Het nieuws ging bijna geruisloos voorbij: een stel Chinese onderzoekers presenteert een “ouderwetse” chip, gemaakt op verouderde productielijnen, die toch 200 keer efficiënter draait dan onze allernieuwste AI-hardware.
Geen glimmende keynote. Geen miljardendeal met een Amerikaanse reus. Gewoon een paper, wat grafieken, en een ongemakkelijk gevoel bij iedereen die dacht dat technologische vooruitgang altijd in één richting gaat: sneller, kleiner, duurder.
Stel je voor: je zit in een overvolle trein, wifi hapert, batterij op 9 procent. Tegenover je een student met een aftandse laptop en een goedkope Chinese AI-accelerator waar je nog nooit van gehoord hebt. Terwijl jouw topmodel-laptop zucht bij het draaien van een simpel AI-model, spuugt zijn “oude meuk” rustig complexe berekeningen uit, bijna zonder stroom te verbruiken. Hij haalt zijn schouders op: “Ja, deze chip is traag, maar superzuinig. Hij draait de hele dag op een powerbank.”
Je kijkt naar je eigen toestel, snapt het niet helemaal, maar voelt wél wat er gebeurt. Alsof iemand je zachtjes influistert: misschien zitten we wel aan de verkeerde kant van de technologische geschiedenis.
Wanneer traag slimmer blijkt dan snel
Wat Chinese onderzoekers laten zien met hun extreem efficiënte “ouderwetse” chips, snijdt dwars door ons vertrouwde techverhaal heen. We zijn gewend te denken: hoe kleiner de transistors, hoe nieuwer de fabriek, hoe beter de chip. Punt. In China wordt nu het tegenovergestelde getest: wat als je een minder geavanceerd productieproces pakt, en daar radicale optimalisaties omheen bouwt voor één specifiek doel, zoals AI-inferentie aan de rand van het netwerk?
Hun boodschap is ongemakkelijk helder. Hightech is niet altijd gelijk aan hoogwaardig. Een chip van 28 of zelfs 45 nanometer kan, met slimme architectuur en aangepaste software, een gigantisch energievoordeel opleveren ten opzichte van onze “state of the art” GPU’s. Het is alsof iemand een oude dieselmotor zó afstelt dat hij een hypermoderne sportwagen verslaat op langeafstandsroutes. Niet mooier, niet sneller, maar wel veel zuiniger.
Neem één van de recent gepubliceerde Chinese ontwerpen: een AI-chip geproduceerd op een proces dat in Silicon Valley allang is afgeschreven. Geen 3 nm, geen EUV-lithografie, geen krankzinnig dure fabriek. Toch haalt het ding in specifieke benchmarks een energie-efficiëntie die tot 200 keer hoger ligt dan westerse high-end GPU’s bij typische AI-taken, zoals beeldherkenning of taalmodellen op middelgroot niveau. Minder kracht per seconde, wel veel méér werk per joule.
Voor een datacenter is dat verschil miljarden waard. Voor een dorp zonder stabiel stroomnet kan het letterlijk het verschil zijn tussen “geen AI” en een lokaal draaiend model dat artsen helpt diagnoses te stellen. Terwijl wij pronken met tokens per seconde, rekenen zij in watt per nuttige voorspelling.
Hier botsen twee visies op vooruitgang. In het Westen gooien we rekenkracht tegen elk probleem aan. Meer GPU’s, grotere modellen, nieuwe generaties hardware die oude versies in een jaar of twee verouderen. In China groeit een stroming die zegt: beperkingen zijn geen vloek, maar een ontwerptool. Wie vanuit schaarste denkt, komt bij radicaal andere oplossingen uit. Vooral nu exportbeperkingen ze dwingen creatief te zijn met wat ze wél mogen maken.
Hoe we vastzitten in ons eigen hightech sprookje
De grootste valkuil is psychologisch: we zijn verliefd geworden op het idee dat “cutting edge” altijd via de duurste, meest complexe fabrieken loopt. ASML-machines, 3 nm, HBM-geheugen, miljoenen CUDA-cores. Het klinkt indrukwekkend, het verkoopt goed aan beleggers en het voedt ons beeld van vooruitgang als een rechte lijn. Maar energieprijzen, klimaatdoelen en fysieke limieten van transistoren fluisteren al een tijdje iets anders.
Als je eerlijk kijkt naar het energieverbruik van moderne AI, is het bijna absurd. Een taalmodel trainen slurpt zoveel stroom als een klein dorp per jaar. Inferentie – het gebruik van die modellen – begint nu ook harde grenzen te raken: stroom, koeling, netcapaciteit. De Chinese “ouderwetse” chips laten zien dat we misschien de verkeerde KPI’s aanbidden. We meten FLOPS en tokens, maar nauwelijks echte efficiëntie in de context waarin de technologie draait: aan de rand, op batterijen, in sensoren, in apparaten die niet 24/7 aan de zuurstof van een datacenter liggen.
➡️ “dat hoort bij ouder worden” of eerste alarmsignaal van alzheimer? wat je liever niet onder ogen ziet
➡️ China blaast ‘ouderwetse’ chips nieuw leven in en zet zo het energieverslindende westen te kijk
➡️ Doktersalarm over populaire nivea-crème: huidarts waarschuwt voor verborgen risico’s, maar het internet staat op zijn kop
➡️ Van onbetaalde megabestelling tot mediastunt: hoe elon musk een bakkerij gebruikte om zijn imago te redden
➡️ Beton als klimaatzondebok – waarom australiërs geloven dat hun radicale idee de wereldwijde co??voetafdruk kan halveren
➡️ Na het pinnen nog één knop indrukken, banken schuiven verantwoordelijkheid voor fraude stilzwijgend op klanten af
➡️ De toekomstige ‘grootste vliegtuig ter wereld’ tekent zwaargewichtdeal: innovatie of milieu?ramp in aantocht
➡️ Gepensioneerde die land uitleende aan imker krijgt landbouwbelasting-aanslag en zet de rechtvaardigheid van ons belastingsysteem op scherp
On a tous déjà vécu ce moment où je nieuwste gadget in de praktijk minder bruikbaar blijkt dan je oude, eenvoudige apparaat. Die oude Nokia die wél een week meeging op één lading. Die laptop uit 2015 die, hoe traag ook, niet loeiheet werd zodra je iets zwaars draaide. De Chinese ontwerpers lijken dat gevoel serieus te nemen. In plaats van nog één laag complexiteit erbovenop, strippen ze de chip af tot pure functionaliteit: wat is écht nodig voor deze ene taak, en wat mag weg?
Daar zit een ironie in waar je bijna om moet lachen. Terwijl het Westen zich juridisch en economisch uit de naad werkt om China weg te houden bij de nieuwst denkbare chiptechnologie, bewijst een deel van diezelfde Chinese sector dat je met oudere technieken soms een slimmer, stabieler pad kunt bewandelen. Misschien is de technologische geschiedenis geen rechte lijn, maar een lus. En misschien rennen wij aan de buitenkant, terwijl het echte spel zich dichter bij de kern afspeelt.
Wat jij (en wij) kunnen leren van “ouderwetse” efficiëntie
De praktische les achter dit verhaal is verrassend nuchter: richt je niet blind op “het nieuwste”, maar op wat je per watt, per euro en per seconde daadwerkelijk terugkrijgt. Voor bedrijven die met AI werken, betekent dat concreet: *stel andere vragen aan je leveranciers*. Niet: “Hoeveel GPU’s heeft deze server?”, maar: “Hoeveel nuttige inferenties per kilowattuur levert dit systeem in mijn echte workload?”
In die zin lijkt de Chinese aanpak meer op ouderwetse ingenieurskunst dan op de hypegedreven productreleases waar wij aan gewend zijn. Maak het simpel. Optimaliseer voor een concreet scenario. Laat generieke kracht los, kies voor doelgerichte efficiëntie. Voor ontwikkelaars is dat een uitnodiging om modellen kleiner, zuiniger en lokaler te maken. Voor beleidsmakers een waarschuwing: infrastructuur bouwen rond alleen maar hongerige high-end hardware kan een dure vergissing blijken.
Soyons honnêtes : personne ne doet elke dag een energie-audit van zijn digitale leven. Toch raakt dit thema direct aan de keuzes die we als gebruikers maken. Koop je de smartphone met de zwaarste chip, of de telefoon die bij normaal gebruik twee dagen meegaat? Laat je al je AI-taken via de cloud lopen, of begin je interesse te krijgen in devices die lokaal, low-power inference draaien?
We hebben geleerd om naar specificaties te kijken als naar een soort sportscores: meer cores, hogere klokfrequentie, grotere modellen. Het menselijk effect – warmte, batterij, stroomrekening, duurzaamheid – slipt er makkelijk tussendoor. Het Chinese efficiëntie-experiment legt dat pijnlijk bloot: wij kopen graag “overkill”. Zij ontwerpen “genoeg”.
“De komende technologische kloof gaat niet over wie de snelste chip heeft, maar over wie met dezelfde kilowattuur de meeste nuttige beslissingen kan nemen.”
Als je dat laat bezinken, zie je meteen waar de kansen liggen. Voor jou als lezer betekent dat drie eenvoudige vragen die je bij elke nieuwe tech- of AI-investering kunt stellen:
- Heb ik écht de maximale rekenkracht nodig, of vooral betrouwbaarheid en zuinigheid?
- Kan een kleiner, lokaal model 80% van de waarde leveren met 20% van de energie?
- Wat betekent deze hardwarekeuze voor mijn kosten en mijn vrijheid over 5 tot 10 jaar?
Wie zo leert kijken, stapt langzaam uit het hightech sprookje en in een volwassen gesprek over techniek. Niet minder futuristisch. Wel minder naïef.
Staan wij aan de verkeerde kant van de technologische geschiedenis?
De vraag blijft een beetje steken, en misschien is dat maar goed ook. Als Chinese teams met “verouderde” productieprocessen AI-chips kunnen bouwen die 200 keer efficiënter zijn dan ons allerbeste spul, zegt dat iets fundamenteels over ons narratief. Misschien is de echte scheidslijn niet meer tussen Oost en West, maar tussen twee manieren van kijken: verering van pure kracht, of respect voor begrenzing.
Nieuwe generaties ingenieurs groeien nu op met klimaatstress, grondstoffenschaarste en geopolitieke frictie als achtergrondruis. Voor hen voelt het hyperlogisch om efficiëntie hoger te waarderen dan brute rekenkracht. Als die generatie zich massaal richt op “ouderwetse” technologie, slim ingezet, dan kan de geschiedenis van chips weleens herschreven worden. Niet door nóg een sprong naar 1 nm, maar door duizenden kleine, slimme stappen op “oude” nodes.
Voor jou als lezer is dat geen ver-van-je-bedshow. De manier waarop jouw apps draaien, hoe snel je batterij leegloopt, hoe duur je internetabonnement wordt en hoe vaak je device “end of life” wordt verklaard, hangt direct samen met deze strijd tussen kracht en efficiëntie. Deel dit gesprek aan de koffietafel, in je IT-team, met je medestudenten. Vraag je af welk verhaal jij wilt versterken met je keuzes, je aankopen, je code.
Misschien zijn we niet onherroepelijk aan de verkeerde kant beland. Misschien staan we precies op het kantelpunt. En misschien wordt de volgende “revolutie” niet geboren in de schoonste cleanroom, maar in het hoofd van iemand die durft te zeggen: oud genoeg is soms nieuw genoeg.
| Point clé | Détail | Intérêt pour le lecteur |
|---|---|---|
| Efficiëntie boven brute kracht | Chinese chips op oudere processen behalen tot 200x betere energie-efficiëntie dan high-end GPU’s | Helpt anders denken over “het nieuwste” en wat je écht nodig hebt |
| Beperkingen als ontwerptool | Exportbeperkingen dwingen Chinese ontwerpers tot creatieve oplossingen met verouderde nodes | Laat zien hoe schaarste tot innovatieve, stabielere oplossingen kan leiden |
| Impact op jouw keuzes | Van device-aankoop tot AI-infrastructuur: focus verschuift naar verbruik per nuttige taak | Geeft concrete handvatten om duurzamer en slimmer in technologie te investeren |
FAQ :
- Zijn Chinese “ouderwetse” chips echt 200 keer efficiënter?Dat hangt af van de benchmark. In specifieke AI-inferentiescenario’s tonen onderzoeken energie-efficiënties die tot een factor 100–200 hoger liggen dan bij algemene GPU’s, vooral als die niet optimaal zijn afgesteld voor die taak.
- Betekent dit dat westerse high-end chips nutteloos worden?Nee. Voor training van enorme modellen en universele workloads blijven top-GPU’s essentieel. De Chinese aanpak is vooral sterk bij gerichte, herhaalde taken aan de rand van het netwerk.
- Ga ik dit als consument snel merken?Waarschijnlijk eerst indirect: in goedkopere, zuinigere apparaten, routers, IoT-sensoren en misschien in smartphones die meer AI lokaal draaien zonder je batterij leeg te trekken.
- Is “ouderwetse” chipproductie niet gewoon trager en groter?Fysiek wel, maar grotere chips kunnen verrassend efficiënt zijn als de architectuur strak is toegesneden op één taak en niet alles hoeft te kunnen zoals een GPU of CPU.
- Wat kan ik nu al doen met deze kennis?Kijk kritischer naar specificaties, vraag naar energieverbruik per taak, test kleinere modellen, en overweeg hardware en software die ontworpen is voor lokale, zuinige AI in plaats van altijd voor maximale kracht.
