AI-chips uitgelegd: GPU's, HBM en datacenters

Achter elke AI-toepassing zit hardware: chips die enorme hoeveelheden berekeningen uitvoeren. Wie de AI-waardeketen wil begrijpen, doet er goed aan eerst de hardwarelaag te begrijpen. In dit artikel leggen we feitelijk en in begrijpelijke taal uit wat AI-chips zijn en welke beursgenoteerde bedrijven hierin een rol spelen. Geen advies — wel context.

Waarom heeft AI speciale chips nodig?

Het trainen van een groot AI-model bestaat uit het keer op keer uitvoeren van enorme aantallen relatief simpele rekensommen, tegelijkertijd. Gewone processoren (CPU's) zijn ontworpen om taken na elkaar af te handelen. Voor AI is juist parallel rekenen cruciaal: heel veel berekeningen tegelijk. Daar zijn andere chips beter in.

De belangrijkste typen AI-chips

GPU's (grafische processoren)

GPU's waren oorspronkelijk bedoeld voor games, maar blijken ideaal voor het parallelle rekenwerk van AI. NVIDIA is hier marktleider, met AMD als belangrijke uitdager. Deze chips vormen de kern van de AI-chips & GPU-laag.

Custom accelerators (ASIC's)

Grote cloudbedrijven ontwerpen steeds vaker hun eigen, op maat gemaakte AI-chips om minder afhankelijk te zijn van GPU-leveranciers. Broadcom speelt een rol bij het ontwerpen van zulke maatwerkchips voor derden.

HBM (High Bandwidth Memory)

AI-chips hebben razendsnel geheugen nodig om data aan te voeren. HBM is gespecialiseerd geheugen dat dicht op de processor wordt geplaatst. Micron is een van de spelers in dit segment. Zonder voldoende geheugenbandbreedte zit zelfs de snelste GPU een deel van de tijd te wachten.

Netwerkchips

In een datacenter werken duizenden chips samen. De verbindingen daartussen — het netwerk — bepalen mede de snelheid. Arista en Broadcom zijn actief in deze netwerklaag.

En wie maakt die chips?

Het ontwerpen van een chip is iets anders dan het produceren ervan. De productie gebeurt grotendeels bij TSMC, die daarvoor de lithografiemachines van ASML, ASMI en BESI gebruikt. Zie ook ASML als AI-aandeel.

Niet vergeten: stroom en koeling

Datacenters vol AI-chips verbruiken enorm veel elektriciteit en produceren veel warmte. Daardoor profiteren ook bedrijven in de energie & infrastructuur-laag, zoals Vertiv en Eaton, van de groei van AI. De hardwarelaag is dus breder dan alleen de chip zelf.

Hoe krijg je hier blootstelling?

Gespreide blootstelling aan de hardwarelaag kan via een halfgeleider-ETF of een bredere AI-ETF. Losse aandelen geven gerichtere blootstelling, maar ook meer concentratierisico. Lees AI-aandelen vergelijken zonder hype.

Veelgestelde vragen

Wat is het verschil tussen een CPU en een GPU?

Een CPU handelt taken vooral na elkaar af en is veelzijdig; een GPU voert heel veel simpele berekeningen tegelijk uit. Voor AI is dat parallelle rekenen van de GPU bijzonder geschikt.

Wat is HBM en waarom is het belangrijk?

HBM is snel geheugen dat dicht bij de processor zit, zodat data snel kan worden aangevoerd. Zonder voldoende geheugenbandbreedte kan een AI-chip zijn rekenkracht niet volledig benutten.

Maakt NVIDIA zijn eigen chips?

NVIDIA ontwerpt de chips, maar de productie besteedt het uit, grotendeels aan TSMC. NVIDIA is dus een ontwerper, geen fabrikant.

Beleggen kent risico's; je kunt (een deel van) je inleg verliezen. Dit artikel is informatief en geen persoonlijk beleggingsadvies. Doe altijd je eigen onderzoek.