De ongekende wedloop: hoe AI onze digitale en fysieke werelden opnieuw vormgeeft

De ongekende wedloop: hoe AI onze digitale en fysieke werelden opnieuw vormgeeft

Het tijdperk van de Kunstmatige Intelligentie is niet alleen een revolutie van algoritmes en chatbots; het verandert fundamenteel de fundamenten van onze digitale wereld en vereist een ongekende transformatie van onze wereldwijde infrastructuur. We zijn getuige van een monumentale verschuiving, een die een wedloop van 7 biljoen dollar voor rekenkracht ontketent en elke schakel in de toeleveringsketen onder druk zet, van halfgeleiderfabrieken tot elektriciteitsnetten. Dit gaat niet alleen over silicium, maar ook over energie, logistiek en het vermogen om de toekomst te voorspellen.

De duizelingwekkende investering van $7 miljard

De omvang van de investeringen in AI is adembenemend. Uit een onderzoek van McKinsey blijkt dat datacenters in 2030 wereldwijd 6,7 biljoen dollar nodig zullen hebben om gelijke tred te houden met de vraag naar rekenkracht. Hiervan is maar liefst 5,2 biljoen dollar bestemd voor datacenters die zijn uitgerust om AI-verwerkingslasten aan te kunnen, met nog eens 1,5 biljoen dollar voor traditionele IT-toepassingen, wat resulteert in een kolossale totale investeringsbehoefte van 7 biljoen dollar.

Deze enorme financiële inzet wordt gevoed door een samenloop van factoren:

• De massale toepassing van generatieve AI.
• De integratie van AI-toepassingen in vrijwel alle sectoren.
• Een intense competitieve infrastructuurwedstrijd tussen hyperscalers en bedrijven om eigen AI-capaciteit op te bouwen.
• Geopolitieke prioriteiten, aangezien overheden zwaar investeren in AI-infrastructuur.

Het leeuwendeel van deze investering, 60% (3,1 biljoen dollar) van de 5,2 biljoen dollar die is toegewezen aan AI-infrastructuur, zal gaan naar technologieontwikkelaars en ontwerpers die chips en computerhardware produceren. Nog eens 25% ($1,3 biljoen) gaat naar "energizers" voor stroomopwekking, transmissie, koeling en elektrische apparatuur, terwijl 15% ($0,8 biljoen) naar "bouwers" gaat voor land- en locatieontwikkeling. Dit betekent een fundamentele heroriëntatie van kapitaal naar de ruggengraat van AI.

De onverzadigbare honger: Stroom- en koelingscrisis

Hoewel de financiële cijfers immens zijn, zijn de uitdagingen op het gebied van milieu en infrastructuur net zo ingrijpend. AI-berekeningen genereren aanzienlijk meer warmte dan traditionele computertaken. Dit betekent dat AI-datacenters niet slechts opgeschaalde versies van hun voorgangers zijn; het zijn fundamenteel andere beesten die maatwerk vereisen.

Kijk eens naar de grote verschillen:

• Doel en werkbelasting: Traditionele datacenters ondersteunen algemeen computergebruik zoals webhosting en databases. AI-datacenters zijn geoptimaliseerd voor het verwerken van enorme hoeveelheden gegevens, het uitvoeren van deep learning-modellen en het ondersteunen van AI-gedreven taken zoals natuurlijke taalverwerking.
• Hardware: Traditionele centra vertrouwen op CPU's. AI-centra maken veel gebruik van GPU's (Graphics Processing Units), TPU's (Tensor Processing Units) en andere gespecialiseerde AI-versnellers, die duizenden taken tegelijk kunnen verwerken.
• Koeling en stroomverbruik: Dit is waar de divergentie het meest kritisch is. Traditionele faciliteiten hebben substantiële koeling, maar AI-datacenters vereisen geavanceerde oplossingen zoals vloeistofkoeling om de efficiëntie te behouden en oververhitting te voorkomen vanwege de extreme hitte die wordt gegenereerd door krachtige GPU's.
• Vermogensdichtheid: AI-geoptimaliseerde datacenters werken meestal met een vermogensdichtheid van 25-35 kW per rack, ongeveer drie keer zo hoog als traditionele bedrijfsfaciliteiten. Sommige datacenters gaan zelfs van 4-9 kW per rack naar een verbazingwekkende 100-130 kW.

Deze verschuiving heeft een ongekende energiecrisis veroorzaakt. AI-datacenters verbruiken ongeveer vier keer zoveel energie als er elektriciteit wordt toegevoegd aan de netwerken. Alleen al in de VS verbruikten datacenters ongeveer 4,4% van de totale elektriciteit in 2024 (176 terawattuur), een percentage dat tegen 2028 naar verwachting zal stijgen naar 6,7% tot 12% (325 tot 580 TWh). Wereldwijd stijgt het verbruik met 30% per jaar, voornamelijk als gevolg van AI, waarbij de Verenigde Staten en China verantwoordelijk zijn voor ongeveer 80% van die stijging. De energiebehoefte van AI-datacenters zal tussen 2028 en 2030 naar verwachting toenemen met 350 TWh, wat bijna drie keer zoveel is als de energie die wordt opgewekt door de Hoover Dam, de Palo Verde-kerncentrale en de Drieklovendam samen.

Deze "crisis in het verschiet" betekent dat de industrie prioriteit moet geven aan efficiëntie vanaf het chipniveau, inclusief het verkleinen van de transmissieafstanden voor elektriciteit en het beperken van gegevensverplaatsingen, waarbij 3D-IC-verpakkingen een belangrijke rol spelen. Betere koeloplossingen zoals directe vloeistofkoeling en dompelkoeling zijn niet langer optioneel, maar essentieel, ook al voegen ze complexiteit toe aan het chip- en systeemontwerp.

Het labyrint van de toeleveringsketen: Chips, tarieven en onzekerheid

De explosieve vraag naar AI dwingt de toeleveringsketen van halfgeleiders tot het breekpunt. Cruciale componenten zoals geheugen met hoge bandbreedte (HBM), krachtige grafische verwerkingseenheden (GPU's) en geavanceerde solid-state drives (SSD's) hebben een ernstig tekort. NVIDIA's H100 en AMD's MI300 series GPU's zijn bijna onmiddellijk uitverkocht en Nvidia's volgende generatie Blackwell GPU's hebben al een achterstand van een jaar of meer. HBM3-producenten melden doorlooptijden van zes tot twaalf maanden en de prijzen stijgen met 20-30% op jaarbasis.

Het knelpunt zit hem niet alleen in de fabricage, maar ook in de verpakking en integratie. Geavanceerde technieken zoals CoWoS-verpakking van TSMC, essentieel voor het stapelen van HBM met AI-processors, zijn tot 2025 volgeboekt. Ondanks een verwachte CAGR van 50% tussen 2022 en 2026, waarbij zelfs 90.000 wafers per maand worden bereikt tegen het einde van 2026, is dit nog steeds niet genoeg om aan de vraag te voldoen. De concentratie van de chipproductie in de regio Azië-Pacific benadrukt de kwetsbaarheid nog eens extra, zoals blijkt uit de tijdelijke productiestop als gevolg van een aardbeving met een kracht van 7,4 in Taiwan.

Geopolitieke factoren voegen nog een laag complexiteit toe, met name de voorgestelde Amerikaanse tarieven op de import van halfgeleiders. Deze zouden de kosten van componenten met 10-30% kunnen verhogen en de heffingen over de internationale productiestappen van een enkele AI-chip kunnen verergeren. Het gebrek aan vervangers op korte termijn voor gespecialiseerde technologieën betekent dat bedrijven deze problemen niet gemakkelijk kunnen omzeilen, waardoor leveranciers genoodzaakt zijn om hun prijzen aan te passen, verzendingen uit te stellen en zelfs logistiek om te leiden.

Voor inkoopmanagers vraagt deze volatiele omgeving om een structurele heroverweging van strategieën. Reageren is niet langer voldoende; in plaats daarvan moeten ze zich bezighouden met langetermijnplanning, vroegtijdige toezeggingen door middel van meerjarige inkoopovereenkomsten en strategische voorraadvorming (zij het met mate om excessen uit het verleden te voorkomen). Gediversifieerde inkoop, zelfs bij regionale spelers tegen een bescheiden kostentoeslag, wordt van cruciaal belang om de blootstelling aan enkelvoudige mislukkingen te beperken.

De strategische noodzaak: Voorspellend vermogen in een onzekere wereld

Ondanks het enorme groeipotentieel aarzelen CEO's om maximaal te investeren in rekenkracht vanwege de beperkte zichtbaarheid in de toekomstige vraag en de lange doorlooptijden van infrastructuurprojecten. Deze onzekerheid onderstreept de kritieke behoefte aan geavanceerde vraagplanning.

Maak kennis met AI en op Machine Learning (ML) gebaseerde vraagvoorspelling. Deze geavanceerde methodologieën zijn klaar om een revolutie teweeg te brengen in de manier waarop bedrijven hun supply chains beheren door:

• Verwerking van enorme hoeveelheden gegevens op ongeëvenaarde schaal, snelheid en verfijning.
• Real-time marktveranderingen te detecteren en opkomende trends te voorspellen.
• Het integreren van alle beschikbare gegevens - zowel interne als externe (bijv. weer, verkeer, economische indicatoren, trends in sociale media, informatie over concurrenten) - om zeer nauwkeurige vraagvoorspellingen te doen, soms met een nauwkeurigheid tot 98%.
• Het automatiseren van operationele beslissingen, zoals fulfillment en replenishment, wat voorheen onmogelijk was met starre legacy systemen.

Deze verschuiving van traditionele "deterministische planning" naar stochastische/probabilistische scenariogerichte planning stelt bedrijven in staat om rekening te houden met een scala aan mogelijke uitkomsten en risico's. Het maakt mogelijkheden zoals Demand Sensing mogelijk. Het maakt mogelijkheden mogelijk zoals Demand Sensing, dat gebruik maakt van realtime marktsignalen om de nauwkeurigheid van de voorraadplanning te verbeteren, en Demand Shaping, dat vraaglocaties voorspelt en de inkoop en productie beïnvloedt via incentives.

Een aansprekende use case uit de bronnen benadrukt de tastbare voordelen: een wereldwijde fashion retailer implementeerde AI- en ML-oplossingen, wat resulteerde in een omzetstijging van 15%, een wereldwijde voorraadvermindering van 30%, geen voorraaduitval en een algehele margeverbetering van 15%. Dit succes werd bereikt door het samenvoegen van distributiekanalen, het creëren van één overzicht van voorraden en het gebruik van modelgebaseerde besluitvorming met een hoge nauwkeurigheid in voorspellingen.

Uiteindelijk zal het vermogen om te voorspellen en te anticiperen op de vraag naar rekenkracht bepalen wie als winnaar uit de bus komt in het AI-gestuurde computertijdperk. Dit geldt niet alleen voor datacenterbeheerders, maar ook voor bedrijven in de hele AI-waardeketen, van chipfabrikanten tot leveranciers van bedrijfsoplossingen.

De toekomst in kaart brengen

De AI-revolutie is een krachtige kracht die enorme kansen, maar ook grote uitdagingen creëert. De duizelingwekkende investering van 7 biljoen dollar in datacenters getuigt van de omvang van deze transformatie. Het brengt echter ook de dringende noodzaak om de daarmee gepaard gaande energiecrisis aan te pakken en de kwetsbaarheid van een wereldwijde toeleveringsketen onder immense druk in beeld.

De weg voorwaarts vereist een meervoudige aanpak: aanhoudende innovatie in energie-efficiënte hardware en geavanceerde koeling, strategische investeringen in hernieuwbare energiebronnen en slimme netwerktechnologieën, en de wijdverspreide toepassing van AI-gestuurde vraagvoorspelling en operationele planning. Alleen door deze onderling samenhangende uitdagingen met vooruitziende blik en wendbaarheid aan te gaan, kan de wereld echt het volledige potentieel van AI benutten en ervoor zorgen dat de kracht ervan niet groter is dan onze capaciteit om deze te ondersteunen. De race is begonnen en de inzet kan niet hoger zijn.

Bronnen (alleen topbronnen)
AI Boom to Drive USD7 Trillion Global Investment in Data Centers
An Investor's Guide to the Artificial Intelligence Value Chain
CrisisAhead: Stroomverbruik in AI-datacenters
De kosten van computing: A USD 7 Trillion race to scale data centres
Duurzame energiestrategieën voor datacenters in de AI-omgeving