AI-Inflatie: Waarom de AI-Boom Stilletjes de Prijs Verhoogt van Alles Waar Je Op Bouwt
Laatst bijgewerkt: 1 juli 2026
Ik bracht vorige week een uur door op de Apple-configurator voor een nieuwe MacBook Pro en sloot het tabblad met een gevoel dat ik niet helemaal kon plaatsen. Niet de stickershock — ik weet wat Macs kosten. Het was dat de baseline omhoog was gekropen. Hetzelfde geheugen, dezelfde opslag, dezelfde chip-klasse die vorig jaar een bepaalde prijs had, kostte nu meer. Niet dramatisch. Gewoon genoeg om te merken, en precies genoeg om te negeren als je niet oplet.
Vervolgens deed ik iets wat ik doe als een prijs niet klopt: ik volgde de toeleveringsketen. En wat ik vond veranderde hoe ik denk over het plannen van hardware-uitgaven voor de rest van het jaar. De korte versie: AI-datacenters slorpen zoveel geheugenproductie op dat de prijzen van consumentenelektronica — laptops, telefoons, desktops — worden meegetrokken. Dat is AI-inflatie, en het is al in het apparaat dat je aan het overwegen bent te kopen.
Dit is geen macro-economieles. Het is een bouwersperspectief: wat drijft AI-inflatie, hoe het je hardwarekosten beïnvloedt, en de twee hedges die ik gebruik om eromheen te plannen.
Wat is AI-inflatie, en waarom treft het hardware eerst?
AI-inflatie is de opwaartse prijsdruk op consumentengoederen veroorzaakt door de enorme grondstoffenvraag van de AI-industrie. De AI-boom verbruikt componenten — geheugengeheugens, geavanceerde chips, energielevering — in hoeveelheden die concurreren met en soms verdringen wat er beschikbaar is voor de consumentenelektronicamarkt. Wanneer het aanbod wordt opgeslokt door datacenters, stijgt de prijs voor iedereen.
Het treft hardware eerst omdat de toeleveringsketen fysiek is. Je kunt een softwaremodel schalen met compute — je kunt een geheugenfabriek niet op schaal zetten met een prompt. Het kost 2-3 jaar om een nieuwe fabricagefaciliteit te bouwen. De AI-vraag steeg sneller dan fabrieken konden volgen. Het resultaat is een klassiek tekortgedreven prijseffect, met als verschil dat het tekort niet door een natuurramp is veroorzaakt maar door industriële vraag van een boom die iedereen zag aankomen en waarvoor niemand snel genoeg bouwde.
Het getal dat de hele week voor mij herkaaderde: DRAM steeg ~95% in één kwartaal
Hier is het datapunt dat het abstract concreet maakt.
DRAM — het dynamische geheugen in elke laptop, telefoon en server die je koopt — zag zijn gemiddelde verkoopprijs stijgen met ruwweg 95% kwartaal-op-kwartaal begin 2026, gedreven door voorraadbeheer van leveranciers en explosieve vraag naar HBM (High Bandwidth Memory) voor AI-versnellers. HBM gebruikt dezelfde productiecapaciteit als standaard DRAM. Wanneer fabrikanten productie verschuiven naar het hogere-marge HBM voor Nvidia en AMD, krimpt het aanbod van standaard DRAM. Jouw laptopgeheugen concurreert nu letterlijk met AI-trainingsgeheugen om dezelfde fabricagecapaciteit.
Zet dat in perspectief: een stijging van 95% in één kerncomponent sijpelt niet onmiddellijk door in detailhandelsprijzen — OEM's absorberen een deel, ondertekenen langetermijncontracten en hedgen. Maar het sijpelt wel door, met vertraging. De laptopprijsstijgingen die je nu ziet zijn de eerste golf. De tweede golf — aangedreven door contracthernieuwingen tegen de nieuwe grondstoffenprijzen — komt later dit jaar.
Wat AI-inflatie doet met de laptop die je op het punt stond te kopen
Hier is hoe het de hardware beïnvloedt waar ik de hele dag in leef.
Macs: Apple's aangepaste silicium isoleert hen enigszins van x86-chipmarktschommelingen, maar niet van geheugen. De unified memory in elke M-serie chip is LPDDR5 — hetzelfde geheugen waar iedereen om vecht. Verwacht dat geheugenupgrades — de stap van 16GB naar 32GB, of 32GB naar 64GB — duurder worden. Het basismodel absorbeert de kosten. De upgrade-opties niet.
Windows/Linux laptops: Meer blootgesteld. Geheugen en opslag zijn beide door AI-vraag getroffen, en OEM's die niet Apple's marge-buffer hebben, geven prijsstijgingen sneller door. De ultraboekmiddensector — de $1.200-$1.800 range waar de meeste professionele ontwikkelaarsmachines zitten — is de plek waar je het het sterkst voelt.
Telefoons: Hetzelfde LPDDR5/6-verhaal. Vlaggenschiptelefoons met 12-16GB RAM concurreren om hetzelfde geheugenaanbod als datacenterbestellingen. Samsung en SK Hynix verschuiven fabriekslijnen naar HBM; wat overblijft voor mobiele geheugenklanten is minder en duurder.
De praktische implicatie: als je een hardwareaankoop hebt gepland voor dit kwartaal, is de prijstrend niet in je voordeel. Wacht niet op een daling — de structurele vraag die de stijging drijft gaat nergens heen dit jaar.
Wie wint er eigenlijk van AI-inflatie? Volg het geheugengeld
Dit is het deel dat me meer interesseert als bouwer dan als consument.
De geheugenproducenten — Samsung, SK Hynix, Micron — boeken recordkwartalen. SK Hynix rapporteerde dat HBM de meerderheid van hun datacentergeheugenmix werd, met marges die dramatisch hoger zijn dan standaard DRAM. Ze bouwen letterlijk minder consumentengeheugen omdat datacentergeheugen winstgevender is. Dat is geen complot — dat is rationele kapitaalallocatie. Maar het betekent wel dat de consumentenmarkt minder aanbod krijgt, niet als een fout maar als een eigenschap van hoe de markt is gestructureerd.
Nvidia wint ook — hun GPU's zijn de vraagmotor die HBM consumeert, wat de fabricageverschuiving aandrijft. Het hele ecosysteem — Nvidia vraagt chips, chipbedrijven leveren HBM, fabrikanten verschuiven productie — is een positieve feedbackloop die AI-capaciteit versnelt en consumentenhardwarekosten als bijproduct verhoogt.
De andere helft van AI-inflatie: toegang centraliseert ook
AI-inflatie gaat niet alleen over hardwareprijzen. Het gaat ook over wie toegang heeft tot frontier-capaciteit.
De modellen die het meeste compute nodig hebben — de GPT-5.6 Souls, de Fable 5's — zijn de modellen die het meeste van deze dure hardware gebruiken om te trainen en te draaien. Wanneer die hardware duurder wordt, gaat de drempel om frontier-modellen te trainen omhoog. Dat centraliseert de capaciteit naar minder spelers — de labs die het zich kunnen veroorloven om honderd miljoen te betalen voor een trainingsrun — en duwt alle anderen richting API-toegang die de labs beheren.
Dat is een ander soort inflatie: niet in dollars, maar in toegangsconcentratie. De kosten van het bouwen van een frontier-model stijgen sneller dan de inkomsten van de meeste organisaties die er een zouden willen bouwen. Dat maakt het API-aanbod de enige praktische optie, wat de labs de pricing power geeft die bij monopolistische structuren hoort.
De hedge tegen AI-inflatie: open modellen en multi-model veerkracht
Hier is hoe ik mijn eigen werk plan rond deze druk.
Hedge één: open-weight modellen serieus nemen. GLM 5.5-klasse modellen — die op je eigen hardware draaien, geen API-kosten met zich meebrengen, en niet weggehaald kunnen worden door een regelgevingsactie — zijn de hedge tegen zowel prijsinflatie als toegangsconcentratie. Ze zijn niet frontier-equivalent op elk vlak. Maar ze sluiten snel genoeg het gat dat "draai het lokaal" een echte optie is voor steeds meer werklasten. Ik behandelde de staat van open-weight modellen in mijn GLM analyse.
Hedge twee: model-agnostisch bouwen. De modellen die je vandaag gebruikt, zijn misschien niet de modellen die je je morgen kunt veroorloven — of überhaupt kunt benaderen, als het regelgevingsklimaat verschuift. Houd je stack model-verwisselbaar. Gebruik abstractielagen. Test op meerdere modellen. De kosten om nu model-agnostiek te bouwen zijn klein. De kosten om er later een te herschrijven zijn enorm.
De derde verschuiving: AI beweegt van een tool die je opent naar een teamgenoot die in je tools leeft
Er is een verband tussen AI-inflatie en het patroon dat ik beschreef in mijn AI-nieuwsoverzicht juni 2026: de industrie verschuift van "maak het model slimmer" naar "maak het model dichter bij waar je werkt." Dat is geen toeval. Het is deels een reactie op de kosten.
Wanneer frontiermodellen duurder worden om te trainen en te draaien, is de manier om waarde te leveren niet om ze groter te maken — het is om ze efficiënter te integreren. Claude Tag in Slack, Gemini in Chrome, Study Notebooks die je bestaande materialen gebruiken — dit zijn allemaal manieren om meer waarde te halen uit bestaande modelcapaciteit in plaats van meer compute te verbranden. De embeddingsstrategie is deels een kosten-hedge: het levert meer met minder.
Wat ik deze week daadwerkelijk anders doe
Ik koop de hardware die ik nodig heb nu, niet later. De prijstrend is niet in mijn voordeel en wachten levert geen besparing op.
Ik evalueer open-weight modellen voor elke werkbelasting waar ze plausibel zijn. Niet om de cloud te verlaten, maar om een fallback te hebben als de prijzen stijgen of de toegang verandert.
Ik bouw elke nieuwe pipeline model-agnostisch. De kosten van abstrahereren nu is minuten. De kosten van gebonden zijn later is weken.
Ik ga ervan uit dat de compute-kosten de komende 12 maanden stijgen, niet dalen. De structurele vraag die AI-inflatie drijft is niet cyclisch — het is de nieuwe baseline.
AI-inflatie is niet een crisis. Het is een structurele verschuiving die de kosten van bouwen langzaam omhoog duwt, en het is al aan het gebeuren. Het eerlijke advies is niet paniek — het is plan alsof de prijzen die je vandaag ziet de goedkoopste zijn die je dit jaar zult zien, want dat zijn ze waarschijnlijk.
Veelgestelde Vragen
Wat is AI-inflatie?
AI-inflatie is de opwaartse prijsdruk op consumentenelektronica en compute-kosten veroorzaakt door de enorme grondstoffenvraag van de AI-industrie — met name geheugen (DRAM/HBM), geavanceerde chips en energielevering. AI-datacenters concurreren met consumentenproducten om dezelfde fabricagecapaciteit, waardoor prijzen voor iedereen stijgen.
Waarom stijgen DRAM-prijzen door AI?
AI-versnellers (GPU's) vereisen HBM (High Bandwidth Memory), dat op dezelfde productielijnen als standaard DRAM wordt geproduceerd. Fabrikanten verschuiven productie naar het hogere-marge HBM, waardoor het aanbod van standaard DRAM krimpt en prijzen stijgen — ruwweg 95% kwartaal-op-kwartaal begin 2026.
Hoe beïnvloedt AI-inflatie laptopprijzen?
Geheugen en opslag zijn kerncomponenten in elke laptop. Wanneer DRAM-prijzen stijgen, worden geheugenupgrades duurder. Dit treft Windows/Linux-machines het eerst (minder marge-buffer dan Apple), maar ook Mac-geheugenupgrades stijgen mee. De $1.200-$1.800 professionele laptop-range voelt het het sterkst.
Gaan hardwareprijzen dalen in 2026?
Onwaarschijnlijk voor de componenten die door AI-vraag worden beïnvloed. De structurele vraag naar datacentergeheugen en compute stijgt sneller dan de productiecapaciteit kan volgen. Behandel de huidige prijzen als de goedkoopste die je dit jaar zult zien.
Hoe kan ik me indekken tegen AI-inflatie als bouwer?
Twee hoofdstrategieën: ten eerste, neem open-weight modellen serieus als alternatief voor API-afhankelijkheid — ze draaien op je eigen hardware zonder doorlopende tokenkosten. Ten tweede, bouw model-agnostisch zodat je kunt wisselen wanneer prijzen of beschikbaarheid veranderen. Beide verminderen je blootstelling aan gecentraliseerde prijsmacht.
Laten We Samenwerken
- Fiverr (maatwerk builds & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
