Project “Shallotteat” en “Rough Times”: interne memo van Sam Altman onthult de grootste crisis van OpenAI
Xpert pre-release
Spraakselectie 📢
Gepubliceerd op: 22 november 2025 / Bijgewerkt op: 22 november 2025 – Auteur: Konrad Wolfenstein
Project “Shallotteat” en “Rough Times”: interne memo van Sam Altman onthult de grootste crisis van OpenAI – Afbeelding: Xpert.Digital
Een waardering van 500 miljard, maar geen winst: Staat de AI-bubbel op barsten?
En het probleem van 650 miljard dollar: waarom OpenAI gedoemd is te slagen
In november 2025 verschoven de tektonische platen van de technologische industrie fundamenteel. OpenAI werd lange tijd beschouwd als de onaantastbare monarch van het nieuwe AI-tijdperk – een David die de Goliaths van Silicon Valley laat zien hoe innovatie werkt. Maar deze aura van onoverwinnelijkheid begint te barsten. Met de release van Google Gemini 3 en de snelle opkomst van Anthropics Claude-modellen is het tij gekeerd. Wat begon als een triomfantelijke mars naar kunstmatige superintelligentie, is voor OpenAI nu getransformeerd tot een existentiële strijd tegen technologische stagnatie en economische realiteit.
De situatie is paradoxaal: OpenAI is nog nooit zo waardevol geweest op de beurs, maar zijn technologische leiderschap is nog nooit zo fragiel geweest. Hoewel Sam Altmans bedrijf, met een waardering van $ 500 miljard, zich waagt op terrein dat normaal gesproken is voorbehouden aan gevestigde techgiganten, bestaat er een gevaarlijke kloof tussen de marktwaarde en de daadwerkelijke winst. De jaarlijkse omzet van $ 13 miljard staat in schril contrast met de enorme verliezen en infrastructuurverplichtingen van honderden miljarden. Dit agressieve groeimodel werkte zolang OpenAI het onmiskenbaar beste product op de markt had. Maar juist die premisse is nu ingestort.
Met Gemini 3 heeft Google niet alleen een technologische inhaalslag gemaakt, maar OpenAI ook op cruciale gebieden ingehaald. Door de heropleving van vooropleiding en de massale integratie in zijn eigen ecosysteem, laat de zoekmachinegigant zien dat een flinke investering, gepatenteerde hardware en tientallen jaren ervaring in dataverwerking uiteindelijk zwaarder wegen dan het pioniersvoordeel van een startup. De overhaaste strategische heroriëntatie van OpenAI – gesymboliseerd door het interne project "Shallotpeat" – is een erkenning dat de eerdere inzet op pure "redeneringsmodellen" niet heeft geloond.
Het volgende artikel analyseert de anatomie van deze machtsverschuiving. Het laat zien hoe technische misrekeningen, financiële koorddansen en de heropleving van concurrentie een giftige mix creëren die niet alleen de toekomst van OpenAI, maar ook de structuur van de hele AI-industrie zou kunnen herdefiniëren.
Geschikt hiervoor:
De voormalige voorhoede van kunstmatige intelligentie vecht voor zijn toekomst, terwijl Google met pure technologische kracht de machtsbalans verschuift.
De wereldwijde strijd om dominantie op het gebied van kunstmatige intelligentie nam in november 2025 een dramatische wending. Wat jarenlang werd beschouwd als de veilige leiderschapspositie van OpenAI, veranderde binnen enkele maanden in een precaire defensieve houding. De release van Google's Gemini 3 markeerde niet alleen een technologische mijlpaal, maar stelde ook fundamentele aannames over de architectuur van de AI-markt ter discussie. In een interne memo waarschuwde OpenAI-CEO Sam Altman zijn medewerkers voor moeilijke tijden en gaf hij toe dat de recente ontwikkelingen van Google tijdelijke economische tegenwind voor het bedrijf zouden kunnen veroorzaken. Deze ongewoon openhartige beoordeling onthult de kwetsbaarheid van een positie die tot voor kort onoverkomelijk leek.
De omvang van deze verschuiving wordt pas duidelijk binnen de context van de waarderingslogica van de sector. OpenAI heeft momenteel een waardering van ongeveer $ 500 miljard, maar genereert slechts $ 13 miljard aan jaarlijkse omzet. Deze extreme divergentie tussen marktkapitalisatie en daadwerkelijke omzet is gebaseerd op de aanname van exponentiële groei en aanhoudende technologische superioriteit. Google's Gemini 3 ondermijnt beide aannames tegelijkertijd. Het model presteert beter dan OpenAI's GPT-5.1 in bijna alle gestandaardiseerde benchmarks, wat aantoont dat OpenAI zelf nog steeds streeft naar de ontwikkeling van mogelijkheden.
De economische gevolgen reiken veel verder dan kortetermijnverschuivingen in marktaandeel. OpenAI verbrandt jaarlijks zo'n acht miljard dollar, met een verlies van vijf miljard dollar vorig jaar. Dit tekort kan alleen worden opgevangen door continue kapitaalinstroom, die op zijn beurt afhankelijk is van het vertrouwen van investeerders in het technologische leiderschap. Als dat leiderschap afbrokkelt, stort de hele financieringslogica in. De situatie is vergelijkbaar met een hogesnelheidstrein die zonder brandstof komt te zitten terwijl hij nog steeds op maximale snelheid rijdt.
De belangrijkste bron voor Sam Altmans interne memo is The Information, een nieuwspublicatie die gespecialiseerd is in de technologiesector.
Het memo werd oorspronkelijk gepubliceerd door The Information op 20 november 2025. Het originele artikel heeft als titel "Altman Memo voorspelt 'ruwe vibes' vanwege het oplevende Google" of "OpenAI CEO zet zich schrap voor mogelijke economische tegenwind die het oplevende Google treft".
De publicatie van het memo door The Information werd vervolgens opgepikt door tal van andere media, waaronder:
Het memo zelf was een interne communicatie van Sam Altman aan OpenAI-medewerkers en werd blijkbaar door een bron binnen het bedrijf gelekt naar The Information. In het memo waarschuwde Altman voor "tijdelijke economische tegenwind" door de vooruitgang van Google en verklaarde hij dat hij "ongunstige effecten" verwachtte.
De anatomie van technologische doorbraken
Het succes van Google met Gemini 3 is gebaseerd op een fundamentele herziening van een zogenaamd uitgeputte ontwikkelingsmethodologie. Pre-training, de fundamentele fase waarin AI-modellen leren van enorme datasets, werd door sommigen in de onderzoeksgemeenschap als grotendeels uitgeput beschouwd. De schaalprincipes, die jarenlang voorspelbare prestatieverbeteringen beloofden door grotere modellen en meer data, leken hun fysieke en economische grenzen te bereiken. OpenAI reageerde hierop door zijn strategische focus te verleggen naar zogenaamde redeneermodellen zoals o1, die hun prestaties verbeteren door langere denktijden tijdens de inferentie.
Google heeft echter aangetoond dat de zogenaamd gedoemde processor nog steeds een aanzienlijk potentieel heeft. Demis Hassabis, hoofd van Google DeepMind, vatte dit inzicht bondig samen: hoewel er geen exponentiële prestatiesprongen meer zijn van generatie op generatie, blijven de rendementen op investeringen in pre-training uitzonderlijk goed. Gemini 3 Pro behaalt 91,9 procent op de GPQA Diamond-benchmark voor wetenschappelijk redeneren op PhD-niveau, waarmee hij GPT-5.1 met bijna vier procentpunten overtreft. Nog indrukwekkender zijn de prestaties op het gebied van abstract visueel redeneren: met 31,1 procent op de ARC-AGI-2-benchmark verdubbelt Gemini 3 bijna de prestaties van GPT-5.1 en overtreft hij zijn voorganger met meer dan zes keer.
De economische betekenis van deze technologische superioriteit manifesteert zich in concrete toepassingsgebieden. Bij algoritmische probleemoplossing behaalt Gemini 3 Pro een Elo-score van 2439 op LiveCodeBench Pro, bijna 200 punten boven GPT-5.1. Dit is geen academische maatstaf, maar een directe indicator van de productiviteit van ontwikkelaars die deze modellen gebruiken. In een markt waar OpenAI 70 procent van zijn omzet genereert uit API-toegang en zakelijke klanten, vertaalt technologische inferioriteit zich in onmiddellijke omzetverliezen.
De pre-trainingsproblemen van OpenAI kwamen aan het licht tijdens de ontwikkeling van GPT-5, waar gevestigde schaaloptimalisaties niet langer werkten. Het bedrijf realiseerde zich dat traditionele methoden voor prestatieverbetering hun effectiviteit hadden verloren. Als reactie hierop ontwikkelde OpenAI GPT-5 met een aanzienlijk kleiner pre-trainingsbudget dan GPT-4.5, maar compenseerde dit met intensieve post-trainingsoptimalisatie met behulp van reinforcement learning. Deze strategie bleek op korte termijn succesvol, maar creëerde een structurele kwetsbaarheid: OpenAI had zich gespecialiseerd in een methodologie die weliswaar innovatieve mogelijkheden genereerde, maar de fundamentele basis van het model verwaarloosde.
De strategische herpositionering en het Shallotpeat-project
Altmans memo diagnosticeert niet alleen het probleem, maar schetst ook de tegenstrategie van OpenAI. De kern ervan is de ontwikkeling van een nieuw model, codenaam Shallotpeat, specifiek ontworpen om de vastgestelde tekortkomingen vóór de training aan te pakken. De naam zelf is programmatisch: sjalotten groeien slecht in veengrond, het substraat is verre van ideaal. OpenAI geeft daarmee aan dat het de basis van zijn bestaande modellen erkent die niet kan worden geëlimineerd door oppervlakte-optimalisatie.
De ontwikkeling van Shallotpeat maakt deel uit van een bredere strategische heroriëntatie. In zijn memo benadrukt Altman de noodzaak om te focussen op zeer ambitieuze investeringen, zelfs als dit OpenAI tijdelijk in het nadeel brengt. Een van deze investeringen is de automatisering van AI-onderzoek zelf, een meta-aanpak die gericht is op het drastisch verkorten van de ontwikkelingscycli van nieuwe modellen. Dit is niet alleen efficiëntieverbetering, maar een poging om het speelveld fundamenteel te veranderen: als AI-systemen hun eigen evolutie kunnen versnellen, zou dit de structurele voordelen van gevestigde spelers met enorme middelen kunnen verminderen.
De urgentie van deze strategie wordt onderstreept door de financiële situatie van OpenAI. Het bedrijf moet in 2029 winstgevend zijn om zijn infrastructuurverplichtingen aan Microsoft en andere partners na te komen. Deze verplichtingen bedragen jaarlijks ongeveer $ 60 miljard, vergeleken met de huidige verplichtingen voor cloudinfrastructuur die de komende jaren meer dan $ 650 miljard bedragen. De discrepantie tussen deze verplichtingen en de huidige omzet van $ 13 miljard onderstreept de omvang van het probleem.
Tegelijkertijd streeft OpenAI een diversificatiestrategie na om de afhankelijkheid van Microsoft te verminderen. De in januari 2025 aangekondigde aanpassing van het partnerschap stelt OpenAI voor het eerst in staat om ook rekenkracht van concurrenten zoals Oracle te gebruiken. Hoewel Microsoft het recht van eerste weigering behoudt voor nieuwe capaciteit, is deze exclusiviteit verbroken. Voor OpenAI betekent dit mogelijk snellere toegang tot de enorme GPU-clusters die nodig zijn voor het trainen van nieuwe modellen. Het Stargate-initiatief, een samenwerking tussen OpenAI, Oracle, SoftBank en Microsoft, zal de komende vier jaar $ 500 miljard investeren in datacenters. De eerste faciliteit in Abilene, Texas, is al operationeel met Nvidia GB200 GPU-clusters.
De economische kwetsbaarheid van het bedrijfsmodel
De bedrijfsmodellen van toonaangevende AI-bedrijven zijn gebaseerd op een impliciete inzet op netwerkeffecten en technologische lock-ins. OpenAI heeft deze strategie met aanzienlijk succes gevolgd: ChatGPT bereikte in november 2025 ongeveer 700 tot 800 miljoen wekelijkse actieve gebruikers, een verdubbeling ten opzichte van februari. Het platform verwerkt dagelijks 2,5 miljard zoekopdrachten en staat op de vijfde plaats van de meest bezochte websites wereldwijd. Deze gebruikersbasis lijkt in eerste instantie een onneembare gracht, maar de conversiepercentages onthullen een fundamentele zwakte: slechts zo'n vier tot tien procent van de gebruikers betaalt voor een abonnement.
Economische levensvatbaarheid hangt dus af van twee cruciale aannames: ten eerste dat de gebruikersbasis exponentieel blijft groeien, zodat zelfs kleine conversiepercentages absolute omzetgroei mogelijk maken; ten tweede dat technologische superioriteit gebruikers aan het platform bindt en de overstapkosten naar concurrenten hoog blijven. Google's Gemini 3 ondermijnt beide aannames. Technische gelijkheid, of zelfs inferioriteit, maakt OpenAI tot een uitwisselbare aanbieder in een steeds meer gecommercialiseerde markt.
De kostenstructuur verergert dit probleem. Het trainen van grote taalmodellen en de operationele implementatie ervan vereist enorme computercapaciteit. OpenAI-projecten hebben een computerbudget van meer dan $ 450 miljard tussen 2024 en 2030, met totale verplichtingen van ongeveer $ 650 miljard, waarvan sommige verder reiken dan 2030. Deze investeringen moeten worden gerechtvaardigd door de inkomsten, die op hun beurt afhankelijk zijn van het marktaandeel. Er ontstaat een vicieuze cirkel: als OpenAI marktaandeel verliest, dalen de inkomsten, waardoor het vermogen om verder te investeren wordt beperkt en de technologische concurrentiekracht verder wordt uitgehold.
Vergelijkende analyses illustreren de omvang van het probleem. Anthropic, een directe concurrent die het Claude-model gebruikt, wordt momenteel gewaardeerd op $ 170 miljard met een verwachte jaarlijkse omzet van $ 4 miljard. OpenAI en Anthropic samen zouden in 2030 een gecombineerde omzet van meer dan $ 300 miljard moeten behalen om hun huidige waardering te rechtvaardigen – uitgaande van een vrije kasstroommarge van 27 procent, vergelijkbaar met die van Alphabet of Microsoft. Ter vergelijking: Nvidia, de toonaangevende leverancier van AI-chips, zal naar verwachting in 2030 slechts $ 350 miljard aan omzet genereren.
Google als houder van een structureel voordeel
De positie van Google in de AI-race verschilt fundamenteel van die van OpenAI door de integratie in een gevestigd ecosysteem met gediversifieerde inkomstenstromen. Het bedrijf genereert meer dan $ 300 miljard aan jaarlijkse inkomsten, voornamelijk via advertenties en clouddiensten, waardoor AI-ontwikkeling kan worden gezien als een strategische investering die op korte termijn niet winstgevend hoeft te zijn. Deze financiële robuustheid stelt Google in staat te experimenteren en te investeren in gebieden waar pure AI-spelers zoals OpenAI direct onder druk staan om inkomsten te genereren.
De distributievoordelen zijn even belangrijk. Google integreert Gemini in zijn zoekmachine, die dagelijks miljarden zoekopdrachten verwerkt, in Gmail met meer dan 1,5 miljard gebruikers, in Google Docs, Sheets en de volledige Workspace-suite. Deze alomtegenwoordigheid creëert passieve blootstelling: gebruikers komen Gemini tegen in hun dagelijkse digitale workflows zonder actief naar AI-tools te hoeven zoeken. Zelfs als GPT-5.1 of Claude Sonnet 4.5 marginaal beter presteren in specifieke benchmarks, plaatst Google zijn model voor miljarden ogen.
Verticale technologische integratie versterkt deze voordelen. Google ontwikkelt zijn eigen AI-chips met behulp van TPU's (Tensor Processing Units), beheert de volledige cloudinfrastructuur en beschikt over unieke trainingsbronnen die zijn verkregen door decennialange dataverzameling. Deze controle over de gehele waardeketen verlaagt de kosten en maakt optimalisaties mogelijk die voor externe leveranciers niet beschikbaar zijn. Zoals een Reddit-commentator het bondig verwoordde: Google beheert de hardware, de datacenters, de distributiekanalen en de informatie zelf.
Historische precedenten waarschuwen tegen overschatting van vroeg marktleiderschap. Internet Explorer domineerde de browsermarkt eind jaren negentig met een marktaandeel van meer dan 90 procent en werd als onoverkomelijk beschouwd, maar werd binnen tien jaar gemarginaliseerd door technisch superieure alternatieven. Yahoo en AOL, ooit synoniem met internettoegang, werden verdrongen door Google en andere bedrijven. Voorsprongvoordelen in technologiemarkten blijken vaak tijdelijk te zijn als structurele nadelen, zoals een gebrek aan verticale integratie of financiële kwetsbaarheid, niet kunnen worden overwonnen.
Het perspectief van de belegger en waarderingsrisico's
De waardering van OpenAI van $ 500 miljard vertegenwoordigt een van de meest extreme verschillen tussen de huidige winst en de marktkapitalisatie in de geschiedenis van de technologiesector. Deze waardering impliceert een omzetmultiple van ongeveer 38, terwijl gevestigde techgiganten worden verhandeld tegen multiples tussen 5 en 15. De rechtvaardiging voor deze premie berust op de aanname dat OpenAI een onevenredig groot deel van de opkomende AI-markt zal veroveren.
Deze aanname wordt steeds meer in twijfel getrokken door empirische ontwikkelingen. De meest recente financieringsronde in maart 2025, die OpenAI waardeerde op $ 300 miljard, was vijf keer overtekend. De daaropvolgende ronde in november, die de waardering opvoerde tot $ 500 miljard, werd voornamelijk opgehaald via secundaire verkopen van bestaande aandelen, niet via nieuwe kapitaalinjecties. Dit duidt op een verschuiving in het sentiment: vroege investeerders maken gebruik van mogelijkheden voor gedeeltelijke realisatie, terwijl nieuwe investeerders minder bereid zijn om extra primair kapitaal te verstrekken.
De vergelijking met de dotcombubbel is onvermijdelijk. Sam Altman zelf heeft publiekelijk verklaard dat hij een AI-bubbel verwacht, waarbij hij de marktomstandigheden vergelijkt met die van de dotcomhausse en waarschuwt voor buitensporige euforie onder beleggers. Tegelijkertijd voorspelt hij biljoenen dollars aan uitgaven voor de uitbreiding van datacenters en reageert hij op de zorgen van economen door iedereen aan te sporen OpenAI gewoon zijn gang te laten gaan. Deze retoriek doet denken aan de arrogantie van eind jaren negentig, toen fundamentele waarderingsvragen werden weggewuifd met verwijzingen naar een nieuw paradigma.
Analisten van Reuters en andere instellingen hebben berekend dat OpenAI en Anthropic in 2030 een gezamenlijke jaaromzet van meer dan $ 300 miljard zouden moeten behalen om hun gecombineerde waardering te rechtvaardigen. Dit zou betekenen dat de twee bedrijven samen bijna evenveel omzet zouden moeten genereren als Nvidia, de onbetwiste marktleider in AI-chips. Gezien de toegenomen concurrentie van Google, Microsoft, Meta en talloze andere spelers lijkt dit scenario steeds onwaarschijnlijker.
De situatie wordt verergerd door ontwikkelingen in de bredere AI-markt. Uit een onderzoek van MIT blijkt dat 95 procent van de bedrijven geen meetbaar rendement ziet op hun investeringen in generatieve AI. Deze bevinding leidde in november tot een aanzienlijke uitverkoop van technologie, waarbij Nvidia met 3,5 procent daalde en Palantir met bijna 10 procent. Markten reageren met toenemende nervositeit op elke indicatie dat de beloofde opbrengsten van AI uitblijven.
Onze Amerikaanse expertise op het gebied van bedrijfsontwikkeling, verkoop en marketing
Onze Amerikaanse expertise in bedrijfsontwikkeling, verkoop en marketing - Afbeelding: Xpert.Digital
Branchefocus: B2B, digitalisering (van AI tot XR), machinebouw, logistiek, hernieuwbare energie en industrie
Meer hierover hier:
Een thematisch centrum met inzichten en expertise:
- Kennisplatform over de mondiale en regionale economie, innovatie en branchespecifieke trends
- Verzameling van analyses, impulsen en achtergrondinformatie uit onze focusgebieden
- Een plek voor expertise en informatie over actuele ontwikkelingen in het bedrijfsleven en de technologie
- Topic hub voor bedrijven die meer willen weten over markten, digitalisering en industriële innovaties
Dataschaarste in het AI-tijdperk: Google's voordeel dankzij eigen bronnen en AI-architectuur met diepgaand denkwerk en een mix van experts.
De renaissance van het pre-trainingstijdperk en algoritmische doorbraken
Googles succes met Gemini 3 markeert de heropleving van pre-training als primaire bron van prestatieverbetering. Deze ontwikkeling spreekt de verhalen tegen die het einde van schaalbaarheid aankondigden. De realiteit is genuanceerder: hoewel pre-training geen exponentiële sprongen meer oplevert, blijven systematische, substantiële verbeteringen haalbaar met de juiste methoden.
De architectuur van Gemini 3 integreert diverse algoritmische innovaties. Het model maakt gebruik van een mix van experts, ontwikkeld door Jeff Dean, Chief Scientist bij Google DeepMind. Deze architectuur activeert slechts een fractie van de parameters voor elke query, wat zorgt voor efficiëntie met behoud van een hoge capaciteit. Gemini 3 toont ook mogelijkheden op het gebied van multimodale integratie die verder gaan dan eenvoudige tekst-naar-afbeelding-vertaling en complexe visuele redeneertaken omvatten.
De Deep Think-modus van Gemini 3 vertegenwoordigt Googles reactie op de redeneermodellen van OpenAI. In plaats van pre-training en redeneren als concurrerende paradigma's te beschouwen, integreert Google beide. Deep Think behaalt 41 procent op de Last Exam-benchmark van Humanity zonder hulpmiddelen en 45,1 procent op ARC-AGI-2 met code-uitvoering. Deze resultaten tonen aan dat de tweedeling tussen pre-training en rekenkracht tijdens de test een valse tweedeling is: optimale systemen combineren beide benaderingen.
Het belang van deze bevinding voor de concurrentiedynamiek kan niet genoeg worden benadrukt. OpenAI specialiseerde zich in rekenkracht tijdens de testfase, omdat schaling vóór de training niet langer werkte. Google toont nu aan dat pre-training nog steeds potentieel heeft, mits correct aangepakt. Dit betekent dat OpenAI niet alleen technologisch achterop is geraakt, maar ook strategisch vertrouwt op een methodologie die onvolledig blijkt te zijn.
Demis Hassabis verwoordde deze geïntegreerde visie in verschillende interviews. Hij benadrukt dat de weg naar kunstmatige algemene intelligentie (AI) meerdere innovaties vereist, niet alleen schaalbaarheid. Deze innovaties omvatten agentsystemen die complexe taken over langere perioden kunnen volgen, wereldmodellen die interne representaties van de fysieke realiteit ontwikkelen, en meta-leermogelijkheden waarmee systemen kunnen generaliseren op basis van een beperkt aantal voorbeelden. Google investeert systematisch in al deze gebieden, terwijl OpenAI zich primair richt op redeneren.
Geschikt hiervoor:
De rol van redeneermodellen en hun beperkingen
Het o1-model van OpenAI en zijn opvolgers vertegenwoordigen een fundamentele paradigmaverschuiving in de AI-ontwikkeling. In plaats van primair te schalen via grotere modellen en meer trainingsdata, investeren deze systemen computertijd tijdens de inferentie om langere redeneerketens te ontwikkelen. Deze aanpak heeft indrukwekkende successen geboekt in specifieke domeinen, met name wiskunde, programmeren en formele logica, waar verifieerbare resultaten als feedback dienen.
De beperkingen van deze aanpak worden echter steeds duidelijker. Een onderzoek door Apple-onderzoekers toonde aan dat redeneermodellen aanzienlijk slechter presteren wanneer problemen ook maar enigszins worden aangepast. Het wijzigen van getallen of namen in wiskundige problemen alleen al leidt tot merkbare prestatieverliezen. Nog ernstiger: het toevoegen van logisch irrelevante, maar oppervlakkig plausibele informatie veroorzaakte prestatieverliezen van 17,5 procent voor o1-preview, 29,1 procent voor o1-mini en tot 65,7 procent voor minder presterende modellen.
Deze bevindingen suggereren dat redeneermodellen geen algemene probleemoplossingsstrategieën ontwikkelen, maar voornamelijk aangeleerde patronen repliceren. Ze gedragen zich als studenten die specifieke soorten problemen uit hun hoofd kennen, maar falen wanneer ze geconfronteerd worden met licht afwijkende formuleringen. Dit is niet slechts een academische kritiek, maar heeft directe praktische implicaties: in praktijktoepassingen met complexe, veelzijdige problemen zonder gestandaardiseerde formuleringen blijven deze systemen onbetrouwbaar.
De kostenstructuur van redeneermodellen vergroot hun beperkingen. In tegenstelling tot traditionele modellen, waar pre-training de meest rekenintensieve fase is, is deze relatie bij redeneermodellen juist andersom. Post-training en inferentie worden de dominante kostenfactor, waardoor opschaling economisch gezien een uitdaging wordt. OpenAI moet aanzienlijk meer rekenkracht verbruiken voor elke O1-query dan voor vergelijkbare GPT-4-query's, zonder dat gebruikers bereid zijn proportioneel meer te betalen.
De integratie van redeneermogelijkheden door Google in modellen die geoptimaliseerd zijn voor pre-training, zou een betere aanpak kunnen blijken. Gemini 3 met Deep Think behaalt vergelijkbare of betere redeneerprestaties dan o1, maar is gebouwd op een sterkere basis. Dit suggereert dat de optimale architectuur redeneervermogen niet gebruikt als vervanging voor pre-training, maar eerder als aanvulling op een robuust basismodel.
Concurrentiedynamiek en de inhaalslag van Anthropic
De Claude-familie van Anthropic, met name Sonnet 4.5, vestigt zich als een serieuze derde kracht in de AI-competitie. Claude Sonnet 4.5 behaalde een score van 77,2 procent op de SWE-bench Verified Benchmark voor real-world software engineering-problemen, waarmee het het toonaangevende model is in dit kritieke toepassingsgebied. Met parallelle test-time computing stijgt deze prestatie tot 82 procent, een niveau dat noch GPT-5.1 noch Gemini 3 kan evenaren.
De strategische focus van Anthropic op beveiliging en afstemming creëert een niche met een specifieke betalingsbereidheid. Bedrijven in sterk gereguleerde sectoren zoals financiën, gezondheidszorg en cybersecurity geven steeds vaker prioriteit aan modellen die aantoonbaar robuuste beveiligingsmechanismen integreren. Claude Sonnet 4.5 behaalt een score van 98,7 procent op beveiligingsbenchmarks en vertoont een verminderde neiging tot vleierij, misleiding, machtswellust en waandenkbeelden. Deze kenmerken zijn niet louter marketingkenmerken, maar spelen in op de reële zorgen van zakelijke klanten.
Claude Sonnet 4.5's vermogen om complexe, meerfasen redeneer- en code-uitvoeringstaken meer dan 30 uur vol te houden, maakt het een ideaal model voor autonome agents. Dit is een snelgroeiende markt waar AI-systemen zelfstandig uitgebreide workflows beheren. OpenAI en Google concurreren beide in dit segment, maar Anthropic heeft een voorsprong verworven door vroege specialisatie.
De prijzen van Claude weerspiegelen deze positionering. Met een prijs van drie dollar per miljoen inputtokens en 15 dollar per miljoen outputtokens bevindt Claude zich in het middensegment, goedkoper dan GPT-5.1 voor veel toepassingen, maar duurder dan sommige open-sourcealternatieven. Deze prijsstructuur weerspiegelt de strategie van Anthropic: niet massamarkt door lage prijzen, maar premiumsegment door superieure kwaliteit en beveiliging.
De waardering van Anthropic van $ 170 miljard, met een verwachte jaarlijkse omzet van $ 4 miljard, lijkt minder extreem dan de meervoudige waardering van OpenAI, maar blijft ambitieus. De investeerderslogica verschilt: Anthropic positioneert zichzelf als overnamedoelwit of langetermijnspeler in een oligopoliemarkt, niet als marktdominant. Deze bescheidener ambitie zou paradoxaal genoeg duurzamer kunnen blijken dan OpenAI's alles-of-nietsstrategie.
Dataschaarste en synthetische oplossingen
Een fundamentele uitdaging voor alle AI-ontwikkelaars is de toenemende schaarste aan hoogwaardige trainingsdata. Epoch AI schat dat modellen momenteel worden getraind met 4,6 tot 17,2 biljoen tokens. Het grootste deel van de gratis beschikbare internettekst is al verbruikt. Toekomstige prestatieverbeteringen kunnen niet langer primair worden bereikt door simpelweg de omvang van trainingsdatasets te vergroten, maar vereisen data van hogere kwaliteit of meer diversiteit.
Synthetische data, oftewel trainingscontent gegenereerd door AI-systemen, wordt besproken als een mogelijke oplossing. De aanpak is inherent paradoxaal: modellen moeten worden getraind met data die door eerdere modellen zijn gegenereerd. Dit brengt het risico met zich mee dat het model instort, waarbij fouten en vertekeningen over generaties heen toenemen. Zorgvuldig samengestelde synthetische datasets met diversiteits- en kwaliteitscontroles kunnen echter zeldzame edge-cases genereren die niet voorkomen in natuurlijke data.
Google beschikt over structurele voordelen in dataverzameling via zijn zoekmachine, Gmail, YouTube, Google Maps en talloze andere diensten die continu nieuwe, diverse, door mensen gegenereerde data produceren. Deze datastromen zijn niet alleen omvangrijk, maar ook longitudinaal gestructureerd, waardoor het mogelijk is om patronen en ontwikkelingen in de tijd te identificeren. OpenAI mist vergelijkbare databronnen en is daarom steeds afhankelijker van partnerschappen met uitgevers, licentieovereenkomsten met mediabedrijven en synthetische datageneratie.
De juridische situatie verergert deze asymmetrie. Verschillende rechtszaken van uitgevers en auteurs tegen OpenAI wegens auteursrechtschending zouden de toegang tot historische data kunnen beperken en toekomstige scrapingactiviteiten juridisch riskant kunnen maken. Google kan beargumenteren dat het crawlen van websites voor zoekmachine-indexering een gevestigde, juridisch verantwoorde praktijk is die de ontwikkeling van AI ten goede komt. Deze juridische onzekerheid brengt extra risico's met zich mee voor OpenAI die gevestigde techgiganten niet in dezelfde mate dragen.
Superintelligentie als een langetermijninvestering
Altmans memo benadrukt herhaaldelijk de noodzaak om gefocust te blijven op het bereiken van superintelligentie, ondanks de concurrentiedruk op de korte termijn. Deze retoriek is strategisch: ze rechtvaardigt huidige investeringen en verliezen door te wijzen op transformerende winsten in de toekomst. Superintelligentie verwijst naar hypothetische AI-systemen die de menselijke intelligentie op alle relevante gebieden overtreffen en potentieel in staat zijn hun eigen ontwikkeling te versnellen.
De schattingen van experts over het tijdstip waarop deze ontwikkeling zich zal voltrekken, lopen sterk uiteen. Analyses van meer dan 8500 voorspellingen suggereren een mediaan tussen 2040 en 2045 voor de verwezenlijking van kunstmatige algemene intelligentie (AI), de voorloper van superintelligentie. Sommige prominente stemmen, zoals Dario Amodei van Anthropic en Elon Musk, voorspellen aanzienlijk eerdere data, in sommige gevallen zelfs tussen 2026 en 2029. Sam Altman zelf heeft 2029 als streefdatum genoemd.
De economische relevantie van dit debat ligt in de waarderingslogica: als superintelligentie binnen vijf jaar haalbaar is en OpenAI koploper blijft in de ontwikkeling ervan, rechtvaardigt dit vrijwel elke huidige waardering. Als superintelligentie echter pas over twintig jaar gerealiseerd kan worden of OpenAI geen koploper blijft, stort de basis voor waardering in. Beleggers zetten dus niet alleen in op technologie, maar ook op specifieke tijdlijnen en marktposities in hypothetische toekomstscenario's.
De automatisering van AI-onderzoek, die Altman als een belangrijk aandachtspunt beschouwt, zou deze tijdlijnen kunnen verkorten. Systemen die onafhankelijk hypothesen genereren, experimenten ontwerpen, modellen trainen en resultaten interpreteren, zouden de ontwikkelingssnelheid aanzienlijk verhogen. Google DeepMind werkt aan vergelijkbare benaderingen, met name door AlphaGo-achtige planningsalgoritmen te integreren in taalmodellen. De vraag is niet of dergelijke meta-AI-systemen ontwikkeld zullen worden, maar wie ze als eerste zal implementeren.
Marktstructuur en oligopolievorming
De AI-markt ontwikkelt zich snel tot een oligopolie met drie tot vijf dominante spelers. OpenAI, Google, Anthropic, Microsoft en Meta beschikken over de financiële middelen, het technische talent en de infrastructuur om voorop te blijven lopen. De toetredingsdrempels zijn nu onbetaalbaar: het trainen van een state-of-the-art model kost honderden miljoenen dollars, vereist toegang tot duizenden geavanceerde GPU's en vereist teams van toponderzoekers.
Open-sourcemodellen zoals Meta's Llama, Mistral of Allen AI's Olmo bieden alternatieven voor specifieke use cases, maar blijven qua absolute prestaties achter bij gepatenteerde frontiermodellen. Hun belang ligt voornamelijk in het democratiseren van AI-mogelijkheden voor ontwikkelaars zonder enorme budgetten en in het creëren van concurrentiedruk die de API-toegangskosten tempert.
China ontwikkelt tegelijkertijd een eigen onafhankelijk AI-ecosysteem met bedrijven zoals Alibaba Qwen, Baidu Ernie, ByteDance en andere spelers. Deze modellen komen steeds meer overeen met westerse systemen, maar zijn gedeeltelijk gescheiden van de wereldmarkt door verschillende regelgevingskaders, beperkte toegang tot geavanceerde chips vanwege exportcontroles en taalbarrières. De geopolitieke dimensie van AI-ontwikkeling zou kunnen leiden tot parallelle, regionaal dominante ecosystemen, vergelijkbaar met het gefragmenteerde internet.
Voor OpenAI betekent dit oligopolie dat marginale posities niet stabiel zijn. Ofwel vestigt het bedrijf zich duurzaam als een van de weinige leidende systemen, ofwel wordt het gedegradeerd naar een tweede niveau waar promotie vrijwel onmogelijk is vanwege de kapitaalintensiteit. Beleggers begrijpen deze dynamiek, wat de extreme waarderingsvolatiliteit verklaart: bij binaire uitkomsten worden waarschijnlijkheden continu opnieuw geëvalueerd, en kleine veranderingen in de waarschijnlijkheidsbeoordeling leiden tot grote waarderingsverschuivingen.
Verticale integratie als strategische noodzaak
De licentieverlening van Microsoft voor OpenAI's chip- en systeemontwerp-IP in november 2025 markeert een strategische heroriëntatie. De overeenkomst geeft Microsoft volledige toegang tot OpenAI's eigen chipontwerpportfolio en zou de ontwikkelingscycli van Microsoft voor de volgende generatie AI-processors aanzienlijk kunnen verkorten. Dit maakt deel uit van een bredere trend naar verticale integratie, waarbij toonaangevende cloudproviders meer controle willen krijgen over hun hardwarefundamenten.
Google ontwikkelt al jaren TPU's en beheert daarmee de volledige stack, van silicium tot software. Amazon ontwikkelt zijn eigen Trainium- en Inferentia-chips. Microsoft investeert fors in zijn eigen AI-accelerators. Deze stap naar aangepaste siliciumchips weerspiegelt het besef dat algemene GPU's niet optimaal zijn voor specifieke AI-workloads. Gespecialiseerde chips kunnen een enorme efficiëntieverbetering bereiken voor specifieke bewerkingen, waardoor de kosten dalen en de prestaties toenemen.
OpenAI mist deze verticale integratie. Het bedrijf is afhankelijk van externe chipleveranciers, voornamelijk Nvidia, en maakt gebruik van cloudinfrastructuur van Microsoft, Oracle en andere partijen. Deze afhankelijkheden creëren kostennadelen en strategische kwetsbaarheden. De samenwerking met Microsoft voor IP-licenties zou een eerste stap kunnen zijn om deze kloof te dichten, maar de ontwikkeling van eigen hardware kost jaren en vereist expertise die OpenAI nog moet opbouwen.
De economische implicaties zijn aanzienlijk. Modeloperatoren met hun eigen hardwarecontrole kunnen hun kosten aanzienlijk verlagen, wat agressievere prijsstrategieën mogelijk maakt of juist hogere marges oplevert. Google kan Gemini mogelijk aanbieden tegen prijzen waar OpenAI verlies op lijdt, omdat Google zijn kosten drastisch kan verlagen door TPU-gebruik. Dit is geen theoretische mogelijkheid, maar een praktische realiteit die de marktdynamiek al beïnvloedt.
Van Netscape en Yahoo tot OpenAI: herhaalt de geschiedenis zich?
De ontwikkelingen in 2025 markeren het einde van een tijdperk van onbetwist leiderschap door individuele pioniers in de AI-sector. De positie van OpenAI als bepalende speler in de generatieve AI-revolutie wordt fundamenteel onder druk gezet door technologische gelijkheid, de structurele nadelen van gevestigde techgiganten en financiële kwetsbaarheid. Het bedrijf staat voor de uitdaging om gelijktijdige crises te beheersen: technologisch Google inhalen, financiële duurzaamheid waarborgen ondanks enorme verliezen, zich strategisch herpositioneren in een consoliderende markt en omgaan met de operationele complexiteit van snelle groei.
Googles succes met Gemini 3 toont aan dat in technologie-intensieve markten resourcediepte, verticale integratie en geduldig kapitaal vaak structurele voordelen bieden ten opzichte van flexibele innovatie. Het vermogen om verliezen jarenlang te absorberen terwijl producten zich ontwikkelen en schaalvoordelen worden gerealiseerd, is een onschatbaar voordeel. OpenAI en vergelijkbare pure-play AI-bedrijven moeten winstgevend worden binnen de door investeerders bepaalde tijdsbestekken, terwijl Google kan experimenteren totdat de oplossingen echt marktklaar zijn.
De toekomst van de AI-markt zal waarschijnlijk worden gekenmerkt door een oligopolie van drie tot vijf dominante aanbieders, die elk een eigen strategische niche bezetten. Google als verticaal geïntegreerde generalist met een superieure distributie, Microsoft als een op bedrijven gerichte integrator, Anthropic als specialist in beveiliging en alignment, en Meta als een open-sourcekampioen voor ontwikkelaarsecosystemen. De toekomstige positie van OpenAI in deze constellatie blijft onzeker en hangt in belangrijke mate af van de vraag of het Shallotpeat-project de vastgestelde tekortkomingen in de vooropleiding aanpakt en of het bedrijf een duurzaam concurrentievoordeel kan opbouwen dat verder gaat dan zijn historische merkleiderschap.
Voor investeerders, zakelijke klanten en technologen betekent deze heroriëntatie een herbeoordeling van risico's en kansen. De veronderstelling dat vroege marktleiders hun positie zullen verdedigen, blijkt steeds twijfelachtiger. De snelheid van technologische verandering, de kapitaalintensiteit van baanbrekend onderzoek en de kracht van gevestigde distributiekanalen creëren een dynamiek waarin structurele voordelen vaak belangrijker zijn dan historisch leiderschap op het gebied van innovatie. De komende jaren zullen uitwijzen of agile pioniers over de middelen en strategische visie beschikken om de overweldigende macht van de techgiganten te weerstaan, of dat het verhaal van Netscape, Yahoo en andere vroege internetpioniers zich in het AI-tijdperk zal herhalen.
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (Artificial Intelligence) - Platform & B2B-oplossing | Xpert Consulting
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (Artificial Intelligence) – Platform & B2B-oplossing | Xpert Consulting - Afbeelding: Xpert.Digital
Hier leert u hoe uw bedrijf snel, veilig en zonder hoge toetredingsdrempels maatwerk AI-oplossingen kan implementeren.
Een Managed AI Platform is uw complete, zorgeloze pakket voor kunstmatige intelligentie. In plaats van complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u van een gespecialiseerde partner een kant-en-klare oplossing op maat – vaak binnen enkele dagen.
De belangrijkste voordelen in één oogopslag:
⚡ Snelle implementatie: van idee tot operationele toepassing in dagen, niet maanden. Wij leveren praktische oplossingen die direct 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 resultaten. Hoge initiële investeringen in hardware, software of personeel vervallen volledig.
🎯 Focus op uw kernactiviteiten: concentreer u op waar u goed in bent. Wij verzorgen de volledige technische implementatie, exploitatie en het onderhoud van uw AI-oplossing.
📈 Toekomstbestendig & Schaalbaar: Uw AI groeit met u mee. Wij zorgen voor continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.
Meer hierover hier:
Uw wereldwijde partner voor marketing en bedrijfsontwikkeling
☑️ onze zakelijke taal is Engels of Duits
☑️ Nieuw: correspondentie in uw nationale taal!
Konrad Wolfenstein
Ik ben blij dat ik beschikbaar ben voor jou en mijn team als een persoonlijk consultant.
U kunt contact met mij opnemen door het contactformulier hier in te vullen of u gewoon te bellen op +49 89 674 804 (München) . Mijn e -mailadres is: Wolfenstein ∂ Xpert.Digital
Ik kijk uit naar ons gezamenlijke project.
☑️ MKB -ondersteuning in strategie, advies, planning en implementatie
☑️ Creatie of herschikking van de digitale strategie en digitalisering
☑️ Uitbreiding en optimalisatie van de internationale verkoopprocessen
☑️ Wereldwijde en digitale B2B -handelsplatforms
☑️ Pioneer Business Development / Marketing / PR / Maatregel
🎯🎯🎯 Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een uitgebreid servicepakket | BD, R&D, XR, PR & Optimalisatie van digitale zichtbaarheid
Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een uitgebreid servicepakket | R&D, XR, PR & Optimalisatie van digitale zichtbaarheid - Afbeelding: Xpert.Digital
Xpert.Digital heeft diepe kennis in verschillende industrieën. Dit stelt ons in staat om op maat gemaakte strategieën te ontwikkelen die zijn afgestemd op de vereisten en uitdagingen van uw specifieke marktsegment. Door continu markttrends te analyseren en de ontwikkelingen in de industrie na te streven, kunnen we handelen met vooruitziende blik en innovatieve oplossingen bieden. Met de combinatie van ervaring en kennis genereren we extra waarde en geven onze klanten een beslissend concurrentievoordeel.
Meer hierover hier:
