De air in de serverruimte voelt droog en onnatuurlijk koud. Rijen zwarte racks, blauwe ledjes die knipperen als een soort mechanische sterrenhemel. Aan de muur hangt een poster over duurzaamheid, naast een metertje dat vrolijk duizenden kilowatts wegtikt. Buiten draait een windmolenpark op volle toeren, binnen slurpen GPU’s stroom alsof er geen morgen bestaat.
En terwijl wij hier lawaaierige datacenters bijbouwen, sleutelt China in stilte aan chips die *minder* energie nodig hebben om méér te doen.
De vraag dringt zich op: zijn wij visionair bezig met onze AI‑wedloop… of gewoonweg roekeloos dom?
De AI‑goudkoorts vs. de Chinese spaarstand
Wie vandaag een modern datacenter binnenloopt, voelt bijna fysiek hoe verslavend data is geworden. Elke nieuwe AI‑tool, elk taalmodel, elke gepersonaliseerde video: ergens draait er weer een rij GPU’s warmer.
Bestuurders praten graag over “digitale soevereiniteit” en “innovatie”, maar de stroomrekening tikt door, 24/7.
We bouwen dozen van beton en staal langs snelwegen, met eigen hoogspanningsaansluitingen, alsof dat het meest logische ter wereld is. De vraag is: wie praat nog over de efficiëntie van wat er ín die dozen draait?
Kijk naar China. Officieel lezen we vooral over exportverboden en sancties, maar onder de radar gebeurt iets anders. Chinese spelers werken koortsachtig aan zuinige AI‑chips, gespecialiseerd voor één taak, met veel minder energieverbruik.
Dat zijn geen futuristische labproeven, maar chips die direct in datacenters, smartphones en fabrieken belanden.
Terwijl wij miljarden tegen generieke GPU’s aangooien, testen zij architecturen die minder verspilling kennen. Een soort netto‑positieve minimalisme, maar dan in silicium gegoten.
Logisch bekeken is dat een strategische meesterzet. Wie de efficiëntste chips maakt, controleert niet alleen de kosten, maar ook de schaalbaarheid van AI.
Energie is geen bijzaak meer, het is de bottleneck. Geen netcapaciteit, geen extra AI. Simpel.
**China lijkt dat spel beter door te hebben dan wij.** Terwijl wij trots nieuwe hallen openen, werken zij aan manieren om met dezelfde stroom tien keer meer rekenkracht uit de muur te trekken. Wie wint er dan echt?
Visionair beleid of collectieve verdwazing?
Er is een ongemakkelijke waarheid: veel Europese en Nederlandse AI‑plannen zijn bovenal show. Grote aankondigingen, lintjes doorknippen, wervende persberichten.
Onder de motorkap draait vaak standaardhardware die meer verbruikt dan nodig is, met middelmatig gebruik van koeling en software‑optimalisatie.
We gooien geld tegen beton, koeling en GPU’s, maar veel minder tegen efficiëntieonderzoek. Terwijl precies dáár de echte voorsprong ligt.
➡️ Dit winterse gerecht maak ik altijd vooraf zodat de avond relaxed blijft, maar puristen noemen het luiheid vermomd als planning
➡️ Ik plaats geen plinten meer: waarom architecten in 2026 bewust kiezen voor een radicaal ander interieur
➡️ Je denkt dat monocultuur slim is – totdat je ziet hoe ze je grond verwoest (en waarom de agrilobby dat liever verzwijgt)
➡️ Baanbrekende wijziging aan dieselmotoren kan miljoenen voertuigen redden en verstoort de macht van de olie-industrie
➡️ Over nestkastjes wordt vaak gesproken, maar zelden over dit wintervoer dat vogels echt laat overleven
➡️ Niet om de twee of drie dagen – zo vaak zouden 65-plussers hun kleding moeten vervangen volgens hygiëne-experts
➡️ Hoe hardnekkige schoonmaakmythes je woning minder schoon maken en je lichaam zwaarder belasten dan je denkt
➡️ Slecht nieuws voor een huiswerker die zijn baan verloor nadat de zorgbehoevende naar een verpleeghuis verhuisde: hij heeft geen recht op compensatie ondanks jarenlange toewijding
Eén voorbeeld: een Nederlands datacenter dat vorig jaar trots “klimaatneutraal” werd genoemd. Op papier klopte het verhaal – garanties, certificaten, groene stroom.
Maar vraag de techneuten en zij vertellen fluisterend over piekuren, oude servers die “nog niet zijn afgeschreven” en modellen die nauwelijks zijn geoptimaliseerd.
China pakt dat anders aan. Daar wordt op chip‑niveau gekeken welke berekeningen echt nodig zijn, welke in lagere precisie kunnen, welke volledig geschrapt kunnen worden. Minder bits, minder hitte, minder euro’s – of yuan – door de schoorsteen.
Als je de lijn doortrekt, wordt het wrang. Wij investeren in infrastructuur die ons afhankelijk maakt van steeds méér stroom en steeds duurdere upgrades.
Zij investeren in architecturen die beter worden naarmate de beperkingen strenger worden. Minder materiaal, minder netbelasting, meer autonomie.
**Wie denkt hier echt vooruit?** Misschien zijn wij niet visionair, maar verslaafd aan een luxeversie van AI, die alleen werkt zolang de stroom goedkoop blijft en de politiek wegkijkt van de echte rekening.
Hoe we minder dom kunnen zijn met de datacenters die we al hebben
De ironie: we hebben nú al tools en kennis om datacenters veel minder dom energie te laten verspillen. Zonder eerst een nieuwe generatie wonderchips af te wachten.
Een pijnlijke maar concrete stap is nuchter kijken naar workload‑planning. Welke AI‑taken móéten real‑time, welke kunnen ‘s nachts draaien als de vraag naar stroom lager is?
Door AI‑training, batch‑analyses en achtergrondtaken naar daluren te schuiven, kan eenzelfde centrum veel efficiënter met zijn pieken omgaan. Minder brute overcapaciteit, meer slim timen.
Ook software speelt een grotere rol dan beleidsmakers vaak denken. Een taalmodel dat iets kleiner is, slim gepruned en gekwantiseerd, kan opeens met 30–50% minder energie toe.
Alleen: dat levert geen sexy persfoto op. Geen nieuw gebouw, geen glanzend lint.
Soyons honnêtes : personne ne fait vraiment ça tous les jours – bijna niemand heeft dagelijks zin om aan hypertechnische optimalisaties te sleutelen, als er ook een glimmende nieuwe GPU besteld kan worden. Toch is dáár de winst te halen.
Opschalen zonder na te denken is verleidelijk. Elk team wil “zijn eigen” AI‑cluster, elke dienst wil dedicated capaciteit.
We herkennen allemaal dat moment waarop een project groeit en groeit, tot niemand nog durft te vragen: hebben we dit echt allemaal nodig?
Daar ontstaat verspilling. Servers die op halve kracht draaien. Trainingsjobs die lopen “voor het geval dat”. En ja, dashboards die mooi vol blijven, zodat niemand zich hoeft af te vragen of het ook met minder kan.
“De slimste kilowattuur is degene die je nooit hoeft te verbruiken,” zei een energiemanager van een grote cloudspeler me, half lachend, half serieus.
- Kijk kritisch naar het echte nut van elk AI‑project, niet alleen naar de hype‑waarde.
- Optimaliseer bestaande modellen voor minder rekenkracht vóór je nieuwe hardware inkoopt.
- Plan zware taken in daluren en bundel workloads waar het kan.
- Eis transparante cijfers over energie per model, niet alleen over totale PUE.
- Laat beleid niet stoppen bij CO₂‑compensatie, maar beginnen bij vermeden verbruik.
Tussen bravoure en zelfbescherming
Misschien is de ongemakkelijke kern dit: wij houden van technologie die groot is, zichtbaar en indrukwekkend. Gigantische datacenters langs de snelweg geven een gevoel van “wij doen mee” in de AI‑wedloop.
Zuinigheid voelt dan al snel als een soort rem, als iets defensiefs, bijna ouderwets.
China draait dat frame om. Efficiëntie is daar geen rem, maar een wapen. Een manier om AI op schaal betaalbaar, bestuurbaar en geopolitiek bruikbaar te maken.
Stel je eens voor dat wij dezelfde logica durven toepassen. Niet: hoeveel megawatt kunnen we nog aanleggen? Maar: hoeveel nuttige AI‑output per kilowattuur halen we uit wat er al staat?
Ineens wordt de vraag naar “visionair of dom” veel persoonlijker. Het gaat niet alleen om ministers, ceo’s of Chinese planners.
Het gaat ook om ontwikkelaars die kiezen voor een lichter model. Om inkopers die een energie‑budget meenemen naast de traditionele kosten. Om burgers die vragen durven stellen als er weer een “groen” datacenter wordt aangekondigd.
We staan in een vreemd tijdperk: nooit eerder hadden we zóveel rekenkracht, en tegelijk voelt het alsof we over een randje leunen.
Wie nu inzet op pure schaal, zonder efficiëntie, gokt op eeuwig overvloedige stroom en een publiek dat niet vraagt hoe het écht zit.
Wie inzet op zuinigheid, detail en soberheid in silicium, kiest voor een trager, minder zichtbaar pad. Maar misschien is dat nét de beweging die later visionair lijkt. En kijken we dan terug op deze jaren en vragen we ons af: hoe konden we zó slim zijn en toch zó roekeloos dom handelen?
| Point clé | Détail | Intérêt pour le lecteur |
|---|---|---|
| AI‑goudkoorts in datacenters | Europa bouwt massaal energieverslindende infrastructuur met generieke GPU’s | Begrijpen waarom de huidige AI‑strategie zo stroomintensief en kwetsbaar is |
| Chinese focus op zuinige chips | China investeert zwaar in gespecialiseerde, energie‑efficiënte AI‑architecturen | Zien hoe een andere strategie zowel goedkoper als strategisch slimmer kan zijn |
| Ruimte voor eigen efficiëntiewinst | Optimalisatie via planning, software en kritische keuzes rond schaal | Concrete handvatten om binnen bestaande systemen minder dom met energie om te gaan |
FAQ :
- Waarom verbruiken AI‑datacenters zoveel energie?Grote AI‑modellen draaien op duizenden GPU’s die intensief rekenen en daardoor veel stroom én koeling vragen. Het gaat niet alleen om opslag, maar vooral om voortdurende berekeningen.
- Zijn Chinese chips echt zoveel zuiniger?Ze zijn niet magisch, maar vaak wel specifiek ontworpen voor bepaalde AI‑taken, met minder algemene ballast. Dat levert in de praktijk flinke efficiëntiewinsten op per berekening.
- Maakt groene stroom het probleem niet gewoon opgelost?Groene stroom helpt, maar lost de schaarste aan netcapaciteit en materialen niet op. Efficiëntie bepaalt hoeveel AI we überhaupt op een betrouwbaar netwerk kwijt kunnen.
- Wat kunnen bedrijven nú al doen zonder nieuwe hardware?Kleiner en slimmer modelleren, workloads naar daluren verschuiven, onnodige taken schrappen en energie als aparte KPI meenemen naast prestaties en kosten.
- Zijn wij dan per definitie “dom” bezig in Europa?Nee, maar de nadruk ligt sterk op schaal en zichtbare groei. Zonder serieuze focus op zuinige chips en efficiënte software lopen we het risico duur, afhankelijk en kwetsbaar te worden.
