Artikel · Technologie
De AI-boom in cijfers
Sinds 2010 verdubbelt de rekenkracht voor het trainen van opvallende AI-modellen elke 5,7 maanden — ×4,3 per jaar, volgens een trend door 481 modellen in de data van Epoch AI. Microsoft, Alphabet, Amazon, Meta en Oracle gaven $691 mld. uit aan bedrijfsgebouwen en apparatuur in de vier kwartalen tot september 2026, met een factor 4,5 zoveel als in de vier kwartalen vóór de release van ChatGPT. De omzet van NVIDIA was $216 mld. in boekjaar 2026, met een factor 8,01 zoveel als in boekjaar 2023.
×4,3 per jaar sinds 2010, een trend door 481 opvallende modellen; vóór 2010: elke 20,5 maanden
GPT-6 Astra, OpenAI, sep 2026
1 in 2019; 326 in totaal met een schatting
Microsoft, Alphabet, Amazon, Meta en Oracle; $154 mld. in de vier kwartalen tot september 2022
boekjaar 2023: $27 mld.; nettowinst $120 mld., 56% van de omzet
Rekenkracht voor training verdubbelt elke 5,7 maanden
Elke stip is een van de 543 opvallende AI-modellen waarvoor Epoch AI de rekenkracht voor training heeft geschat: het aantal rekenbewerkingen met drijvende komma (FLOP) — optellingen en vermenigvuldigingen — dat nodig was om het te trainen. Ze lopen van Theseus, de mechanische muis van Claude Shannon die door een doolhof vond, uit 1950, getraind met 40 FLOP, tot het grootste tot nu toe, GPT-6 Astra van OpenAI (sep 2026), met 9,4×10²⁶ FLOP.
De schaal is logaritmisch, dus een rechte lijn betekent een gestage exponentiële groei. Een kleinstekwadratenlijn door de 481 modellen die sinds 2010 zijn gepubliceerd stijgt met ×4,3 per jaar: de rekenkracht voor training verdubbelde elke 5,7 maanden, en tien jaar langs de lijn vergroot die met een factor 2,15 mln. Door de 62 modellen van vóór 2010 steeg ze met ×1,5 per jaar, een verdubbeling elke 20,5 maanden. Frontiermodellen — de vijf grootste qua rekenkracht op het moment van verschijnen — verdubbelden sinds 2010 elke 5,4 maanden (72 modellen).
De cijfers zijn schattingen. Epoch beoordeelt 59% ervan als zeker (met een afwijking van maximaal een factor 3 naar boven of beneden), 28% als waarschijnlijk (binnen een factor 10) en 12% als speculatief (binnen een factor 31); speculatieve schattingen zijn holle stippen. Zonder die schattingen is de trend sinds 2010 een verdubbeling elke 5,6 maanden.
De trends als tabel
| Modellen | Aantal | Verdubbelingstijd | Groei per jaar | R² |
|---|---|---|---|---|
| Opvallende modellen vóór 2010 | 62 | 20,5 maanden | ×1,5 | 0,69 |
| Opvallende modellen sinds 2010 | 481 | 5,7 maanden | ×4,3 | 0,66 |
| Frontiermodellen sinds 2010 | 72 | 5,4 maanden | ×4,6 | 0,97 |
| Taalmodellen sinds 2010 | 302 | 4,9 maanden | ×5,5 | 0,68 |
| Sinds 2010, zonder speculatieve schattingen | 422 | 5,6 maanden | ×4,4 | 0,67 |
Kleinste kwadraten van log₂ van de rekenkracht voor training op de publicatiedatum in jaren; verdubbelingstijd = 12 ÷ helling in maanden, groei per jaar = 2^helling. R² is het aandeel van de spreiding in de logaritme van de rekenkracht dat de lijn verklaart.
Het grootste model van elk jaar
Er is sinds 2010 24 keer een nieuw record in rekenkracht gevestigd. Het grootste model van 2010, RNN LM, werd getraind met 5,4×10¹⁶ FLOP; GPT-6 Astra gebruikte er met een factor 17,4 mld. zoveel van.
Epoch AI schat ook de kosten van de rekenkracht voor training voor 178 van de modellen, in dollars van 2023. De hoogste schatting is $388 mln., voor Grok 4 (xAI, 2025); boven $100 mln.: 3 modellen. Het meeste vermogen in de data, ongeveer 233 megawatt, werd volgens Epoch verbruikt door de 100.000 chips waarmee GPT-6 Astra werd getraind.
| Jaar | Model en ontwikkelaar | Rekenkracht voor training, FLOP | × het jaar ervoor | Kosten van rekenkracht, in dollars van 2023 |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · Verenigde Staten | 5,4×1016speculatief | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · Zwitserland | 5,2×1016waarschijnlijk | ×0,96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · Verenigde Staten | 6,0×1017waarschijnlijk | ×11,5 | $16 |
| 2013 | DistBelief NNLMGoogle · Verenigde Staten | 2,6×1018waarschijnlijk | ×4,35 | $3,26k |
| 2014 | SNM-skipGoogle · Verenigde Staten | 3,0×1020speculatief | ×114 | — |
| 2015 | AlphaGo FanDeepMind · Verenigd Koninkrijk | 3,8×1020waarschijnlijk | ×1,28 | $4,83k |
| 2016 | GNMTGoogle · Verenigde Staten | 6,6×1021waarschijnlijk | ×17,4 | $201k |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · Verenigde Staten | 8,4×1020zeker | ×0,13 | $17,9k |
| 2018 | ResNeXt-101 32x48dFacebook · Verenigde Staten | 8,7×1021zeker | ×10,4 | $134k |
| 2019 | AlphaStarDeepMind · Verenigd Koninkrijk | 1,1×1023zeker | ×12,3 | $131k |
| 2020 | GPT-3 175B (davinci)OpenAI · Verenigde Staten | 3,1×1023zeker | ×2,91 | $2,12 mln. |
| 2021 | FLAN 137BGoogle Research · Verenigde Staten | 2,0×1024zeker | ×6,52 | — |
| 2022 | Minerva (540B)Google · Verenigde Staten | 2,7×1024zeker | ×1,34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · Verenigde Staten | 5,0×1025speculatief | ×18,2 | $30,7 mln. |
| 2024 | Llama 3.1-405BMeta AI · Verenigde Staten | 3,8×1025zeker | ×0,76 | $52,9 mln. |
| 2025 | Grok 4xAI · Verenigde Staten | 5,0×1026speculatief | ×13,2 | $388 mln. |
| 2026tot nu toe | GPT-6 AstraOpenAI · Verenigde Staten | 9,4×1026waarschijnlijk | ×1,88 | — |
Het opvallende model met de meeste rekenkracht voor training dat in elk jaar is gepubliceerd; × het jaar ervoor vergelijkt het met het grootste model van het jaar daarvoor. Onder de rekenkracht: hoe zeker Epoch AI is van de schatting. Kosten: de schatting van Epoch AI, voor zover die er is.
De club van 10²³ FLOP
Epoch AI houdt een lijst bij van grootschalige modellen: modellen die zijn getraind met meer dan 10²³ FLOP, een vaste grens die sommige AI-regelgeving hanteert. Voor 326 ervan is er een schatting van de rekenkracht. Het eerste was AlphaStar in 2019; in 2025 haalden 104 modellen die grens, na 101 in 2024.
De eerste modellen boven de hogere grenzen waren Wu Dao 2.0 boven 10²⁴ (2021), GPT-4 boven 10²⁵ (2023) en Grok 3 boven 10²⁶ (2025). Modellen boven 10²⁵ FLOP gepubliceerd in 2025: 9. Van alle 104 modellen die dat jaar in de club zaten, kwamen er 90 uit met open weights — iedereen kan ze downloaden en draaien — en 10 alleen via een API of een gehoste dienst; 4 werden niet uitgebracht.
2026 is nog niet voorbij: tot 10 november 2026 staan er 27 modellen met een schatting op de lijst. Epoch voegt nieuwe modellen binnen enkele weken toe en schattingen van de rekenkracht later, dus de recente maanden vullen zich in de loop van de tijd. Epoch vermeldt ook 208 grootschalige modellen zonder schatting van de rekenkracht; die tellen hier niet mee.
De vierkantjes als tabel
| Jaar | Boven 10²³ | Boven 10²⁴ | Boven 10²⁵ | Boven 10²⁶ | Geen schatting |
|---|---|---|---|---|---|
| 2019 | 1 | 0 | 0 | 0 | 0 |
| 2020 | 2 | 0 | 0 | 0 | 0 |
| 2021 | 10 | 3 | 0 | 0 | 0 |
| 2022 | 23 | 3 | 0 | 0 | 8 |
| 2023 | 58 | 17 | 3 | 0 | 63 |
| 2024 | 101 | 39 | 6 | 0 | 66 |
| 2025 | 104 | 71 | 9 | 3 | 61 |
| 2026tot nu toe | 27 | 25 | 7 | 1 | 10 |
Modellen met een schatting van de rekenkracht, per jaar van publicatie; een model boven 10²⁵ FLOP telt ook mee als boven 10²⁴ en 10²³. Geen schatting: op de lijst van grootschalige modellen van Epoch, zonder cijfer voor de rekenkracht.
Wie ze bouwt
Organisaties in de Verenigde Staten werkten aan 135 van de 326 modellen boven 10²³ FLOP en organisaties in China aan 139; daarna komen Zuid-Korea (17), Frankrijk (10) en Verenigde Arabische Emiraten (8). Een model dat door meerdere organisaties is gebouwd, telt één keer mee voor elk van hun landen.
De meeste kwamen van Alibaba (36), Meta AI (24) en Nvidia (20). Groepen worden genoemd zoals in de data, dus die van Google worden apart geteld: Google, Google DeepMind, Google Research, DeepMind en Google Brain.
Modellen met een schatting van de rekenkracht; een model telt één keer mee voor elk land en elke organisatie die het noemt. Organisaties zoals Epoch AI ze noemt.
Bedrijven, geen universiteiten
Van de 109 opvallende modellen die in 2025 zijn gepubliceerd, kwamen er 92% alleen van bedrijven, 5% van bedrijven die met universiteiten samenwerkten en 2% alleen van universiteiten. In 2010–2014 maakten bedrijven alleen 19% ervan.
Het geld: de investeringen van Big Tech
Het trainen en draaien van AI-modellen vraagt datacenters vol chips, en de bedrijven die de grootste bouwen, boeken de rekening als investeringen: contant betaald geld voor bedrijfsgebouwen en apparatuur. Microsoft, Alphabet, Amazon, Meta en Oracle gaven samen $691 mld. uit in de vier kwartalen tot september 2026, met een factor 4,5 zoveel als de $154 mld. van de vier kwartalen tot september 2022 — het laatste kwartaal voordat ChatGPT op 30 november 2022 uitkwam. Dat is $1,89 mld. per dag, of $21.900 per seconde.
Afgezet tegen hun omvang namen de uitgaven in de laatste vier kwartalen 36% van de omzet van de vijf bedrijven in beslag, tegen 13% daarvoor, en 95% van het geld dat hun bedrijfsvoering opleverde, tegen 54%. De grootste uitgever was Amazon, met $215 mld.
Uit de jaarverslagen blijkt niet hoeveel hiervan naar AI ging. Investeringen betalen ook kantoren en andere gebouwen — bij Amazon ook magazijnen en een bezorgnetwerk — en elk bedrijf rapporteert ze volgens eigen definities.
Verandering ten opzichte van de vier kwartalen tot september 2022. Balken: investeringen per kwartaal sinds 2015, elk bedrijf op zijn eigen schaal. Boven 100% van de operationele kasstroom: er is meer uitgegeven dan de bedrijfsvoering opleverde. De kaarten verwijzen naar de bedrijfspagina’s.
Investeringen per kalenderjaar
| Jaar | Microsoft | Alphabet | Amazon | Meta | Oracle | Totaal |
|---|---|---|---|---|---|---|
| 2015 | $6,55 mld. | $9,93 mld. | $4,59 mld. | $2,52 mld. | $1,61 mld. | $25,2 mld. |
| 2016 | $9,11 mld. | $10,2 mld. | $6,74 mld. | $4,49 mld. | $1,6 mld. | $32,2 mld. |
| 2017 | $8,7 mld. | $13,2 mld. | $12 mld. | $6,73 mld. | $2,04 mld. | $42,6 mld. |
| 2018 | $14,2 mld. | $25,1 mld. | $13,4 mld. | $13,9 mld. | $1,47 mld. | $68,2 mld. |
| 2019 | $13,5 mld. | $23,5 mld. | $16,9 mld. | $15,1 mld. | $1,59 mld. | $70,6 mld. |
| 2020 | $17,6 mld. | $22,3 mld. | $40,1 mld. | $15,2 mld. | $1,83 mld. | $97 mld. |
| 2021 | $23,2 mld. | $24,6 mld. | $61,1 mld. | $18,7 mld. | $3,12 mld. | $131 mld. |
| 2022 | $24,8 mld. | $31,5 mld. | $63,6 mld. | $31,2 mld. | $6,68 mld. | $158 mld. |
| 2023 | $35,2 mld. | $32,3 mld. | $52,7 mld. | $27 mld. | $6,93 mld. | $154 mld. |
| 2024 | $55,6 mld. | $52,5 mld. | $83 mld. | $37,3 mld. | $10,7 mld. | $239 mld. |
| 2025 | $83,1 mld. | $91,4 mld. | $132 mld. | $69,7 mld. | $35,5 mld. | $412 mld. |
| 20263 kwartalen | $106 mld. | $132 mld. | $176 mld. | $83,1 mld. | $63,6 mld. | $560 mld. |
NVIDIA: de schoppen verkopen
Epoch AI registreert de trainingshardware van 278 opvallende modellen die sinds 2020 zijn gepubliceerd: 204 ervan (73%) werden getraind op chips van NVIDIA en 68 (24%) op TPU’s van Google.
Het boekjaar van NVIDIA eindigt eind januari: boekjaar 2026 liep tot 25 januari 2026. De omzet in dat jaar was $216 mld., met een factor 8,01 zoveel als in boekjaar 2023 ($27 mld.), het jaar dat 2 maanden na de release van ChatGPT eindigde. De nettowinst ging van $4,37 mld. (16% van de omzet) naar $120 mld. (56%).
Het laatste kwartaal in de jaarverslagen, K2 FY2027 (tot 26 juli 2026), bracht een omzet van $96,2 mld. en een nettowinst van $59,7 mld.; 75% van de omzet bleef over na de kosten van wat werd verkocht (brutomarge). De vier kwartalen tot 26 juli 2026 komen samen op $303 mld. omzet en $193 mld. nettowinst — in dat tempo kwam er elke 9,5 dagen een nettowinst binnen die gelijk is aan de totale omzet van NVIDIA in boekjaar 2016 ($5,01 mld.).
De SEC-data die hier worden gebruikt, geven de totale omzet van NVIDIA, niet de verdeling naar markt, dus de grafiek toont het totaal. De beurswaarde van de aandelen NVIDIA die in handen van het publiek zijn — de free float op de voorpagina van het jaarverslag, niet de beurswaarde van het hele bedrijf — was $434 mld. eind juli 2022 en $4,0 bln. eind juli 2025.
| Boekjaar | Omzet | Verandering | Brutomarge | Nettowinst | Nettomarge |
|---|---|---|---|---|---|
| Boekjaar 2016geëindigd 31 januari 2016 | $5,01 mld. | +7% | 56,1% | $614 mln. | 12,3% |
| Boekjaar 2017geëindigd 29 januari 2017 | $6,91 mld. | +38% | 58,8% | $1,67 mld. | 24,1% |
| Boekjaar 2018geëindigd 28 januari 2018 | $9,71 mld. | +41% | 59,9% | $3,05 mld. | 31,4% |
| Boekjaar 2019geëindigd 27 januari 2019 | $11,7 mld. | +21% | 61,2% | $4,14 mld. | 35,3% |
| Boekjaar 2020geëindigd 26 januari 2020 | $10,9 mld. | −7% | 62,0% | $2,8 mld. | 25,6% |
| Boekjaar 2021geëindigd 31 januari 2021 | $16,7 mld. | +53% | 62,3% | $4,33 mld. | 26,0% |
| Boekjaar 2022geëindigd 30 januari 2022 | $26,9 mld. | +61% | 64,9% | $9,75 mld. | 36,2% |
| Boekjaar 2023geëindigd 29 januari 2023 | $27 mld. | +0% | 56,9% | $4,37 mld. | 16,2% |
| Boekjaar 2024geëindigd 28 januari 2024 | $60,9 mld. | +126% | 72,7% | $29,8 mld. | 48,8% |
| Boekjaar 2025geëindigd 26 januari 2025 | $130 mld. | +114% | 75,0% | $72,9 mld. | 55,8% |
| Boekjaar 2026geëindigd 25 januari 2026 | $216 mld. | +65% | 71,1% | $120 mld. | 55,6% |
| Laatste vier kwartalentot 26 juli 2026 | $303 mld. | 74,7% | $193 mld. | 63,7% |
Vragen die mensen stellen
Hoe snel groeit AI?
Een maat die Epoch AI voor elk opvallend model bijhoudt, is de rekenkracht voor training. Sinds 2010 verdubbelt die elke 5,7 maanden — ×4,3 per jaar, volgens een kleinstekwadratentrend door 481 modellen. Vóór 2010 verdubbelde ze elke 20,5 maanden.
Wat is een FLOP in AI?
Een rekenbewerking met drijvende komma: één optelling of vermenigvuldiging van decimale getallen. De rekenkracht voor training is het totaal dat nodig is om een model te trainen: GPT-6 Astra kostte volgens de schatting van Epoch AI ongeveer 9,4×10²⁶ FLOP, Theseus van 1950 kostte 40.
Wat kost het om een AI-model te trainen?
Epoch AI schat de kosten van de rekenkracht voor training voor 178 opvallende modellen, in dollars van 2023. De hoogste schatting is $388 mln., voor Grok 4 (2025); de mediaan van de 7 schattingen voor modellen die in 2025 zijn gepubliceerd, is $44,6 mln. De cijfers betreffen alleen rekenkracht.
Hoeveel geven techbedrijven uit aan AI-datacenters?
De jaarverslagen vermelden de investeringen als geheel, niet het deel voor AI. Microsoft, Alphabet, Amazon, Meta en Oracle gaven $691 mld. uit in de vier kwartalen tot september 2026, tegen $154 mld. in de vier kwartalen tot september 2022; de grootste uitgever was Amazon ($215 mld.).
Hoeveel geld verdient NVIDIA?
In boekjaar 2026, tot 25 januari 2026, was de omzet $216 mld. en de nettowinst $120 mld. In de vier kwartalen tot 26 juli 2026: omzet $303 mld., nettowinst $193 mld.
Verdiep je
Hoe de cijfers worden berekend
- AI-modellen: Epoch AI, ‘Data on AI models’. Online gepubliceerd op epoch.ai. Opgehaald van https://epoch.ai/data/ai-models [online bron]. Geraadpleegd op 15 november 2026. Licentie CC BY 4.0: vrij te gebruiken, te verspreiden en te reproduceren met vermelding van Epoch AI. Grafieken, trends en aantallen op deze pagina zijn berekend door BigCapital.
- Rekenkracht voor training: het aantal rekenbewerkingen met drijvende komma dat is gebruikt om een model te trainen, zoals de ontwikkelaar opgeeft of zoals Epoch AI het schat op basis van de hardware en de trainingstijd of van de omvang van het model en de trainingsdata. Zekerheid, de 90%-bereiken van Epoch: zeker binnen een factor 3, waarschijnlijk binnen 10, speculatief binnen ongeveer 31.
- Trends: gewone kleinste kwadraten van log₂ (rekenkracht voor training) op de publicatiedatum in jaren, voor opvallende modellen met een schatting; verdubbelingstijd = 12 ÷ helling in maanden, groei per jaar = 2^helling. ‘Sinds 2010’: gepubliceerd vanaf 1 januari 2010. Een record: meer rekenkracht dan elk eerder opvallend model.
- Opvallende modellen: de lijst van Epoch met modellen die de stand van de techniek vooruithielpen, veel werden geciteerd, historisch relevant waren of veel werden gebruikt; frontiermodellen stonden bij hun release in de top 5 qua rekenkracht voor training. Grootschalige modellen: de lijst van Epoch met modellen boven 10²³ FLOP, geteld per jaar van publicatie en één keer voor elk genoemd land en elke genoemde organisatie.
- Bedrijfscijfers: SEC EDGAR, XBRL company facts van de 10-K- en 10-Q-documenten (publiek domein).
- Investeringen: betalingen voor de aankoop van bedrijfsgebouwen en apparatuur in het kasstroomoverzicht, onder de XBRL-tag die elk bedrijf gebruikt; een kwartaal dat niet apart is gerapporteerd, is het jaar tot nu toe minus het vorige jaar tot nu toe. Omzet, nettowinst, brutowinst en operationele kasstroom zoals ingediend. Amazon, K2 2017: niet in de XBRL-data, dus het is het boekjaar minus de andere drie kwartalen.
- Boekjaren zoals de bedrijven ze noemen: het boekjaar 2026 van NVIDIA eindigde op 25 januari 2026. De grafiek met investeringen gebruikt kalenderkwartalen.
- Cijfers uit het verleden zijn geschiedenis, geen voorspelling. Niets hier is beleggingsadvies.
Dit artikel hergebruiken
De tekst en de grafieken mogen vrij worden herpubliceerd, vertaald en bewerkt onder CC BY 4.0: vermeld BigCapital.org als bron, met een link naar deze pagina. Gegevens van andere aanbieders houden hun eigen licentie (zie de bronnen hieronder). Zo vermeld je de bron
Bron: BigCapital.org — “De AI-boom in cijfers”, https://bigcapital.org/nl/articles/ai-boom/