Prijsdaling van Frontier AI met 90%: Hoe China de wereldwijde technologiemarkt op zijn kop zet – Afbeelding: Xpert.Digital
Einde van het Transformer-tijdperk? Deze nieuwe AI-architectuur zorgt momenteel voor grote veranderingen op Wall Street
De stille AI-doorbraak: waarom gigantische taalmodellen plotseling achterhaald zijn geraakt voor bedrijven
Opschaling is verleden tijd: waarom kleine, particuliere AI-modellen nu de economie veroveren
De markt voor kunstmatige intelligentie ondergaat momenteel een tektonische verschuiving. Terwijl Chinese aanbieders enorme druk uitoefenen op gevestigde Amerikaanse giganten met radicale prijsverlagingen voor generatieve taalmodellen, en AI-rekenkracht steeds meer een goedkoop goed wordt, ontstaat er een dieper technologisch dilemma dat verder reikt dan de prijsoorlog. De dominante Transformer-architectuur, de ruggengraat van bijna alle huidige AI-modellen, bereikt zijn structurele grenzen als het gaat om complexe redeneringen en de foutloze verwerking van gevoelige gegevens. Als reactie hierop ontstaan er geheel nieuwe benaderingen: van dynamische "neurotopologieën" die hun waarde bewijzen in de financiële markten tot op maat gemaakte, soevereine AI-modellen die prioriteit geven aan volledige datasoevereiniteit en absolute traceerbaarheid. De geopolitieke wedloop om de grootste rekenkracht maakt steeds meer plaats voor een strijd om de meest intelligente en veilige architectuur – een ontwikkeling die bedrijven wereldwijd dwingt hun AI-strategieën fundamenteel te herzien.
Frontier AI verwijst naar de krachtigste en meest breed toepasbare AI-systemen die momenteel beschikbaar zijn. "Frontier" betekent simpelweg: op de uiterste grens van wat technisch mogelijk is.
Het Transformer-tijdperk verwijst naar de fase in de ontwikkeling van AI sinds 2017 waarin Transformer-modellen de centrale technische basis vormden voor moderne generatieve AI. Dit betreft niet één specifiek product, maar een paradigmaverschuiving: van meer gespecialiseerde, sequentieel werkende modellen naar grootschalige, algemeen toepasbare AI-modellen.
De stille doorbraak in de race om kunstmatige intelligentie
Wanneer prijzen met meer dan 90 procent dalen zonder dat de vraag instort, is dat geen marketingtruc, maar een structurele verschuiving in een hele industrie. Dit is precies wat er in 2026 gebeurde op de markt voor generatieve taalmodellering. Chinese leveranciers zoals DeepSeek, Alibaba, Moonshot AI, Xiaomi en Zhipu verlaagden de kosten van hun meest geavanceerde modellen zo drastisch dat de kosten per miljoen verwerkte tekstkarakters nu vijftien tot tweehonderd keer lager liggen dan die van Amerikaanse leveranciers zoals OpenAI en Anthropic. DeepSeek heeft de korting van 75 procent op het V4 Pro-model permanent gemaakt en biedt nu een output van één miljoen tekstfragmenten voor $ 0,87, terwijl vergelijkbare Amerikaanse producten soms meer dan 30 dollar kosten. Volgens analysebureau Artificial Analysis kost het nieuwste V4 Flash-model in benchmarktests slechts ongeveer drie Amerikaanse cent, vergeleken met meer dan drie dollar voor het huidige topmodel van Anthropic. Deze verschuiving heeft niet alleen gevolgen voor de balansen van technologiebedrijven, maar voor de gehele kostenstructuur waarmee bedrijven wereldwijd kunstmatige intelligentie in hun workflows integreren.
Waarom rekenkracht plotseling een handelswaar wordt
De prijsdaling is geen toeval, maar het resultaat van verschillende parallelle economische krachten. Ten eerste hebben Chinese ontwikkelaars modellen gebouwd met behulp van zogenaamde 'mix of experts'-architecturen. Deze modellen bevatten triljoenen parameters, maar activeren er slechts een fractie van voor individuele zoekopdrachten, waardoor de rekenkosten drastisch dalen. Ten tweede maken geavanceerde cachingtechnieken, zoals het systeem voor hergebruik van contextinformatie van DeepSeek, het mogelijk om veelgebruikte zoekopdrachten vrijwel gratis te verwerken, soms voor minder dan drieduizendste van een dollar per miljoen tekens. Daarbij komen nog de lagere energiekosten in China, overheidssubsidies voor de binnenlandse halfgeleiderproductie en de politieke wil om technologische onafhankelijkheid te bereiken van Amerikaanse exportbeperkingen voor chips. Dit laatste heeft bedrijven zoals Huawei ertoe aangezet om met de Ascend 950-processor een binnenlands alternatief voor westerse hardware te ontwikkelen. Het resultaat is een prijsoorlog die, volgens een onderzoek van de US-China Economic and Security Review Commission, ertoe heeft geleid dat Chinese modellen met vergelijkbare prestaties slechts een zesde tot een kwart kosten van Amerikaanse systemen. Voor bedrijven betekent dit een radicale herberekening van hoeveel AI-ondersteunde automatisering daadwerkelijk kan kosten om economisch rendabel te zijn.
Het werkelijke probleem achter de dalende prijzen
Hoe indrukwekkend de kostenbesparing ook is, het lost een fundamenteel technisch dilemma niet op. Alle genoemde modellen, of ze nu uit de Verenigde Staten of China komen, zijn gebaseerd op dezelfde fundamentele architectuur, de zogenaamde Transformer, die sinds de introductie in 2017 de basis vormt van bijna alle belangrijke taalmodellen. Een Transformer verwerkt taal door statistische waarschijnlijkheden te berekenen over de opeenvolging van tekstelementen en daaruit de meest waarschijnlijke voortzetting af te leiden. Deze methode heeft enorme vooruitgang mogelijk gemaakt, maar bereikt een structurele grens als het gaat om echt contextonafhankelijk redeneren in gebieden waar fouten daadwerkelijke financiële of operationele gevolgen hebben. Een goedkopere Transformer blijft in zijn basisfunctionaliteit een Transformer, ongeacht hoeveel de gebruikskosten dalen. Deze constatering vormt het uitgangspunt voor een kleine maar groeiende groep bedrijven die de heersende architectuur fundamenteel ter discussie stellen, in plaats van deze simpelweg goedkoper te maken.
Een architectonisch concept dat zichzelf bij elke aanvraag opnieuw uitvindt
Het in Miami gevestigde bedrijf Vertus hanteert een fundamenteel andere aanpak met zijn eigen architectuur, die het neurotopologie of dynamische neurale topologie noemt. In plaats van vragen te routeren via een vast netwerk van vooraf getrainde gewichten, zoals gebruikelijk is bij transformermodellen, is het systeem ontworpen om voor elke individuele vraag nieuwe neurale paden te creëren. Dit is vergelijkbaar met hoe een biologisch brein synaptische verbindingen van verschillende dichtheid activeert voor taken van verschillende complexiteit. Een eenvoudige vraag zou dus een efficiënt verwerkingspad activeren, terwijl een complexe analysetaak een dichte, sterk onderling verbonden structuur zou activeren die na de berekening weer wordt ontmanteld. Het bedrijf promoot twee modelvarianten, de acht-meganeuron- en zestien-meganeuron-architecturen, respectievelijk ontworpen voor algemene redeneertaken en onderzoeksgerichte, multidimensionale analysetaken. Vertus beweert meer dan een miljoen interne subsystemen te gebruiken die getraind zijn op een eigen dataset genaamd Broker Money Flow, die kapitaalstromen tussen financiële intermediairs in kaart brengt. Deze architectuur is volgens het bedrijf niet gebaseerd op externe taalmodellen zoals GPT of Gemini, maar op een structuur die van de grond af aan is ontworpen voor financieel denken.
De zware praktijktest op de aandelenmarkt
De keuze voor dit testterrein is bijzonder veelzeggend. In plaats van het nieuwe architectuurconcept in eerste instantie te testen in een omgeving met een laag risico, zet Vertus zijn systeem in op de live financiële markten, waar verkeerde inschattingen direct en in realtime tot financiële verliezen leiden. Het bedrijf rapporteert een rendement van meer dan 51 procent voor 2025 en een dagelijks handelsvolume van miljarden. Deze cijfers zouden, indien ze betrouwbaar blijken, uitzonderlijk zijn, maar onafhankelijke audits en verifieerbare technische documentatie ter ondersteuning van de beweringen van het bedrijf zijn momenteel schaars. Een journalistiek onderzoek concludeert dat, hoewel de technische beweringen van Vertus plausibel geformuleerd zijn, ze nauwelijks worden ondersteund door onafhankelijk verifieerbare details. Dit, in een sector die bekendstaat om overdreven prestatiebeloftes, vraagt om voorzichtigheid. Tegelijkertijd is de gekozen testomgeving opmerkelijk slim: financiële markten bieden objectieve, dagelijkse feedback in de vorm van winst of verlies, die niet kan worden verdoezeld of verhuld door slimme marketing. Als een nieuwe architectuur gedurende een langere periode consistent betere resultaten oplevert dan gevestigde modellen, zou dat een sterke indicatie zijn dat er meer achter zit dan alleen een bewering. Het bedrijf kondigt tevens aan dat het zijn technologie wil uitbreiden van de financiële sector naar gebieden zoals biotechnologie, defensie, ruimtevaart en materiaalkunde.
Wanneer opschaling niet langer de enige oplossing is
De afgelopen jaren is de ontwikkeling van AI grotendeels gebaseerd op een simpele formule: meer data, meer parameters en meer rekenkracht leiden tot betere modellen. Deze logica heeft geleid tot gigantische investeringen in datacenters en gespecialiseerde chips, waardoor de marktwaarde van toonaangevende Amerikaanse AI-bedrijven historische hoogtepunten heeft bereikt. De huidige prijsoorlog met China laat echter zien dat pure schaalvergroting steeds meer zijn economische grenzen bereikt, omdat concurrenten met efficiëntere architecturen vergelijkbare prestaties kunnen leveren tegen een fractie van de kosten. Mocht bovendien blijken dat alternatieve architectuurconcepten, zoals de neurotopologie die Vertus nastreeft, in bepaalde gevallen inderdaad superieur zijn aan de Transformer, dan zou dit de investeringslogica van de hele industrie opnieuw veranderen. De cruciale vraag zou dan niet langer zijn welk land of bedrijf de grootste datacenters beheert, maar welk fundamenteel computerprincipe op de lange termijn de overhand zal krijgen. Deze verschuiving van een geopolitieke race naar een architectuurcompetitie zou een van de meest significante heroriëntaties in de jonge geschiedenis van kunstmatige intelligentie zijn.
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (kunstmatige intelligentie) - Platform- en B2B-oplossing | Xpert Consulting
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (kunstmatige intelligentie) – Platform- en B2B-oplossing | Xpert Consulting - Afbeelding: Xpert.Digital
Hier leert u hoe uw bedrijf snel, veilig en zonder hoge drempels AI-oplossingen op maat kan implementeren.
Een beheerd AI-platform is uw allesomvattende, zorgeloze oplossing voor kunstmatige intelligentie. In plaats van te worstelen met complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u een kant-en-klare oplossing op maat van een gespecialiseerde partner – vaak al binnen enkele dagen.
De belangrijkste voordelen in één oogopslag:
⚡ Snelle implementatie: Van idee tot gebruiksklare applicatie in dagen, niet maanden. Wij leveren praktische oplossingen die direct toegevoegde waarde creëren.
🔒 Maximale gegevensbeveiliging: Uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.
💸 Geen financieel risico: u betaalt alleen voor de resultaten. Hoge investeringen vooraf in hardware, software of personeel zijn volledig uitgesloten.
🎯 Focus op uw kernactiviteiten: concentreer u op waar u het beste in bent. Wij zorgen voor de volledige technische implementatie, werking en het onderhoud van uw AI-oplossing.
📈 Toekomstbestendig en schaalbaar: Uw AI groeit met u mee. Wij garanderen continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.
Meer informatie vindt u hier:
Datasoevereiniteit in plaats van afhankelijkheid van de cloud: waarom kleine AI-modellen bedrijven succesvol maken
Datasoevereiniteit als de nieuwe valuta van AI in het bedrijfsleven
Naast het debat over architectuur en kosten, ontstaat er een tweede, even economisch relevante trend: de vraag naar kleine, eigen AI-modellen die volledig onder controle van de klant blijven. Het bedrijf myAux Labs, gevestigd in Marina del Rey, Californië, positioneert zich precies in deze niche. Hun businessmodel pakt twee obstakels aan die tot nu toe veel bedrijven ervan hebben weerhouden om AI op grote schaal te implementeren: de neiging van grote taalmodellen om plausibel klinkende, maar onjuiste beweringen te genereren, en wettelijke of contractuele vereisten die voorkomen dat gevoelige bedrijfsgegevens de IT-infrastructuur van het bedrijf verlaten. In tegenstelling tot traditionele cloudproviders, die een universeel model aanbieden tegen een doorlopende gebruiksvergoeding, werkt myAux samen met de klant om een specifieke use case te definiëren, verzamelt de benodigde eigen data, traint en valideert een model op maat en levert vervolgens de volledige modelgewichten aan de klant. De klant is dan volledig eigenaar van het model, er zijn geen doorlopende kosten per aanvraag, er is geen afhankelijkheid van één enkele provider en er hoeven geen gegevens de eigen omgeving van de klant te verlaten, aangezien de implementatie zowel on-premise als volledig losgekoppeld van externe netwerken kan plaatsvinden.
Waarom begrijpelijkheid belangrijker wordt dan pure taalvaardigheid
Een belangrijk technisch kenmerk van het aanbod van myAux is de contextbeperkte architectuur, ontwikkeld in samenwerking met partnerbedrijf TopoLift AI. Deze architectuur beperkt bewust de uitspraken die een model mag doen door uitsluitend te vertrouwen op structuren die daadwerkelijk aanwezig en verifieerbaar zijn binnen de eigen data van de klant. Elke reactie van het systeem kan daarom worden herleid tot het specifieke bewijsmateriaal dat de reactie oorspronkelijk mogelijk maakte. Deze aanpak verschilt fundamenteel van de functionaliteit van klassieke, breed getrainde taalmodellen, die hun kennis ontlenen aan een enorme hoeveelheid algemene trainingsdata en die, door hun aard, uitspraken kunnen genereren die, hoewel taalkundig overtuigend, niet langer duidelijk herleidbaar zijn tot een specifieke, verifieerbare bron. Voor sectoren zoals financiën, energie, openbaar bestuur, gezondheidszorg en onderwijs, waar traceerbaarheid en gegevensbescherming ononderhandelbare voorwaarden zijn, vertegenwoordigt dit principe een cruciaal verschil. Het verschuift het concurrentievoordeel van de omvang van een model naar de vraag hoe precies en verifieerbaar de uitspraken ervan daadwerkelijk zijn binnen een duidelijk afgebakend domein.
Twee antwoorden op dezelfde basisvraag
Op het eerste gezicht lijken Vertus en myAux totaal verschillende strategieën te volgen, maar in feite behandelen ze dezelfde fundamentele vraag vanuit tegengestelde invalshoeken: hoe de inherente zwakheden van de huidige AI-systemen te overwinnen, met name hun gebrek aan betrouwbaarheid in kritieke situaties en hun gebrek aan controle over hun eigen data. Vertus vertrouwt op een radicaal nieuwe, universele architectuur die bedoeld is voor sectoroverschrijdend gebruik en die zich in eerste instantie zal bewijzen in één specifiek, bijzonder veeleisend vakgebied. MyAux daarentegen vermijdt bewust de claim van een algemene kunstmatige intelligentie en richt zich in plaats daarvan op kleine, strikt gedefinieerde, maar volledig controleerbare en traceerbare modellen voor individuele bedrijven. Het volgende overzicht illustreert de belangrijkste conceptuele verschillen tussen de twee benaderingen.
| functie | Vertus (Neurotopologie) | myAux Labs (soevereine modellen) |
|---|---|---|
| Architectonische aanpak | Dynamisch herbouwde neurale paden op aanvraag | Contextgebonden modellen gebaseerd op zorgvuldig geselecteerde klantgegevens |
| Objectief | Brancheoverstijgende, universele redenering | Een nauw omschreven, bedrijfsspecifiek gebruiksscenario |
| Eigendomsmodel | Eigen platform, gebruik in ruil voor toegang | Volledige overdracht van de modelgewichten aan de klant |
| Voorraad | Via een eigen platform, voornamelijk voor financiële markten | Op locatie of volledig netwerkgeïsoleerd op het terrein van de klant |
| Kernbelofte | Superieure argumentatievaardigheden in vergelijking met Transformer-modellen | Verifieerbare, op bronnen gebaseerde antwoorden zonder datalekken |
Waarom grootte niet langer automatisch de winnaar is
De combinatie van radicaal dalende prijzen voor generieke grensmodellen en de parallelle opkomst van kleinere, gespecialiseerde of architectonisch zeer verschillende alternatieven wijst op een marktrijpingsproces dat vergelijkbaar is met datgene dat in andere technologiecycli wordt waargenomen. In de beginfase van een technologiecyclus richt de concurrentie zich doorgaans op pure prestaties en schaal, terwijl in een meer volwassen fase differentiatie, kostenefficiëntie en betrouwbaarheid centraal komen te staan. Voor een middelgroot bedrijf of een bedrijf dat actief is in een sterk gereguleerde sector, betekent dit dat de keuze voor de juiste AI-strategie minder afhangt van welk model het hoogst scoort in algemene taalbenchmarks en meer van welk systeem het beste voldoet aan de specifieke operationele eisen van het bedrijf op het gebied van kosten, controle en traceerbaarheid. Een logistiek bedrijf met gevoelige gegevens over de toeleveringsketen heeft andere prioriteiten dan een startup die simpelweg snelle en goedkope tekstgeneratie nodig heeft, en beide verschillen van een financiële instelling die in realtime verantwoorde handelsbeslissingen moet nemen.
Risico's en open vragen die niet over het hoofd gezien mogen worden
Ondanks alle terechte nieuwsgierigheid naar nieuwe architectuurconcepten en geavanceerde modelleringstechnieken, blijft een gezonde dosis scepsis geboden. De beweringen van Vertus over rendementen en handelsvolumes zijn tot nu toe grotendeels gebaseerd op verklaringen van het bedrijf zelf; onafhankelijke, technisch verifieerbare audits van de onderliggende architectuur ontbreken grotendeels, en de financiële sector kent talloze voorbeelden van zogenaamd revolutionaire systemen waarvan het succes later niet reproduceerbaar bleek. Voorzichtigheid is ook geboden met betrekking tot de prijsvoordelen van Chinese aanbieders, aangezien onafhankelijke analisten erop wijzen dat veel van de goedkope Chinese modellen merkbaar trager presteren bij rekenintensieve workloads met een hoge doorvoer, en hun benchmarkresultaten regelmatig naar beneden worden bijgesteld door externe auditors. Bovendien is er bij Chinese clouddiensten de kwestie van gegevenstoegang door overheidsinstanties, een aspect dat een ernstig risico vormt voor Europese en Amerikaanse bedrijven met strenge compliance-eisen en dat moeilijk volledig kan worden uitgesloten door contractuele garanties. Zelfs met soevereine, bedrijfsspecifieke modellen zoals die van myAux, valt nog te bezien hoe goed nauw geïntegreerde systemen, afgestemd op één specifiek gebruiksscenario, zich daadwerkelijk kunnen aanpassen aan veranderende bedrijfsbehoeften en of de beloofde traceerbaarheid betrouwbaar wordt gewaarborgd, zelfs bij complexere, meerfasige problemen.
Een onderbouwde beoordeling van verdere ontwikkelingen
Vanuit het huidige perspectief zijn er veel aanwijzingen dat de AI-markt zich de komende jaren zal opsplitsen in twee parallelle, complementaire ontwikkelingspaden. Enerzijds zal de prijs van algemene, breed toepasbare taalmodellen blijven dalen, waardoor deze systemen steeds meer een vrijwel onzichtbaar, uitwisselbaar infrastructuuronderdeel zullen worden, net zoals cloudopslag en rekenkracht al grotendeels gecommoditiseerd zijn. Anderzijds ontstaat er een groeiende markt voor gespecialiseerde, architectonisch gedifferentieerde of propriëtaire oplossingen die precies inspelen op de structurele beperkingen van generieke modellen, of het nu gaat om risicovolle, realtime beslissingen, zoals in de financiële sector, of om gebieden met strenge eisen aan datasoevereiniteit en traceerbaarheid, zoals de gezondheidszorg en de overheid. Of neurotopologiebenaderingen zoals die van Vertus uiteindelijk superieur zullen blijken aan Transformer, is nog niet met zekerheid te zeggen, maar het feit dat serieuze bedrijven met tastbaar kapitaal dit pad bewandelen en zichzelf onderwerpen aan de zwaarste beschikbare praktijktest – de live financiële markten – verdient economische aandacht. Voor bedrijven die vandaag de dag hun AI-strategie bepalen, is de praktische consequentie dat ze zich niet alleen moeten richten op de grootste en bekendste aanbieders, maar dat ze hun eigen eisen met betrekking tot kosten, controle, traceerbaarheid en fouttolerantie nauwkeurig moeten definiëren en hun keuze voor geschikte technologie daarop moeten afstemmen. De echte concurrentiestrijd van de komende jaren zal daarom minder worden beslist tussen individuele landen of bedrijven, maar tussen fundamenteel verschillende opvattingen over wat kunstmatige intelligentie in de kern zou moeten zijn.
🎯🎯🎯 Datagestuurd B2B-brancheplatform als quasi-interne oplossing
De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering - Afbeelding: Xpert.Digital
Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.
Meer informatie vindt u hier:
Uw wereldwijde partner voor marketing en bedrijfsontwikkeling
☑️ Onze zakelijke voertaal is Engels of Duits
☑️ NIEUW: Correspondentie in uw moedertaal!
Konrad Wolfenstein
Mijn team en ik staan graag tot uw beschikking als uw persoonlijke adviseur.
U kunt contact met mij opnemen door hier het contactformulier in te vullen wolfenstein@xpert.digital:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is
Ik kijk uit naar ons gezamenlijke project.
