Wat miljardendeals zeggen over de strategie van AWS, Microsoft en Google

De markt voor AI-infrastructuur verandert in hoog tempo. Grote investeringen in datacenters, chips en rekenkracht volgen elkaar op. De bedragen lopen in de miljarden en het gaat vaak om tienduizenden, soms honderdduizenden, gespecialiseerde AI-chips. Achter vergelijkbare aankondigingen kunnen geheel andere strategische motieven schuilgaan. Dat wordt zichtbaar wanneer de inzet van de Colossus-infrastructuur van xAI wordt vergeleken met de samenwerking tussen Microsoft en het Franse AI-bedrijf Mistral.

De eerste casus draait vooral om de beschikbaarheid en commerciële benutting van rekenkracht. De tweede raakt aan Europese datasoevereiniteit, regelgeving en de vraag waar AI-modellen en gegevens fysiek en juridisch worden ondergebracht. Samen illustreren deze ontwikkelingen een bredere beweging: AI-modellen, cloudplatforms en onderliggende hardware raken steeds verder van elkaar ontkoppeld.

xAI en Anthropic: rekenkracht als verhandelbare capaciteit

xAI heeft met Colossus in korte tijd een omvangrijke AI-infrastructuur opgebouwd. Wanneer een deel van die infrastructuur niet direct voor eigen modellen wordt benut, kan de beschikbare capaciteit worden aangeboden aan andere partijen. In dat scenario ontstaat een zakelijke relatie die vooral is gebaseerd op een verschil in behoefte. De ene partij beschikt over rekenkracht, de andere heeft een acuut tekort aan capaciteit voor het trainen en uitvoeren van modellen. Daarmee krijgt AI-infrastructuur steeds meer het karakter van een nutsvoorziening. Rekencapaciteit wordt ingekocht waar zij beschikbaar is, ook wanneer leverancier en afnemer op andere onderdelen elkaars concurrent zijn. De strategische drijfveer is hier in de eerste plaats economisch: kostbare hardware moet zo intensief mogelijk worden gebruikt.

Microsoft en Mistral: Europese positionering

Bij de samenwerking tussen Microsoft en Mistral ligt het accent anders. Hier gaat het niet alleen om de beschikbaarheid van chips of datacentercapaciteit, maar ook om de geografische en juridische locatie van AI-diensten. Voor Europese overheden en organisaties in gereguleerde sectoren zijn vragen over gegevensopslag, toegang door buitenlandse autoriteiten, transparantie en naleving van Europese regelgeving van groot belang. Het kunnen aanbieden van Europese modellen vanuit Europese datacenters wordt daarmee een strategische propositie.

Mistral biedt Microsoft bovendien een mogelijkheid om het aanbod op Azure te verbreden. Naast modellen van Amerikaanse aanbieders kan Microsoft Europese alternatieven beschikbaar stellen aan klanten die waarde hechten aan digitale autonomie of daar vanuit hun sectorale verantwoordelijkheid toe worden verplicht. De samenwerking draait daarmee niet uitsluitend om technologie. Zij gaat ook over vertrouwen, rechtsmacht en markttoegang.

Model en cloud groeien uit elkaar

De voorbeelden passen in een bredere ontwikkeling. De eerdere, vaak exclusieve koppeling tussen een AI-model en één cloudprovider wordt losser. Cloudbedrijven proberen zich steeds minder te onderscheiden met één model en steeds meer met de omgeving waarin verschillende modellen kunnen worden geselecteerd, gecombineerd en beheerd. Voor zakelijke en publieke klanten verschuift de aandacht daardoor naar andere vragen:

• Waar worden gegevens verwerkt?
• Wie heeft toegang tot de infrastructuur?
• Hoe eenvoudig kan een organisatie van model wisselen?
• Welke kosten ontstaan bij grootschalig gebruik?
• In hoeverre is sprake van leveranciersafhankelijkheid?
• Welke garanties bestaan rond beveiliging, continuïteit en toezicht?

Voor cloudproviders wordt het minder belangrijk welk model een klant kiest, zolang de toepassing maar binnen het eigen platform blijft draaien. De cloudomgeving wordt zo de orkestratielaag tussen data, modellen, applicaties en hardware.

Microsoft: van exclusieve samenwerking naar breed ecosysteem

Microsoft bouwde zijn positie in generatieve AI aanvankelijk sterk op de samenwerking met OpenAI. Inmiddels verbreedt het bedrijf zijn strategie. Via Azure AI Foundry wil Microsoft verschillende typen modellen vanuit één beheerde omgeving aanbieden. Klanten kunnen daarmee per toepassing een afweging maken tussen prestaties, kosten, herkomst, juridische voorwaarden en beveiliging. Die verbreding is ook een vorm van risicospreiding. Door niet volledig afhankelijk te zijn van één modelleverancier kan Microsoft klanten meer keuze bieden en de eigen onderhandelingspositie versterken.

Daarnaast investeert Microsoft in kleinere eigen modellen en in technieken die verzoeken automatisch naar het meest geschikte model leiden. Een eenvoudige taak hoeft immers niet door het grootste en duurste model te worden uitgevoerd. Dergelijke routering kan kosten beperken, mits organisaties voldoende inzicht houden in de werking en uitkomsten van het systeem. Op hardwaregebied blijft Azure voor een belangrijk deel afhankelijk van chips van Nvidia. Tegelijkertijd ontwikkelt Microsoft eigen chips, waaronder Maia, om op termijn meer controle te krijgen over prestaties, beschikbaarheid en kosten.

De onderscheidende positie van Microsoft ligt vooral in de integratie met bestaande bedrijfssoftware, identiteitsbeheer, beveiliging en gegevensomgevingen. Voor overheden is daarbij relevant of deze technische integratie gepaard gaat met voldoende juridische en operationele onafhankelijkheid.

AWS: infrastructuur, keuzevrijheid en eigen chips

Amazon Web Services positioneert zich al langer als een relatief neutrale infrastructuurleverancier. Via Amazon Bedrock biedt AWS toegang tot modellen van verschillende aanbieders, naast modellen uit het eigen portfolio. De kern van de strategie is keuzevrijheid binnen het AWS-platform. Ontwikkelaars kunnen modellen selecteren op basis van taak, prijs, snelheid en beveiliging, zonder de onderliggende infrastructuur zelf te hoeven beheren.

AWS onderscheidt zich daarnaast met eigen AI-chips. Met Trainium probeert Amazon een goedkoper en beter beschikbaar alternatief te bieden voor gespecialiseerde chips van externe leveranciers. Dat kan vooral bij grootschalige training en inferentie een belangrijk kostenvoordeel opleveren. Voor klanten ontstaat echter een nieuwe afweging. Eigen chips kunnen de kosten verlagen, maar kunnen ook leiden tot een sterkere technische afhankelijkheid van één cloudplatform. De vraag is daarom niet alleen hoeveel een rekentaak per token kost, maar ook hoe eenvoudig workloads later naar een andere infrastructuur kunnen worden verplaatst.

Google Cloud: controle over de volledige keten

Google beschikt over een sterk verticaal geïntegreerde positie. Het bedrijf ontwikkelt eigen AI-modellen, exploiteert een wereldwijd cloudnetwerk en bouwt al jaren eigen Tensor Processing Units, of TPU’s. Die combinatie geeft Google veel controle over de technische keten. Modellen, software en hardware kunnen gezamenlijk worden geoptimaliseerd. Dit kan voordelen opleveren bij toepassingen die op zeer grote schaal worden uitgevoerd.

Via Vertex AI biedt Google Cloud zowel eigen modellen als modellen van andere aanbieders aan. Tegelijkertijd stelt Google zijn infrastructuur beschikbaar aan AI-bedrijven die op modelniveau met Google concurreren. Dat onderstreept de veranderde marktverhoudingen. Concurrentie op het ene niveau sluit samenwerking op een ander niveau niet uit. Een aanbieder kan concurreren met Gemini en tegelijkertijd gebruikmaken van Google-TPU’s. Voor publieke organisaties is deze verticale integratie zowel een voordeel als een aandachtspunt. Zij kan leiden tot goede prestaties en lagere kosten, maar maakt het ook noodzakelijk om kritisch te kijken naar overdraagbaarheid, transparantie en afhankelijkheid.

Gevolgen voor overheid en publieke sector

De ontwikkeling van de AI-cloudmarkt is niet alleen een technologisch of commercieel vraagstuk. Zij raakt direct aan publieke waarden en bestuurlijke verantwoordelijkheid. Overheden zullen bij de selectie van AI-diensten verder moeten kijken dan de kwaliteit van een model. Minstens zo belangrijk zijn de inrichting van de gegevensketen, de toepasselijke rechtsmacht, de mogelijkheid om van leverancier te wisselen en de mate waarin besluiten en uitkomsten controleerbaar blijven.

Ook het begrip ‘soevereiniteit’ vraagt om precisie. Het feit dat gegevens in een Europees datacenter worden verwerkt, betekent niet automatisch dat de volledige dienst Europees wordt beheerst. Eigendom, beheerrechten, softwarecomponenten, ondersteuning en toegang tot metadata kunnen nog steeds buiten Europa liggen. 

Van modelkeuze naar ketenregie

 Het gaat steeds meer om de vraag wie de keten orkestreert, waar afhankelijkheden ontstaan en onder welke voorwaarden gegevens en toepassingen kunnen worden verplaatst. Voor publieke organisaties betekent dit dat kosten, prestaties en gebruiksgemak niet los kunnen worden gezien van digitale autonomie, rechtsbescherming en continuïteit.

De cloudprovider van de toekomst is geen exclusieve leverancier van één AI-model. Het wordt de regisseur van een internationale markt voor modellen, data en rekenkracht.

Dit artikel werd ook gepubliceerd op de LinkedIn-pagina van Ronald Scherpenisse.