De ontwikkeling van kunstmatige intelligentie wordt niet langer alleen gemeten aan wie het meest geavanceerde model bezit. Het wordt steeds meer bepaald door een minder opvallende, maar veel cruciaalere vraag: wie kan de financiering dragen voor de benodigde computingkracht om deze systemen te trainen, implementeren en opschalen? In deze strijd lijken de strategieën van de Verenigde Staten en China steeds verder uit elkaar te lopen.
De VS behoudt haar voorsprong dankzij haar industriële kracht, toegang tot de nieuwste accelerators en controle over een groot deel van de software die de moderne AI ondersteunt. China daarentegen, beperkt door exportrestricties en een krappe toeleveringsketen, richt zich op meer efficiënte modellen, MoE-architecturen, nationale chips en een cultuur van productontwikkeling die gewend is te functioneren met minder hardware-marge. Deze verschillen gaan niet alleen over technologie. Ze zijn ook van geopolitieke, energie- en bedrijfsvoering aard.
VS inzet op schaal, chips en volledige controle over de stack
De Amerikaanse strategie draait om één bekend idee: wie de infrastructuur beheert, controleert een groot deel van de markt. NVIDIA heeft haar dominante positie opgebouwd niet alleen met GPUs, maar met een complete stack die accelerators, netwerken, software, bibliotheken, gevalideerde systemen en architecturen omvat voor wat het bedrijf «AI-fabrieken» noemt. Blackwell is de meest recente uiting van die visie: niet enkel als een chip, maar als een architectuur voor training, inferentie, redeneermodellen en grootschalige zakelijke implementaties.
Deze positie maakt NVIDIA ook tot spil in geopolitieke spanningen. Amerikaanse exportbeperkingen op geavanceerde chips naar China proberen de rekenkracht van Washington en haar bondgenoten te behouden. Maar volledige controle is onmogelijk. Recent berichtte Reuters op basis van Bloomberg-informatie dat Amerikaanse autoriteiten vermoeden dat servers met NVIDIA-chips via Thailand naar China zijn geëxporteerd, met Alibaba als vermeend eindbestemming. Alibaba ontkende elke relatie met de genoemde bedrijven of het gebruik van verboden GPU’s.
Een ander belangrijk terrein is de productie. De Trump-regering heeft gepleit voor het terughalen van een deel van de geavanceerde productie naar de VS, met Intel als belangrijke speler die haar relevantie wil herstellen ten opzichte van TSMC. Het voorlopige akkoord tussen Apple en Intel, gerapporteerd door Reuters op basis van het Wall Street Journal, sluit hierbij aan: het versterken van lokale productie en het diversifiëren van een te TSMC te afhankelijk keten.
In dat kader wordt ook het project «Terafab» genoemd, dat verbonden is met Elon Musk en Intel. Forbes spreekt over een initiatief van 25 miljard dollar voor het fabriceren van AI-chips, terwijl Texaanse media potentiële locaties rondom College Station noemen. Het is belangrijk deze informatie met voorzichtigheid te benaderen: er is nog geen volledige publieke bevestiging van alle betrokken partijen, en de cijfers verschillen per bron.
De logica is duidelijk: willen Tesla, xAI, SpaceX en andere Musk-projecten concurreren in autonoom rijden, humanoïde robots, AI-agenten en datacenters, dan is gegarandeerde rekenkracht noodzakelijk. Het tekort aan GPU’s en de concentratie van productie in Azië maken toegang tot silicium tot een strategische kwestie voor bedrijfseigen autonomie.
China reageert met efficiëntie, open modellen en eigen hardware
China kan niet op dezelfde manier meespelen. Amerikaanse restricties beperken toegang tot de meest geavanceerde chips en dwingen Chinese bedrijven het maximale uit elke beschikbare cyclus te halen. Daarop aansluitend ontwikkelt China een andere strategie: meer doen met minder, inferentiekosten verlagen, gebruik maken van expertarchitecturen en sneller inzetten op nationale chips zoals Huawei Ascend.
DeepSeek V4 is hier een voorbeeld van. Het bedrijf presenteerde in april 2026 de DeepSeek-V4 Preview, met Pro- en Flash-versies, in een context van tot een miljoen tokens, en een architectuur gericht op een agressieve prijs-prestatieverhouding. Het model ondermijnt niet direct de grote Amerikaanse gesloten systemen, maar drukt wel de prijzen en biedt kopers een aantrekkelijkere keuze door de kosten te verlagen.
Moonshot AI volgt een soortgelijke lijn met Kimi K2.6, een multimodaal model dat zich richt op programmeren en agents. Daarnaast brengt Anthropics Claude Opus 4.6 uit, en OpenAI kondigt GPT-5.5 aan. Dit onderstreept dat de geslotenheid nog niet afneemt; in feite neemt de moeilijkheid toe dat ook China haar modellen sluit of semi-open houdt. De kloof lijkt niet meer enkel gebaseerd op capaciteit, maar op de diepte van openheid, en daarmee op de aantrekkelijkheid voor bedrijfsgebruik.
Efficiëntie wordt essentieel. MoE-architecturen activeren slechts delen van het model per query, waardoor rekenkosten omlaag gaan. Compressie, kwantisatie, caching en kernel-verbeteringen worden net zo belangrijk als de omvang van het model. In markten waar inferentie meer kost dan training, wordt kostenbeheersing een competitief voordeel, niet een beperking.
Huawei met Ascend 910C vertegenwoordigt de andere kant van deze aanpak. De chips worden niet ondersteund door een globale software-ecosysteem zoals CUDA, noch profiteert Huawei van de meest geavanceerde fabricagecapaciteit. Toch stimuleert China de adoptie ervan, omdat het een nationale alternatief nodig heeft. Amerikaanse functionarissen erkennen dat Huawei nog altijd in volume minder is, maar waarschuwen ook dat China de AI-capaciteiten snel aan het inhalen is.
Open source is niet meer slechts filosofie
De derde frontlinie betreft open modellen. Meta betoogde jarenlang dat Llama de AI-ontwikkeling toegankelijker maakt voor meer ontwikkelaars en bedrijven. Hun officiële site vermeldt meer dan 1,2 miljard downloads, wat de enorme adoptie onder de technische gemeenschap onderstreept.
Toch is het debat complexer. De Open Source Initiative vraagt zich af of de licenties van Llama daadwerkelijk onder de strikte definitie van open source vallen, vanwege gebruiksbeperkingen en het gebrek aan volledige openheid over trainingsgegevens. Het is daarom preciezer te spreken van «gewichten met open licentie» of «modelregels onder eigen licentie» – niet van strikt open source.
Waarom zou een bedrijf haar technologie willen delen? Strategisch, is het logisch. Als een model toegankelijker wordt, verschuift waarde naar infrastructuur, data, integratie in producten en commerciële schaalbaarheid. Meta profiteert hiervan omdat het haar inkomsten haalt uit advertenties en platformen. Chinese bedrijven gebruiken open modellen om internationale adoptie te stimuleren, een community op te bouwen en hardwarenadeel te compenseren.
De markt wordt hierdoor minder gunstig voor gesloten labs. Een open of low-cost model dat 80 % van de taken afhandelt voor een fractie van de kosten, maakt het niet altijd noodzakelijk om altijd de krachtigste optie te kiezen. De keuze voor AI evolueert van een benchmark-competitie meer naar een afweging van architectuur: kosten per token, latency, privacy, data-soevereiniteit, afhankelijkheid van leveranciers en de gemakkelijke fine-tuning.
De grote vraag is niet of China’s wiskundige genialiteit de Amerikaanse industriële kracht volledig zal inhalen. Het gaat erom op welke lagen van de stack die concurrentie plaatsvindt. Amerika domineert nog steeds in accelerators, cloud, low-level software en kapitaal. China wint terrein op het gebied van efficiëntie, open modellen en kostenbeheersing. Beide krachten vormen samen een nieuw siliconenorden, waarin de meest waardevolle AI niet altijd de grootste is, maar die het best binnen een duurzame schaal kan draaien.
Veelgestelde vragen
Wat zijn de belangrijkste verschillen tussen de AI-strategieën van de VS en China?
De VS vertrouwt op geavanceerde chips, grote datacenters, propriëtaire software en controle over de gehele keten. China focust op efficiëntere modellen, MoE-architecturen, nationale chips en agressievere prijsstelling.
Waarom is NVIDIA zo belangrijk in deze race?
NVIDIA is niet alleen sterk door haar GPUs. Haar voordeel ligt in de combinatie van hardware, CUDA, netwerken, zakelijke software en compleet ontworpen systemen voor AI-datacenters.
Zijn Chinese open modellen al beter dan de gesloten modellen van de VS?
Niet per se. In sommige taken naderen ze de Amerikaanse modellen in prestaties en bieden ze betere prijs-kwaliteitverhouding, maar de gesloten modellen van OpenAI, Anthropic en Google blijven de toon zetten voor geavanceerde capaciteiten.
Is Llama van Meta echt open source?
Dat hangt af van de definitie. Meta beschouwt het als open, maar de Open Source Initiative stelt dat hun licenties niet volledig voldoen aan de strikte open-sourcecriteria vanwege gebruiksbeperkingen en het ontbreken van volledige openheid over trainingsdata. Technisch is het veiliger te spreken van modellen met open gewichten of onder propriëtaire licenties.