Waar AI tastbaar wordt: een reis langs humanoids, chips en soevereine AI in Shenzhen en Taipei

Wie wil weten waar kunstmatige intelligentie heen gaat, moet niet alleen naar software kijken, maar naar schroefjes, serverkasten en fabrieksvloeren. Dat is wat we meenamen van onze reis door Shenzhen en Taipei in november 2026. We reisden met een groep ondernemers uit Nederland, Duitsland, Zweden, Oostenrijk en de Verenigde Staten, als onderdeel van de AI Experience reis. We bezochten de elektronicamarkt Huaqiangbei, robotbouwer UBTech, NVIDIA, chipontwerper MediaTek en sensorbedrijf Ainos.

Wat we zagen, laat zich samenvatten in één verschuiving. Nu AI software in rap tempo tot een commodity maakt, verplaatst het strategische voordeel zich naar wat je kunt vastpakken: geïntegreerde hardware, eigen data uit de fysieke wereld en zeggenschap over de technologie waarop een bedrijf draait. China bouwt daarvoor de fabrieken en de robots. Taiwan bouwt de chips en de modellen, en houdt daarbij de regie nadrukkelijk in eigen hand.

Kernpunten in het kort

• Hardware is de nieuwe differentiator. Nu software een commodity wordt, verschuift het voordeel naar tastbare, geïntegreerde hardware. Shenzhen bouwt die just-in-time.
• Humanoïde robots werken zelfstandig. Bij UBTech voeren robots handelingen uit zonder remote controller. Ruim 100 fabrieken draaien batches van tientallen tot zo'n 100 eenheden, tegen 20 tot 30 bedrijven met één testexemplaar een jaar eerder.
• Fabrieksdata is schaars. UBTech heeft 800.000 uur fabrieksdata vastgelegd voor world models; brede generalisatie vraagt naar schatting een miljard uur.
• AI agents draaien relatief veel op CPU's. Daarom bouwt NVIDIA een eigen CPU-rack met 256 CPU's en een AI-fabriek van vijf soorten racks.
• Taiwan kiest voor soevereine AI. Banken en ziekenhuizen trainen samen modellen via federated learning, terwijl de data lokaal blijft.
• De kernvraag bij elke AI-investering: hoeveel zeggenschap houd je over je data, je model en de continuïteit van je bedrijf?

Waarom is Huaqiangbei in Shenzhen zo belangrijk voor hardware en AI?

Huaqiangbei laat zien dat China van ruwe schets naar werkend product kan gaan zonder op leveranciers te wachten. Onze reis begon in deze wijk van Shenzhen. Het is een elektronica-walhalla van markthallen waar we werkelijk elk schroefje, kabeltje en elke geavanceerde chip zagen liggen. Wie hier met een idee binnenloopt, heeft alles binnen handbereik om het te bouwen.

Lopend tussen de kraampjes zagen we de ware kracht van China: een razendsnel aanpassingsvermogen. De exportbeperkingen op westerse technologie, zoals de chips van NVIDIA, hebben die kracht eerder aangewakkerd dan afgeremd. Het land beweegt steeds overtuigender richting technologische zelfvoorzienendheid, en Huaqiangbei is daarvan het zichtbare bewijs.

Het hele systeem werkt just-in-time, en we zagen daarin twee doorslaggevende voordelen. Het eerste is maximale autonomie: geen afhankelijkheid van complexe, kwetsbare toeleveringsketens aan de andere kant van de wereld. Het tweede is een ongeëvenaarde time-to-market: prototypen en bouwen gebeurt op topsnelheid, zonder kostbaar tijdverlies door vertraagde leveringen.

Hier drong zich een conclusie op die de rest van de reis bleef terugkomen. Juist doordat software door AI in rap tempo een commodity wordt, verschuift het strategische voordeel. Tastbare, geïntegreerde hardware is opnieuw de ultieme differentiator, en wie die het snelst kan bouwen, heeft een voorsprong.

Hoe ver zijn humanoid robots in China? Ons tweede bezoek aan UBTech

Humanoid robots in China zijn in een jaar tijd van demonstratie naar praktijk gegaan. Dat zagen we bij UBTech, de marktleider in robotics in China. Humanoids zijn booming, in de Verenigde Staten net zo goed als in China, en bij iedere demonstratie vragen we ons af of het meer is dan een bewegende machine in een "glitterjas". Bij UBTech kregen we dit jaar een concreter antwoord dan ooit.

Het was ons tweede bezoek in twee jaar tijd, en juist die herhaling maakte de ontwikkeling voor ons zichtbaar. De robots voeren nu daadwerkelijk zelfstandig handelingen uit, zonder dat iemand met een remote controller de bediening doet.

Ook de schaal is gekanteld. Waar vorig jaar 20 tot 30 bedrijven experimenteerden met één testexemplaar, testen of draaien nu ruim 100 fabrieken batches van tientallen tot zo'n 100 eenheden tegelijk. Als we dat vergelijken met de Amerikaanse concurrent Figure AI, is onze conclusie dat de ontwikkeling in een enorme versnelling zit.

De tweede verschuiving die we zagen, zit onder de motorkap. De world models, de "taalmodellen voor de fysieke wereld", worden betrouwbaarder en krachtiger. UBTech heeft inmiddels 800.000 uur aan fabrieksdata vastgelegd.

Dat is nog ver verwijderd van het geschatte miljard uur dat nodig is voor brede generalisatie. Maar het is direct toepasbare data, en precies die data missen softwarebedrijven zonder fabrieksvloer. Wie de fabriek heeft, heeft de dataset.

Wat is "het Chinese denken" achter de opmars van robots?

Chinese techbedrijven worden geleid door bouwers en sturen op de lange termijn. Om te begrijpen hoe humanoids en robots zich verder gaan ontwikkelen, vinden we het belangrijk dat Chinese denken te begrijpen. Twee kenmerken vielen ons tijdens de bezoeken steeds opnieuw op.

Chinese bedrijven worden gerund door techneuten: echte bouwers, en veel minder door marketeers en investeerders. Producten bouwen en techniek zijn de drijfveer, niet de presentatie.

Daarnaast denken Chinezen veel verder vooruit. In Europa zijn we geneigd bedrijven te beoordelen op hoe goed ze op korte termijn presteren. In China zagen we een focus op de lange termijn, en dat bepaalt welke investeringen logisch zijn.

De "building blocks" voor humanoids zijn in de maak: de world models, de fabrieksdata en de toeleveringsketen van Shenzhen. Wij verwachten dat er een moment komt waarop dit allemaal samenkomt in een waardevol massaproduct. Wanneer precies, zal de tijd leren.

Waarom bouwt NVIDIA een eigen CPU? Wat we zagen in Taipei

NVIDIA bouwt een eigen CPU omdat AI agents vooral CPU-werk doen en de dure GPU anders stilstaat. In Taiwan was de toon anders dan in Shenzhen: minder schaal, meer precisie. In Taipei stonden we bij NVIDIA, het bedrijf dat groot werd met GPU's, voor een rack vol CPU's: 256 stuks in één serverkast van twee meter hoog. De vraag lag voor de hand: waarom zou een GPU-bedrijf dat doen?

Het antwoord zit in hoe AI agents werken. Agents doen relatief weinig GPU-werk, en er wordt overschat hoeveel GPU's een gemiddeld bedrijf nodig heeft. Een agent denkt kort (GPU) en werkt dan lang (CPU): een order opzoeken, een document lezen, wachten op een ander systeem. Dan denkt hij weer kort. Zo gaat het honderden keren, en de dure GPU staat intussen stil.

NVIDIA's antwoord is daarom niet één soort rack, maar vijf. Eén voor denken (GPU), één voor doen (CPU), één voor snelheid, één voor geheugen en één voor het netwerk. Samen vormen ze één AI-fabriek.

De agent wisselt honderden keren per taak tussen kort denken op de GPU en lang werken op de CPU; de vijf racks onderin zijn het antwoord van NVIDIA op dat patroon.

Voor bedrijven die agents inzetten, zien wij hierin een nuchtere les. Hun rekenbehoefte lijkt niet op die van modeltraining: ze vragen vooral om CPU-capaciteit, geheugen en snelle verbindingen, en om minder GPU's dan vaak wordt aangenomen.

Wat is federated learning en hoe gebruikt Taiwan het?

Met federated learning trainen Taiwanese bedrijven samen AI-modellen, terwijl hun data binnen de eigen organisatie blijft. De behoefte aan regie liep als een rode draad door al onze bezoeken in Taiwan. Het eiland bouwt eigen, lokale en daarmee soevereine taalmodellen, en combineert die met federated learning. Wij vinden dat uniek, en wat ons betreft een voorbeeld voor Europa.

Hoe dat werkt, zagen we bij de banken. Taiwanese banken trainen gezamenlijk AI om fraude te herkennen. Iedere bank gebruikt haar eigen transactiedata en deelt alleen de modelaanpassingen. Zo profiteren banken van elkaars inzichten, terwijl de oorspronkelijke klantgegevens lokaal blijven.

Ziekenhuizen doen hetzelfde om AI te trainen die tumoren op hersenscans helpt herkennen. Samen leren, zonder patiëntgegevens centraal te verzamelen.

Daarachter zit een nuchtere observatie: voor veel toepassingen is het beste model helemaal niet nodig. Een kleiner, gespecialiseerd model kan goedkoper en sneller zijn, en je kunt het onder eigen beheer inzetten. Door collectief te trainen met behoud van IP en bedrijfsdata ontstaan krachtige alternatieven voor gesloten frontier LLM's.

Hoe houden MediaTek en Ainos regie over de AI-hardwarestack?

MediaTek en Ainos bezetten elk een eigen plek in de AI-hardwarestack en houden daar de regie. Bij MediaTek zagen we dat de chipontwerper chips op maat ontwikkelt waarbij klanten hun eigen ontwerpen kunnen inbrengen. Daarmee houden zij meer invloed op de technologie waarop hun AI draait.

Bij Ainos kreeg AI letterlijk een neus. Sensoren in chipfabrieken meten chemische stoffen in de lucht om afwijkingen te signaleren. Zo ontstaat een eigen databron uit de fysieke wereld, in feite een LLM voor geuren.

Het patroon dat wij steeds zagen: Taiwan is een koning in het vinden van unieke sweet spots in de AI-hardwarestack. Niet concurreren met de grootste modellen, maar een onmisbaar onderdeel van de keten bezetten en daar de regie houden.

Wat betekent dit voor Europese ondernemers?

Onze belangrijkste les: bij iedere AI-investering hoort de vraag hoeveel zeggenschap je houdt over je data, over aanpassingen aan het model en over de continuïteit van je bedrijf. Die vraag kwam bij elk bezoek terug, en ze is minder technisch dan ze klinkt.

Shenzhen beantwoordt die vraag met een eigen, just-in-time toeleveringsketen en met fabrieken die hun eigen data produceren. Taiwan beantwoordt haar met soevereine modellen, chips op maat en databronnen uit de fysieke wereld. In beide gevallen zagen we dat regie geen bijzaak is, maar het uitgangspunt van de strategie.

Voor ons als Europese ondernemers houdt deze reis een spiegel voor. Beoordeel AI-leveranciers niet alleen op prijs en prestaties, maar op wie de data, het model en de continuïteit beheerst. Overweeg kleinere, gespecialiseerde modellen onder eigen beheer, en kijk naar branchegenoten om samen te trainen zoals de Taiwanese banken doen. En reken na hoeveel GPU's je werkelijk nodig hebt, want agents werken vooral op CPU's.

Wat daaronder ligt, is moeilijker te kopiëren: bedrijven die door bouwers worden geleid en die op de lange termijn sturen. Humanoid robots zijn daarvan het zichtbaarste voorbeeld. De building blocks komen samen, en wat ons betreft is de vraag niet of, maar wanneer. Time will tell.

Veelgestelde vragen over de AI Experience reis

Wat is de AI Experience reis?

De AI Experience reis is een studiereis voor ondernemers naar AI- en hardwarebedrijven in Azië. De editie van 2026 ging naar Shenzhen (China) en Taipei (Taiwan), met een groep ondernemers uit Nederland, Duitsland, Zweden, Oostenrijk en de Verenigde Staten.

Welke bedrijven en plekken bezochten we in China en Taiwan?

In Shenzhen de elektronicamarkt Huaqiangbei en robotbouwer UBTech. In Taiwan NVIDIA in Taipei, chipontwerper MediaTek en sensorbedrijf Ainos, aangevuld met sessies over soevereine taalmodellen en federated learning bij Taiwanese banken en ziekenhuizen.

Waarom is Huaqiangbei in Shenzhen belangrijk voor AI en hardware?

Huaqiangbei is de grootste elektronicamarkt ter wereld. Elk onderdeel, van schroefje tot geavanceerde chip, is er direct verkrijgbaar. Dat maakt prototypen en produceren just-in-time mogelijk, met maximale autonomie en een ongekend korte time-to-market.

Hoe ver zijn humanoid robots in China?

Bij UBTech voeren humanoid robots zelfstandig handelingen uit, zonder remote controller. Ruim 100 fabrieken testen of draaien batches van tientallen tot zo'n 100 eenheden, tegenover 20 tot 30 bedrijven met één testexemplaar een jaar eerder. UBTech heeft 800.000 uur fabrieksdata vastgelegd om world models te trainen.

Waarom bouwt NVIDIA een eigen CPU?

Omdat AI agents kort denken (GPU) en lang werken (CPU): een order opzoeken, een document lezen, wachten op een ander systeem. De dure GPU staat intussen stil. NVIDIA bouwt daarom vijf soorten racks (GPU, CPU, snelheid, geheugen, netwerk) die samen één AI-fabriek vormen. In Taipei stond een rack met 256 CPU's.

Wat is federated learning en hoe gebruikt Taiwan het?

Federated learning is een manier om samen een AI-model te trainen zonder data te delen. Elke deelnemer traint op eigen data en deelt alleen de modelaanpassingen. Taiwanese banken gebruiken dit voor fraudedetectie, ziekenhuizen voor het herkennen van tumoren op hersenscans.

Wat is de belangrijkste les van de reis voor Europese bedrijven?

Bij iedere AI-investering hoort de vraag hoeveel zeggenschap je houdt: over je data, over aanpassingen aan het model en over de continuïteit van je bedrijf. Kleinere, gespecialiseerde modellen onder eigen beheer en samenwerking via federated learning zijn krachtige alternatieven voor gesloten frontier LLM's.

Begrippenlijst

Begrip	Betekenis
Humanoid robot	Robot met een mensachtige vorm (romp, armen, benen) die taken in een menselijke omgeving kan uitvoeren, zoals in een fabriek
World model	"Taalmodel voor de fysieke wereld": een AI-model dat leert hoe objecten, krachten en handelingen zich gedragen, getraind op praktijkdata zoals fabrieksuren
Federated learning	Samen een AI-model trainen waarbij elke deelnemer op eigen data traint en alleen modelaanpassingen deelt; de brondata blijft lokaal
Soevereine AI	AI-modellen en -infrastructuur die een land of organisatie zelf beheert, zonder afhankelijkheid van buitenlandse of gesloten aanbieders
Frontier LLM	Het grootste en meest geavanceerde type taalmodel, meestal gesloten en aangeboden door een beperkt aantal partijen
AI agent	AI-toepassing die zelfstandig meerstapstaken uitvoert: kort redeneren op een GPU, lang uitvoeren op een CPU
AI-fabriek	NVIDIA's term voor een datacenter dat is opgebouwd uit gespecialiseerde racks voor GPU, CPU, snelheid, geheugen en netwerk
GPU en CPU	GPU: processor voor parallel rekenwerk zoals AI-modellen; CPU: processor voor algemeen werk zoals systemen bevragen en documenten verwerken
Just-in-time	Productiefilosofie waarbij onderdelen precies op het moment van gebruik beschikbaar zijn, zonder grote voorraden of lange levertijden
Huaqiangbei	Elektronicawijk in Shenzhen, de grootste elektronicamarkt ter wereld
Time-to-market	De tijd tussen idee en marktintroductie van een product