AI wordt 13 keer goedkoper per jaar en dat lijkt slecht voor Nvidia
In het kort
AI wordt bij een vergelijkbaar prestatieniveau ongeveer dertien keer goedkoper per jaar, blijkt uit nieuw onderzoek van Epoch AI. Dat betekent niet dat de prijs dertien keer sneller daalt dan die van iedere andere innovatie. Voor Nvidia kan de daling nieuwe vraag naar rekenkracht ontsluiten, maar alleen als extra gebruik en complexere toepassingen de efficiëntiewinst overtreffen. De grootste onzekerheid voor aandeelhouders is hoeveel van die groei bij Nvidia terechtkomt en tegen welke marge.
Een AI-taak die honderd euro kost, zou bij een dertienvoudige prijsdaling een jaar later nog geen acht euro kosten. Voor gebruikers is dat aantrekkelijk. Voor beleggers in Nvidia klinkt het alsof de economische waarde van peperdure datacenters razendsnel verdampt. Toch kan precies dezelfde ontwikkeling de markt voor nieuwe chips vergroten: toepassingen die vandaag te duur zijn, worden morgen betaalbaar.
De studie die Epoch AI op 22 september publiceerde, zet die spanning op scherp. Wie alleen naar de dalende prijs kijkt, mist mogelijk de groei van het gebruik. Wie automatisch een explosie van de chipvraag verwacht, mist het risico dat klanten vooral méér doen met de hardware die zij al hebben. Het verschil bepaalt of goedkopere AI Nvidia sterker maakt of zijn winstmotor aantast.
Direct naar een onderdeel van dit artikel
Dertien keer goedkoper is iets anders dan dertien keer sneller
Onderzoekers Luke Emberson en David Roodman schatten de prijsdaling sinds 2023 op ongeveer 47 procent per kwartaal. Ze vergelijken de goedkoopste manieren om een gelijk prestatieniveau te halen op vijf benchmarks voor onder meer wiskunde, wetenschap en spellen. Hun historische vergelijking omvat elektriciteit, rekenkracht, lithiumbatterijen en DNA-sequencing. Het cijfer dertien is de jaarlijkse prijsfactor, geen uniforme voorsprong op al die technologieën.
Die afbakening heeft gevolgen. Een benchmark is geen volledige bedrijfsworkflow. Bovendien moet een gebruiker geregeld overstappen naar het voordeligste model om de berekende besparing te realiseren. De onderzoekers waarschuwen zelf voor beperkte en onvolledige meetgegevens en voor modellen die specifiek op tests worden geoptimaliseerd. De grafiek trekt de trend ook terug naar 2021; dat deel is een extrapolatie, geen even gedetailleerde meting.
De rekensom is wel controleerbaar. Na vier kwartalen met telkens 47 procent prijsdaling resteert 0,53 tot de vierde macht van de oorspronkelijke prijs, ongeveer 7,9 procent. Dat is circa 12,7 keer goedkoper, afgerond dertien keer. Het gaat om ongeveer 92 procent prijsdaling per jaar, zolang dat tempo aanhoudt. Dat laatste is een aanname, geen natuurwet.
Onderstaande module laat zien wat samengestelde prijsdaling doet. De lijn is een model vanaf een startbedrag en geen historische reeks met gemeten prijsnoteringen.
Een goedkopere AI-taak is geen goedkopere Nvidia-chip
Tussen een antwoord uit een taalmodel en de omzet van Nvidia zitten verschillende markten. Een klant betaalt een AI-aanbieder voor gebruik. Die aanbieder koopt of huurt rekenkracht. Een infrastructuurbedrijf investeert in processors, geheugen, netwerken, gebouwen en elektriciteit. Een lagere rekening in de eerste schakel zegt daardoor weinig over de verkoopprijs of winst in de laatste.
Een kleinere modelarchitectuur kan minder berekeningen nodig hebben. Slimmere software kan dezelfde chip beter bezetten. Concurrentie kan een aanbieder dwingen zijn marge te verlagen. Nieuwe hardware kan meer werk per seconde verwerken. Al deze veranderingen kunnen de prijs van een AI-taak drukken, maar ze hebben niet dezelfde gevolgen voor de vraag naar nieuwe chips.
Een afzonderlijke Epoch-analyse van Venkat Somala van 13 augustus maakt het onderscheid tastbaar. Daarin steeg de rekenprestatie per dollar van verkochte AI-chips over 2023 tot en met 2025 gemiddeld ongeveer 49 procent per jaar, gecorrigeerd voor inflatie. Dat is een andere maatstaf dan de prijs van een gelijk AI-prestatieniveau. De twee groeicijfers mogen niet simpelweg van elkaar worden afgetrokken om de bijdrage van software te vinden.
Nvidia verkoopt juist efficiëntiewinst. Als een nieuw systeem binnen dezelfde stroomaansluiting meer bruikbaar werk levert, kan een klant bereid zijn veel geld voor die vervanging te betalen. Datacenters lopen immers niet alleen tegen een geldlimiet aan. Stroom, koeling, ruimte en levertijd kunnen de beperkende factor zijn. De goedkoopste chip is dan niet noodzakelijk het systeem met de laagste kosten per succesvolle taak.
Nvidia claimt in zijn Vera Rubin-aankondiging van 31 mei tot tien keer zoveel agentdoorvoer op platformschaal als bij Grace Blackwell. Dat is een leveranciersclaim voor een specifieke systeemvergelijking, geen universele versnelling van iedere toepassing. Het laat wel zien hoe Nvidia verkoopt: klanten moeten een hogere aanschafprijs kunnen terugverdienen met lagere gebruikskosten.
Extra gebruik moet de prijsdaling daadwerkelijk inhalen
Het optimistische argument heet vaak de Jevons-paradox: efficiënter gebruik van een hulpbron kan het totale verbruik vergroten, doordat nieuwe toepassingen economisch aantrekkelijk worden. Dat mechanisme is mogelijk, maar het woord paradox levert geen vraagprognose op. De omvang van het effect hangt af van hoeveel nuttige toepassingen wachten op een lagere prijs.
Neem een fictieve dienst die één euro per afgeronde taak ontvangt. Bij een miljoen taken bedraagt de omzet een miljoen euro. Daalt de prijs tot een dertiende, dan zijn dertien miljoen vergelijkbare taken nodig om dezelfde omzet te behouden. Bij twintig miljoen taken stijgt de omzet naar ongeveer 1,54 miljoen euro. Bij vijf miljoen taken daalt zij naar circa 385.000 euro.
Deze drempel geldt alleen voor de bestedingen aan die gelijkblijvende dienst. Dertien keer meer taken is geen voorspelling of vereiste voor Nvidia’s omzet. De chipvraag hangt ook af van hoeveel rekenwerk iedere taak vraagt, hoeveel werk een systeem kan verwerken en hoeveel bestaande capaciteit beschikbaar is. Daar komen Nvidia’s marktaandeel, productmix en verkoopprijzen nog bij.
De mogelijke volumegroei heeft een concrete economische logica. Een bedrijf dat alleen dure klantenservicevragen automatiseert, kan bij lagere kosten ook eenvoudige vragen verwerken. Nog lagere kosten kunnen continue controles, simulaties en softwaretests betaalbaar maken. AI-agents, systemen die meerdere stappen en hulpmiddelen combineren, kunnen per opdracht bovendien veel meer berekeningen uitvoeren dan een kort chatantwoord.
Het remmende argument is even concreet. Een bedrijf automatiseert geen proces alleen omdat de modelrekening daalt. Integratie met bestaande software, foutcontrole, beveiliging en verantwoordelijkheid blijven geld kosten. Als de menselijke controle de grootste kostenpost is, verandert een goedkopere API weinig aan het totale rendement. Onderstaande module houdt de taak gelijk en maakt alleen de verhouding tussen prijs en volume zichtbaar.
Meer AI-gebruik kan samengaan met minder benodigde chips
Stel dat het aantal taken vervijfvoudigt, terwijl efficiëntere modellen per taak nog maar de helft van het rekenwerk vragen. Als iedere chip daarnaast tweemaal zoveel werk per seconde verwerkt, neemt de benodigde capaciteit uitgedrukt in aantallen van die nieuwe chips slechts met 25 procent toe. Dat is een totaal andere uitkomst dan vijf keer zoveel hardware.
Andersom kunnen complexere toepassingen de besparing opslokken. Een agent die onderzoek doet, meerdere antwoorden controleert en vervolgens software test, verbruikt meer dan één korte modelaanroep. De relevante eenheid verschuift van een goedkoop tekstfragment naar een succesvol afgerond proces. Een lagere prijs per rekeneenheid en een hogere rekening per gebruiker kunnen dan tegelijk optreden.
Ook hogere bezetting telt. Een klant die bestaande systemen beter benut, kan extra vraag tijdelijk opvangen zonder nieuwe bestelling. De onderstaande capaciteitsberekening houdt de bezetting daarom constant en maakt die beperking expliciet. Het is een vergelijking van benodigde systemen voor dezelfde periode, geen model voor Nvidia’s kwartaalverkopen. Vervangingsinvesteringen en de al aanwezige voorraad chips bepalen hoeveel daadwerkelijk moet worden bijgekocht.
Voor de aandeelhouder ligt hier het belangrijkste onderscheid: groei van de AI-economie is niet automatisch groei van Nvidia’s winst. Applicatiebouwers kunnen waarde vasthouden in hun abonnementen. Cloudbedrijven kunnen besparen met eigen hardware. Eindgebruikers kunnen profiteren via lagere prijzen. Nvidia verdient duurzaam als zijn platform een schaars voordeel blijft leveren waarvoor afnemers bereid zijn te betalen.
De grootste klanten helpen Nvidia en bouwen alternatieven
Amazon illustreert die dubbele positie. AWS biedt Nvidia-capaciteit aan, maar investeert ook in Trainium. Op 26 mei beschreef AWS in een update van zijn Neuron-software nieuwe mogelijkheden voor Trainium3 en hulpmiddelen om modellen over te zetten en hun uitkomsten te controleren. De concurrentie gaat dus eveneens over het verkleinen van de softwaredrempel om van hardware te wisselen.
Voor grote, voorspelbare workloads kan een eigen accelerator aantrekkelijk zijn. De ontwikkelkosten worden over enorme volumes verdeeld en het ontwerp kan worden afgestemd op de eigen modellen. Nvidia heeft daar flexibiliteit, een breed softwareaanbod en complete systemen tegenover staan. Een klant hoeft niet volledig over te stappen om Nvidia onder druk te zetten. Een bruikbaar alternatief kan al invloed hebben op de prijs van de volgende bestelling.
Tot dusver laten de bedrijfsresultaten sterke vraag zien. Nvidia rapporteerde op 26 augustus over het kwartaal tot 26 juli 96,2 miljard dollar omzet, 106 procent meer dan een jaar eerder. De brutomarge bedroeg 75 procent. Voor het volgende kwartaal verwacht het bedrijf 108 miljard dollar omzet, plus of min 2 procent, bij ongeveer 74 procent brutomarge. Die verwachting uit de officiële kwartaalcijfers is nog geen gerealiseerde verkoop.
Dat prijsdalingen en omzetgroei gelijktijdig voorkomen, weerlegt de eenvoudige gedachte dat goedkope AI onmiddellijk slecht is voor de leverancier. Het bewijst geen oorzakelijk verband en geeft evenmin zekerheid over de volgende investeringsronde. Daarvoor moeten klanten hun infrastructuur voldoende benutten en genoeg verdienen om opnieuw te bestellen.
Voor Nederlandse beleggers raakt dit ook ASML en Besi, die op andere plekken in de chipproductieketen zitten. Meer rekenwerk kan hun markt vergroten, maar iedere schakel heeft zijn eigen concurrentie, investeringsritme en waardering. Een gezamenlijke AI-blootstelling betekent niet dat de winsten of aandelenkoersen gelijk bewegen.
De koers vraagt duurzame winst na de efficiëntiesprong
Voor de waardering gebruiken we 225,72 dollar voor het gewone aandeel NVDA op Nasdaq, de koersmomentopname van 23 september om 10.34 uur New York-tijd, 16.34 uur in Nederland. Alle bedragen per aandeel zijn op de aandelenbasis na de tien-voor-één-splitsing van juni 2024. Het betreft een gedateerd rekenanker, geen live koers.
We beginnen achterstevoren. Wie vanaf die prijs 10 procent jaarlijks koersrendement verlangt, heeft over drie jaar ongeveer 300,43 dollar nodig. Bij een koers-winstverhouding van 25 hoort daar 12,02 dollar jaarwinst per aandeel bij. Met 24,285 miljard aandelen en 50 procent nettomarge vraagt dat circa 584 miljard dollar jaaromzet. Dit is onze eigen berekening: koers × 1,10³ ÷ multiple × aandelen ÷ nettomarge.
De aandelenbasis is het gemiddelde verwaterde aantal uit het recentste kwartaal, vastgehouden als modelaanname. Als vergelijkingspunt nemen we viermaal de kwartaalomzet, ongeveer 385 miljard dollar. Dat geannualiseerde niveau is geen jaarprognose. Vanaf dat niveau vereist de omgekeerde berekening ongeveer 15 procent jaarlijkse omzetgroei. Bij een lagere eindwaardering en kleinere marge loopt de benodigde groei snel op, zoals de module laat zien.
De scenario’s hieronder gebruiken dezelfde startomzet en aandelenbasis. In het bearscenario groeit de omzet jaarlijks 10 procent, daalt de genormaliseerde nettomarge naar 40 procent en betaalt de beurs 18 keer winst. Het middenscenario combineert 30 procent groei, 50 procent nettomarge en 25 keer winst. Het gunstige scenario veronderstelt 50 procent groei, 55 procent marge en 30 keer winst. Vooral die laatste combinatie vraagt een uitzonderlijk lange investeringsgolf.
Dit zijn onze aannames voor jaarlijkse winstcapaciteit op 23 september 2027, 2028 en 2029, geen Nvidia-guidance of analistenconsensus. De formule is jaaromzet × nettomarge ÷ verwaterde aandelen × koers-winstverhouding. Nettomarges zijn na belasting, rente en aandelenbeloning en zonder incidentele beleggingswinsten. We tellen kasgeld, dividend of aandeleninkoop niet nog eens boven op de uitkomst. Het vaste aandelenaantal veronderstelt dat inkoop en nieuwe uitgifte elkaar netto compenseren.
Bij de standaardinstellingen geeft dat voor 2027, 2028 en 2029 respectievelijk ongeveer 126, 138 en 152 dollar in het bearscenario; 258, 335 en 435 dollar in het midden; en 392, 588 en 883 dollar in het gunstige scenario. De hoge spreiding is inhoudelijk: behoud van winstgevendheid én waardering maakt enorm verschil. De module toont alle negen prijzen en laat zien wat een afwijkende groei of multiple doet.
De prijsdaling van AI is op zichzelf onvoldoende reden om Nvidia af te schrijven. Zij kan juist de toepassingen betaalbaar maken waarop de volgende groeifase rust. Bij ongeveer 226 dollar is het aandeel binnen ons middenscenario aantrekkelijk, maar die uitkomst steunt op blijvend hoge winstgevendheid. Als extra gebruik vooral door efficiëntere bestaande systemen en concurrerende chips wordt opgevangen, kunnen gebruikers grote winnaars worden terwijl Nvidia-aandeelhouders teleurgesteld raken.
Pak je kans! Word lid met de code INSIDER en krijg 50 procent korting.
Foto: NVIDIA, officieel persportret van Jensen Huang uit het NVIDIA-persarchief. Archiefbeeld; opnamedatum niet vermeld.
Opmerkingen