De meedogenloze zoektocht naar dominantie op het gebied van kunstmatige intelligentie (AI) heeft geleid tot wat velen de "modeloorlogen" noemen, een competitie met hoge inzet waarin technologiegiganten strijden om de heerschappij. Volgens de ervaren tech-analist Benedict Evans is het speelveld echter verrassend gelijk. In een recente toespraak op Fortune’s Brainstorm AI-conferentie in Londen presenteerde Evans een tot nadenken stemmend idee: de belangrijkste factor die toonaangevende AI-laboratoria onderscheidt, is niet baanbrekende technologie of propriëtaire algoritmen, maar hun vrijwel onbeperkte toegang tot kapitaal.
Evans’ bewering daagt de conventionele wijsheid uit dat AI-innovatie uitsluitend wordt gedreven door intellectuele bekwaamheid en algoritmische doorbraken. Hij stelt dat fundamentele modellen, zoals OpenAI’s GPT of Google’s Gemini, snel tot handelswaar worden. Dit betekent dat deze modellen in toenemende mate uitwisselbaar en gemakkelijk beschikbaar zijn, waardoor het concurrentievoordeel van een afzonderlijk bedrijf afneemt.
De Mythe van de Vestinggracht (The Moat Myth)
Het concept van een economische "vestinggracht" (economic "moat"), gepopulariseerd door Warren Buffett, verwijst naar de duurzame concurrentievoordelen van een bedrijf die de winst en het marktaandeel op lange termijn beschermen tegen rivalen. In de context van AI geloofden velen aanvankelijk dat propriëtaire algoritmen, unieke datasets of gespecialiseerd talent een dergelijke vestinggracht zouden creëren. Evans beweert echter dat dit niet is gebeurd.
Na twee jaar intense concurrentie tussen Big Tech-bedrijven lijkt er nog steeds geen fundamentele vestinggracht te zijn in het AI-landschap. Er zijn geen significante belemmeringen voor toetreding, geen sterke netwerkeffecten en geen duidelijke winner-takes-all-dynamiek. In plaats daarvan is de belangrijkste drijfveer voor vooruitgang een enorme toestroom van kapitaalinvesteringen geweest.
Vorig jaar gaven de vier grote cloudbedrijven samen meer dan 200 miljard dollar uit aan de aanleg van infrastructuur ter ondersteuning van AI-ontwikkeling. Dit jaar wordt verwacht dat dit cijfer de 300 miljard dollar zal overschrijden. Deze exponentiële stijging van de uitgaven benadrukt het kapitaalintensieve karakter van de huidige AI-race.
"Dit is erg, erg kapitaalintensief geworden, althans op dit moment, heel, heel snel," merkte Evans op. Hij merkte verder op dat een aanzienlijk deel van dit kapitaal uiteindelijk naar Nvidia stroomt, de toonaangevende fabrikant van GPU’s, die essentieel zijn voor het trainen van AI-modellen.
Het resultaat van deze enorme uitgave is een proliferatie van AI-modellen, die steeds toegankelijker worden. Dit creëert op zijn beurt een omgeving waarin iedereen met aanzienlijke financiële middelen een fundamenteel model kan bouwen dat concurreert met de modellen die zijn ontwikkeld door de beste AI-bedrijven.
DeepSeek is bijvoorbeeld een AI-bedrijf dat gebruikmaakte van bestaande open-source modellen en een investering van 1,6 miljard dollar om een concurrerend AI-model te creëren. Dit is een overtuigende illustratie van hoe kapitaal het speelveld gelijk kan trekken en nieuwe toetreders in staat kan stellen gevestigde spelers uit te dagen.
Het Commodity-Raadsel (The Commodity Conundrum)
Evans stelt dat AI-modellen zoals OpenAI’s GPT, Anthropic’s Claude en Google’s Gemini evolueren naar "commodities" (handelswaar). Deze modellen worden gemakkelijk beschikbaar, uitwisselbare diensten, vergelijkbaar met ongedifferentieerde, goedkope infrastructuur.
Deze commodificatietrend heeft diepgaande implicaties voor de AI-industrie. Het suggereert dat het uiteindelijke slagveld niet zal gaan over wie het beste basismodel heeft, maar eerder over wie dat model het meest effectief kan verpakken, integreren en beheren binnen real-world producten en diensten.
Met andere woorden, het concurrentievoordeel ligt misschien niet in het fundamentele model zelf, maar in de lagen van applicaties en diensten die erop zijn gebouwd. Deze verschuiving in focus vereist een andere reeks vaardigheden en capaciteiten, waarbij de nadruk ligt op productontwikkeling, gebruikerservaring en naleving van de regelgeving.
Evans werkte dit punt verder uit in een blogpost, waarbij hij de recente lancering van OpenAI’s Deep Research-tool als voorbeeld gebruikte. Hij voerde aan dat OpenAI en andere foundation model labs geen echte vestinggracht of verdedigbaarheid hebben buiten de toegang tot kapitaal. Ze hebben geen product-marktfit bereikt buiten codering en marketing, en hun aanbod is in wezen beperkt tot tekstvakken en API’s voor andere ontwikkelaars om op voort te bouwen.
Het Verschillende Zand van de AI-Concurrentie (The Shifting Sands of AI Competition)
De commodificatie van AI-modellen hervormt het concurrentielandschap en dwingt bedrijven hun strategieën te herzien en zich te concentreren op nieuwe gebieden van differentiatie. Naarmate de onderliggende technologie toegankelijker wordt, verschuift de nadruk naar applicatieontwikkeling, integratie en governance.
Hier zijn enkele van de belangrijkste trends die opkomen in de AI-industrie:
Applicatie-Specifieke AI: Bedrijven richten zich steeds meer op het ontwikkelen van AI-oplossingen die zijn afgestemd op specifieke industrieën of use cases. Deze aanpak stelt hen in staat om meer gerichte en effectieve applicaties te creëren die specifieke klantbehoeften aanpakken.
AI-Aangedreven Producten: De integratie van AI in bestaande producten en diensten komt steeds vaker voor. Dit kan de functionaliteit verbeteren, de gebruikerservaring verbeteren en nieuwe inkomstenstromen creëren.
AI Governance en Ethiek: Naarmate AI alomtegenwoordiger wordt, groeien de zorgen over vooringenomenheid, eerlijkheid en verantwoordingsplicht. Bedrijven beginnen te investeren in AI governance-frameworks en ethische richtlijnen om een verantwoorde AI-ontwikkeling en -implementatie te waarborgen.
Edge AI: De implementatie van AI-modellen op edge-apparaten, zoals smartphones en IoT-sensoren, wint aan populariteit. Dit maakt real-time verwerking van data mogelijk zonder te vertrouwen op cloudconnectiviteit, waardoor de latentie wordt verminderd en de privacy wordt verbeterd.
AI-as-a-Service: De opkomst van AI-as-a-Service (AIaaS)-platforms maakt AI toegankelijker voor bedrijven van alle groottes. Deze platforms bieden vooraf getrainde modellen, ontwikkelingstools en infrastructuur, waardoor bedrijven snel en gemakkelijk AI in hun activiteiten kunnen integreren.
De Blijvende Rol van Kapitaal (Capital’s Enduring Role)
Hoewel de commodificatie van AI-modellen het belang van propriëtaire technologie kan verminderen, zal kapitaal een cruciale rol blijven spelen in de AI-industrie. Toegang tot financiering zal essentieel zijn voor bedrijven om:
AI-modellen te trainen en te finetunen: Het trainen van grote AI-modellen vereist aanzienlijke rekenkracht en expertise. Bedrijven met toegang tot kapitaal kunnen het zich veroorloven om grotere modellen op meer data te trainen, waardoor mogelijk betere prestaties worden behaald.
AI-applicaties te ontwikkelen en te implementeren: Het bouwen en implementeren van AI-applicaties vereist investeringen in softwareontwikkeling, infrastructuur en talent. Bedrijven met toegang tot kapitaal kunnen in deze gebieden investeren om overtuigende AI-aangedreven producten en diensten te creëren.
AI-talent te werven: De vraag naar AI-talent is groot en bekwame AI-ingenieurs en -onderzoekers ontvangen hoge salarissen. Bedrijven met toegang tot kapitaal kunnen toptalent aantrekken en behouden, waardoor ze een concurrentievoordeel hebben.
Onderzoek en ontwikkeling te verrichten: Continue innovatie is essentieel in het snel evoluerende AI-landschap. Bedrijven met toegang tot kapitaal kunnen investeren in onderzoek en ontwikkeling om nieuwe AI-technieken en -toepassingen te verkennen.
Regelgevingsdrempels te navigeren: Naarmate AI meer gereguleerd wordt, zullen bedrijven moeten investeren in compliance- en juridische expertise. Bedrijven met toegang tot kapitaal kunnen het zich veroorloven om deze regelgevingsdrempels effectief te navigeren.
De Toekomst van AI-Concurrentie (The Future of AI Competition)
De AI-industrie ondergaat een periode van snelle transformatie. De commodificatie van AI-modellen trekt het speelveld gelijk, maar kapitaal zal een cruciale determinant van succes blijven. Bedrijven die kapitaal effectief kunnen inzetten om overtuigende AI-applicaties te ontwikkelen, toptalent aan te trekken en het evoluerende regelgevingslandschap te navigeren, zullen het best gepositioneerd zijn om op de lange termijn te gedijen.
De toekomst van AI-concurrentie zal waarschijnlijk worden gekenmerkt door:
Toegenomen specialisatie: Bedrijven zullen zich richten op het ontwikkelen van AI-oplossingen voor specifieke industrieën of use cases, in plaats van te proberen algemene AI-modellen te bouwen.
Grotere nadruk op applicatieontwikkeling: De focus zal verschuiven van het bouwen van basismodellen naar het creëren van overtuigende AI-aangedreven applicaties die real-world problemen oplossen.
Groeiend belang van AI governance: Bedrijven zullen ethische en verantwoorde AI-ontwikkeling en -implementatie prioriteren, ervoor zorgend dat AI ten goede wordt gebruikt.
Voortdurende innovatie in AI-hardware: De vraag naar krachtigere en efficiëntere AI-hardware zal de innovatie blijven stimuleren op gebieden zoals GPU’s, TPU’s en neuromorf computing.
Samenwerking en open source: Samenwerking en open-source initiatieven zullen een steeds belangrijkere rol spelen in het AI-ecosysteem, waardoor innovatie wordt versneld en de toegang tot AI-technologie wordt gedemocratiseerd.
Kortom, hoewel toegang tot kapitaal de belangrijkste differentiator kan zijn in het huidige AI-landschap, zal het succes van AI-bedrijven op de lange termijn afhangen van hun vermogen om te innoveren, zich aan te passen en overtuigende AI-aangedreven oplossingen te bouwen die waarde creëren voor klanten en de samenleving als geheel.