AI-inflatie: waarom de AI-boom stilletjes de prijs verhoogt van alles waarop je bouwt
Ik ging vorige week een nieuwe Mac Mini samenstellen — de M-serie doos waarop ik een paar van mijn agent-workflows draai — en de configuratie die ik achttien maanden geleden kocht, kostte deze keer merkbaar meer voor hetzelfde silicium. Dezelfde chipfamilie. Dezelfde opslagtier. Hoger getal bij de kassa. Mijn eerste gedachte was "supply chain, whatever." Mijn tweede gedachte, nadat ik de data begon op te trekken, was degene die er echt toe doet: het model dat ik op die doos draai, concurreert nu met mij om de onderdelen erin.
Dat is AI-inflatie, en het is de rode draad van de hele eerste week van juli 2026. Niet één frontier-model werd gelanceerd. Wat in plaats daarvan bewoog, waren de kosten van de grond waarop alles staat — geheugenchips — plus twee verhalen over wie überhaupt de beste AI mag gebruiken. Die drie draden klinken onsamenhangend. Dat zijn ze niet. Ze zijn hetzelfde verhaal over een boom die opgehouden is abstract te zijn en is begonnen op te duiken op je factuur, in je apparaatspecificaties en in je toegang tot de tools.
Ik volg dit spul wekelijks omdat het verandert wat ik kan bouwen en wat het me kost om te bouwen. Deze week was het nieuws geen benchmark. Het was een rekening. Laat me je uitleggen waar AI-inflatie vandaan komt, waarom je volgende laptop slechter zal zijn dan je zou verwachten voor het geld, hoe het verband houdt met de stille her-centralisatie van frontier-modellen, en wat ik er in de praktijk aan doe — want er zijn hier echte zetten te maken, niet alleen doemdenken.
Wat is AI-inflatie, en waarom slaat het eerst toe bij hardware?
AI-inflatie is de doorwerking van de vraag naar AI-infrastructuur in consumentenprijzen — het meest zichtbaar via geheugenchips, waar AI-datacenters zoveel DRAM en high-bandwidth memory kopen dat de onderdelen in laptops, telefoons en desktops schaars en duur zijn geworden. Het is niet de inflatie van de Fed en het zijn geen tarieven. Het is een specifieke aanbodschok veroorzaakt door één industrie die iedereen overbiedt voor een gedeeld onderdeel.
Hier is het mechanisme in één adem: het trainen en serveren van grote modellen vergt enorme hoeveelheden geheugen, de hyperscalers die AI-datacenters bouwen hebben feitelijk open orders geplaatst, geheugenmakers hebben hun fabs omgebouwd om die hoge-marge enterprise-orders na te jagen, en dat laat minder capaciteit over voor de gewone RAM en opslag die in de apparaten gaan die jij en ik kopen. Schaarste plus inelastische vraag is gelijk aan prijs. De AI-boom heeft je boodschappen niet duurder gemaakt. Het heeft je bill of materials verhoogd.
Wat dit anders maakt dan een normale chipcyclus — en ik heb er een paar meegemaakt — is wie de koper is en hoe prijsongevoelig die is. Wanneer een hyperscaler tegen een geheugenleverancier zegt "we nemen alles wat je kunt maken, tegen welke prijs dan ook," doet de leverancier het rationele: hij stopt met het maken van de goedkope consumentenonderdelen. Je concurreert niet meer met andere laptopkopers. Je concurreert met een biljoen-dollar capex-race die niet geeft om wat een reepje DDR5 kost.
Ik wil dit onderbouwen met echte cijfers in plaats van gevoelens, want de cijfers zijn oprecht verbluffend. Dat is de volgende sectie, en het is waar "prijzen zijn een beetje gestegen" verandert in iets scherpers.
Het getal dat de hele week voor mij herkaderde: DRAM ~95% omhoog in één kwartaal
Kijk naar wat de geheugenmarkt daadwerkelijk deed in de eerste helft van 2026.
De contractprijzen voor DRAM sprongen alleen al in het eerste kwartaal van 2026 met ongeveer 95% omhoog, en analisten verwachtten een nog eens rond de 63% stijging in het tweede kwartaal, volgens rapportage samengevat door CNBC en prognoses van TrendForce, waarvan de data lieten zien dat de DRAM-industrie in Q1 2026 met 81% kwartaal-op-kwartaal steeg. TrendForce leest dat de opwaartse trend doorloopt in Q3 en Q4, met echte normalisatie pas ergens tussen eind 2026 en 2027 — en alleen als de uitgaven aan AI-infrastructuur afkoelen.
Een kwartaalsprong van ~95% is geen zachte drift. Dat is de prijs van een kerncomponent die in drie maanden bijna verdubbelt. Geheugen is een van de meest gecommoditiseerde, meest concurrerende markten in de hele elektronica — het soort markt waar een paar procent uitslag een groot probleem is. Een bijna-verdubbeling is een markt die wordt herordend door één klantenklasse.
Stapel nu de productiekant erbovenop. Industrieanalyse van dit jaar wijst erop dat op AI gerichte systemen ongeveer 70% van de wereldwijde geheugen-hardwareproductie verbruiken, waarbij fabrikanten zoals Samsung en SK Hynix hun fabs weghouden van standaard consumentengeheugen en verplaatsen naar hoge-marge enterprise-chips. IDC's analyse van het geheugentekort en berichtgeving in tech-insiders HBM-doorlichting beschrijven beide hoe high-bandwidth memory een groeiend aandeel van de DRAM-wafercapaciteit opeet — de wafers die anders de RAM in jouw machine zouden worden, worden uitgegeven aan het geheugen dat naast datacenter-GPU's zit.
Daar heb je de hele motor. AI heeft geheugen nodig, geheugenmakers jagen op het AI-geld, het consumentenaanbod krimpt, prijzen schieten omhoog. Alles stroomafwaarts — jouw laptop, jouw telefoon, jouw Mac — is gewoon dit feit dat in de winkel aankomt. En daar gaan we hierna precies naartoe.
Wat AI-inflatie doet met de laptop die je op het punt stond te kopen
Hier is het deel dat mij het meest verraste, want het is sluwer dan een prijssticker-verhoging.
Prijzen voor laptops van Dell, HP en Lenovo zijn in 2026 met tussen de 15% en 30% gestegen, volgens analyse van Consumer Reports en berichtgeving verzameld door Gulf News. Bijna elk groot merk — Dell, Lenovo, HP, Microsoft, Apple — heeft verhogingen aangekondigd of al doorgevoerd. Dat is de zichtbare helft.
De onzichtbare helft is erger, en het heeft een naam die ik steeds tegenkom: shrinkflation, toegepast op silicium. In plaats van de prijs van een instapapparaat te verhogen en kopers af te schrikken, degraderen fabrikanten stilletjes de specificaties. Die laptop van $600 in 2026 kan er in het schap identiek uitzien aan het 2025-model en 8GB RAM meekrijgen waar die van vorig jaar 16GB had, of een dimmer scherm, of tragere opslag. Je betaalt hetzelfde, je krijgt minder, en niets op de doos vertelt je waarom. De AI-geheugenbelasting is aan jou doorgeschoven als een specificatiereductie in plaats van een prijskaartje.
Apple is de zuiverste illustratie van de tijdlijn. Rapportage van dit jaar beschrijft hoe Apple maandenlang de gestegen geheugenkosten heeft geabsorbeerd voordat het ze uiteindelijk doorschoof, waarbij markten zoals India scherpe overnachtstijgingen zagen op MacBook Pro-configuraties. Moneywise en andere media koppelen dezelfde oorzaak — AI-gedreven geheugentekort — aan prijsbewegingen die nu zijn overgeslagen naar gameconsoles en die naar verwachting zullen blijven doorwerken via de productlijnen van Dell, Lenovo en Samsung. Wanneer zelfs Apple, met de beste leveringscontracten ter wereld, stopt met de kosten opvangen, vertelt je dat de druk structureel is, niet een tijdelijk hikje.
En hier is een detail dat me deed lachen en vervolgens deed nadenken. Een deel van de Mac Mini-krapte is dat mensen ze kopen om te gebruiken als privé AI-servers — kleine, stille, energie-efficiënte doosjes om lokale modellen en agents thuis te draaien. Dus de AI-vraag knijpt consumentenhardware van beide kanten tegelijk in de tang: de datacenters hamsteren de geheugenchips, en een groeiend deel van ons koopt de kant-en-klare machines specifiek om er onze eigen AI op te draaien. Ik ben aantoonbaar onderdeel van het probleem. Mijn Mac Mini is een van die privé agent-doosjes.
Als je het tegengewicht wilt tegen al deze gecentraliseerde inflatie, is een deel ervan meer van je eigen stack lokaal draaien — en dat is precies waarom ik een uiteenzetting schreef over het bouwen van een gratis Claude Code proxy met lokale modellen op NVIDIA en Ollama. Meer eigenaarschap over je inference is een hedge tegen een markt die je uit de cloud EN de hardware prijst. Later meer over die hedge.
Wie wint er eigenlijk aan AI-inflatie? Volg het geheugengeld
Als consumenten meer betalen voor minder, dan pikt iemand die spread in. Ze zijn niet moeilijk te vinden.
Micron rapporteerde een van de meest buitengewone periodes in zijn geschiedenis. In zijn tweede fiscale kwartaal van 2026 boekte het bedrijf een omzet van rond de $23,68 miljard — een stijging van 194% jaar-op-jaar — met een GAAP-winst van ruwweg $13,79 miljard, een stijging van meer dan 770%, volgens de doorlichting van Blocks & Files. DRAM was 79% van de omzet en steeg met 207% jaar-op-jaar. Micron's volledige high-bandwidth memory-productie voor kalenderjaar 2026 is al vastgelegd onder prijs- en volumeovereenkomsten, waarbij de krapte naar verwachting doorloopt na het jaar. Forbes beschreef zijn mars voorbij een biljoen-dollar-waardering.
Dat is de hele asymmetrie in de kwartaalcijfers van één bedrijf. De AI-geheugenbelasting die je bij Best Buy betaalt, komt tevoorschijn als recordmarges bij de chipmakers. SK Hynix leidt HBM met ongeveer 43% aandeel, Samsung rond 33%, Micron rond 24% — en alle drie geven ze voorrang aan het enterprise-geheugen dat AI wil boven het consumentengeheugen dat jij wilt. TechTimes noemde het onomwonden: recordmarges die de AI-geheugenbelasting op je volgende pc bevestigen.
Ik zeg dit niet cynisch. Micron heeft capaciteit gebouwd en wordt daarvoor beloond, en zo werken markten. Maar als je uitzoomt, is de vorm van AI-inflatie duidelijk: kosten stromen omlaag naar consumenten via hardware, winsten stromen omhoog naar de componentmakers, en de AI-labs in het midden krijgen de rekenkracht die ze nodig hebben om de boom gaande te houden. Je financiert de boom twee keer — één keer als je de AI gebruikt, en één keer als je het apparaat koopt om hem op te gebruiken.
Die dubbel-financieringsdynamiek verbindt direct met de tweede grote draad van de week, en het is degene die mij meer stoort dan de prijzen. Want het is niet alleen de hardware die geconcentreerd raakt. Het is de toegang.
De andere helft van AI-inflatie: toegang wordt ook gecentraliseerd
Geld is niet het enige dat geconcentreerd raakt. De beste modellen ook — en dat is het deel dat bouwers het meest zou moeten verontrusten.
OpenAI's krachtigste nieuwe variant, het GPT-5.6 "Soul"-model dat ik uit zijn preview beschreef, landde naar verluidt sterk genoeg op interne codeer-evaluaties om klappen uit te wisselen met Anthropic's Fable 5. En toen gebeurde er iets ongebruikelijks: publieke toegang werd afgeknepen, waarbij de sterkste tier werd beperkt tot een beperkte groep vertrouwde partners terwijl de overheid het beoordeelde — de aangegeven zorg was de frontier-cybersecuritycapaciteit, specifiek het vermogen van deze modellen om snel softwarekwetsbaarheden te vinden.
Dat is geen gerucht dat in het luchtledige zweeft. Op 2 juni 2026 tekende de regering een executive order getiteld "Promoting Advanced Artificial Intelligence Innovation and Security," beschreven door de analyse van Foley Hoag als de meest significante federale stap richting AI-toezicht tot nu toe — en het is bijna volledig ingekaderd rondom cybersecurity, waarmee een venster wordt vastgesteld voor ontwikkelaars om hun krachtigste modellen ter beoordeling aan de overheid voor te leggen voordat ze worden uitgebracht. Frontier-modellen kunnen naar verluidt kwetsbaarheidsdetectie inmiddels comprimeren van maanden naar uren, wat precies de reden is waarom coalities zoals Anthropic's gecontroleerde "trusted access"-programma's bestaan: geef geselecteerde verdedigers vroege toegang om te patchen voordat tegenstanders dezelfde capaciteit kunnen bewapenen. Ik dook in hoe dit gating-patroon herschapt wie de frontier krijgt in mijn stuk over de GPT-5.6 serie als een gated frontier, en de roundup van vorige week over exportcontroles en open-source ensembles traceerde dezelfde stroom vanuit een andere hoek.
Hier is de spanning die ik niet kan afschudden, en ik zal het duidelijk zeggen omdat dit de eerlijke versie is. Deze modellen zijn getraind op publieke menselijke data — ons schrijven, onze code, onze afbeeldingen, geschraapt van het open web. Nu worden de sterkste versies overhandigd aan een korte lijst van "vertrouwde partners" en onthouden aan het publiek dat de trainingsdata heeft geproduceerd. Het democratiserende verhaal dat we onszelf allemaal over AI vertelden — iedereen krijgt een genie in zijn zak — wordt stilletjes een verhaal over wie op de lijst staat. Ook dat is een vorm van inflatie. De prijs van frontier-toegang is voor de meeste mensen nu "je mag het niet hebben."
Voor een werkende ontwikkelaar heeft dit een concrete consequentie: het model waarop je daadwerkelijk kunt bouwen is misschien niet het beste model dat bestaat. Wat je strategie verandert. Het duwt je richting weerbaarheid — en dat is de enige oprecht hoopvolle draad in de hele week.
De hedge tegen AI-inflatie: open modellen en multi-model weerbaarheid
Als de beste modellen centraliseren en de hardware inflateert, is de tegenzet duidelijk zodra je hem ziet: stop met afhankelijk zijn van één enkel model of leverancier. En deze week gaf die strategie echt munitie.
Sakana uit Japan bracht Fugu uit, een multi-model agentsysteem dat werk verdeelt over GPT, Gemini, Claude en Opus, elk model dat niet meer beschikbaar of verboden wordt uitwisselt, en dat naar verluidt Fable 5-klasse benchmarks evenaarde zonder Fable 5 überhaupt te gebruiken. Ik ontleedde waarom die orkestratieaanpak ertoe doet in mijn Sonnet 5 agentic-coding roundup, en Fugu is er tot nu toe de scherpste uitdrukking van. Het hele punt is architectonische verzekering: als één frontier-model wordt gegated achter een overheidsbeoordeling of buiten bereik wordt geprijsd, routeert het systeem eromheen. Dat is precies de weerbaarheid die je wilt wanneer toegang de schaarse hulpbron is.
De VS bracht Onith uit, een open-source, gratis codeer-agent die zijn eigen strategieën formuleert. En aan de wetenschappelijke kant leverde NVIDIA de BioNeMo Agent Toolkit, die biomoleculaire modellen omzet in oproepbare skills die een agent aan elkaar kan schakelen — het gedocumenteerde voorbeeld ontwerpt eiwitbinders voor PD-L1, een gevalideerd geneesmiddeldoelwit, door RFdiffusion aan te sluiten voor de backbone, ProteinMPNN voor de sequentie, en OpenFold3 voor validatie, waarmee ontwerpwerk dat een lab weken kostte wordt samengedrukt. Timelines voor drug discovery die van jaren naar dagen instorten zijn de optimistische spiegel van dezelfde AI-capaciteitscurve die overheden nerveus maakt over kwetsbaarheidsdetectie. Dezelfde kracht, gericht op eiwitten in plaats van exploits.
Het patroon over Fugu, Onith en open toolkits is het weerbaarheidsverhaal: naarmate de commerciële frontier concentreert, is het open ecosysteem waar onafhankelijkheid woont. Als je professioneel bouwt, is dat geen ideologie — het is risicobeheer.
Als je liever hebt dat iemand een multi-model, leveranciersonafhankelijke AI-stack voor je team ontwerpt zodat een enkel gegated model of een prijspiek je niet kan uitschakelen, dan is dat precies het soort werk dat ik oppak — je kunt zien wat ik bouw op fiverr.com/s/EgxYmWD.
De derde verschuiving: AI verplaatst zich van een tool die je opent naar een teamgenoot die in je tools woont
Er is een stillere structurele verandering die onder dit alles doorloopt, en het versterkt het centralisatierisico. AI migreert van websites die je bezoekt naar apps die je gebruikt naar een collega ingebed in het geheugen en de tools van je bedrijf.
Anthropic's Claude Tag — de AI-teamgenoot die in een Slack-kanaal woont — is het duidelijkste voorbeeld. Hij leest je bestanden, voert autonoom meerstappentaken uit, en werkt in-channel samen met strikte per-team en per-kanaal toegangscontroles, waarbij elke actie onder zijn eigen identiteit wordt gelogd. Claude-agents landen ook binnen Notion-workflows, verplaatsen taken over stadia en schrijven fixes terwijl je offline bent. Dit is oprecht nuttig. Ik leef al een jaar in deze tools.
Maar hier is de eerlijke zorg, en een voormalige MIT-onderzoeker verwoordde het goed als een "Trojaans paard"-effect: hoe meer je AI-teamgenoot in het geheugen van één leverancier van je werk woont, hoe meer je operationele context aan die leverancier wordt vastgeklonken. Als je hele institutionele kennis — je beslissingen, je docs, je workflows — accreteert binnen de agent van één bedrijf, gaan overstapkosten niet meer over features maar over jouw geheugen. Dat is lock-in verkleed als gemak.
De defensieve houding waar ik steeds op uitkom: bezit je context onafhankelijk. Bewaar je kennis, je prompts, je workflows in formaten en opslag die jij beheert, zodat elk model ze kan lezen. Dat is dezelfde instinct die multi-model weerbaarheid slim maakt — en het is waarom ik zoveel heb geschreven over persistente, portable geheugensystemen voor Claude Code die je context niet vastzetten in één enkele tool. Gemak is veel waard. Het is je onafhankelijkheid niet waard.
Eerlijk gezegd: wat ik in de praktijk doe aan AI-inflatie
Genoeg diagnose. Zo verandert dit mijn feitelijke beslissingen, want analyse zonder actie is gewoon angst.
Bij hardware koop ik voor de specificatie, niet de sticker. Shrinkflation betekent dat prijs geen betrouwbaar signaal meer is van wat je krijgt. Voordat ik dit jaar iets koop, lees ik de exacte RAM-, opslag- en paneelspecificaties en vergelijk ze met het model van vorig jaar op hetzelfde prijspunt. Als de specificatie stilletjes zakte, is die "dezelfde prijs" een echte verhoging. Ik betaal liever nu meer voor 32GB dan dat ik stilletjes 16GB krijg toegeschoven en dat ontdek wanneer mijn agents naar schijf gaan swappen.
Ik plan grote aankopen tegen de prognose, niet de sale. TrendForce leest dat geheugenprijzen verhoogd blijven tot en met Q3 en Q4 2026 met normalisatie mogelijk een jaar of meer verder. Dus behandel ik "wachten tot prijzen dalen" als een slechte gok voor de korte termijn — als ik de hardware echt nodig heb voor werk, is nu kopen beter dan kopen in een nog stijgende markt. Als ik het niet dringend nodig heb, houd ik vast en let ik op het normalisatiesignaal in 2027.
Ik draai meer inference lokaal en blijf multi-model. Elke workload die ik van gemeten cloud-API's kan verplaatsen naar een lokaal model op mijn eigen doos, is een workload die immuun is voor zowel frontier-gating als per-token prijsstijging. Ik doe dit niet voor alles — voor moeilijke problemen is de frontier het betalen nog steeds waard. Maar het routinematige spul met hoge volumes draait nu lokaal, en mijn stack is zo gebouwd dat geen enkele uitval of beleidswijziging van één leverancier mijn werk stopt.
Ik bezit mijn context. Mijn prompts, mijn projectkennis, mijn workflows leven in platte bestanden die ik beheer, leesbaar voor elk model. Als een model morgen gegated wordt, wissel ik de engine en behoud ik het geheugen.
Hier is de eerlijke beperking: niets hiervan laat AI-inflatie verdwijnen. Ik kan geen hyperscaler over geheugen aftroeven, en ik kan geen frontier-model ontgated maken. Wat deze zetten doen, is mijn blootstelling verminderen — aan prijspieken, aan specificatiereducties, aan één leverancier die beslist dat ik niet op de lijst sta. Dat is het realistische doel. Geen immuniteit. Weerbaarheid.
Drie signalen die me zullen vertellen waar AI-inflatie naartoe gaat
Ten eerste, of de geheugenprijzen daadwerkelijk pieken in Q3. Als het normalisatievenster van TrendForce standhoudt en contractprijzen eind 2026 afvlakken, verlicht de hardware-knijp en keert shrinkflation om. Als AI-capex in plaats daarvan blijft versnellen, verdiept de knijp zich in 2027 en worden de specificatiereducties erger. Let op DRAM-contractprijzen, niet op krantenkoppen.
Ten tweede, of frontier-gating de norm wordt of de uitzondering. De GPT-5.6-beoordeling en de executive order van juni zouden een eenmalige reactie op een specifieke capaciteit kunnen zijn, of het begin van een permanente stratificatie waarbij het publiek per ontwerp het op-één-na-beste model krijgt. De open-modelrespons — Fugu, Onith, en wat er volgt — is de tegenkracht. Ik let op welke van de twee de standaard wordt.
Ten derde, of "bezit je context"-tooling snel genoeg volwassen wordt om te voorkomen dat de ingebedde-teamgenoot-golf ingebedde lock-in wordt. De tools waarmee je je geheugen portable kunt houden, zijn die waarop ik zal wedden.
Veelgestelde vragen
Wat is AI-inflatie?
AI-inflatie is de doorwerking van de vraag naar AI-infrastructuur in consumentenprijzen, het meest zichtbaar via geheugenchips. AI-datacenters kopen zoveel DRAM en high-bandwidth memory dat consumenten-RAM en -opslag schaars en duur zijn geworden, wat de prijs van laptops, telefoons en desktops opdrijft. Voor het volledige mechanisme, zie de sectie over geheugenchips hierboven.
Waarom stijgen de laptopprijzen in 2026?
Laptopprijzen zijn in 2026 met 15–30% gestegen, voornamelijk omdat AI-datacenters ongeveer 70% van de wereldwijde geheugenproductie verbruiken, en chipmakers hun fabs hebben verschoven richting hoge-marge enterprise-geheugen. De contractprijzen voor DRAM sprongen alleen al in Q1 2026 met ongeveer 95% omhoog, en fabrikanten geven die kosten door via hogere prijzen of stilletjes gedegradeerde specificaties.
Is AI echt de reden dat mijn computer meer kost?
Grotendeels, ja. De dominante drijfveer van de hardwarenprijsverhogingen in 2026 is AI-gedreven geheugenschaarste, niet tarieven of algemene inflatie. Rapportage van CNBC, Consumer Reports en TrendForce herleiden allemaal prijsstijgingen van consumentenelektronica naar AI-datacenters die apparaatmakers voor consumenten overbieden om dezelfde geheugenchips.
Wanneer dalen de prijzen voor geheugenchips weer?
TrendForce voorspelt verhoogde DRAM-prijzen tot en met Q3 en Q4 2026, met normalisatie ergens tussen eind 2026 en 2027 — en alleen als de uitgaven aan AI-infrastructuur afkoelen. Als de AI-capex blijft versnellen, kan het tekort en de verhoogde prijzen langer aanhouden.
Hoe kan ik mezelf als ontwikkelaar beschermen tegen AI-inflatie?
Koop hardware voor exacte specificaties in plaats van de prijssticker om shrinkflation te vermijden, plan grote aankopen tegen geheugenprijsprognoses, draai meer inference op lokale modellen die je zelf beheert, en houd je workflows multi-model zodat geen enkele gegate of dure leverancier je werk kan stoppen. Zie de sectie "wat ik in de praktijk doe" hierboven.
De kern van de zaak
De week waarin niets werd gelanceerd, leerde me meer dan de meeste weken waarin wel iets werd gelanceerd. AI-inflatie is het moment waarop de boom ophield iets te zijn wat in een datacenter gebeurt en iets werd wat gebeurt bij jouw kassa, in jouw apparaatspecificaties, en in de lijst van wie de beste tools mag gebruiken. De kosten stromen omlaag naar jou. De winsten stromen omhoog naar de chipmakers. En de frontier drijft, voorlopig, richting een korte gastenlijst.
Ga terug naar die Mac Mini die ik aan het prijzen was. De machine werd duurder omdat het model dat ik erop draai dezelfde chips wil als ik. Dat is geen metafoor — het is letterlijk de supply chain. De AI waarmee je bouwt en de hardware waarop je bouwt bieden nu tegen elkaar op, en jij betaalt beide kanten van de veiling.
Je kunt de veiling niet stoppen. Maar je kunt beslissen hoe blootgesteld je eraan wilt zijn. Bezit je inference waar je kunt. Bezit altijd je context. Blijf multi-model zodat geen enkele deur op jou dichtgaat. De mensen die in de beste vorm uit deze boom komen, zullen niet degenen zijn die het minst betaalden — het zullen degenen zijn die op de minste single points of failure vertrouwden. Dus hier is de vraag om vanavond bij stil te staan: als het beste model morgen gegated werd en je favoriete hardware volgend kwartaal verdubbelde, hoeveel van je werk zou dan daadwerkelijk stilvallen?
Bouw een stack die de knijp niet kan breken
Als AI-inflatie je zorgen baart dat één gegate model of één prijspiek je workflow zou kunnen stilleggen, is dat precies het probleem waar ik teams omheen help ontwerpen: leveranciersonafhankelijke, multi-model systemen met je context portable over engines heen. Als dat op je gedachten weegt, hier is waar ik dat werk oppak.
