We zitten in een AI-zeepbel. Of toch niet?

Als je een déjà vu krijgt van de dotcom-boom, ben je niet de enige. Morgan Stanley schat de wereldwijde uitgaven voor AI-datacenters op “bijna 3 biljoen dollar” in 2029, maar Big Tech zal naar verwachting slechts ongeveer de helft daarvan voor zijn rekening nemen, waardoor een vloedgolf van extern kapitaal in een nog in ontwikkeling zijnde markt wordt geduwd. Het resultaat is een van de grootste kapitaaluitgavencycli in de moderne technologie, met een ongewoon complexe kapitaalstructuur. Als zelfs Sam Altman denkt dat we op een zeepbel afstevenen, is het tijd om dieper te graven. We hebben de analyses gelezen en onze eigen analyse gemaakt.

Schulden doen het zware werk. De financiering van datacenters in de VS is verdubbeld van ongeveer 30 miljard dollar in 2024 tot naar verwachting 60 miljard dollar dit jaar, nu projectfinancieringsmodellen (denk aan energie/LNG) worden toegepast op digitale infrastructuur. En een opvallende headline als deze, "Meta kiest Pimco en Blue Owl voor een pakket van 29 miljard dollar, inclusief ongeveer 26 miljard dollar aan schulden", laat zien hoe agressief particuliere kredietverstrekkers zich op deze markt storten.

Ondertussen hebben de megaprojecten namen en prijskaartjes gekregen. De veelbesproken ‘Stargate’-supercomputer van OpenAI/Microsoft zou wel eens 100 miljard dollar kunnen kosten. Meta gaat door met nieuwe AI-campussen, waaronder Prometheus in Ohio en Hyperion in Louisiana, terwijl ‘Colossus’ van xAI in Memphis de energie- en waterbeperkingen van de sector benadrukt. Het is echt staal en beton, niet alleen diapresentaties.

Dus... is dit een zeepbel?

Waarom het lijkt op een zeepbel

1) De investeringen lopen ver vooruit op de bewezen inkomsten. Zelfs optimistische bedrijven geven toe dat hyperscalers meer dan 300 miljard dollar per jaar uitgeven aan kapitaaluitgaven, met sommige schattingen die tegen 2025-2026 oplopen tot 400 miljard dollar. Toch blijven de algemene voordelen van generative AI op de balans onregelmatig, een spanning die wordt onderstreept door de verslaggeving over dit fenomeen. Die kloof (kapitaaluitgaven nu, winst later) was een klassiek kenmerk van de groei van het internet aan het einde van de jaren negentig.

2) Risico van veroudering. Datacenters zijn activa met een lange levensduur; AI-hardwarecycli zijn dat niet. Als architecturen veranderen (bijvoorbeeld naar veel efficiëntere versnellers of radicaal andere modeltopologieën), kunnen sommige faciliteiten een snelle herinvestering vereisen of minder waardevol worden, waardoor het rendement voor eigenaren daalt. Zelfs industrievriendelijke analyses wijzen op bezorgdheid over de vraag of de huidige AI-training-intensieve ontwerpen hun waarde houden naarmate de werklast verschuift van training naar naar inferentie.

3) Financiële hefboomwerking. Wanneer de schuldenlast in een nieuwe activaklasse snel toeneemt, kunnen kleine missers uitgroeien tot grote problemen. De juridische en bancaire wereld is openhartig: 2025 is een recordjaar voor datacenterschulden, waarbij gebruik wordt gemaakt van structuren die zijn aangepast van megaprojecten op energiegebied. Die discipline helpt, maar hefboomwerking versterkt elke teleurstelling over het gebruik of de prijsstelling.

4) Energie als harde beperking. De energie- (en water) footprint neemt enorm toe. Amerikaanse datacenters zouden tegen 2030 een enorm deel van de elektriciteit kunnen gaan verbruiken; efficiëntiewinst is reëel, maar wordt overtroffen door de vraag. Lokale verhalen van Memphis tot Loudoun County benadrukken netbeperkingen en problemen bij het verkrijgen van vergunningen. Bubbels hebben meestal geen last van fysica, maar AI misschien wel.

Waarom het niet (precies) de dotcom-bubbel is

1) Tastbare infrastructuur voor meerdere gebruikers. In tegenstelling tot veel investeringen in 1999 die gericht waren op ‘eyeballs’, bouwt deze cyclus aan inkomstengenererende nutsvoorzieningen: stroom, racks, glasvezel en GPU's die per uur worden verhuurd. Hyperscalers binden de vraag al via cloudcontracten en reserveringsverplichtingen. Zelfs wanneer cycli afkoelen, wordt kwaliteitscapaciteit vaak hergebruikt (zoals we hebben gezien na de telecomcrisis).

2) Diepere zakken en betere unit economics. De kopers hier (Microsoft, Google, Amazon, Meta) behoren tot de meest winstgevende bedrijven ter wereld en zijn in staat om timingverschillen op te vangen. Cruciaal is dat ze geld kunnen verdienen met advertenties, cloud, bedrijfssoftware en apparaten, en niet alleen met ‘AI-functies’. Dat is heel anders dan in de jaren 2000, toen dotcoms met weinig kapitaal afhankelijk waren van toekomstige beursgangen om te overleven.

3) Legitieme stap voorwaarts in capaciteit. Hoe groot je scepsis over ‘AGI’ ook moge zijn, basismodellen zijn de drijvende kracht achter nieuwe uitgavencategorieën (copiloten, codetools, inferentie aan de rand, synthetische media). Het debat over productiviteit blijft onopgelost, maar in tegenstelling tot in 2000 maken early adopters vandaag de dag echte cloudkosten, ook al blijven de verhalen over terugverdientijd achter.

Zal het barsten of alleen maar schommelen?

Een binair ‘barsten of boomen’-kader gaat voorbij aan het meer waarschijnlijke scenario: rollende luchtzakken in plaats van een enkele, catastrofale implosie.

• Soft-landing scenario (meest aannemelijk): Het gebruik haalt zijn achterstand in tegen 2027-2028, naarmate AI dieper doordringt in de bedrijfsworkflows. Het rendement normaliseert (lager), schulden worden geherfinancierd en de winnaars zien er saai en infrastructuurachtig uit: energieproducenten, campussen op de beste locaties en chipontwerpers met verdedigbare roadmaps. Verwacht consolidatie onder overbelaste ontwikkelaars.
• Luchtzakscenario (zeer waarschijnlijk): 2026 brengt een pauze in de kapitaaluitgaven, omdat besturen bewijs van ROI eisen en sommige analisten al waarschuwen voor een terugval. Projecten lopen vertraging op; tweederangs locaties worden stilgelegd; leveranciers krijgen te maken met uitstel van orders. Verliezen concentreren zich in de meest geleverde producten en in ‘speculatieve’ GPU-clouds die er niet in slagen om belangrijke huurders aan te trekken.
• Hard-landing scenario (onwaarschijnlijker risico): Een regelgevende/energiecrisis of een grote technologische verschuiving (bijv. inferentiehardware die 10 keer goedkoper is, of een verschuiving naar radicaal andere rekenpatronen) zorgt ervoor dat een aanzienlijke hoeveelheid capaciteit verloren gaat. Door noodverkopen wordt de hele activaklasse opnieuw geprijsd; pijnlijke echo's van de telecommunicatie-overcapaciteit van begin jaren 2000. Onwaarschijnlijk, maar niet onmogelijk.

AI's stroomstoot: de digitale wereld zoekt een energiebalans

Rapport Energie & AI van het Internationaal Energie Agentschap (IEA) ziet naast de bedreigingen ook volop duurzaamheidskansen dankzij AI.

Lees meer

Waarop moet worden gelet (de bubbelbarometer)

Het kan dus nog alle kanten op. Maar waar moeten we dan op letten om een vinger aan de pols te kunnen houden?

1. Benutting en prijsstelling: geven GPU-clouds kortingen om hun racks te vullen, of zijn wachtlijsten nog steeds de norm?
2. Kredietbehoefte: blijft particuliere kredietverstrekking miljardencheques uitschrijven, zoals Meta, en voor welke periodes?
3. Grid-deals: wie maakt op grote schaal langlopende, duurzame energie beschikbaar?
4. Efficiëntiecurve: verminderen verbeteringen in hardware en modellen de kapitaaluitgaven, of maken ze gewoon meer gebruik mogelijk?

De antwoorden zullen bepalen of ‘3 biljoen dollar in 2029’ een verstandige investering is... of overmoed. Conclusie voor nu: ja, er is sprake van oververhitting; de kapitaaluitgaven lopen voor op de bewezen winsten en de hefboomwerking vergroot het risico. Maar in tegenstelling tot 2000 is deze hausse verankerd in fysieke infrastructuur met meerdere manieren om geld te verdienen. Verwacht dus zeker schokken en afschrijvingen, geen algemene hausse. De echte beperking is niet de hype, maar de stroomvoorziening.