Het echte gevecht is verplaatst
Een paar jaar geleden won je de aandacht met de snelste demo.
Nu draait het om iets groters: wie de infrastructuur, het kapitaal, de rekenkracht en de regels in handen heeft waarmee AI echt werkt.
Daar staat Europa voor een scherpe keuze.
De Verenigde Staten leveren nog altijd de grootste sprongen in generatieve AI. Europa zoekt een eigen route: minder hype, meer governance, meer soevereiniteit en meer grip op data en modellen.
Modellen zijn maar één laag
Kijk je naar ChatGPT, Gemini, Claude of Llama 3, dan lijkt het alsof de race al gelopen is.
De zwaarste systemen komen vooral uit de VS.
Europese spelers zoals Mistral en Aleph Alpha laten zien dat modelontwikkeling hier wel degelijk leeft. Alleen spelen ze in een veld waarin schaal, financiering en compute nog steeds sterk in Amerikaans voordeel uitpakken.
Een modern AI-model is namelijk meer dan software.
Het is ook chips, cloudcapaciteit, data, onderzoeksteams en durfkapitaal.
Wie daar afhankelijk van wordt, gebruikt AI wel, maar bouwt niet vanzelf de strategische kern zelf.
Europa heeft een infrastructuurprobleem
De bottleneck zit niet alleen in talent.
Grote taalmodellen vragen enorme rekenkracht en energie. De schaarste aan high-end GPU’s remt training en fine-tuning, zeker voor start-ups en labs die niet kunnen concurreren met de Amerikaanse topbedrijven.
Europa probeert dat te dempen met supercomputers en chipbeleid.
EuroHPC noemt JUPITER inmiddels Europa’s eerste exascale-supercomputer. LUMI en Leonardo zijn al belangrijke AI- en HPC-platformen.
Ook op chipniveau wil Europa meer speelruimte.
De Europese Chips Act moet publieke en private investeringen mobiliseren en de strategische afhankelijkheid verkleinen. De Commissie noemt daarbij meer dan €43 miljard aan totale investeringen.
Maar daarmee is het GPU-tekort van vandaag nog niet weg.
Europa kiest voor grip
Waar de VS vooral winnen op snelheid en schaal, kiest Europa voor een ander kompas: risico’s begrenzen voordat ze systemisch worden.
De AI Act werkt met een risicogerichte aanpak.
Verboden toepassingen worden geweerd. Hoog-risicosystemen krijgen eisen rond conformiteit en menselijk toezicht. Voor general-purpose AI gelden extra transparantie- en documentatieverplichtingen.
De Commissie vraagt ook technische documentatie en publieke samenvattingen van trainingsinhoud.
Dat maakt Europa niet per se langzamer.
Het maakt Europa selectiever.
De vraag is alleen of regulering alleen genoeg is om concurrerend te blijven. Een streng kader schept vertrouwen, maar levert niet vanzelf betere modellen, meer compute of grotere ecosystemen op.
Open modellen geven ruimte
Europa hoeft de Amerikaanse aanpak niet één-op-één te kopiëren.
Een deel van de Europese strategie leunt juist op open modellen en digitale soevereiniteit.
Mistral positioneert zijn modellen als open weight of permissief gelicentieerd. De documentatie benadrukt dat je zulke modellen lokaal of in eigen infrastructuur kunt draaien.
Dat is handig voor organisaties die data binnen hun eigen netwerk willen houden of zelf logging en audit willen regelen.
Open betekent niet automatisch veilig of geschikt.
De kwaliteit verschilt per taak, en organisaties moeten nog steeds zelf toetsen, afschermen en bijsturen. Maar strategisch is het aantrekkelijker dan volledig afhankelijke black-boxplatforms.
Waarom Nederland dit direct voelt
In Nederland blijft dit niet op beleidsniveau hangen.
Universiteiten en onderzoeksinfrastructuren testen generatieve AI via SURF en labs. Ook bedrijven zetten AI al in voor klantenservice, samenvattingen en code.
Tegelijk waarschuwt de Autoriteit Persoonsgegevens voor datalekken, ongewenst hergebruik van data en de noodzaak van DPIA’s bij gevoelige toepassingen.
Daar komt taal bij.
AI-systemen presteren vaak beter op Engels dan op kleinere talen. Ook Nederlands en Fries krijgen daar regelmatig mee te maken.
Juist daarom zijn taaldata en Europese taalmodellen belangrijk.
Niet alleen om mee te doen in de race, maar ook om AI bruikbaar te houden voor onderwijs, overheid en dienstverlening in onze eigen taal.
De vraag voor de komende jaren
De kernvraag is niet alleen of Europa ChatGPT, OpenAI en Google kan bijbenen.
De eerlijkere vraag is: op welk deel van de AI-keten wil Europa winnen?
Als winnen betekent dat Europa de grootste frontier-modellen bouwt, dan ligt de VS voorlopig voor.
Als winnen betekent dat Europa betrouwbare, controleerbare en juridisch robuuste AI op eigen infrastructuur inzet, dan ziet het beeld er veel beter uit.
De kans zit waarschijnlijk niet in een kopie van Silicon Valley.
Ze zit in een combinatie van open modellen, sterke regulering, publieke infrastructuur en sectorgerichte toepassingen.
Dat is minder spectaculair. Maar voor overheden, zorg, onderwijs en grote bedrijven kan het veel waardevoller zijn.
Wie AI in Europa wil begrijpen, moet dus niet alleen naar de modellen kijken, maar ook naar de laag eronder.
Daar wordt beslist of Europa volgt, bijstuurt of een eigen standaard neerzet.
Wil je scherp blijven op die ontwikkeling? Dan is dit precies het moment om dieper te kijken naar de AI-keten achter de schermen.
