Dit artikel wordt u aangeboden door Capital Group.

Grafiek van de maand: De echte winnaars van de AI-race

De AI-race: beleggers richten zich mogelijk op de verkeerde winnaars

Top 10 AI-labs volgens de Artificial Analysis Intelligence Index

Top 10 AI-labs volgens de Artificial Analysis Intelligence Index

Data per 31 juli 2026. Bron: Artificial Analysis. De Artificial Analysis Intelligence Index (samengestelde score van 0 tot 100) meet en rangschikt de intelligentie en capaciteiten van grote taalmodellen. De index combineert een breed scala aan evaluaties om prestaties op het gebied van redeneren, kennis, wiskunde en programmeren te beoordelen.
 

Bekijk ook de macro-, obligatie- en aandelengrafiek van de maand


Chinese AI-labs hebben hun achterstand op de Amerikaanse koplopers veel sneller ingelopen dan verwacht. Kimi K3 van Moonshot AI behoort tot de eerste open-sourcemodellen die kunnen concurreren met de meest geavanceerde AI-systemen. Volgens de Artificial Analysis Intelligence Index behoort het inmiddels tot de wereldtop.

Veel aandacht gaat uit naar de vraag of de VS of China de AI-race zal winnen. Voor beleggers is een andere vraag echter relevanter: waar wordt de waarde gecreëerd? De meest geavanceerde modellen zullen waarschijnlijk een voorsprong behouden in toepassingen zoals wetenschappelijk onderzoek en geneesmiddelenontwikkeling. Tegelijkertijd worden krachtige AI-modellen steeds breder beschikbaar, waardoor het onderscheid tussen aanbieders kleiner wordt.

Wanneer technologie toegankelijker en goedkoper wordt, neemt het gebruik doorgaans toe. Daardoor verschuift de economische waarde vaak van het product zelf naar de infrastructuur erachter. Voor AI betekent dit dat de grootste winnaars mogelijk niet de ontwikkelaars van de modellen zijn, maar de bedrijven die de benodigde rekenkracht leveren.

Dat versterkt de beleggingscase voor de fundamentele bouwstenen van het AI-ecosysteem: grafische processors (GPU's), geavanceerde halfgeleiders, geheugenchips, netwerkapparatuur, energie-infrastructuur en datacenters. 

De belangrijkste conclusie is eenvoudig: als AI-modellen steeds meer uitwisselbaar worden, ligt de meest duurzame waardecreatie waarschijnlijk niet bij de modellen zelf, maar bij de infrastructuur en platforms die grootschalige toepassing mogelijk maken.