Amazon, Google, Meta en Microsoft geven in 2026 samen bijna 700 miljard dollar uit aan AI-infrastructuur. Dat is bijna een verdubbeling ten opzichte van vorig jaar, toen het bedrag nog rond de 365 miljard lag. Het cijfer is zo groot dat het lastig voor te stellen is, maar het kleurt wel alles wat er in de AI-industrie gebeurt.
OpenAI haalde onlangs 122 miljard dollar op bij een waardering van 852 miljard. CoreWeave, een datacenter-operator gespecialiseerd in GPU-clusters, haalde in dagen tientallen miljarden op. En dan hebben we het nog niet over de hoeveelheid private credit-deals die tussen deze partijen loopt. De AI-industrie is geen startup-markt meer, het is een infrastructuurindustrie op het niveau van olie en gas.
Waar het geld naartoe gaat
De meeste miljarden verdwijnen in een paar categorieën:
- GPU-inkoop. De H200's en B300's van Nvidia blijven schaars. Wie geen langdurig contract heeft, kan ze niet op tijd krijgen. Dit is de grootste individuele kostenpost.
- Grond en gebouwen. Een modern AI-datacenter heeft een campus nodig. Niet een datacenter, meerdere. Amazon en Meta kopen percelen op die normaal als industrieterreinen zouden dienen.
- Stroom en koeling. De watts per vierkante meter zijn zo hoog dat normale koeling niet meer volstaat. Vloeistofkoeling is inmiddels de standaard, met alle kosten die daarbij horen.
- Netwerk-infrastructuur. Het verbinden van tienduizenden GPU's met minimale latency vereist netwerken die letterlijk opnieuw bedacht zijn. Ethernet alleen volstaat niet meer.
Wat opvalt is dat deze kosten een zichzelf versterkende cyclus creëren. Meer capaciteit leidt tot grotere modellen, wat weer meer capaciteit eist. Elke stap omhoog in modelkwaliteit gaat gepaard met een stap omhoog in infrastructuurkosten.
Waarom hyperscalers zo hard duwen
Het zou naïef zijn om te denken dat dit puur technisch gedreven is. De vier grote tech-bedrijven zien AI als een winner-takes-most markt. Wie nu de capaciteit heeft om de grootste modellen te draaien en te trainen, heeft over vijf jaar de platform-positie. Wie achterblijft, wordt leverancier voor de winnaar, of verdwijnt.
Microsoft won die positie in 2023 met de deal met OpenAI, maar houdt die niet automatisch. Google heeft met Gemini een sterk antwoord gebouwd. Amazon zet in op Anthropic en eigen silicon. Meta heeft Llama als open-source wapen om zelf de controle te houden. Elk van deze strategieën vergt enorme infrastructuur.
De paradoxale kant is dat veel van deze investeringen pas over jaren rendement leveren. Analisten rekenen met afschrijvingen over zeven tot tien jaar. Als de vraag tegenvalt, zit er enorme stranded capacity te wachten.
Wat dit doet met de markt eromheen
De impact op de rest van de economie is voelbaar. Stroomnetten worden versneld uitgebreid om datacenters te kunnen voeden. In sommige staten wordt AI-capaciteit gekoppeld aan eigen energievoorziening, inclusief kerncentrales die de hyperscalers zelf mee-financieren. Virginia, Texas en Arizona zijn de grote groeiregio's in de VS. In Europa kijken Finland, Ierland en Nederland naar vergelijkbare ontwikkelingen.
Tegelijkertijd stijgen elektriciteitsprijzen in regio's met zware AI-activiteit. Dat trekt aandacht van toezichthouders, die beginnen te kijken of grootverbruikers niet onevenredig profiteren ten koste van huishoudens.
Het ondernemersrisico
Voor ondernemers die AI in hun product bouwen, betekent deze wapenwedloop iets concreets: de onderliggende modellen blijven verbeteren in een tempo dat zonder deze investeringen onmogelijk zou zijn. Maar het betekent ook dat de afhankelijkheid van een handvol infrastructuur-leveranciers toeneemt. Als je een bedrijf opbouwt rond een specifiek model of API, loop je het risico dat prijzen of voorwaarden veranderen zodra de marktmacht verschuift.
De veilige strategie is flexibiliteit inbouwen. Werk met meerdere providers, zorg dat je code niet te diep verweven is met één API, en overweeg MCP-gebaseerde architectuur om je systemen leverancier-onafhankelijk te maken. Het kost meer engineering-tijd vooraf, maar bespaart je een migratie onder tijdsdruk.
Wie er ook bij winnen
Niet alleen de hyperscalers profiteren. Nvidia is de duidelijkste winnaar buiten het vieral, maar ook gespecialiseerde datacenter-operators zoals CoreWeave en Lambda verdienen goed aan deze uitrol. Voor startups in chipontwerp, koelingstechnologie en stroombeheer is 2026 een hoogconjunctuur-jaar.
Wat dit bredere plaatje misschien wel het interessantste maakt, is dat het niet ophoudt bij de vier grote. Oracle en Tencent zitten ook in de top-mondige spenders. En in Europa proberen initiatieven als de EuroHPC-ondersteunde trainingsinfra een plek te claimen, al is de schaal daar nog onvergelijkbaar.
Hoe lang kan dit doorgaan
De eerlijke vraag is wanneer deze groei haar grenzen bereikt. Energie is een harde grens, en sommige analisten wijzen erop dat de datacenter-bouwplannen voor 2028 de beschikbare netcapaciteit overtreffen. Iets moet buigen: ofwel de uitrolsnelheid vertraagt, ofwel er komen creatieve oplossingen zoals offshore-datacenters of datacenters direct naast productielocaties voor stroom.
Voor de korte termijn is de trend duidelijk. De waarde van datacenter-capaciteit stijgt sneller dan de markt voor AI-diensten zelf. Dat is de reden dat CoreWeave in dagen miljarden kan ophalen. Zie ook de gedetailleerde cijfers bij Fortune over hoe snel dit gaat.
Wat ondertussen niemand lijkt te vragen: wat gebeurt er als die 700 miljard dollar niet alle terugbetaald wordt? De geschiedenis van infrastructuurbubbels is niet altijd vrolijk. Voor nu blijft iedereen in de ren, want achterblijven is duurder dan meedoen. Maar op een dag zal de vraag komen of de investeringen de rendementen rechtvaardigen. En het antwoord op die vraag bepaalt hoe de volgende fase van AI eruit gaat zien, veel meer dan welk nieuw model dan ook.
