In een interview van 41 minuten voor de serie Training Data van Sequoia Capital, "NVIDIA's Jensen Huang on Building the Dynamo of the Intelligence Age", zette de oprichter van NVIDIA uiteen waarom hij gelooft dat computing de grootste verandering in 60 jaar doormaakt, waarom AI-fabrieken de dynamo's van dit tijdperk zijn en waarom hij denkt dat de angst dat AI banen wegvaagt onterecht is. Dit zijn onze aantekeningen bij de belangrijkste argumenten, wat ze in de praktijk betekenen en waar we ze in het veld terugzien. De samengevatte standpunten zijn de zijne; het commentaar is van ons. Bekijk het volledige interview op YouTube voor zijn eigen woorden.
Inhoud
- Van ophalen naar genereren
- AI-fabrieken als de nieuwe dynamo
- Intelligentie als derde kracht, na elektriciteit en internet
- De vijflaagse taart van AI-investeringen
- Van chatbots naar AI die werk verzet
- Banen: taken veranderen, de vraag groeit
- Wat wij eruit halen
1. Van ophalen naar genereren
Het centrale argument van Huang is dat computers zo'n 60 jaar lang ophaalmachines waren. Datacenters sloegen bestanden op: documenten, afbeeldingen, video's. Als u ergens om vroeg, vond de computer het en stuurde het terug.
Generatieve AI verandert de basisbewerking. Elk woord, elke afbeelding en elke video die een AI produceert, wordt in realtime gegenereerd, voor de persoon die het vraagt, op basis van diens context en vraag. Twee mensen die hetzelfde vragen, krijgen antwoorden die op hen zijn afgestemd. In de visie van Huang zal steeds meer van wat we zien en horen worden gegenereerd in plaats van opgehaald, en daarvoor is een ander soort computer nodig, in veel grotere aantallen.
In de praktijk: dit is waarom AI de economie van IT verandert. Opslagkosten betaalt u één keer; generatiekosten betaalt u elke keer dat iemand het systeem gebruikt. AI plannen betekent compute en stroom plannen die meeschalen met het gebruik.
2. AI-fabrieken als de nieuwe dynamo
De titel komt van zijn analogie. De dynamo, de machine die Siemens in de negentiende eeuw ontwikkelde, zette beweging om in elektriciteit en maakte het elektrische tijdperk mogelijk. Huang stelt dat de AI-fabrieken van NVIDIA nu dezelfde rol spelen: machines die elektronen opnemen en tokens van intelligentie uitsturen.
Die tokens staan niet alleen voor woorden. In zijn kader kan dezelfde aanpak die menselijke taal leerde, elk domein met een onderliggende structuur leren: code, wiskunde, eiwitten, scheikunde, natuurkunde, de 3D-wereld, robotica. Voor de computer is het allemaal tokens.
In de praktijk: een AI-fabriek wordt beoordeeld zoals elke fabriek, op output per eenheid input: tokens per seconde per watt, en kosten per token. Dat is de maatstaf om te gebruiken bij het vergelijken van GPU's, servers en hostingopties, niet alleen piekspecificaties.
3. Intelligentie als derde kracht, na elektriciteit en internet
Huang beschrijft intelligentie als de derde kracht die de planeet "omhult". Elektriciteit bereikte elk gebouw, daarna verbond het internet elk apparaat, en nu zal gegenereerde intelligentie overal beschikbaar zijn, ingebouwd in producten, diensten en machines.
In de praktijk: als intelligentie een nutsvoorziening wordt, is de strategische vraag voor de meeste organisaties niet of ze AI gebruiken, maar welke delen ze bezitten, welke ze huren en hoe ze daarbij de controle over hun data houden.
4. De vijflaagse taart van AI-investeringen
In het interview gebruikt Huang zijn vijflaagse taart om in kaart te brengen waar de investeringen naartoe gaan:
- Energie: de stroom om AI-fabrieken te draaien, en de bindende beperking voor hoeveel AI er kan worden geproduceerd.
- Chips: de processors, netwerken en systemen die energie omzetten in rekenkracht.
- Infrastructuur: grond, gebouwen, stroomlevering, koeling, financiering en exploitatie van AI-fabrieken.
- Modellen: de AI-modellen zelf, voor taal en steeds vaker voor biologie, materialen en de fysieke wereld.
- Applicaties: de producten die AI aan het werk zetten in financiën, recht, gezondheidszorg, logistiek, transport en elke andere sector.
Elke applicatie leunt op elke laag eronder. We leggen elke laag uit, en waarom die ertoe doet, in onze begeleidende notitie: AI is een taart van vijf lagen: wat AI is, hoe het werkt en waarom elke laag telt.
5. Van chatbots naar AI die werk verzet
Huang stelt dat het keerpunt niet AI was die kon chatten, maar AI die kon werken. Vroege chatbots waren indrukwekkend en leuk, maar bedrijven betalen voor gedaan werk, niet voor slimme gesprekken. De systemen van vandaag redeneren stap voor stap door een probleem, gebruiken tools zoals browsers, spreadsheets en ontwerpsoftware, en handelen op basis van de resultaten. Dit zijn agents, en hij verwacht dat ze overal zullen draaien, van kantoren tot auto's, robots en gebouwen.
In de praktijk: dit komt overeen met wat we bij klanten zien. De projecten die zich terugverdienen, zijn agents die een afgebakende taak afronden, zoals het triëren van een supportwachtrij, het opstellen van een offerte of het controleren van een contract, binnen vangrails, met een mens die goedkeurt wat ertoe doet.
6. Banen: taken veranderen, de vraag groeit
Huang verwerpt het idee dat AI simpelweg banen zal wegvagen, aan de hand van twee beroepen waarvan elk werd voorspeld dat ze zouden verdwijnen:
- Radiologie. Computer vision helpt nu bij het beoordelen van scans in de hele radiologie, maar het aantal radiologen is gegroeid. Scans beoordelen is een taak; voor patiënten zorgen is de baan. Snellere, goedkopere, nauwkeurigere scans betekenden dat meer patiënten konden worden geholpen, en afdelingen namen meer mensen aan.
- Software engineering. AI schrijft nu een groot deel van de code, en toch blijft de vraag naar engineers stijgen. Code typen is een taak; problemen oplossen is de baan.
Zijn conclusie, in eigen woorden: u verliest uw baan misschien niet aan AI, maar wel aan iemand die AI gebruikt.
In de praktijk: de nuttige oefening is om de taken in een functie op te sommen, niet de functies in een team, en te vragen welke taken AI kan overnemen zodat mensen meer tijd besteden aan het doel van hun werk. Dat is ook de eerlijkste manier om AI bij medewerkers te introduceren.
7. Wat wij eruit halen
- Plan voor genereren, niet voor opslag. AI-kosten groeien met het gebruik. Budgetteer compute en stroom per antwoord en meet de kosten per token.
- Kies uw lagen. Weinig organisaties hoeven alle vijf te bezitten. Bepaal waar u hardware bezit, waar u die leaset of huurt en welke modellen u waar draait.
- Begin met werk, niet met chat. Kies een taak die een agent van begin tot eind kan afronden, met duidelijke vangrails en een meetbaar resultaat.
- Neem mensen mee. Train teams om AI voor hun eigen taken te gebruiken. Daar komen de productiviteit, en de baanzekerheid, vandaan.
Workstation bouwt en beheert elke laag die een organisatie nodig heeft, van AI-workstations en GPU-clusters tot GPU-leasing, private AI en AI-agents. Neem contact met ons op over waar u kunt beginnen.
Bronnen
- Sequoia Capital, Training Data: "NVIDIA's Jensen Huang on Building the Dynamo of the Intelligence Age" (YouTube, 41 minuten).
- Jensen Huang, "AI Is a 5-Layer Cake", NVIDIA Blog, 10 maart 2026.
Het interview werd opgenomen toen Jensen Huang CEO van NVIDIA was; hij trad af op 12 november 2026. NVIDIA is een handelsmerk en/of geregistreerd handelsmerk van NVIDIA Corporation in de VS en andere landen. Siemens is een handelsmerk van Siemens AG.