We hebben jarenlang gedacht dat intelligentie het schaarse goed van de eenentwintigste eeuw zou worden. Wie de slimste algoritmen bouwde, zou de wereld domineren. Kunstmatige intelligentie lijkt die verwachting juist onderuit te halen. Niet omdat intelligentie onbelangrijk is geworden, maar omdat zij steeds gemakkelijker reproduceerbaar blijkt. Zodra voldoende rekenkracht, data en kapitaal beschikbaar zijn, kan digitale intelligentie vrijwel onbeperkt worden opgeschaald.

Dat verschuift de echte schaarste naar een veel fundamentelere grondstof: energie.

Deze gedachte kreeg onlangs een opmerkelijke bevestiging van NVIDIA-CEO Jensen Huang. Hij beschreef AI als een taart met vijf lagen. Onderaan ligt energie. Daarboven volgen chips, cloud-infrastructuur, AI-modellen en helemaal bovenaan de toepassingen die gebruikers daadwerkelijk ervaren.

Vrijwel de hele industrie heeft zich gestort op de laag van de modellen. Daar wordt het meeste geld geïnvesteerd, daar werken de meeste onderzoekers en daar ontstaat de hevigste concurrentie. Maar juist intense concurrentie maakt producten uiteindelijk inwisselbaar. Wat vandaag nog een technologische voorsprong lijkt, wordt morgen een standaardvoorziening.

Dat is geen uitzondering, maar een bekend economisch patroon. Innovatie creëert eerst schaarste en vervolgens overvloed. Uiteindelijk verschuift de waarde naar de onderliggende infrastructuur of juist naar de toepassingen die voor gebruikers het verschil maken.

Niet intelligentie is de beperking, maar energie

Misschien is dat wel de belangrijkste les van de huidige AI-golf. We spreken voortdurend over intelligentie, terwijl de echte beperking helemaal niet intelligentie blijkt te zijn. De beperking is de hoeveelheid energie die nodig is om die intelligentie te produceren.

Geen enkel algoritme bouwt een elektriciteitsnet. Geen investeringsronde bouwt een kerncentrale, waterkrachtcentrale of hoogspanningsverbinding. Uiteindelijk draait zelfs de meest geavanceerde AI gewoon op elektronen die ergens moeten worden opgewekt.

Dat klinkt misschien verrassend, maar de geschiedenis laat hetzelfde patroon keer op keer zien. De industriële revolutie draaide uiteindelijk niet om de stoommachine, maar om de beschikbaarheid van steenkool. De economische macht van de twintigste eeuw werd niet bepaald door auto’s, maar door olie. Ook de digitale revolutie, die jarenlang vrijwel gewichtloos leek, blijkt uiteindelijk afhankelijk van iets heel tastbaars: betrouwbare en betaalbare elektriciteit.

De natuur had dit overigens allang begrepen.

Ons brein vertegenwoordigt slechts ongeveer twee procent van ons lichaamsgewicht, maar gebruikt ongeveer twintig procent van onze dagelijkse energie. Met een continu vermogen van ongeveer twintig watt ontstaan taal, creativiteit, redeneren en bewustzijn. Geen enkel AI-systeem komt ook maar in de buurt van die energie-efficiëntie.

Dat is niet toevallig. Evolutie heeft honderden miljoenen jaren gewerkt aan precies één optimalisatieprobleem: zoveel mogelijk intelligent gedrag met zo weinig mogelijk energieverbruik. Elke overbodige joule betekende immers een kleinere overlevingskans.

Onze huidige AI volgt bijna de tegenovergestelde strategie. We lossen intelligentie op door enorme hoeveelheden energie beschikbaar te maken. Dat werkt indrukwekkend goed, maar het is nog een buitengewoon inefficiënte manier van rekenen. De volgende grote doorbraak zal daarom waarschijnlijk niet alleen bestaan uit grotere modellen, maar uit slimmere hardware, efficiëntere algoritmen en rekenarchitecturen die zich meer laten inspireren door biologische intelligentie.

Daarmee verandert ook de economische machtsbalans.

De modellen zelf zullen steeds meer een commodity worden. Het onderscheid tussen aanbieders wordt kleiner naarmate meer partijen vergelijkbare prestaties leveren. Waarde verschuift dan vanzelf naar twee uitersten: de infrastructuur die de benodigde energie en rekenkracht levert, en de toepassingen die voor gebruikers daadwerkelijk problemen oplossen.

Dat verklaart ook waarom steeds meer aandacht uitgaat naar energievoorziening, elektriciteitsnetten en nieuwe vormen van energieopwekking. AI blijkt uiteindelijk niet alleen een softwarevraagstuk te zijn, maar minstens zozeer een infrastructuurvraagstuk.

Misschien is dat wel de grootste ironie van dit moment. We hebben misschien de meest geavanceerde vorm van digitale intelligentie ooit gebouwd, maar de uiteindelijke grens ervan wordt niet bepaald door software. Die wordt bepaald door natuurkunde.

Over twintig jaar spreken we mogelijk niet meer over de AI-race, maar over de energierace die eraan ten grondslag lag. Net zoals niemand de industriële revolutie begrijpt zonder steenkool en niemand de twintigste eeuw zonder olie begrijpt, zullen toekomstige historici de AI-revolutie niet begrijpen zonder elektriciteit.

Misschien blijkt intelligentie uiteindelijk helemaal niet het schaarse goed van deze eeuw te zijn. Misschien zijn het gewoon de watts en de joules die bepalen hoe intelligent onze samenleving kan worden.

Photo by Markus Winkler

———————————   Translated by ChatGPT   ——————————-

Energy, Not Intelligence: Why AI Is Becoming a Commodity and Electricity Is the Real Scarce Resource (and Will Remain So)

For years, we assumed that intelligence would be the scarce resource of the twenty-first century. Whoever built the smartest algorithms would dominate the world. Ironically, artificial intelligence is proving the opposite. Not because intelligence has become unimportant, but because it is becoming increasingly reproducible. Given sufficient computing power, data, and capital, digital intelligence can be scaled almost without limit.

This shifts the true scarcity to something far more fundamental: energy.

This idea was recently reinforced by NVIDIA CEO Jensen Huang. He described AI as a five-layer cake. At the bottom sits energy, followed by chips, cloud infrastructure, AI models, and finally the applications that users actually experience.

Almost the entire industry has concentrated on the model layer. That’s where most of the investment flows, where the brightest researchers work, and where competition is fiercest. Yet intense competition almost inevitably turns products into commodities. What looks like a technological advantage today becomes tomorrow’s standard capability.

This is not an exception but a familiar economic pattern. Innovation first creates scarcity and then abundance. Eventually, value migrates either to the underlying infrastructure or to the applications that solve meaningful problems for users.

The Constraint Is Not Intelligence—It’s Energy

Perhaps this is the most important lesson of today’s AI revolution. We keep talking about intelligence, while the real constraint turns out not to be intelligence at all. The constraint is the amount of energy required to produce it.

No algorithm builds a power grid. No funding round constructs a nuclear power plant, a hydroelectric dam, or a high-voltage transmission network. Even the most advanced AI ultimately runs on electrons that have to be generated somewhere.

This may sound surprising, but history has followed this pattern time and again. The Industrial Revolution was ultimately not about the steam engine; it was about access to coal. The economic power of the twentieth century was shaped less by automobiles than by oil. Likewise, the digital revolution—which for years seemed almost weightless—ultimately depends on something remarkably physical: reliable and affordable electricity.

Nature, however, figured this out long ago.

The human brain represents only about two percent of our body weight, yet it consumes roughly twenty percent of our daily energy. With a continuous power draw of just twenty watts, it produces language, creativity, reasoning, and consciousness. No AI system comes remotely close to that level of energy efficiency.

This is no coincidence. Evolution spent hundreds of millions of years solving a single optimization problem: achieving as much intelligent behavior as possible while consuming as little energy as possible. Every unnecessary joule reduced an organism’s chances of survival.

Today’s AI follows almost the opposite strategy. We create intelligence by making enormous amounts of energy available. It works remarkably well, but it remains an extraordinarily inefficient way of computing. The next major breakthrough will therefore likely come not only from larger models, but from smarter hardware, more efficient algorithms, and computing architectures inspired by biological intelligence.

That shift also changes the economic balance of power.

AI models themselves will increasingly become commodities. As more companies deliver comparable performance, differentiation becomes harder. Value naturally migrates toward the two extremes: the infrastructure that provides energy and computing capacity, and the applications that create genuine value for users.

This explains why growing attention is being paid to energy generation, electricity grids, and new forms of power infrastructure. AI is ultimately not just a software challenge—it is equally an infrastructure challenge.

Perhaps that is the greatest irony of our time. We may have built the most sophisticated form of digital intelligence ever created, yet its ultimate limits are not defined by software. They are defined by physics.

Twenty years from now, we may no longer talk about the AI race but about the energy race that made it possible. Just as no one can truly understand the Industrial Revolution without coal or the twentieth century without oil, future historians may struggle to explain the AI revolution without understanding electricity.

Perhaps intelligence is not the scarce resource of this century after all. Perhaps it is simply watts and joules that will determine how intelligent our societies can become.