Coinbase CEO Brian Armstrong wedt dat de volgende bottleneck voor kunstmatige intelligentie niet zal zijn hoe slim de modellen worden, maar hoeveel stroom en fysieke hardware beschikbaar is om ze te draaien. In een reeks opmerkingen deze week betoogde Armstrong dat energie- en rekeninfrastructuur, en niet algoritmeverbeteringen, zullen bepalen hoe ver AI kan opschalen. Met AI-venturefinanciering die alleen al in het eerste kwartaal van 2026 $242 miljard bedroeg, zegt hij dat de echte beperking zich al laat zien in de uitbouw van datacentra.
Waar de kosten naartoe gaan
Armstrong voorspelt dat binnen 12 tot 18 maanden ongeveer 80% van de AI-workloads zal verschuiven naar modellen die tot 99% minder kosten dan de huidige geavanceerde systemen. De resterende 20% zal nog steeds topmodellen gebruiken voor risicovolle taken zoals wetenschappelijk onderzoek. Hij vergeleek de splitsing met consumentenelektronica: de meeste mensen die een MacBook of gaming-pc kopen, slaan de duurste specificaties over. Dezelfde logica, zegt hij, zal gelden voor AI — de meeste taken zullen draaien op goedkopere, voldoende goede modellen.
Coinbase past dat idee al toe. Het bedrijf stuurt prompts naar het meest kosteneffectieve beschikbare model, waardoor de AI-uitgaven ongeveer stabiel zijn gebleven, zelfs terwijl het tokenverbruik exponentieel groeit. Open-source alternatieven zoals DeepSeek V4, dat bijna even goed presteert als de beste propriëtaire systemen tegen ongeveer een dertigste van de kosten, maken die strategie haalbaar.
Bedrijfsbudgetten staan al onder druk
Investeerder Tommy Shaughnessy wees op Uber als voorbeeld van hoe snel AI-uitgaven van bedrijven de prognoses kunnen overtreffen. Volgens Shaughnessy had Uber zijn volledige AI-budget voor 2026 begin april al verbruikt — minder dan vier maanden in het jaar. Die kostenoverschrijding, stelt Armstrong, zal bedrijven ertoe aanzetten te zoeken naar goedkopere alternatieven in plaats van naar het meest geavanceerde model te jagen.
Naarmate de kosten per token dalen, verschuift de bottleneck stroomopwaarts. De echte barrière wordt de energie en het silicium die nodig zijn om een model op schaal te draaien. Armstrong beschrijft de vraag naar door AI gegenereerde intelligentie als zonder praktische bovengrens. Maar de fysieke infrastructuur om die intelligentie te leveren, stokt al.
Waarom Armstrong zich verzet tegen strengere AI-regulering
Armstrong sprak zich ook uit tegen strengere AI-regulering. Hij stelt dat beleidsbeperkingen de koers van de technologie niet mogen bepalen terwijl de belangrijkste praktische uitdaging al een tekort aan energiecentrales en datacentra is. Overregulering, zo suggereerde hij, zou de uitbouw van die infrastructuur kunnen vertragen op een moment dat die het hardst nodig is.
Datacentercapaciteit kan de vraag niet bijbenen
De wereldwijde datacentercapaciteit loopt al achter op de vraag. Zelfs terwijl er in Q1 2026 venture-geld in AI-startups stroomde, is het fysieke tempo van bouwen niet bijgebleven. Armstrongs kernargument verbindt het allemaal: de echte limiet voor AI is niet de modelkwaliteit of zelfs de kosten, maar de ruwe energie- en rekeninfrastructuur die nodig is om biljoenen queries uit te voeren.
De onbeantwoorde vraag is hoe snel die infrastructuur kan worden uitgebreid — en of nutsbedrijven, toezichthouders en chipproducenten het tempo kunnen bijbenen van een industrie die geen tekenen van vertraging vertoont.
