De mogelijke beslissing van China om buitenlandse toegang tot haar geavanceerde kunstmatige intelligentiemodellen te beperken, is geen zakelijke anekdote. Het is een bijkomende aanwijzing dat basismodellen niet langer slechts digitale producten zijn, maar strategische infrastructuur worden.
De afgelopen jaren bouwden veel Europese bedrijven hun eerste AI-projecten op een comfortabele hypothese: er zal altijd een Amerikaanse API beschikbaar zijn, er zullen open of goedkope Chinese modellen getest kunnen worden, en het zal mogelijk zijn om zonder al te veel geopolitieke consequenties het beste model van dat moment te kiezen. Die fase verloopt nu.
De Verenigde Staten hebben al aangetoond dat ze chips, accelerators, toegang tot modellen of geavanceerde capaciteiten kunnen beperken uit veiligheidsredenen. China volgt mogelijk een vergelijkbare logica: beschermen van haar krachtigste modellen, het verminderen van internationale blootstelling en het reserveren van bepaalde capaciteiten voor haar eigen economie. Europa krijgt hiermee een ongemakkelijk, maar waardevol signaal: regelgeving voor AI is niet voldoende als je geen controle hebt over een cruciaal deel van de hele stack.
Het model is ook infrastructuur
In cloud, cybersecurity en telecommunicatie spreekt Europa al jaren over digitale soevereiniteit. In AI kwam dat debat later op gang vanwege de snelle marktontwikkelingen en de grote labs die resultaten aanboden die moeilijk te evenaren waren. Maar zodra modellen in kritieke processen gaan integreren, wordt toegang geen luxe meer, maar afhankelijkheid.
Een fundamenteel model is niet slechts een chatbot. Het vormt de redeneerlaag die verbonden kan worden met interne documentatie, code, tickets, klantgegevens, administratieve processen, financiële analyses, support, industriële operaties, onderwijs, gezondheidszorg of defensie. Als deze laag volledig afhangt van leveranciers die onder politieke beslissingen van derde landen vallen, heeft de gebruiker geen echte controle over haar architectuur.
Het probleem is niet het gebruik van Amerikaanse of Chinese modellen. Het probleem is het ontbreken van alternatieven.
Technisch gezien moet AI voor ondernemingen worden ontworpen volgens dezelfde principes als andere kritieke infrastructuur: draagbaarheid, redundantie, observatie, kostencontrole, beveiliging, reversibiliteit en governance. De keuze voor een model mag niet een informele afweging door elk team of ontwikkelaar zijn. Het moet geïntegreerd worden in een infrastructuur.
| Laag in de AI-stack | Risico op afhankelijkheid | Technische aanpak |
|---|---|---|
| Fundamenteel model | Afhankelijke toegang, prijsverhogingen, beleidswijzigingen | Draagbaarheid en meerdere aanbieders |
| Eigen API | Functionele blokkering en SDK-afhankelijkheden | Open-standaard abstracties en compatibiliteit zoals bij OpenAI/Anthropic |
| Gevoelige data | Juridische of geopolitieke blootstelling | Privé RAG, Europese of lokale implementatie |
| Inferentie | Variabele kosten en latency | Eigen modellen, open source of privé cloud |
| Evaluatie | Onzekerheid welk model voor welke taak | Interne benchmarks en voortdurende evaluatie |
| Agents | Ongecontroleerde uitgaven door iteraties | Routing, lichte modellen en taakgebonden limieten |
Open source betekent niet automatisch soevereiniteit
De opkomst van open modellen was een van de beste nieuwsberichten voor de sector. Qwen, DeepSeek, GLM, Llama, Mistral en anderen bewijzen dat niet alle waarde opgesloten zit in gesloten API’s. Maar openheid mag niet gelijkgesteld worden met soevereiniteit.
Een model met open gewichten kan gedownload worden, aangepast en op eigen infrastructuur draaien, wat veel meer flexibiliteit biedt dan een gesloten API. Maar er blijft een volledige keten nodig: hardware, datacenters, efficiënte inferentie, tooling, MLOps, evaluatie, beveiliging, support, updates, documentatie, talent en schaalbaarheid.
Als het model uit China komt en morgen wordt de toegang tot nieuwe versies, training, documentatie, bijbehorende diensten of grotere versies beperkt, verdwijnt afhankelijkheid niet volledig. Als het uit de VS komt en de licentie, API of beschikbaarheid verandert, gebeurt hetzelfde. Daarom heeft Europa meer nodig dan alleen “open source gebruiken”. Het moet eigen, of ten minste sterk afgestemde, modellen ontwikkelen, trainen, inzetten en onderhouden.
Mistral AI is het meest zichtbare Europese voorbeeld, maar kan niet alleen de volledige AI-soevereiniteit van het continent dragen. Meer actoren, meer specialisatie, hogere investeringen, meer bedrijfsadoptie en meer infrastructuur voor training en deployment zijn noodzakelijk.
De Europese architectuur moet hybride zijn
Het antwoord ligt niet in het afsluiten van een Europese bubble of het verbieden van buitenlandse modellen. Vanuit technisch oogpunt is dat absurd. De beste frontier-modellen blijven noodzakelijk voor complexe redeneerprocessen, onderzoek, geavanceerde programmering, multimodale analyses, planning en autonome agents.
Maar niet alle taken vereisen een frontier-model. Veel zakelijke workloads zijn repetitief, afgebakend en gevoelig voor kosten of privacy: documentclassificatie, veldextractie, interne zoekopdrachten, samenvattingen, medewerkerondersteuning, ticketanalyse, RAG over bedrijfskennis, configuratiecontrole, interne vertalingen of het genereren van drafts.
Voor deze taken is een hybride architectuur zinvol:
| Taaktype | Aangeraden model |
|---|---|
| Gevoelige of gereguleerde gegevens | Europees, privaat of self-hosted model |
| Herhalende taken met hoog volume | Licht, betaalbaar en controleerbaar model |
| Eigen RAG | Open of Europees model met eigen infrastructuur |
| Geavanceerde redenatie | Externe frontier-model, indien waardevol |
| Bedrijfseigen agents | Routing tussen verschillende modellen per fase |
| Softwareontwikkeling | Combinatie van lokaal model, privé cloud en het beste model als reviewer |
Deze architectuur vereist een beslissingslaag die veel bedrijven nog niet bezitten: een AI-gestuurde beslissingslaag. Het gaat niet alleen om het aanroepen van een API. Het gaat om het automatisch bepalen welk model voor elke taak het meest geschikt is, met welk budget, welke context, welke gegevens en welk auditeniveau.
In de praktijk betekent dit het bouwen of adopteren van AI-gateways, interne modelcatalogi, evaluatiesystemen, kostenbeheer per taak, fallback-opties, databeleid en private deployments waar nodig.
Europa moet modellen verplaatsen, niet alleen reguleren
Europa heeft bewezen dat het in staat is om regelgevingskaders te creëren. Het AI Act is het meest duidelijke bewijs. Maar het verkrijgen van soevereiniteit bereik je niet alleen door regels op te leggen aan ontwikkelaars of gebruikers van AI. Het gaat erom de daadwerkelijke capaciteit te hebben om AI op eigen grondgebied uit te voeren, met eigen leveranciers, concurrerende modellen en een robuuste industrie.
Dit betekent datacenters voorbereid voor AI, competitieve energie, toegang tot GPU’s en accelerators, lage-latentie netwerken, privé cloud, Europese inferentie-aanbieders, expertise in training en finetuning, en praktische toepassingen in bedrijven en overheden.
Het houdt ook in dat overheidsopdrachten intelligenter moeten worden. Als een Europees bestuursorgaan alleen AI aankoopt bij niet-Europese leveranciers omdat zij de enige passende, gesloten producten leveren, blijft echte soevereiniteit een loze slogan. Als het strenge eisen stelt voor draagbaarheid, Europese deployment, auditmogelijkheden, open modellen waar nodig en vervangbaarheid, zal de markt zich aanpassen.
Hetzelfde geldt voor bedrijven. Een bedrijf dat AI integreert zonder rekening te houden met uitwisseling, compatibiliteit en alternatieven, herhaalt bekende fouten uit cloud, enterprise-software en virtualisatie: te afhankelijk worden van een kritieke laag en pas de kosten van een switch ondervinden wanneer het te laat is.
De technische stack van een minder afhankelijke AI
Een degelijke Europese strategie moet de volledige stack aanpakken, niet alleen het model:
| Component | Wat Europa moet versterken |
|---|---|
| Modellen | Fundamenteel, gespecialiseerd, meertalige en sectorale modellen |
| Data | Kwalitatieve, legale, auditabele en Europese datasets |
| Inferentie | Efficiënte platforms in privé cloud, edge en bare-metal omgevingen |
| Hardware | Toegang tot GPU’s, accelerators en goed uitgeruste datacenters |
| Orkestratie | Agents, tools, RAG en bedrijfskoppelaars | Veiligheid | Beoordeling, ‘red teaming’, privacy en diefstalpreventie |
| Evaluatie | Europese benchmarks en case-by-case testen |
| Markt | Overheidsaankopen, bedrijfsadoptie en commerciële ondersteuning |
De Europese meerwaarde ligt niet alleen in het ontwikkelen van de grootste generalistische modellen. Het ligt vooral in het bouwen van betrouwbare, auditable, meertalige en sectoriële modellen voor sectoren waarin Europa een sterke industrie heeft: financiën, energie, gezondheidszorg, automobiel, defensie, recht, overheid, telecom en logistiek.
Algemene modellen zullen goedkoper worden en de markt verzadigen. De waarde ligt in de lagen die ze bruikbaar maken: eigen data, verticale stroomflows, beveiliging, integratie, deployment en support.
De Chinese waarschuwing moet kansen versnellen
De mogelijke Chinese restricties mogen niet alleen worden gelezen als een nieuwsfeit over Peking. Het is een waarschuwing over het nieuwe AI-landkaart. Geavanceerde modellen vormen zowel economisch, militair, industrieel als cultureel macht. Landen die ze ontwikkelen, zullen ze beschermen wanneer ze dat verstandig achten.
Europa heeft twee opties. Ofwel blijft het afhankelijk van buitenlandse aanbieders, met goede regulering, maar beperkte eigen capaciteit. Ofwel benut het deze fase om serieus eigen modellen, infrastructuur en bedrijfsarchitecturen te ontwikkelen om minder afhankelijk te worden.
Dit betekent niet dat Europa afstand moet nemen van OpenAI, Anthropic, Google, Qwen, DeepSeek of GLM. Het betekent dat geen enkele externe optie onmisbaar mag worden. Een volwassen technologische infrastructuur is zodanig ontworpen dat een kritieke component verwisseld kan worden zonder alles opnieuw op te bouwen.
AI zou hetzelfde pad moeten volgen: draagbaarheid, eigen modellen, privé cloud, Europees open source, continue evaluatie en een duidelijke beleidslijn over welke data kunnen verlaten en welke binnen moeten blijven.
Als de VS en China hun beste modellen beperken, mag Europa niet toekijken. Het moet haar eigen modellen verplaatsen, verbeteren en inzetten.
Veelgestelde vragen
Waar onderzoekt China met haar AI-modellen?
Volgens berichten van Reuters overweegt Peking om buitenlandse toegang tot enkele van haar meest geavanceerde en toekomstige AI-modellen te beperken.
Waarom raakt dit Europa?
Omdat veel Europese bedrijven afhankelijk zijn van Amerikaanse modellen en experimenteren met open Chinese of goedkope alternatieven. Als beide blokken de toegang beperken, verliest Europa technologische voorsprong.
Helpt open source?
Zeker, maar alleen niet genoeg. Ook infrastructuur, support, evaluatie, beveiliging, implementatie, updates en operationele capaciteit zijn nodig.
Moet Europa uitsluitend eigen modellen gebruiken?
Niet noodzakelijk. Een hybride aanpak is het beste: inzetten van wereldwijde modellen waar passend, en eigen of Europese modellen voor strategische of gevoelige taken.
Wat is de eerste technische stap voor bedrijven?
Inventariseer toepassingsgevallen, meet kosten per taak, classificeer gevoelige data, test alternatieve modellen en bouw een abstractielaag die het mogelijk maakt van leverancier te wisselen zonder alles te herschrijven.