. En precies daar ligt het verschil tussen een technologische revolutie en een financiële zeepbel.
