Waarom de toekomst van AI valt of staat met duurzame energie

De toekomst van kunstmatige intelligentie lijkt grenzeloos maar de energie die het kost om deze toekomst te bouwen, is dat allesbehalve. Tijdens een paneldiscussie in San Francisco met onder meer Constantijn van Oranje, investeerders, chipdesigners en ondernemers werd één thema pijnlijk duidelijk: AI schaalt sneller dan ons energienet aankan.

Het energievraagstuk van schaalbare intelligentie

AI-modellen worden niet alleen groter, maar ook slimmer. We bewegen van generatieve AI (die tekst en beeld produceert) naar redenerende modellen systemen die beslissingen nemen, taken uitvoeren en uiteindelijk fysieke handelingen aansturen. Denk aan robots, zelfrijdende auto’s of chirurgische assistenten. Maar deze verschuiving vraagt om drie tot vijf keer meer rekenkracht dan de huidige foundation models.

En rekenkracht betekent energie. Veel energie.

Een schatting die tijdens het panel werd genoemd: als OpenAI zijn huidige groeipad doorzet, heeft het bedrijf in 2033 evenveel energie nodig als het land India. Dat is geen dystopische overdrijving het is een reëel scenario als we blijven schalen op de manier waarop we nu werken.

Chips, fotonica en geheugen dichtbij de processor

De hardwarewereld voelt de druk. Zoals een van de sprekers het tefeend noemde: “De meeste energie gaat niet naar het rekenen zelf, maar naar het verplaatsen van data.” Daarom wordt gewerkt aan nieuwe architecturen waarin geheugen dichter bij de rekenkern wordt geplaatst, en aan optische interconnecties via fotonica om dataverkeer sneller en energiezuiniger te maken.

Ook aan de koelingskant vinden innovaties plaats: van vloeistofkoeling tot nieuwe materialen die warmte beter afvoeren. Toch is de consensus dat deze verbeteringen incrementeel zijn en dat er iets fundamenteel anders moet gebeuren om de energievraag echt te doorbreken.

De energiebubbel: het nieuwe plafond van innovatie

Fabrizio del Maffeo, CEO van Axelera AI schetste een ander beeld: niet de AI-bubbel, maar de energiebubbel zal barsten. In Taiwan bijvoorbeeld bereikt de energievoorziening haar limiet, terwijl de vraag naar datacentercapaciteit exponentieel groeit. In de VS verbruiken datacenters inmiddels meer dan 5% van de nationale elektriciteit een percentage dat snel stijgt.

AI heeft dus niet alleen een compute-probleem, maar een energieplafond.

Nieuwe architecturen, oude wetten

Toch is er optimisme. Nieuwe chiparchitecturen, zoals het Mamba-model en kwantisatie-technieken (waarbij berekeningen op lagere precisie worden uitgevoerd), zorgen voor enorme efficiëntieslagen. Waar Nvidia’s oude GPU’s werkten met 32-bit berekeningen, draaien moderne AI-chips al op 8-bit of lager, met minimale kwaliteitsverlies.

Dat betekent dat modellen kleiner en energiezuiniger kunnen worden, zonder dat hun prestaties dalen. Bovendien ontstaan er nieuwe hardwarecategorieën, specifiek afgestemd op taken van edge devices tot gespecialiseerde AI-accelerators.

Zonne-energie, batterijen en gelijkstroom

Ondernemer en investeerder Sid Sijbrandij van Gitlab en Kilo Code legde een belangrijk punt op tafel: technologie alleen lost het energievraagstuk niet op. De energie-infrastructuur zelf moet opnieuw worden ontworpen.

Zijn visie: de toekomst is zon en batterijen. Fusiereactoren zijn te ver weg, kernenergie te traag om te bouwen. Zonne-energie biedt wél schaalbaarheid, mits we het slim aanpakken.

Zijn plan:

• Dag/nachtcyclus: bufferen via batterijen.
• Seizoenscyclus: overproduceren in de zomer, en die energie via opslag of conversie (bijvoorbeeld in brandstoffen) beschikbaar maken in de winter.
• Nieuwe infrastructuur: overschakelen van wisselstroom (AC) naar gelijkstroom (DC), rechtstreeks van zonnepanelen naar batterijen en AI-accelerators zonder omzettingsverlies.

Volgens hem ligt de sleutel niet in meer energie, maar in minder verspilling.

Wat nu?

De wedloop om kunstmatige intelligentie te schalen is een race tussen software-innovatie, hardware-architectuur en energie-efficiëntie.
De toekomst van AI zal niet alleen bepaald worden door wie de slimste modellen traint, maar door wie ze het meest duurzaam kan voeden.

De conclusie uit San Francisco: “De grootste doorbraak in AI zal niet uit Silicon Valley komen, maar uit een energiecentrale.”

Update juni 2026: meer transparantie, scheve verdeling

Twee recente publicaties scherpen het beeld van AI's milieudruk verder aan.

VN-rapport over de milieukost van AI (juni 2025). Onderzoekers van een denktank van de Verenigde Naties stellen vast dat AI vorig jaar al goed was voor ongeveer een vijfde van het stroomverbruik van datacenters, en dat het watergebruik substantieel hoger ligt dan eerdere schattingen van het Internationaal Energieagentschap. Bovendien staat circa 90% van de wereldwijde AI-rekenkracht in China en de Verenigde Staten, terwijl landen in Zuid-Amerika en Afrika vooral de lasten dragen via grondstofwinning en klimaatschade. Energie-efficiëntere AI helpt maar beperkt: door het Jevons-effect daalt de prijs en stijgt het gebruik weer. Bron: NOS over het UNU-rapport.

Amazon onthult voor het eerst zijn waterverbruik (juni 2026). Amazons datacenters verbruikten in 2025 wereldwijd 2,5 miljard gallon water (circa 9,5 miljard liter), oftewel 0,12 liter per kWh 2% minder dan in 2024 ondanks groei. Amazon stelt dat zijn datacenters circa 90% van de tijd op luchtkoeling draaien en alleen tijdens de heetste uren overschakelen op verdampingskoeling. Belangrijke kanttekening: dit cijfer telt het indirecte waterverbruik bij elektriciteitsopwekking en bij de bouw van datacenters niet mee. Bron: The Verge Amazon's data centers used 2.5 billion gallons of water last year.

De rode draad: meer openheid van techbedrijven helpt, maar de absolute milieudruk groeit door. Bewust modellen kiezen, leveranciers om water- en CO2-cijfers vragen en verder kijken dan de meterstand binnen het datacenter blijven essentieel.

// Over de auteur

Remy Gieling

Mede-oprichter, AI-expert & bestseller-auteur

Tech-expert (1988) gespecialiseerd in kunstmatige intelligentie en mede-oprichter van ai.nl, The Automation Group, Proxies en eBrain.ai. Oud-hoofdredacteur van diverse zakenmerken en daardoor een geoefend verteller op het podium en in de media. Verzorgt jaarlijks 150+ AI-keynotes in binnen- en buitenland en is gastdocent aan Nyenrode. Co-auteur van zeven boeken, waaronder 'Handboek AI Strategie' en 'AI Agents', en bekend als presentator op radio en RTL Z. Reist langs de labs van OpenAI, Nvidia en Tencent en vertaalt de nieuwste doorbraken naar inzichten die leiders direct kunnen toepassen.

LinkedIn