Nvidia's echte AI-voorsprong zit niet in de chip, maar in de bekabeling eromheen

Jarenlang was het verhaal over Nvidia simpel: het bedrijf had als enige de beste AI-chips en verdiende daar fors aan, terwijl de vraag naar rekenkracht voor kunstmatige intelligentie explodeerde. Maar grote techbedrijven als Amazon en Google ontwikkelen inmiddels hun eigen chips. Beleggers vroegen zich af hoe lang Nvidia's voorsprong nog zou standhouden. Na de kwartaalcijfers van afgelopen woensdag blijkt er meer aan de hand te zijn. Nvidia's marktwaarde groeide tussen begin 2023 en medio 2025 met een factor tien, maar staat het afgelopen jaar onder druk door zorgen over concurrentie op de chipmarkt zelf. Nu groeit het besef dat Nvidia's kracht verder reikt dan alleen de rekenchip.

Het probleem achter de chip

Naarmate datacenters voor AI groeien naar het formaat van complete energiecentrales, wordt het steeds lastiger om al die rekenkracht efficiënt te laten samenwerken. Het is niet genoeg om duizenden chips naast elkaar te zetten: gegevens moeten op het juiste moment op de juiste plek zijn, anders staat dure apparatuur stil te wachten. Nvidia levert daarom niet alleen de rekenchip zelf, maar ook complete kasten vol gespecialiseerde hardware eromheen. De nieuwste generatie, genaamd Vera Rubin, combineert de Rubin-rekenchip met een aparte Vera-processor, een chip voor het razendsnel afhandelen van AI-verzoeken en aparte systemen voor opslag en netwerkverkeer.

Jason Hardy, vicepresident opslagtechnologie bij Nvidia, legt uit dat vooral de Vera-processor zich toespitst op het sturen van data. Servers kunnen simpelweg niet oneindig veel geheugen bevatten, dus moet informatie continu tussen opslag en rekenchip heen en weer reizen. Nvidia claimt dat de Vera-processor die dataverkeer tot driemaal sneller afhandelt, waardoor opslaggeheugen zijn volledige snelheid kan benutten zonder dat er een von Neumann-knelpunt ontstaat: de bekende vertraging die ontstaat doordat een chip moet wachten op data uit het geheugen.

Twee wegen naar hetzelfde doel

Nvidia is niet de enige die dit probleem aanpakt. OpenAI koos met zijn eigen Jalapeño-chip voor een andere oplossing: zo veel mogelijk voorkomen dat data moet reizen, door een volledige AI-taak binnen één samenhangend systeem te houden. Beide bedrijven werken dus aan hetzelfde doel, namelijk minder tijd en energie verspillen aan het rondpompen van gegevens, maar via een andere route. Terwijl OpenAI vooral inzet op compacte, geïntegreerde chips, bouwt Nvidia complete racks vol ondersteunende hardware rond zijn GPU's.

Nieuw slagveld, oude koploper

Deze verschuiving betekent niet automatisch dat Nvidia wint. Andere chipmakers en techreuzen zullen ook hier proberen te concurreren, net zoals ze dat nu al doen met rekenchips. Maar het zwaartepunt van de strijd verschuift wel: het gaat niet langer alleen om wie de snelste chip bouwt, maar om wie een compleet datacenter het efficiëntst laat draaien. Op dat vlak lijkt Nvidia voorlopig een stevige voorsprong te hebben opgebouwd, terwijl concurrenten nog moeten bewijzen dat ze ook op systeemniveau kunnen meekomen.