De acceleratiechip NVIDIA A100, geïntroduceerd in 2020 en sindsdien overtroffen door meerdere generaties AI-GPU’s, zal inkomsten blijven genereren voor CoreWeave tot 2029. Het bedrijf heeft bevestigd dat een contract is afgesloten dat commercieel gebruik van deze chips verlengt tot negen jaar na de lancering. Dit werpt twijfel op een van de grote zorgen rondom de massa-investeringen in AI-infrastructuur: dat hardware within enkele jaren verouderd raakt in economische termen.
De kern van de levensduur van AI-GPU’s in 20 seconden
- CoreWeave heeft een contract afgesloten om A100 GPU’s te gebruiken en te huren tot 2029.
- Ampere kwam op de markt in 2020, dus sommige A100’s zullen nog negen jaar inkomsten blijven genereren.
- Oudere GPU’s vinden een plek in inferentie, model-fijnstelling en andere minder veeleisende taken.
- Beschikbare elektriciteit, koeling en CUDA-resources verlengen ook hun economische levensduur.
Het nieuws gaat verder dan enkel een tweede leven voor een specifiek model. De afgelopen jaren hebben investeerders en datacenteroperators geprobeerd in te schatten hoe lang een AI-GPU nog rendabel kan blijven, terwijl NVIDIA en AMD hun schema’s versnellen en bijna elk jaar nieuwe architecturen presenteren.
De A100 biedt nu een concrete referentie: een GPU kan stoppen de nieuwste optie te zijn voor het trainen van de grootste modellen op de markt, maar nog steeds uitstekend inzetbaar blijven voor andere taken.
Een GPU uit 2020 die nog steeds marktaanbod heeft
NVIDIA introduceerde de Ampere-architectuur en de A100 in mei 2020. Sindsdien zijn Hopper, Blackwell en nieuwe platforms verschenen die het beschikbare prestatieniveau voor bepaalde AI-taken verder hebben verhoogd.
Dit zou kunnen doen denken dat een A100 weinig plek heeft in een modern datacenter. De markt toont echter aan dat de situatie veel complexer is.
Tijdens de presentatie van haar resultaten over het tweede kwartaal van 2026 meldde CoreWeave dat ze capaciteit voor A100 GPU’s heeft kunnen reserveren tot 2029. Financieel directeur Nitin Agrawal benadrukte dat vorige generaties GPU’s stabiele prijzen houden, terwijl CEO Mike Intrator aangeeft dat er nog steeds vraag is naar deze platforms.
De marktprijzen voor verhuur tonen dit deels aan. Silicon Data houdt een specifieke index voor de A100 en beschouwt deze nog steeds als een breed gebruikte GPU voor inferentie, fine-tuning en kostengevoelige training. Data laat zien dat er nog altijd een actieve markt is, zelfs zes jaar na de lancering.
Dit betekent niet dat de prijs gedurende de hele levenscyclus constant blijft. Een analyse door J.P. Morgan begin 2026 meldde dat de huurtarieven voor GPU’s op cloud- en hyperscale-netwerken met 20-25% waren gedaald ten opzichte van het jaar ervoor. Tegelijkertijd waarschuwde het rapport dat de A100 nog steeds vaak werd gebruikt en dat marges positief bleven na de eerste twee of drie jaar.
Hier komt een belangrijk onderscheid naar voren tussen technologische depreciatie en economische veroudering.
Een A100 kan in waarde dalen en minder geschikt zijn voor bepaalde taken zonder dat deze onmiddellijk een waardeloos actief wordt.
Niet alle AI-belastingen vereisen Blackwell of Rubin
De ontwikkeling van modellen helpt ook om het nuttige gebruik van bestaande hardware te verlengen.
Quantisering, efficiëntere kernels, geheugenoptimalisatie, compilers en softwareverbeteringen maken het mogelijk om bepaalde loads met minder resources uit te voeren. Het CUDA-ecosysteem ontwikkelt zich ook, waardoor oudere hardware ondersteund blijft op een gemeenschappelijk softwareplatform.
Hierdoor ontstaat een infrastructuurniveaustructuur die lijkt op die van servers, bestaande uit meerdere lagen van prestaties en kosten.
De nieuwste platforms worden gereserveerd voor grensverkennende modeltraining en workloads waar prestatie, geheugen, bandwidth of verbruik per bewerking de kosten rechtvaardigen. Oudere generaties kunnen beter worden ingezet voor inferentie, dataverwerking, kleine modellen, fine-tuning of zakelijke workloads waar absolute prestaties minder relevant zijn dan kosten.
Silicon Data plaatst de A100 momenteel als een keuze met lagere kosten in vergelijking met de H100 en B200, juist vanwege deze redenen. In hun index blijven oudere generaties populair voor inferentie en model-fijnstelling, terwijl een deel van de training verschuift naar nieuwere accelerators.
Daarnaast spelen fysieke beperkingen een rol.
Het vervangen van een GPU-generatie is vaak niet simpelweg het vervangen van een server. Moderne AI-platforms vragen vaak veel meer kracht per rack, vloeibare koeling, nieuwe netwerken en aanpassingen in de elektrische distributie.
Tom’s Hardware benadrukt dat bijvoorbeeld systemen met DGX A100’s die op luchtkoeling werken circa 6,5 kW verbruiken, terwijl moderne configuraties zoals GB200 en GB300 de rackbehoefte kunnen verhogen tot ongeveer 120-140 kW.
Een datacenter dat is ontworpen voor traditionele racks kan niet zomaar de dichtheid verhogen door nieuwe GPU’s toe te voegen, zonder ingrijpende veranderingen.
Dit schept een economische ruimte om oudere hardware te blijven gebruiken, zolang het niet de moeite waard is om de hele elektrische en thermische infrastructuur te vernieuwen.
De A100 test de financiële waarde van GPU-investeringen
De operationele levensduur van GPU’s heeft grote financiële implicaties.
De bouw van AI-infrastructuur kost honderden miljarden dollars. Servers en accelerators worden direct gekocht, maar ook gefinancierd via schuld, leasing en andere structuren die afhankelijk zijn van de verwachte toekomstige waarde van het hardwarevermogen.
Een GPU van $30.000 die na twee jaar geen inkomsten meer oplevert, heeft totaal een andere financiële betekenis dan een actief dat zes of negen jaar kan blijven werken, ook al daalt de opbrengst gedurende die periode.
Daarom houdt NVIDIA vast aan een visie waarbij AI-infrastructuur als een activum op lange termijn wordt beschouwd.
Het bedrijf werkt samen met financiële grootheden zoals BlackRock, Blackstone, Brookfield, Goldman Sachs, KKR en Apollo, onder andere aan mechanismen om tot 500 miljard dollar voor AI-infrastructuur te mobiliseren. De economische levensduur van GPU’s is daarbij een kritieke variabele.
Het contract van CoreWeave ondersteunt dat streven, maar bewijst niet dat alle GPU’s negen jaar lang rendabel blijven.
Toekomstige vraag, elektriciteitsprijzen, prestatieverbeteringen per watt en de evolutie van modellen kunnen zeer verschillende resultaten opleveren, afhankelijk van de generatie hardware.
Er bestaat ook een risico dat een overvloed aan oudere accelerators de prijzen onder druk zet.
Van de snelste GPU naar een portefeuille van generaties
De meest intrigerende impact ligt mogelijk in hoe AI-datacenters worden ontworpen.
Tot nu toe lag de focus vaak op het verkrijgen van de nieuwste GPU. Maar operators met voldoende schaalgrootte kunnen economisch aantrekkelijker uit zijn door tegelijkertijd meerdere generaties te beheren.
Blackwell of Rubin kunnen worden gebruikt voor de meest veeleisende workloads, Hopper blijft inzetbaar voor andere high-performance taken, en Ampere kan blijven werken waar kosten per uur het belangrijkst zijn.
Zo’n aanpak verlengt de rendementstermijn van de initiële investering en voorkomt dat nog werkende servers worden vervangen. Het vermindert ook de druk op de toeleveringsketen, die nog steeds afhankelijk is van de beschikbaarheid van geavanceerd geheugen, packaging, netwerk- en energie-infrastructuur.
Ook de verhuurmarkt reflecteert deze segmentatie. Eind juli lieten indices van Silicon Data zien dat de prijzen voor A100, H100, H200, B200 en MI300X verschillen. Dit duidt erop dat de AI-computermarkt zich ontwikkelt naar een niveau van uiteenlopende performance- en prijsklassen, niet simpelweg het automatisch vervangen van elke oude generatie.
De A100 zal waarschijnlijk niet meer de GPU zijn die iedereen wil bemachtigen — en dat is ook niet nodig.
Als CoreWeave erin slaagt deze nog tot 2029 te blijven huren, is dat bijna tien jaar na introductie. Voor een technologische component die in een van de snelst evoluerende industriecycli werd geïntroduceerd, betekent dat een aanzienlijke verandering in de discussie over de daadwerkelijke levensduur van een AI-GPU.
Veelgestelde vragen
Tot wanneer zal CoreWeave NVIDIA A100 gebruiken?
CoreWeave heeft een contract dat de capaciteit op basis van de NVIDIA A100 tot 2029 behoudt, negen jaar na de lancering van de Ampere-architectuur in 2020.
Waarom blijft een NVIDIA A100 in 2026 nog nuttig?
Hoewel er snellere GPU’s beschikbaar zijn, blijft de A100 geschikt voor inferentie, fine-tuning en verwerking waar kosten belangrijker zijn dan de allernieuwste architectuur.
Kan een oude GPU nog steeds winstgevend zijn?
Ja, mits er voldoende gebruik is en de opbrengsten de energies-, operationele en onderhoudskosten overtreffen. Het contract van CoreWeave toont aan dat sommige klanten nog steeds economisch waarde hechten aan de A100 op lange termijn.
Waarom niet alle A100’s vervangen door Blackwell of nieuwere GPU’s?
Naast de hardwarekosten vereisen nieuwe platformen vaak veel meer elektriciteit, vloeistoffenkoeling en andere infrastructuuraanpassingen. Het upgraden van een GPU betekent vaak ook het aanpassen van hele racks of zelfs datacenters.