De shop is live

Wij bouwen Workstation AI-machines voor websites, AI-agents en LLM-training — configureer en koop online.

Bekijk handelsprijzen
AI-producten
AI LabsOpenAI-agentsClaude-agentsGrok-botWorkstation AI native CRMMarketingAlle producten
AI-oplossingen
Toegepaste AIAI-agentsGeneratieve AIAI-automatiseringAI-bijscholingAI-pakketten voor het mkbEnterprise AI LabAI-werkstationsNVIDIA-hardware en -softwareNVIDIA Accelerated ComputingPrivate AIGPU private cloudGPU-clustersEdge AIAI per sector
AI-diensten
PlatformmoderniseringDigitale engineeringDatafundamenten en AIAutonome operatiesAI-adviesDevOps-automatiseringCybersecuritySoftwareontwikkelingAgentontwikkelingMLOps-opzetGPU-leasingGPU private cloud
Over ons
BedrijfOns verhaalPartnersKlantverhalen
AI-datacenters
AI-datacentersGPU private cloudGPU-clustersGPU-leasing
AI-inzichtenJev-reeksBenchmarklabModelkeuze
Technische notities
Documentatie
Linux-OSUbuntuRed Hat Enterprise LinuxSUSE LinuxAlpine LinuxDebian, Rocky & AlmaLinux
AI-cloudplatformsAWS & Amazon BedrockGoogle Cloud & Vertex AIMicrosoft Azure & AI FoundryGPU-clouds en -marktplaatsen
Private AI-datacentersVoor advocatenkantorenVoor accountantskantorenOn-premises platformsVolledig beveiligde cloud
ToolsRing PromoterJobshout
Nieuws
Blog
Neem contact opInloggen

AI-werkstations, AI multi-agent software, GPU-infrastructuur en intelligente agentoplossingen voor moderne bedrijven.

Neem contact op

AI-oplossingen

Toegepaste AIAI-agentsGeneratieve AIAI-automatiseringAI-bijscholingAI-pakketten voor het mkbEnterprise AI LabAI per sector

Producten

Alle productenWorkstation AI-native CRM & ERPMarketingOpenAI-agentsRing PromoterJobshout

Bedrijf

Over onsBedrijfAI-datacentersWaarom WorkstationPartnersKlantverhalenPrijzenContactTenthMatrix

Bronnen

AI-inzichtenTechnische notitiesDocumentatieLinux-OSAI-cloudplatformsPrivate AI-datacentersBlogZoekenSitemap
Kantoor België
Workstation SRL, Rue Vanderkindere 34, 1180 Uccle, BrusselsBE 0751.518.683Ma - Vr: 9:00 - 18:00 CET
+32 492 45 67 46
Hoofdkantoor VK
77-79 Marlowes, Hemel Hempstead HP1 1LFRoute: neem afrit 20 van de M25, Outer LondonBedrijfsnummer: 11641870Ma - Vr: 9:00 - 18:00 GMT
+44 7515 356 146
Kantoor India
#159 Sector 9, Pocket 1, DDA Flats, 110077 Dwarka, New Delhi
+91 98881 98841
Kantoor Taiwan
3F, No. 2-4, Aisi Rd., Ren'ai Dist., Keelung City 200, Taiwan基隆市仁愛區愛四路2之4號3樓Ma - Vr: 9:00 - 18:00 Taiwanese tijd (GMT+8)
+886 926 892 701+32 492 45 67 46
Kantoor Estland
Aleksander Puškini tn 30-25, 20306 Narva, EstoniaMa - vr: 9:00 - 18:00 uur Estse tijd (EET)
+32 492 45 67 46

© 2026 Workstation AI. Alle rechten voorbehouden.

PrivacyGegevensverwijderingCookiesServicevoorwaardenWebsite-sitemap

NVIDIA, het NVIDIA-logo, RTX, RTX PRO, Blackwell, CUDA, NVLink, MGX, Omniverse, Spectrum-X, Quantum, BlueField, DGX en HGX zijn handelsmerken en/of gedeponeerde handelsmerken van NVIDIA Corporation in de VS en andere landen. AMD, het AMD Arrow-logo, EPYC, Instinct, Ryzen en Threadripper zijn handelsmerken van Advanced Micro Devices, Inc. Dell en PowerEdge zijn handelsmerken van Dell Inc. of haar dochterondernemingen. Intel en Xeon zijn handelsmerken van Intel Corporation of haar dochterondernemingen. AMAX, AceleMax en LiquidMax zijn handelsmerken van AMAX Engineering Corporation. Alle andere productnamen, logo's en merken zijn eigendom van hun respectieve eigenaren. Wij gebruiken ze uitsluitend om de producten aan te duiden die wij beschrijven, leveren of ondersteunen; het gebruik ervan betekent niet dat de eigenaren ons onderschrijven.

Home / Technische notities / Technology
AINVIDIAAI Agents

Jensen Huang over het bouwen van de dynamo van het intelligentietijdperk: AI-fabrieken, tokens en banen

Aantekeningen bij het interview van NVIDIA-oprichter Jensen Huang met Sequoia Capital: waarom computing verschuift van ophalen naar genereren, waarom AI-fabrieken de dynamo's van dit tijdperk zijn en waarom AI taken verandert in plaats van banen te schrappen.

13 november 2026Technology6 min read

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.

Dynamo: beweging erin, elektriciteit eruit. AI-fabriek: elektriciteit erin, tokens eruit.
De dynamo-analogie. Illustratie: Workstation. Bekijk het interview op het YouTube-kanaal van Sequoia Capital.

Inhoud

  1. Van ophalen naar genereren
  2. AI-fabrieken als de nieuwe dynamo
  3. Intelligentie als derde kracht, na elektriciteit en internet
  4. De vijflaagse taart van AI-investeringen
  5. Van chatbots naar AI die werk verzet
  6. Banen: taken veranderen, de vraag groeit
  7. 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.

Deel dit artikel

Meer in Technology

AI-developerlaptops: LLM's lokaal draaien onder Linux met GPU's van 16 GB en 24 GB (gids 2026)

AI-developerlaptops: LLM's lokaal draaien onder Linux met GPU's van 16 GB en 24 GB (gids 2026)

Wat er past op een RTX 5080 of RTX 5090 Laptop GPU, de geheugenberekening, de open modellen die de moeite waard zijn, Ubuntu 26.04 inrichten met de NVIDIA-stack, Ollama, llama.cpp en vLLM, codeerassistenten, LoRA-fine-tuning, beveiliging, en wanneer werk naar een server moet

Lees meer
ML- en LLM-systemen testen die u niet correct kunt bewijzen: een Python-kit voor bewijsmateriaal

ML- en LLM-systemen testen die u niet correct kunt bewijzen: een Python-kit voor bewijsmateriaal

Bewijsmateriaal in plaats van bewijzen, in ongeveer 400 regels Python met echte output: slice-metrics met bootstrap-intervallen en een pass/fail-contract, property- en metamorfe tests met Hypothesis, kalibratie en conformal prediction, Pydantic-contracten en regressie-evals voor LLM-output, driftcontroles, een CI-gate en exacte verificatie van een klein neuraal netwerk

Lees meer
TorchCurves in de praktijk: leerbare B-spline- en Legendre-curves in PyTorch

TorchCurves in de praktijk: leerbare B-spline- en Legendre-curves in PyTorch

torchcurves installeren, een curve fitten en dimensioneren, kiezen tussen B-spline en Legendre en de input map, een monotone kalibratiecurve en een additief model op tabeldata bouwen, vergelijken met SciPy, scikit-learn, een KAN en een MLP, coëfficiënten naar JSON exporteren, testen en in productie draaien, met echte output

Lees meer