UBS voorspelde dat de wereldwijde AI-uitgaven dit jaar naar ongeveer 375 miljard dollar klimmen en in 2026 naar 500 miljard dollar kunnen groeien, een ontwikkeling die beleggers pijn begint te doen. Columnist Peter Siks schrijft dat de technologiesector geen algemene zeepbel is, maar dat torenhoge AI-kosten rendementen concentreren bij een beperkt aantal infrastructuurspelers. Tegelijk stijgt de marktdominantie van chip- en cloudleveranciers, met Nvidia als een van de grootste beurswaarden ter wereld. Siks roept beleggers op selectiever te worden en hun posities af te stemmen op wie echt profiteert van schaalbare AI-infrastructuur.

Peter Siks onderscheidt in zijn column twee groepen binnen de technologiesector. Aan de ene kant staan leveranciers van rekencapaciteit, chips en cloudinfrastructuur die direct profiteren van de toenemende vraag naar AI. Aan de andere kant staan traditionele softwarehuizen, met abonnementen en legacy-modellen, die onder druk komen te staan omdat lichtere, AI-gestuurde alternatieven hun groeiverhalen aantasten.

Siks stelt dat de stijgende kosten van AI voor veel beleggingen pijnlijk blijken. Rendementen zijn ongelijk verdeeld, en de winsten vloeien vooral naar bedrijven met schaalbare compute, toegang tot grote datasets en verdienmodellen die draaien op AI-diensten. Dat verklaart volgens hem waarom koersen binnen de brede techsector flink uiteenlopen.

Kapitaalintensieve race en grote cijfers

De brede marktdata bevestigen de kapitaalintensieve aard van die race. UBS berekende in een analyse dat de wereldwijde AI-uitgaven dit jaar oplopen naar ongeveer 375 miljard dollar en in 2026 tot rond de 500 miljard dollar zouden kunnen doorgroeien. LSEG-data geven een andere, gerichte inschatting: Microsoft, Alphabet, Amazon en Meta samen zouden dit jaar circa 400 miljard dollar aan AI-infrastructuur uitgeven.

Die enorme budgetten vertalen zich naar omvangrijke commerciële en meerjarige contracten. Zo meldde een rapport dat Amazon en OpenAI een zevenjarige overeenkomst hebben gesloten ter waarde van ongeveer 38 miljard dollar voor toegang tot AWS-rekenkracht. Zulke deals maken de afhankelijkheid tussen grote spelers groter en vergroten de schaalvoordelen van de infrastructuuranbieders.

Complexe financieringsconstructies en schrijnende rendementen

Er zijn ook waarschuwingssignalen. Reuters beschreef een web van circulaire deals en grote kapitaalinjecties, inclusief meldingen over mogelijke kapitaalinvesteringen en omvangrijke rekencontracten tussen dominante spelers. Reuters noemde daarnaast opmerkelijke financieringsconstructies zoals een 27 miljard dollar private-creditdeal voor Meta.

Dit soort transacties voegt complexiteit toe en vergroot wederzijdse afhankelijkheid.

Mastheads

Een MIT-studie wees bovendien uit dat van meer dan 300 geanalyseerde AI-projecten ongeveer 5 procent meetbare winst opleverden. Dat suggereert dat veel projecten grote investeringen vergen maar weinig aantoonbaar rendement opleveren. Voor beleggers betekent dat een grotere noodzaak om onderscheid te maken tussen projecten en bedrijven die echt waarde creëren en projecten die vooral kosten produceren.

De marktreactie weerspiegelt deze dynamiek. Analisten en sommige beleidsmakers wezen de afgelopen maanden op risico's bij hoge waarderingen in AI-gerelateerde bedrijven. De Bank of England noemde expliciet scenario's waarin waarde snel kan kelderen als AI-ontwikkeling stagneert of inkomsten uitblijven. Risico’s als verlieslatende AI-activiteiten, energie-intensieve rekencentra en dataproblemen kunnen toekomstige opbrengsten aantasten.

Het resultaat is dat een klein aantal supersterren momenteel de meeste meerwaarde realiseert binnen brede indices. Nvidia is daar een duidelijk voorbeeld van.

Het bedrijf bereikte recent een van de hoogste beurswaardes ter wereld, waarmee het een centrale rol speelt in de concentratie van rendementen. Daardoor voldoen indexbeleggingen niet automatisch meer aan de belofte van brede spreiding, omdat enkele grote posities het resultaat zwaar beïnvloeden.

Siks trekt daaruit een duidelijke implicatie voor beleggers. In plaats van te spreken over een algemene techzeepbel is het volgens hem zinvoller om te kijken naar verschillen binnen de sector. Wie heeft schaalbare compute, wie heeft toegang tot data, en wie kan AI-diensten op grote schaal verkopen? Beleggers moeten selectiever worden en hun posities afstemmen op die criteria. Dat is volgens hem het antwoord op de pijnlijke rendementen die veel beleggingen nu laten zien.

De discussie over oververhitting blijft bestaan. Sommige rapporten en analyses suggereren dat de omvangrijke kapitaalstromen, de circulaire deals en de geconcentreerde afhankelijkheden risico’s in zich dragen die vergelijkbaar zijn met eerdere zeepbelperioden. Tegelijkertijd benadrukt Siks dat de onderliggende realiteit complexer is: niet alles binnen tech is even kwetsbaar.

Voor beleggers betekent dit een dubbel spoor. Enerzijds is er de realiteit van enorme, capex-intensieve investeringen die schaal en toegang belonen. Anderzijds is er het feit dat veel AI-projecten nog geen breed toepasbare opbrengsten laten zien. Die combinatie vereist scherpere selectie en meer differentiatie bij allocatie van kapitaal.

Siks’ oproep is concreet. Beleggers moeten niet in algemene termen kopen of verkopen op basis van de overtuiging dat heel tech een zeepbel is. Ze moeten beoordelen welke bedrijven daadwerkelijk profiteren van schaalbare AI-infrastructuur en welke legacy-softwarehuizen kwetsbaar zijn voor omzet- en waarderingsdruk.

Dat advies is zakelijk en ongesuikerd. Het sluit aan bij de analyses van marktdataleveranciers en toezichthouders die waarschuwen voor geconcentreerde risico’s, maar het versmalt de interpretatie van die signalen tot een handelbare strategie: kies voor exposure die past bij de economische realiteit van AI.

Related Articles

Praktisch voorbeeld: Amazon en OpenAI sloten een zevenjarig contract van ongeveer 38 miljard dollar voor AWS-rekenkracht, een illustratie van welke partijen nu het meeste van de AI-uitgaven innen.

Dit artikel is gemaakt met behulp van AI.