Voor elke 100 dollar die wordt uitgegeven aan nieuwe AI-infrastructuur gaat ongeveer 50 dollar naar halfgeleiders, volgens een schatting van BNP Paribas Equity Research en SankeyMATIC. De grafiek brengt een feit in beeld dat de groei van datacenters duidelijk kenmerkt: het kopen van accelerators is slechts een deel van de totale kosten. Netwerken, elektriciteit, koeling, gebouwen en aansluiting op het net vormen samen een veel bredere investering.
De kernpunten van de segmentatie van AI-infrastructuurkosten in 30 seconden
- Van elke 100 dollar CAPEX voor AI wordt in de grafiek 50 dollar besteed aan halfgeleiders, 20 dollar aan energie, 15 dollar aan netwerken, 7,5 dollar aan koeling en nog eens 7,5 dollar aan bouw en installatie.
- Alleen al accelerators kosten 25 dollar, en memoria 15 dollar.
- De elektrische infrastructuur krijgt meer geld dan de koeling zelf.
- De grafiek is een hoog-niveau schatting en geen volledige boekhouding van alle datacenters.
- De segmentatie helpt te begrijpen welk deel van de keten daadwerkelijk de AI-investeringen absorbeert.
Dit beeld is vooral interessant omdat het twee vaak door elkaar gehaald concepten kan scheiden. De kapitaaluitgaven van grote tech-operators bestaan niet alleen uit de aanschaf van GPU’s. Om die GPU’s te laten werken, zijn ook servers, high-speed netwerken, optische transceivers, elektrische systemen, koeling en gebouwen nodig die geschikt zijn voor dichtheden die enkele jaren geleden nog ongebruikelijk waren.
Het is bovendien verstandig enige voorzichtigheid te betrachten bij de cijfers. Grote hyperscalers publiceren geen uniforme post genaamd “AI CAPEX”, waardoor niet automatisch aangenomen kan worden dat al hun kapitaaluitgaven uitsluitend voor AI bestemd zijn. De gezamenlijke investeringsschattingen van Microsoft, Amazon, Alphabet en Meta voor 2026 liggen al boven de 700 miljard dollar, maar omvatten infrastructuur en andere activa, naast AI.
Halgeleiders nemen 50 van elke 100 dollar in beslag
De belangrijkste conclusie uit de Sankey-grafiek is de concentratie van de uitgaven.
Van de eerste 100 dollar wordt 50 dollar besteed aan halfgeleiders. BNP verdeelt deze ongeveer als volgt: circa 25 dollar gaat naar accelerators, 15 dollar naar geheugenchips en 10 dollar naar CPU’s, andere chips en serverfabricage.
Dit betekent dat accelerators ongeveer een vierde van het totale geïnvesteerde kapitaal uitmaken.
De stroom blijft lopen omdat het fabriceren van een accelerator of geheugenchip op zich ook verschillende industriële processen vereist. De grafiek reserveert ongeveer 8 dollar voor apparatuur voor wafelfabricage (Wafer Fabrication Equipment – WFE).
Vervolgens zien we verschillende categorieën zoals depositie, lithografie, etsen, inspectie, encapsulatie en andere processen.
De Sankey helpt te visualiseren dat wat een enkele totalencijfers niet laten zien. Wanneer een hyperscaler duizenden AI-systemen aanschaft, verschuift het geld door een uitgebreide industriële keten die reikt van chipontwerpers tot fabrikanten van halfgeleidertoebehoren.
Memorystations verdienen speciale aandacht.
AI-systemen vereisen enorme bandbreedte om continu de accelerators te voeden. Daarom speelt HBM (High Bandwidth Memory) een steeds grotere rol, geïntegreerd naast GPU’s en andere geavanceerde accelerators.
Ook geavanceerde encapsulatie is essentieel. Het integreren van accelerators, geheugen en andere componenten in systemen die enorme hoeveelheden gegevens kunnen uitwisselen, vereist steeds complexere fabricagetechnologieën.
Hierdoor eindigen de AI-uitgaven vaak bij bedrijven die technisch gezien enkele niveaus onder de verkoper van de uiteindelijke accelerator staan.
Netwerken, elektriciteit en koeling krijgen de andere helft
De tweede helft van de grafiek is bijna even interessant als de chips.
BNP schat dat 15 dollar van elke 100 dollar besteed wordt aan netwerkapparatuur. Dit omvat ongeveer 3 dollar voor netwerkprocessors, 2 dollar voor bekabeling, 4,5 dollar voor switches en 5,5 dollar voor optische transceivers.
De groei in deze categorie wordt ook bevestigd door NVIDIA. In haar eerste kwartaal van 2027 rapporteerde het bedrijf 14,8 miljard dollar aan datacenter netwerkinkomsten, bijna het dubbele van een jaar eerder.
Deze cijfers verklaren waarom netwerken een van de grote concurrentiegebieden rond AI zijn geworden. Mille accelerators moeten data uitwisselen met uiterst lage latentie en enorme bandbreedte. Hoe groter de cluster, hoe belangrijker het netwerk dat de knooppunten verbindt.
Maar de Sankey wijst nog meer geld toe aan een andere belangrijke kostenpost: energie.
Van elke 100 dollar gaat ongeveer 20 dollar naar elektrische infrastructuur.
BNP verdeelt dit als volgt: circa 6,5 dollar voor elektrische distributie, 10 dollar voor aansluiting op het net en onafhankelijke opwekking, en nog eens 3,5 dollar voor elektrische installaties binnen datacenter.
Deze cijfers zijn vooral relevant omdat de beschikbaarheid van elektriciteit bepaalt waar en wanneer nieuwe datacenters gebouwd kunnen worden.
Servers kunnen binnen enkele maanden worden aangeschaft, maar het verkrijgen van tientallen of honderden megawatt extra elektrische capaciteit kan veel langer duren.
Daarom verschuift de discussie over AI-infrastructuur steeds meer van GPU-aankopen naar de gezamenlijke beschikbaarheid van berekening, netwerken en elektriciteit.
Koeling kost nog eens 7,5 dollar
Het volgende postgedeelte betreft koeling, met 7,5 dollar van elke 100 dollar.
De grafiek verdeelt deze kosten onder andere tussen cold plates (gekoelde platen), koelmiddel distributie-units (CDU), chillers en koeltorens.
De nieuwe generaties accelerators hebben de thermische dichtheid aanzienlijk verhoogd, waardoor vloeistofkoeling meer opgang vindt in datacenters die voorheen vooral op luchtkoeling vertrouwde.
De resterende 7,5 dollar wordt besteed aan gebouwen en constructie.
BNP verdeelt deze kosten ongeveer als volgt: aankoop van terrein en voorbereiding van de locatie, de structuur en omhulsel van het gebouw, en interne inrichting en ondersteunende infrastructuur.
De volledige verdeling ziet er als volgt uit:
| Bestemming | Per 100 dollar |
|---|---|
| Halfgeleiders | 50 |
| Energie | 20 |
| Netwerkinfrastructuur | 15 |
| Koeling | 7,5 |
| Constructie en gebouwen | 7,5 |
Deze tabel toont een interessant kenmerk: het gebouw zelf vormt slechts een relatief klein deel in verhouding tot de technologische componenten binnenin.
Een datacenter voor AI kan een enorme technologische onderneming zijn, maar uiteindelijk wordt de meeste kapitaal opgeslokt door servers, accelerators, netwerken en elektrische systemen.
De grafiek laat ook zien waar de knelpunten liggen
De BNP Sankey is vooral handig omdat hij niet bedoeld is als een exacte formule voor elk project.
De grafiek wijst zelf aan dat de cijfers een hoog-niveau schatting zijn die onderhevig kunnen aan wijzigingen door de snelle veranderingen in kosten, vraag en aanbod.
Een datacenter dat bestaande servers uitbreidt, zal een andere kostenstructuur hebben dan een nieuwe bouw. Ook afhankelijk van het soort accelerator, beschikbare capaciteit, netwerkarchitectuur, rack-dichtheid of koelsysteem kunnen de verhoudingen verschillen.
Toch helpen de verhoudingen om het economische bereik van de AI-race te begrijpen.
De totale CAPEX van grote Amerikaanse operators groeit door. Een recente schatting legt de investering van de vier grootste hyperscalers in 2026 tussen de 720 miljard en 745 miljard dollar. Als Oracle wordt meegerekend, komt dat op ongeveer 835 miljard dollar.
Andere schattingen met andere groepen bedrijven variëren. Moody’s verhoogde in mei bijvoorbeeld haar prognose tot 785 miljard dollar voor zes hyperscalers in 2026.
Niet al dat geld is rechtstreeks voor AI bedoeld. Maar het geeft wel de omvang weer van de infrastructuurgigant die de AI-ontwikkeling versnelt.
En de BNP-grafiek laat zien waar een aanzienlijk deel van dat kapitaal mogelijk eindigt.
De GPU staat centraal in de discussie, maar daarachter spelen geheugen, encapsulatie, servers en fabricageapparatuur een grote rol. Daarna komen switches, optica, elektriciteit voor werking en koelsystemen om warmte af te voeren. Uiteindelijk gaat het om gebouwen en stroomvoorziening die het alles ondersteunen.
De race om AI-infrastructuur wordt een stuk duidelijker als je die 100 dollar volgt tot aan de eindbestemming.
Veelgestelde vragen
Hoeveel van de uitgaven voor AI-infrastructuur gaat naar chips?
Volgens het BNP Paribas Equity Research-model uit de grafiek gaat ongeveer 50 dollar van elke 100 dollar naar halfgeleiders. Accelerators kosten ongeveer 25 dollar en geheugenchips 15 dollar.
Wat kost de elektrische infrastructuur van een AI-datacenter?
De Sankey wijst ongeveer 20 dollar van elke 100 dollar toe aan energie, inclusief elektrische distributie, netaansluiting, onafhankelijke opwekking en interne elektrische systemen.
Hoe belangrijk zijn netwerken voor AI-investeringen?
Het model schat dat ongeveer 15 dollar van elke 100 dollar wordt besteed aan netwerkapparatuur, zoals netwerkprocessors, bekabeling, switches en optische transceivers.
Zijn deze cijfers universeel toepasbaar voor alle datacenters?
Nee. BNP presenteert ze als hoog-niveau schattingen die kunnen variëren door veranderende kosten en marktomstandigheden. De daadwerkelijke verdeling hangt af van het project en of het een nieuwe bouw of uitbreiding betreft.
Bronnen:
- BNP Paribas Equity Research / SankeyMATIC, Where does $100 of AI Capex flow?