Carmignac: Geen vertraging in groei AI-hardware

October 15, 2026

Enkele weken geleden zorgde een consumentenapp voor een opleving van de halfgeleideraandelen. Muse, de nieuwe persoonlijke AI-agent van Meta, klom snel omhoog in de Amerikaanse app-ranglijsten, en halfgeleideraandelen stegen sterk doordat beleggers vooruitliepen op een mogelijke hogere vraag naar rekenkracht als consumenten agentische AI op grote schaal gaan omarmen.  

De timing was opvallend. Slechts enkele dagen eerder deed een schijnbaar tegenstrijdig verhaal de ronde. Vooraanstaande AI-onderzoekers discussieerden openlijk over de vraag of de ontwikkeling van steeds krachtigere modellen trager moet.

Die tegenstelling illustreert de onzekerheid waarmee beleggers worden geconfronteerd. In plaats van op elke nieuwe ontwikkeling te reageren, is het daarom zinvoller terug te keren naar de kernvraag voor wie in AI-hardware belegt: welke factoren kunnen de investeringscase daadwerkelijk onder druk zetten en welke ontwikkelingen worden mogelijk nog onderschat?

Na de sterke koersstijgingen in de sector staan vandaag twee risico's centraal.

Risico #1: Wat als de ontwikkeling van geavanceerde AI-modellen vertraagt?

De recente oproep van vooraanstaande AI-onderzoekers om de ontwikkeling van steeds krachtigere modellen te vertragen, werd eerst gezien als ongunstig voor halfgeleiderbedrijven. De redenering is eenvoudig: als de tijd tussen nieuwe generaties modellen langer wordt, zijn er minder omvangrijke trainingsrondes nodig en neemt de vraag naar rekenkracht af.

Maar dat is slechts één kant van de medaille. Een grotere nadruk op AI-veiligheid kan op zich aanzienlijke rekenkracht vereisen. Modellen moeten worden getest, gemonitord, geëvalueerd en mogelijk gecontroleerd door andere AI-systemen. AI die AI in de gaten houdt, klinkt dystopisch, maar vraagt veel extra tokens en dus veel rekenkracht.

Tegelijkertijd kunnen strengere veiligheidseisen de grootste AI-laboratoria bevoordelen, omdat zij de vaste kosten van testen, audits en naleving beter kunnen dragen, waardoor de toetredingsdrempels mogelijk worden verhoogd.

Belangrijker nog: een lager innovatietempo bij de technologische voorhoede hoeft de vraag naar rekenkracht niet te verminderen. Het kan eerder leiden tot een ander gebruik. Middelen kunnen verschuiven van het trainen van nieuwe modellen naar het testen, implementeren en uitvoeren van bestaande modellen. Dat kan juist zorgen voor meer inferentie, meer AI-agenten en een bredere toepassing van AI.

Risico nr. 2: Wat als hyperscalers hun investeringen terugschroeven?

Dit is waarschijnlijk de belangrijkste vraag voor beleggers. De omvang van de huidige investeringscyclus is buitengewoon groot: de kapitaaluitgaven van hyperscalers en cloudbedrijven zullen naar verwachting oplopen tot een recordhoogte van circa 1200 miljard dollar in 2027, tegenover minder dan 200 miljard dollar in 2023[1].

Maar de druk van beleggers neemt toe. Vrije kasstromen staan onder druk, financieringskosten zijn gestegen en aandeelhouders vragen steeds nadrukkelijker naar het rendement op de honderden miljarden dollars die geïnvesteerd zijn of worden.

Het huidige groeitempo van die investeringen kan niet onbeperkt aanhouden. Maar ze hoeven ook niet af te nemen. Zelfs bij een duidelijke groeivertraging blijven de absolute investeringsniveaus historisch hoog. Daarmee blijft ook de vraag naar infrastructuur aanzienlijk.

Belangrijk is dat de AI-sector zich nog grotendeels in de opbouwfase bevindt.De infrastructuur wordt gebouwd voordat de economische opbrengsten volledig zichtbaar zijn. Daardoor lijken de investeringen uitzonderlijk hoog in verhouding tot de huidige inkomsten, maar dit is wellicht juist nodig om de volgende fase van de uitbouw mogelijk te maken.

Ook de concurrentiedruk speelt een rol. Cloudcomputing, zoekmachines, advertentieplatforms, productiviteitssoftware en consumententoepassingen worden allemaal beïnvloed door AI. Minder investeren kan de vrije kasstroom op korte termijn ondersteunen, maar verhoogt het risico op een technologische achterstand.

Daardoor ontstaat een dynamiek waarin grote technologiebedrijven weinig ruimte hebben om hun investeringen fors terug te schroeven: ‘AI or die’. Hyperscalers zullen wellicht kritischer kijken naar de bestemming van hun investeringsbudgetten, maar de prikkel om te blijven investeren blijft groot. Vooralsnog lijken fysieke beperkingen belangrijker dan een gebrek aan investeringsbereidheid.

Tegenover deze risico's staan bovendien verschillende ontwikkelingen die de vraag naar AI-infrastructuur verder kunnen ondersteunen.

Kans #1: AI verschuift van antwoorden geven naar taken uitvoeren

De eerste fase van generatieve AI was vanuit hardware-oogpunt relatief eenvoudig: steeds krachtigere modellen werden getraind op grote GPU-clusters en vervolgens ingezet om vragen te beantwoorden.  Agentische AI verandert dat beeld, en Muse is hiervan een goed voorbeeld.

In plaats van uitsluitend antwoorden te genereren, kunnen AI-agenten browsers bedienen, applicaties aansturen en zelfstandig reeksen taken uitvoeren. Daarbij kunnen ze minuten of zelfs urenlang op de achtergrond actief blijven. GPU's en gespecialiseerde AI-versnellers leveren nog steeds het grootste deel van de rekenkracht, maar CPU’s coördineren de besturingssystemen, browsers en mogelijk honderden kleinere acties daaromheen. Geheugen, netwerken, opslag, stroomvoorziening en koeling profiteren allemaal naarmate die werklasten complexer worden.

Met andere woorden: AI-agenten vergroten de vraag naar een breder spectrum aan hardwarecomponenten. Muse is slechts een vroeg voorbeeld, maar biedt beleggers wel een beeld van hoe de vraag naar inferentiecapaciteit en ondersteunende infrastructuur kan toenemen.

Kans #2: De knelpunten in de keten nemen toe, in plaats van te verdwijnen.

Momenteel bestaan er leveringsproblemen bij substraten, gespecialiseerde materialen, optische verbindingen, energiebeheer, koelsystemen en diverse onderdelen van de halfgeleiderketen.

De meest recente kwartaalcijfers van Nvidia illustreerden dat. Het bedrijf verwacht dat de omzet het komende boekjaar met ongeveer 70 procent zal groeien, ruim boven de eerdere marktverwachtingen[2]. Maar productiecapaciteit laat zich echter niet even snel opschalen als omzetverwachtingen. Nieuwe fabrieken bouwen kost tijd, gespecialiseerde componenten zijn moeilijk beschikbaar en kwalificatieprocessen kunnen maanden of zelfs jaren duren.

Daarnaast verschuiven knelpunten voortdurend binnen de keten. Meer GPU's vragen meer geheugen. Meer geheugen vereist extra verpakkingscapaciteit. Grotere clusters vragen snellere netwerken. Een hogere dichtheid stelt vervolgens hogere eisen aan stroomvoorziening en koeling. Daardoor ontstaan nieuwe beperkende factoren verderop in de waardeketen. Bedrijven hoeven niet de meest geavanceerde AI-chip te produceren om van deze ontwikkeling te profiteren.

Kans #3: hardwarebedrijven profiteren vandaag al van AI-uitgaven

Eén laatste onderscheid wordt nog steeds onderschat. De markt blijft zich afvragen of hyperscalers uiteindelijk genoeg AI-inkomsten zullen genereren om de honderden miljarden dollars die ze beleggen te rechtvaardigen. Die investeringen vinden vandaag plaats, terwijl een belangrijk deel van de opbrengsten pas later zichtbaar wordt.

Voor veel hardwarebedrijven ligt dat anders: hun klanten zorgen vandaag al voor omzet. Bestellingen vertalen zich in omzet, omzet in winst en, voor de bedrijven die wij prefereren, winst in vrije cashflow. In combinatie met knelpunten en lange levertijden kan dat voor geselecteerde hardwarebedrijven leiden tot een hogere voorspelbaarheid van de winstontwikkeling dan voor bedrijven die de AI-uitrol financieren.

Ook de waardering blijft relevant. Ondanks de opgelopen koersen van de halfgeleideraandelen zien we nog steeds ondernemingen waarvan de verwachte groei van de vrije kasstroom aantrekkelijk oogt ten opzichte van de waardering. Dat contrasteert met delen van het hyperscaler-segment, waar de kapitaalintensiteit toeneemt, net nu beleggers veeleisender worden wat betreft de timing en de winstgevendheid van toekomstige AI-inkomsten.

Dat betekent niet dat iedere hardwareproducent automatisch aantrekkelijk is. De verwachtingen zijn hoog, technologische veranderingen kunnen bestaande spelers onder druk zetten en extra capaciteit zal op termijn het evenwicht tussen vraag en aanbod beïnvloeden. Aandelenselectie en waarderingsdiscipline blijven daarom essentieel.

Maar de bredere conclusie blijft ongewijzigd. De twee belangrijkste risico’s voor AI-hardware zijn reëel: de ontwikkeling van geavanceerde modellen kan vertragen en de investeringen door de hyperscalers zullen uiteindelijk minder snel groeien. Toch wijst geen van beide ontwikkelingen op een sterke terugval van de vraag naar rekenkracht. Tegelijk kan de volgende fase van AI die vraag nog verbreden naar meer toepassingen, meer hardwarecomponenten en meer schakels in de toeleveringsketen.

Voor AI-hardware lijkt de vertragingsfase nog niet bereikt.

[1] Bron: Bloomberg, Carmignac, september 2026

[2] Bron: Bedrijf, Carmignac, 30/09/2026