Tekort aan geheugen is uitgegroeid tot een van de grootste spanningspunten in de technologische industrie. Het beïnvloedt niet langer alleen de prijs van consumenten-DRAM modules of traditionele servers. De vraag naar kunstmatige intelligentie heeft de druk op HBM-, LPDDR-geheugen en andere essentiële componenten voor het bouwen van accelerators, complete systemen en grote datacenters gecreëerd.
In deze context geven de uitspraken van Colette Kress, CFO van NVIDIA, een duidelijke boodschap af: het bedrijf vindt dat veel concurrenten te laat hebben gereageerd. In een interview met analist Tae Kim legde Kress uit dat NVIDIA de prijsstijging had voorzien en lang tevoren geheugen had besteld. Haar boodschap was helder: anderen waren verrast door de stijgende geheugenkosten, terwijl NVIDIA dat al had voorzien.
Deze uitspraak is belangrijk omdat het een minder zichtbare concurrentievoordeel belicht dan GPU-benchmarks. NVIDIA domineert niet alleen door krachtige chips of een volwassen software-ecosysteem te bieden. Het beheerst ook de supply chain omdat het al vroeg de productiecapaciteit heeft afgestemd met fabrikanten. In het AI-tijdperk kan het anticiperen op geheugentekorten net zo cruciaal zijn als het ontwerpen van de accelerators zelf.
Geheugen is de nieuwe knelpunt in de keten
Jarenlang lag de focus van AI-debatten op GPU’s. Namen als H100, H200, B200, Blackwell, Rubin, MI300X en TPU zijn bekend bij bedrijven, investeerders en infrastructuurbeheerders. Maar elke generatie accelerators vereist enorme hoeveelheden high-performance geheugen om modellen te voeden, langere contextvensters te ondersteunen en data met hoge snelheid te verplaatsen.
HBM is uitgegroeid tot een van de meest争erde componenten op de markt. Het is geen gewoon geheugen: het stapelt zich op meerdere niveaus, biedt grote bandbreedte en wordt dicht bij de processor geplaatst. Hierdoor is het ideaal voor AI-belastingen, maar het complexer om te fabriceren en te integreren. Als de capaciteit voor HBM toeneemt, verschuift een deel van de industrialisering van andere geheugensegmenten zoals DRAM en LPDDR. Dit creëert druk op de hele geheugenketen.
Kress verklaarde dat NVIDIA niet simpelweg koopt wat beschikbaar is. Het werkt nauw samen met geheugenproducenten vanaf de ontwerpfase, anticipeert op hun behoeften en stemt capaciteit af. Zij verzekerde dat NVIDIA met de drie grote geheugenleveranciers samenwerkt, en niet slechts met één. Die vroege coördinatie verzekert een stabiele levering, laat hen productievolumes aanpassen en voorkomt afhankelijkheid van de spotmarkt wanneer prijzen al gestegen zijn.
| Element | Waarom het belangrijk is voor AI |
|---|---|
| HBM | Levert bandbreedte voor high-performance training en inferentie |
| DRAM | Blijft noodzakelijk in servers en omliggende systemen |
| LPDDR | Kan belangrijk worden in nieuwe geïntegreerde AI-platformen |
| Fabricagecapaciteit | Wordt niet overnight uitgebreid; vereist investering en planning |
| Geavanceerde packaging | Beperkt de productie van gestapeld geheugen en accelerators |
| Vooruitbestellingen | Geven voordeel aan wie capaciteit reserveert vóór prijsstijgingen |
NVIDIA wint niet alleen door chips, maar door planning
De resultaten van NVIDIA illustreren waarom anticipatie zo’n grote impact heeft. In het derde kwartaal van fiscaal jaar 2026 behaalde het bedrijf recordomzetten van $57 miljard, een stijging van 62% jaar-op-jaar. De datacenter-divisie leverde $51,2 miljard op, een stijging van 66%. Jensen Huang vat het samen met een inzichtelijke uitspraak: de verkoop van Blackwell was “buitensporig” en de cloud-GPU’s waren uitverkocht.
Wanneer een bedrijf bijna alles verkoopt wat het kan maken, verschuift het probleem van vraag naar industriële uitvoering. Het gaat niet alleen om orders. Men moet wafers, geheugen, substraten, verpakking, energie, racks, netwerken en montagecapaciteit verkrijgen. Op dat punt fungeert NVIDIA niet enkel als chipfabrikant, maar ook als coördinator van wereldwijde infrastructuur.
Het verschil met anderen lijkt daar te liggen. Veel technologiebedrijven bouwen hun succes op software, cloud of dienstenintegratie. NVIDIA daarentegen heeft decennialang gewerkt met halfgeleiderfabrikanten, geheugentoegevoegde partijen, serverbouwers en datacentermensen. Die ervaring geeft een voordeel bij verstoringen in de supply chain.
Kress stelde het bijna als een terechte kritiek op de markt: anderen hadden wellicht ook geheugen kunnen bestellen, maar geloofden niet in de omvang van de vraag. In een industrie waar capaciteitsplanningen jaren in beslag nemen, heeft vroege actie concrete economische gevolgen.
Rubin kan de druk verder doen toenemen
De komende test komt met Rubin, NVIDIA’s next-generation platform. Volgens marktinsiders zou de vraag naar LPDDR gekoppeld aan Rubin in 2027 de gecombineerde vraag van Apple en Samsung in smartphones kunnen overtreffen. Dit is een externe schatting, geen officieel NVIDIA-cijfer, maar het geeft wel de schaal van het probleem weer.
Tot nu toe waren grote kopers van geavanceerd geheugen vooral Apple, Samsung en andere mobieltjefabrikanten. AI heeft die hiërarchie doorbroken. Eén enkele datacenter-acceleratorcyclus kan concurreren met hele sectoren in consumenten-elektronica.
Deze verschuiving heeft cascade-effecten. Als geheugenchipfabrieken prioriteit geven aan AI-gerelateerde contracten met hoge marges, kunnen andere markten hogere prijzen, vertragingen of beperkte beschikbaarheid ervaren. PCs, smartphones, traditionele servers, opslag en industriële elektronica kunnen alle onder dezelfde druk komen te staan.
| Getroffen markt | Mogelijk effect door AI-vraag |
|---|---|
| AI-data centra | Meer investeringen in HBM, LPDDR en complete systemen |
| Traditionele servers | Toename van kosten en langere levertijden |
| PC’s en laptops | Prijsstijgingen voor DRAM en opslag bij aanhoudende schaarste |
| Smartphones | Concurrentie om geavanceerd LPDDR-geheugen |
| Geheugenproducenten | Meer inkomsten, maar hogere werkdruk en noodzaak tot capaciteitstoeneming |
| Cloudproviders | Vooraf reserveren van hardware wordt noodzakelijk |
De geheugengiganten beleven hun eigen opleving
De tekorte vraag verschuift ook de werkgelegenheid en economische balans in Zuid-Korea. SK Hynix en Samsung merken dat de strategische waarde van hun geheugendivisies door AI-vraag snel toeneemt. Bij Samsung leidde de spanning tot arbeidsconflicten, met tienduizenden arbeiders die dreigden te staken om meer te krijgen van de winst die wordt gegenereerd door de geheugensector. Het conflict brak uit in een kwetsbaar moment, vanwege zorgen over de mogelijke impact op de wereldwijde DRAM- en NAND-aanbod.
De situatie toont dat AI-keten niet eindigt in Silicon Valley. Het is afhankelijk van fabrieken in Korea, Taiwan, Japan, de VS en andere landen; van chemicaliën-, machine-, en waferleveranciers; en van langdurige contracten die niet worden opgesteld wanneer de markt al onder druk staat.
Voor NVIDIA geeft het reserveren van geheugen op voorhand een competitief voordeel. Voor rivalen betekent het mogelijk hogere kosten en vertragingen. Dit beïnvloedt marges, lanceringstermijnen en de mogelijkheid om grote infrastrucuurcontracten te winnen.
De les voor de industrie: AI wordt gewonnen in de supply chain
AI wordt vaak voorgesteld als een race van modellen, parameters en software. Maar de geheugentekorten herinneren ons eraan dat het ook een race is om industriële planning. Wie niet tijdig kritieke componenten veiligstelt, kan wel het beste ontwerp op papier hebben, maar het niet kunnen produceren op grote schaal.
Dit geldt voor chipfabrikanten, cloudproviders, AI-startups, overheden die zelfvoorzienende infrastructuren willen opzetten, en grote bedrijven met eigen implementaties. Het reserveren van GPU’s is niet langer genoeg. Het is essentieel om te weten welk geheugen ze bevatten, wie het fabriceert, welke contracten er liggen en wat de daadwerkelijke levertijden zijn.
NVIDIA heeft dat anticipatievermogen tot een competitief voordeel gemaakt. Het bedrijf verkoopt niet alleen accelerators, maar regelt ook het volledige systeem van supply, gezamenlijk ontwerp en toekomstige capaciteit. In een markt waar elke nieuwe AI-generatie meer geheugen, energie en netwerkcapaciteit vereist, kan die voorsprong moeilijk te evenaren zijn met louter technische specificaties.
Geheugentekort is geen toevalsverschijnsel. Het is een teken dat AI zich in een fysische, industriële en kapitaalintensieve fase bevindt. Modellen kunnen worden getraind in de cloud, maar die cloud heeft fabrieken nodig, chips, wafers, geheugen en langjarige overeenkomsten. Hier heeft NVIDIA volgens velen al een voorsprong genomen.
Veelgestelde vragen
Wat zei de CFO van NVIDIA over geheugen?
Colette Kress verklaarde dat NVIDIA de prijsstijging verwachtte en geheugen lang tevoren had besteld, door direct samen te werken met haar leveranciers om ontwerp en capaciteit af te stemmen.
Waarom is geheugen zo belangrijk voor AI?
Omdat AI-accelerators grote bandbreedte en veel capaciteit nodig hebben voor training, inferentie, datatransport en het ondersteunen van steeds grotere workloads.
Beïnvloedt de tekorte aan geheugen alleen HBM?
Nee. De druk op HBM kan de gehele geheugensupply chain beïnvloeden, waardoor ook DRAM, LPDDR en andere segmenten in servers, PCs en smartphones onder druk komen te staan.
Wat is het voordeel van NVIDIA ten opzichte van concurreren?
Naast hun GPU’s en software-ecosysteem lijkt NVIDIA het geheugen al te hebben veiliggesteld vóór andere rivalen, wat stabiliteit in kosten en productie kan opleveren.
via: wccftech