Zitten we in een AI-bubbel?

Zitten we in een AI-bubbel?

De AI-industrie blijft in 2025 het snelst groeiende segment binnen de technologiesector. Als belegger zie je dagelijks berichten over nieuwe doorbraken, spectaculaire overnames en miljardeninvesteringen in AI-gerelateerde bedrijven. De vraag wordt steeds vaker gesteld: Zitten we in een AI-bubbel?

We hebben al menig artikelen gepubliceerd over de (toentertijd terechte) onderwaardering van AI-bedrijven zoals IREN, waar we vaak benadrukten hoe deze spelers nog onder de radar vlogen met hun potentieel in AI-infrastructuur, maar tijden veranderen. In 2025 lijkt de AI-hype een punt te bereiken waar overwaardering op de loer ligt.

Is de AI-bubbel een bubbel die op knappen staat, of gewoon de volgende fase van een revolutionaire tech-trend? In dit artikel duiken we diep in de materie. We kijken naar de torenhoge waarderingen van AI-bedrijven, het mogelijke plateau in de ontwikkeling van AI-modellen, en we halen een iconische speech aan van AI-guru en godfather Andrej Karpathy. We combineren de meest actuele marktcijfers met trends, zodat jij een weloverwogen keuze kunt maken of AI-aandelen passen bij jouw beleggingsstrategie.

Wat is een bubbel?

Een bubbel ontstaat wanneer de prijs van iets zoals aandelen of technologie veel hoger klimt dan de werkelijke waarde. Het begint vaak met opwinding: een nieuwe trend belooft de wereld te veranderen. Mensen investeren massaal, prijzen stijgen, en FOMO (fear of missing out) drijft de hype verder. Maar op een gegeven moment stort het in, omdat de fundamenten niet kloppen. Denk aan de dotcom-bubbel: internet was revolutionair, maar veel bedrijven waren overgewaardeerd en gingen failliet.

In de AI-context zien we vergelijkbare signalen. De markt voor AI-technologie is geëxplodeerd. Volgens schattingen hebben particuliere investeerders het afgelopen jaar al bijna 1 biljoen dollar in AI-startups gestoken. Maar is dit gebaseerd op echte waarde, of puur op speculatie? Laten we kijken naar de eerste rode vlag: de hoge waarderingen.

Zijn AI-aandelen te duur? Hoge waarderingen voor AI-aandelen

NVIDIA speelt een centrale rol binnen de AI-hardwaremarkt, met een groeiend aandeel dankzij hun GPU’s die essentieel zijn voor de training van grote AI-modellen. Het bedrijf noteert in september 2025 een marktkapitalisatie van ongeveer 4,33 biljoen dollar, waarmee het tot de meest waardevolle ondernemingen ter wereld behoort. De koers schommelt rond de 178 dollar per aandeel.

In het afgelopen kwartaal (Q2 van het fiscale jaar 2026, eindigend juli 2025, NVIDIA gebruikt een iets andere jaartelling dan de meeste bedrijven) rapporteerde NVIDIA een omzet van 46,7 miljard dollar, wat een stijging van 56% jaar-op-jaar en 6% kwartaal-op-kwartaal betekent. Deze cijfers overtroffen de verwachtingen, wat de aanhoudende vraag naar AI-infrastructuur onderstreept.

De waardering blijft echter veeleisend. NVIDIA’s trailing P/E-ratio ligt rond de 50, terwijl de forward P/E-ratio ongeveer 31 bedraagt. Ter vergelijking: tijdens de dotcom-bubbel lagen P/E-ratio’s van veel technologiebedrijven gemiddeld rond de 60 tot 70. Hoewel NVIDIA’s huidige waardering onder dat niveau ligt, wijst de forward P/E op forse groeiverwachtingen die nog niet in de prijs zijn opgenomen.

Opmerkelijk is dat analisten ondanks deze hoge waardering nog steeds optimistisch blijven. Een consensus van 43 analisten hanteert een gemiddeld koersdoel van 204 tot 210 dollar, wat 15-18% boven de huidige koers ligt. Dit suggereert dat professionals verwachten dat de groei de waardering kan rechtvaardigen.

Voordelen van hoge waarderingen

• Groei-indicator: Hoge P/E’s tonen marktvertrouwen in toekomstige innovaties, zoals AI-chips voor autonome voertuigen
• Investeringsstroom: Bedrijven als NVIDIA kunnen miljarden ophalen voor R&D
• Marktleiderschap: NVIDIA’s dominantie in GPU’s zorgt voor stabiele inkomsten op de lange termijn

Nadelen van hoge waarderingen

• Risico op correctie: Als kwartaalcijfers tegenvallen, kan de koers 20-30% dalen in dagen
• Speculatie overheerst: Veel startups hebben geen winst, maar wel miljardenwaarderingen
• Vergelijking met verleden: Soortgelijke bubbels leidden historisch tot crashes

Concrete cijfers

• Marktkapitalisatie: 4,33 biljoen dollar (september 2025)
• Q2 FY2026 omzet: 46,7 miljard dollar (+56% YoY)
• Analistenconsensus (43 analisten): gemiddeld koersdoel 204-210 dollar (+15-18% vs huidige koers)
• Forward P/E: 31x (wat nog steeds hoge groeiverwachtingen impliceert)

Lees meer over beleggen in AI.

Het plateau van trainingsmodellen: wordt AI niet beter?

AI-modellen, zoals die van GPT-4, Gemini, of de recent gelanceerde GPT-5, worden getraind op enorme datasets. De “scaling laws”, een theorie die zegt dat grotere modellen met meer data en compute beter presteren, hebben jarenlang gewerkt. Maar in 2025 zien we duidelijke tekenen van vertraging in deze vooruitgang.

De release van GPT-5 op 7 augustus 2025 biedt een interessant inzicht in deze ontwikkeling. Hoewel OpenAI het model presenteert als een “significant leap in intelligence”, laten de cijfers een genuanceerder beeld zien. 

GPT-5 scoort inderdaad beter dan zijn voorgangers: 94,6% op AIME 2025 (wiskunde), 74,9% op SWE-bench Verified (codering), en 84,2% op MMMU (multimodale taken). Deze verbeteringen zijn indrukwekkend, maar de sprong is minder dramatisch dan de overgang van GPT-3 naar GPT-4 was. Dit zal relatief gezien in de toekomst alleen maar verder zakken.

Waarom scaling laws onder druk staan

Het fundamentele probleem ligt in de beschikbaarheid van data. Volgens recente onderzoeken van AI-labs zijn we tegen drie kritieke limieten aangelopen:

• Data-schaarste: Het internet bevat een eindige hoeveelheid hoogwaardige trainingsdata. Zoals AI-onderzoeker Ilya Sutskever opmerkte: “pretraining as we know it will end” tijdens zijn speech op NeurIPS 2024. We hebben letterlijk het internet “opgegeten”. Veel van de beschikbare tekst, afbeeldingen en andere content is al gebruikt om huidige modellen te trainen.
• Compute-limieten: Hoewel bedrijven als xAI supercomputers bouwen met 100.000 GPU’s (Elon Musk’s “Colossus”), wordt exponentiële groei in rekenkracht steeds duurder en energie-intensiever. Een model trainen dat 10x groter is dan GPT-4 zou miljarden kosten en het elektriciteitsverbruik van hele landen vereisen.
• Diminishing returns: De wet van afnemende meerwaarde slaat toe. Waar GPT-3 naar GPT-4 een kwalitatieve sprong was, voelt GPT-4 naar GPT-5 meer als iteratieve verbetering. Volgens benchmarks presteert GPT-5 ongeveer 15-20% beter dan GPT-4 op de meeste taken, maar heeft wel meer dan dubbele trainingskosten gekost.

Beleggen in AI-aandelen kan risicovol zijn, net als beleggen in crypto zoals Bitcoin en Ethereum. Toch kan een kleine allocatie in jouw beleggingsportefeuille, al veel rendement opleveren, zie onderstaande afbeelding voor de rendementen van Bitcoin in de afgelopen 5 jaar, qua cryptovaluta het minst risicovol. Persoonlijk koop ik crypto bij ByBit, Finst en Bitvavo en stake ik crypto vooral bij Nexo. Lees meer over deze partijen in het beste crypto platformen-artikel.

De komst van nieuwe strategieën

Omdat traditionele scaling stagneert, zien we AI-labs nieuwe benaderingen verkennen:

• Test-time compute: In plaats van alleen grotere modellen trainen, geven onderzoekers modellen meer tijd om “na te denken” voordat ze antwoorden. OpenAI’s o1 en o3 modellen gebruiken deze techniek, waarbij ze interne “reasoning tokens” genereren voordat ze een definitief antwoord geven. 
• Post-training optimization: Robert Nishihara van Anyscale (een bedrijf dat AI-training ondersteunt) legt uit: “If you just put in more compute, you put in more data, you make the model bigger , there are diminishing returns. In order to keep the scaling laws going, we need new ideas.” De focus verschuift van pre-training naar het verfijnen van modellen na de initiële training.
• Synthetic data en specialized training: Omdat natuurlijke data opraakt, experimenteren bedrijven met AI-gegenereerde trainingsdata. Dit brengt echter risico’s mee van “model collapse”, waarbij modellen steeds meer op zichzelf lijken en minder diverse output produceren. Ook is een groot risico dat ze hiermee trainen op “onzin”.

Concrete signalen van het plateau

De industrie geeft steeds vaker toe dat de gemakkelijke winsten voorbij zijn. Marc Andreessen van a16z merkte op dat AI-modellen “seem to be converging at the same ceiling on capabilities.” Reports van Reuters, The Information en Bloomberg suggereren dat OpenAI, Google en Anthropic allemaal worstelen om hun volgende generatie modellen significant beter te maken dan huidige versies.

Voordelen van huidige trainingsmodellen

Bewezen vooruitgang: Modellen als GPT-5 hebben tekstgeneratie, codering en multimodale taken naar nieuwe hoogten gebracht

• Efficiëntiewinsten: Nieuwe architecturen en training-technieken verminderen rekenkrachtbehoefte met 20-30% voor vergelijkbare prestaties
• Specialisatie: Modellen worden beter in specifieke domeinen zoals medische diagnoses en juridische analyse

Nadelen van huidige beperkingen

• Exponentiële kosten: Elke generatie modellen kost 5-10x meer om te trainen dan de vorige
• Persisterende problemen: Hallucinaties, bias en feitelijke fouten blijven bestaan, ondanks enorme investeringen.
• Energy consumption: AI-training verbruikt nu meer elektriciteit dan hele landen; verdere scaling is ecologisch problematisch

Voor beleggers betekent dit dat bedrijven die alleen op traditionele scaling inzetten mogelijk teleurgesteld worden, terwijl degenen die innoveren in efficiëntie en nieuwe training-paradigma’s meer kansen hebben.

Een fascinerend perspectief wordt gedeeld door Andrej Karpathy, voormalig AI-directeur bij Tesla en OpenAI. In een speech uit 2023 vergeleek hij data met fossiele brandstof. “Het internet is de fossiele brandstof voor AI-systemen,” zei hij. “We hebben maar één internet, en we raken door onze voorraad heen.”

Vind je beleggingsapp DEGIRO te duur? Kijk dan eens naar Scalable Capital, een uitstekend en goedkoper alternatief, waar je eenvoudig automatisch kan beleggen in veel aandelen en ETF’s.

Het tegenargument: waarom het geen AI-bubbel is

Ondanks de bezorgdheid over hoge waarderingen en afnemende scaling laws, bestaat er een overtuigend tegenargument dat AI fundamenteel anders is dan eerdere tech-bubbels. De kern van dit argument ligt in een provocerende stelling: AI zou weleens de laatste technologie kunnen zijn die de mensheid zelf uitvindt.

AI als de laatste technologie

Prominent AI-onderzoeker Eliezer Yudkowsky en andere experts beweren dat we aan de vooravond staan van Artificial General Intelligence (AGI), machines die niet alleen specifieke taken uitvoeren, maar daadwerkelijk kunnen denken en redeneren zoals mensen, of zelfs beter. Als dit klopt, dan zijn we niet bezig met het ontwikkelen van een nieuwe app of platform, maar met het creëren van digitale superintelligentie die alle verdere innovatie kan overnemen.

AI-systemen kunnen dan zelfstandig doorbraken realiseren in geneeskunde, fysica, engineering en elk ander domein. Dit zou betekenen dat de huidige investeringen in AI niet worden vergeleken met de dotcom-bubble, maar eerder met de uitvinding van het wiel, de landbouw of de industriële revolutie, fundamentele verschuivingen die de hele menselijke beschaving herdefiniëren.

Vanuit dit perspectief zijn zelfs de torenhoge waarderingen van NVIDIA of OpenAI mogelijk nog conservatief. Als AI-systemen inderdaad kunnen bijdragen aan het oplossen van klimaatverandering, het genezen van kanker, het ontdekken van nieuwe energiebronnen en het automatiseren van de meeste economische activiteiten, dan is de totale economische waarde die gecreëerd wordt vrijwel ongelimiteerd.

Lees ook onze uitgebreide aandeel NVIDIA analyse, op 14 juli 2025 nog aangevuld aan de hand van de recente cijfers en het recente nieuws.

Het schaarsheid argument

Ten slotte speelt schaarste een rol. Er zijn maar een handvol bedrijven ter wereld die de capaciteit hebben om frontier AI-modellen te ontwikkelen: OpenAI, Google, Anthropic, xAI. Dit oligopolie, gecombineerd met de extreme kapitaalvereisten en technische expertise, creëert natuurlijke toetredingsbarrières die waarderingen kunnen rechtvaardigen die in andere sectoren absurd zouden lijken.

Kortom, als AI inderdaad de laatste grote technologische sprong van de mensheid blijkt te zijn, dan is geen prijs te hoog.

Conclusie: zitten we in een AI-bubbel?

We hebben gezien waarom AI-modellen tekenen van een plateau vertonen: de afnemende meeropbrengst van steeds grotere datasets, stijgende verdeelkosten en de schaarste aan kwalitatieve internetdata beperken verdere sprongen. 

Tegelijkertijd is het goed denkbaar dat AI de laatste grote doorbraak van de mensheid wordt: een technologie die zelf alle toekomstige innovaties kan aandrijven in geneeskunde, energie, wetenschap en meer. Die dubbele realiteit maakt AI uniek. 

Hoge waarderingen en P/E’s kunnen speculatief lijken, maar de potentie van superintelligentie, zelfrijdende economieën en ongekende productiviteitswinst rechtvaardigt tot op zekere hoogte de huidige prijzen. Voor jou als belegger betekent dit: kies bewust, investeer in bewezen leiders en pas op met minder gevestigde bedrijven.