AI wordt 13 keer per jaar goedkoper en juist dáárom kan Nvidia de grote winnaar blijven

In het kort:

• De prijs van een vaste hoeveelheid AI-prestatie daalde volgens Epoch AI gemiddeld 47% per kwartaal, wat neerkomt op ongeveer 13 keer goedkoper per jaar.

• Lagere kosten kunnen het AI-gebruik juist explosief vergroten, maar zetten de prijzen en marges van modelaanbieders onder druk.

• Nvidia profiteert zolang de vraag naar rekenkracht sneller groeit dan de efficiëntie verbetert. De belangrijkste winnaars kunnen uiteindelijk echter dichter bij de eindgebruiker zitten.

De prijs van kunstmatige intelligentie daalt mogelijk sneller dan die van vrijwel iedere andere belangrijke technologie uit de moderne geschiedenis. Onderzoekers van Epoch AI berekenden dat een vaste hoeveelheid AI-prestatie de afgelopen drie jaar gemiddeld 47% per kwartaal goedkoper werd. Samengesteld betekent dat een prijsdaling met ongeveer een factor dertien per jaar.

Dat klinkt in eerste instantie ongunstig voor Nvidia en andere bedrijven die miljarden verdienen aan de verkoop van AI-rekenkracht. Als dezelfde taak ieder jaar veel goedkoper kan worden uitgevoerd, waarom zouden Microsoft, Alphabet, Amazon en AI-startups dan steeds meer chips en datacenters nodig hebben?

Het antwoord zit in de hoeveelheid AI die bedrijven willen gebruiken. Goedkopere intelligentie maakt niet alleen bestaande taken voordeliger, maar brengt compleet nieuwe toepassingen binnen bereik. De beleggersvraag is daardoor niet of AI goedkoper wordt. Die ontwikkeling lijkt inmiddels duidelijk. Het gaat erom of het totale gebruik sneller stijgt dan de kosten per taak dalen.

Wat de prijsdaling van AI werkelijk meet

Epoch AI vergeleek modellen op vijf benchmarks voor onder meer wiskunde, natuurwetenschappen, schaken en logische puzzels. De onderzoekers keken niet simpelweg naar de prijs per token, maar naar de goedkoopste manier om een bepaald prestatieniveau te bereiken.

Dat onderscheid is relevant. Moderne reasoning-modellen kunnen veel meer tokens gebruiken om een probleem op te lossen. Een lage tokenprijs zegt dan weinig wanneer een model duizenden extra denkstappen nodig heeft. Epoch AI probeert daarom de totale kosten van een vergelijkbare uitkomst te meten.

Gemiddeld daalden die kosten sinds 2023 met 47% per kwartaal. Bij wiskundige taken ging het zelfs om 50% tot 52%, terwijl de daling bij spelgerelateerde puzzels met 39% tot 43% iets rustiger verliep.

Een concreet voorbeeld maakt de snelheid zichtbaar. Begin 2025 kostte het volgens de onderzoekers ongeveer 30 dollarcent om met OpenAI o3 een score van 75% op een moeilijke wetenschappelijke benchmark te halen. Minder dan achttien maanden later leverde GPT-5.6 Luna een vergelijkbaar resultaat voor circa 0,04 dollarcent. Dat komt neer op een daling met een factor 725.

De vergelijking met andere technologieën is opvallend. De reële elektriciteitsprijs daalde over een lange historische periode gemiddeld met een factor 1,05 per jaar. Voor lithium-ionbatterijen was dat ongeveer 1,16, voor rekenkracht 1,51 en voor DNA-sequencing 1,84. AI-prestaties werden volgens de analyse ongeveer dertien keer per jaar goedkoper.

Dat maakt de richting overtuigend, maar het percentage is geen natuurwet. De meetperiode beslaat slechts drie jaar en benchmarks zijn geen perfecte afspiegeling van echt kantoorwerk. Bovendien wisselen bedrijven in de praktijk niet continu naar het goedkoopste model. De daadwerkelijk gerealiseerde besparing zal daarom vaak lager liggen.

Een AI-taak van €100 daalt theoretisch naar minder dan €8

De 47% kwartaaldaling betekent dat na ieder kwartaal 53% van de vorige prijs overblijft. Een denkbeeldige AI-taak die nu €100 kost, zou bij hetzelfde tempo na vier kwartalen nog ongeveer €7,89 kosten. Na twee jaar resteert theoretisch slechts €0,62.

Die rekensom is geen voorspelling voor individuele API-tarieven. Ze laat wel zien hoe agressief bedrijven hun prijzen moeten aanpassen wanneer nieuwe modellen vergelijkbare prestaties tegen veel lagere kosten aanbieden.

Voor aanbieders van basismodellen dreigt daardoor snelle commoditisering. Een model kan bij de introductie technisch vooroplopen en een hoge prijs vragen, maar die premie verdampt zodra concurrenten hetzelfde prestatieniveau goedkoper bereiken. Epoch AI ziet de sterkste kostendalingen dan ook vlak nadat een nieuw prestatieniveau voor het eerst wordt gehaald.

Voor beleggers betekent dit dat het beste model niet automatisch het beste bedrijfsmodel bezit. Duurzame waarde ontstaat pas wanneer een onderneming naast het model ook distributie, unieke data, klantrelaties, workflow-integratie of eigen infrastructuur heeft.

Waarom goedkopere AI juist meer Nvidia-chips kan vragen

Bij gewone producten leidt een prijsdaling vaak tot lagere omzet. Bij algemene technologie kan het tegenovergestelde gebeuren. Wanneer de kosten snel genoeg dalen, ontstaan toepassingen die eerder economisch onmogelijk waren.

Een chatbot die af en toe een tekst samenvat, gebruikt relatief weinig rekenkracht. Een autonome AI-agent die voortdurend documenten leest, software test, klanten helpt en meerdere vervolgstappen uitvoert, kan honderden of duizenden modelaanroepen voor één opdracht nodig hebben. De prijs per afzonderlijke taak daalt, maar het totale aantal taken groeit veel sneller.

De nieuwste cijfers van Microsoft laten dat mechanisme al zien. Het bedrijf had aan het einde van boekjaar 2026 meer dan 30 miljoen betaalde Microsoft 365 Copilot-licenties. Het aantal klanten van Microsoft Foundry dat op jaarbasis minstens één biljoen tokens verwerkte, verviervoudigde ten opzichte van een jaar eerder. Foundry zelf telde 100.000 klanten en de omzet groeide met meer dan 100%.

Alphabet meldde eerder dat Gemini meer dan 10 miljard tokens per minuut verwerkte via directe API-toegang.

Tegelijk wist Google de kosten om Gemini te bedienen in 2025 met 78% te verlagen. Toch groeide de omzet uit producten die op Googles generatieve AI-modellen zijn gebouwd in het vierde kwartaal bijna 400% op jaarbasis.

Dit is de cruciale tegenstelling. De kosten per AI-handeling dalen hard, maar de hoeveelheid gebruikte AI stijgt voorlopig nog harder.

Nvidia profiteert daarvan. In het tweede kwartaal van boekjaar 2027 kwam de omzet uit datacenters uit op $89,0 miljard, 117% meer dan een jaar eerder. De totale kwartaalomzet bedroeg $96,2 miljard en de brutomarge bleef op 75%. Die cijfers wijzen nog niet op een markt waarin efficiëntiewinst de vraag naar hardware laat instorten.

Bron: Nvidia

De grens waarboven Nvidia blijft winnen

Toch is het te eenvoudig om de dalende AI-prijs automatisch positief voor Nvidia te noemen. Bij een modelaanbieder die per taak rekent, moet het gebruik theoretisch meer dan dertien keer stijgen om een jaarlijkse prijsdaling met dezelfde factor volledig te compenseren. Voor Nvidia ligt die grens anders, omdat de onderneming chips en complete systemen verkoopt in plaats van losse antwoorden.

Bovendien komt de enorme kostendaling niet alleen door betere hardware. Uit afzonderlijk onderzoek van Epoch AI blijkt dat de gemiddelde hoeveelheid chipprestatie per dollar sinds 2023 met ongeveer 49% per jaar verbeterde. Dat is indrukwekkend, maar veel minder dan de dertienvoudige jaarlijkse daling van de kosten per vaste AI-prestatie.

Een groot deel van de vooruitgang komt dus uit efficiëntere modellen, betere software, kleinere gespecialiseerde modellen, sterkere concurrentie en slimmer gebruik van bestaande chips. Dat is goed voor de AI-markt als geheel, maar niet iedere efficiëntiewinst stroomt rechtstreeks naar Nvidia.

De bedreiging wordt groter wanneer cloudbedrijven meer eigen chips gebruiken. Alphabet beschikt over TPU’s, Amazon over Trainium en Microsoft ontwikkelt eveneens eigen AI-hardware. Deze chips hoeven Nvidia niet volledig te vervangen om druk uit te oefenen. Ze kunnen vooral bij grote, voorspelbare inferentietaken een goedkoper alternatief bieden.

Nvidia moet daarom niet alleen snellere chips leveren. Het bedrijf moet met CUDA, netwerktechnologie, geheugentoegang en complete racks zorgen dat klanten per watt en per dollar meer bruikbare tokens produceren dan met concurrerende systemen. De brutomarge van 75% laat zien dat Nvidia die positie voorlopig overtuigend verdedigt. Tegelijk maakt zo’n hoge marge het bedrijf aantrekkelijk voor concurrenten.

Microsoft en Alphabet bezitten een ander voordeel

De meest robuuste positie kan uiteindelijk liggen bij bedrijven die goedkopere AI direct in bestaande producten verwerken. Microsoft hoeft niet alleen geld te verdienen aan de verkoop van tokens. Het kan AI gebruiken om duurdere Microsoft 365-abonnementen te verkopen, Azure-verbruik te vergroten en klanten sterker aan zijn software-ecosysteem te binden.

Alphabet kan lagere inferentiekosten vertalen naar betere zoekresultaten, effectievere advertenties, cloudgroei en Gemini-abonnementen. De AI-prijs mag dan dalen, maar de economische waarde van een betere advertentie of een productievere werknemer hoeft niet mee omlaag.

Daarmee ontstaat een belangrijk verschil tussen prijs en waarde. Wanneer een AI-agent €1 aan rekenkosten gebruikt en een werknemer een uur werk bespaart, kan de leverancier veel meer dan €1 vragen. De echte winnaars zijn waarschijnlijk niet de bedrijven die uitsluitend goedkope tokens aanbieden, maar ondernemingen die de besparing omzetten in een product waarvoor klanten structureel willen betalen.

Voor softwarebedrijven zonder sterke distributie werkt dezelfde kostendaling juist bedreigend. Nieuwe concurrenten kunnen voor weinig geld vergelijkbare functies bouwen. AI verlaagt niet alleen de kosten van hun eigen product, maar ook de toetredingsdrempel voor rivalen.

Wat dit betekent voor ASML en andere chipaandelen

Voor Nederlandse beleggers loopt de AI-keten ook via ASML, ASMI en Besi. Goedkopere AI is voor deze bedrijven pas positief wanneer het totale rekengebruik voldoende blijft groeien om nieuwe chipcapaciteit en geavanceerdere productietechnieken te rechtvaardigen.

ASML verkoopt geen AI-tokens en verdient niet rechtstreeks aan het gebruik van ChatGPT of Gemini. Het bedrijf profiteert wanneer chipfabrikanten meer geavanceerde wafers willen produceren en daarvoor nieuwe lithografiemachines nodig hebben. ASMI en Besi zijn op vergelijkbare wijze afhankelijk van investeringen in respectievelijk geavanceerde chipproductie en verpakkingstechnologie.

Een explosie van AI-agenten kan die vraag jarenlang ondersteunen. Wanneer modelverbeteringen daarentegen zoveel efficiëntiewinst opleveren dat bedrijven hun bestaande infrastructuur minder intensief hoeven uit te breiden, wordt de doorwerking naar Europese chipmachinebedrijven kleiner.

Beleggers moeten daarom niet alleen naar modelbenchmarks kijken. De ontwikkeling van datacenterinvesteringen, bezettingsgraden, stroomverbruik, geavanceerde chiporders en de omzetgroei van AI-producten zegt meer over de economische gevolgen.

De prijs van intelligentie daalt, maar waarde wordt schaarser

De daling van AI-kosten is waarschijnlijk positief voor de adoptie en negatief voor ondernemingen die vooral afhankelijk zijn van hoge prijzen per modelaanroep. Dat maakt de modelmarkt kwetsbaar voor een strijd waarin technische voorsprongen steeds korter standhouden.

Nvidia kan ondanks die trend blijven winnen wanneer goedkoper gebruik voldoende extra vraag losmaakt. De recente groei van de datacenteromzet, het tokenverbruik bij Microsoft en Alphabet en de snelle verspreiding van AI-agenten ondersteunen die mogelijkheid. Het grootste risico is dat efficiëntiewinst, eigen chips van cloudbedrijven en prijsconcurrentie uiteindelijk sneller toenemen dan het rekenverbruik.

Het beslissende signaal is daarom de combinatie van volume en monetisatie. Zolang het aantal tokens, agents en zakelijke toepassingen explosief groeit terwijl Nvidia zijn brutomarge en cloudbedrijven hun AI-omzet vasthouden, werkt de prijsdaling als versneller. Zodra het gebruik sterk blijft stijgen maar omzet en marges achterblijven, verschuift de economische waarde naar klanten en applicaties.

AI wordt goedkoper. Dat betekent niet dat er minder geld aan wordt verdiend. Het betekent wel dat beleggers steeds scherper moeten bepalen waar in de keten dat geld uiteindelijk terechtkomt.