De exponentiële blinde vlek

01

Waarom dit, waarom nu

In maart 2023 was de stand van de techniek in AI-video een uitgesmeerde, smeltende clip van Will Smith die spaghetti eet. Het was een grap met een eigen meme-pagina, en het gold als bewijs dat AI geen video kon maken. In april 2026 rendert dezelfde opdracht fotorealistisch, en de reflex van de gemiddelde kijker is omgeslagen van duidelijk nep naar waarschijnlijk echt. Zevenendertig maanden.

Elk argument in dit dossier is decennia oud. De reden om het dit jaar te lezen is dat verschillende van de curves die het beschrijft tegelijk drempels overschrijden, en dat die overgang een kalender heeft.

Een verdubbelingscurve ziet er het grootste deel van zijn leven onschuldig uit. Daarna ziet hij er ongeveer twee jaar dramatisch uit, en tegen de tijd dat hij er dramatisch uitziet zijn de goedkope zetten door iemand anders gedaan. Het bewijs in de secties hierna zegt dat het dramatische stuk voor AI ruwweg nu tot 2028 loopt: de capaciteitsbenchmarks kruisten de expertlijn in 2025, de kosten van een vaste capaciteit dalen ongeveer tienvoudig per jaar, de machines kunnen een taak inmiddels het grootste deel van een werkdag vasthouden, en de fysieke opbouw daarachter staat op gepubliceerde schema's in aanbouw. Niets daarvan vraagt om iemands marketing te geloven. Het vraagt alleen om curves te lezen die al openbaar zijn.

• nov 2022 — ChatGPT komt uit. Zijn kwaliteitsniveau kost ongeveer 20 dollar per miljoen tokens.
• mrt 2023 — Een AI-video van Will Smith die spaghetti eet wordt het internetsymbool voor "AI kan geen video".
• jun 2023 — GPT-4 scoort 30 procent op de zwaarste wetenschapsbenchmark, ver onder menselijke experts.
• apr 2025 — o3 scoort 87,7 procent op diezelfde benchmark, duidelijk boven gepromoveerde experts. ChatGPT nadert een miljard wekelijkse gebruikers.
• aug 2025 — De verplichtingen van de EU AI Act voor algemene modellen worden van kracht. Het regelboek heeft nu data.
• apr 2026 — Dezelfde spaghetti-opdracht rendert fotorealistisch. De AI-baas van Microsoft voorspelt nog eens ~1.000x aan effectieve rekenkracht tegen eind 2028. Eén AI-campus trekt inmiddels meer stroom dan Amsterdam.

02

1. Dertig stappen

Zet dertig stappen door een kamer en je legt ongeveer dertig meter af. Zet dertig exponentiële stappen, waarbij je elke keer verdubbelt, en je legt een miljard meter af. Dat gat, tussen dertig en een miljard, is het gat tussen hoe wij denken en hoe technologie beweegt.

Een miljard meter is ver genoeg om vijfentwintig keer om de aarde te gaan. Dezelfde dertig stappen. Het enige verschil is of elke stap optelt of vermenigvuldigt. Onze intuïtie draait op optellen, want vrijwel de hele menselijke geschiedenis was dat het juiste model. Twee appelbomen gaven ongeveer twee keer zoveel appels als één. Half zo ver lopen kostte de helft van de tijd. De wereld was lokaal en lineair, en een brein dat lineair doortrekt was een brein dat overleefde.

Het verschil tussen de twee regels is op papier makkelijk te onderschatten en op een grafiek onmogelijk te missen. De figuur hieronder zet ze allebei uit vanaf hetzelfde beginpunt, dertig stappen opgeteld en dertig stappen verdubbeld. Het eerste stuk liggen ze bijna op elkaar, en dat is precies de val. Daarna verlaat de verdubbelingslijn het kader, en lijkt de opgetelde lijn nooit van de vloer te zijn gekomen.

Technologie brak het lineaire model en onze intuïtie is niet bijgetrokken. De klassieke illustratie is het schaakbord: leg één rijstkorrel op het eerste vakje en verdubbel op elk van de vierenzestig. De eerste helft van het bord draagt ongeveer vier miljard korrels, een flink veld vol, en dat voelt behapbaar. De tweede helft niet, want het laatste vakje alleen al draagt ruim negen triljoen korrels en het volle bord meer graan dan de wereld in duizend jaar verbouwt. Ray Kurzweil noemde het moment waarop het kantelt de tweede helft van het schaakbord. Aan de regel veranderde niets. Alleen ons vermogen te voelen waar hij heen ging.

Of vouw een vel papier. Eén vel is een tiende millimeter dik, en vouw je het tweeënveertig keer, telkens verdubbelend, dan reikt de stapel tot de maan. Papier tweeënveertig keer vouwen kan niet, en dat hoort bij het punt: de rekenkunde van verdubbelen levert getallen op die de fysieke verbeelding weigert vast te houden.

03

2. Waarom de intuïtie faalt

Dit is geen stijlfiguur. De onderschatting van exponentiële groei is een gemeten, herhaald bevestigde denkfout, en ze is bestand tegen zowel onderwijs als ervaring.

In 1975 deden de psychologen Willem Wagenaar en Sabato Sagaria de eerste zorgvuldige experimenten. Ze toonden mensen het vroege deel van een exponentiële curve en vroegen ze hem door te trekken, en mensen zaten er niet gewoon naast maar enorm naast, waarbij twee derde van de proefpersonen doorgaans onder een tiende van de werkelijke waarde gokte. Het verontrustende deel kwam daarna: mensen vooraf vertellen dat de groei exponentieel was hielp niet, en dagelijkse vertrouwdheid met dingen die groeien evenmin. De denkfout zat onder instructie en ervaring allebei.

Economen gaven het later een naam en een prijskaartje. Victor Stango en Jonathan Zinman definieerden in 2009 in de Journal of Finance exponential growth bias als de neiging exponentiële curves te behandelen alsof het rechte lijnen zijn, en lieten zien dat het echt geld kost, want huishoudens met meer bias lenen meer en sparen minder en schatten verkeerd in wat samengestelde rente met ze doet. Dezelfde bedrading die een verdubbelende technologie trager doet aanvoelen dan ze is, maakt een creditcard goedkoper dan hij is.

Er is een heldere reden voor in hoe waarneming werkt. Onze zintuigen zijn logaritmisch. We registreren de verhouding tussen twee hoeveelheden veel beter dan het absolute verschil, en daarom is een kaars dramatisch in een donkere kamer en onzichtbaar bij daglicht. Logaritmische zintuigen zijn het tegenovergestelde van wat je nodig hebt om een exponentiële curve te voelen aankomen, dus leest de curve als flauw tot het moment dat hij verticaal staat.

04

3. De oudste curve die we kennen

De beroemdste exponentiële curve in de technologie is de wet van Moore, en de echte les gaat niet over transistors. Ze gaat erover dat de curve elke afzonderlijke technologie overleeft die hem draagt.

Gordon Moore merkte in 1965 op dat het aantal componenten op een chip in een vast tempo verdubbelde, en stelde dat in 1975 bij naar ongeveer elke twee jaar. De voorspelling hield stand met bijna griezelige precisie. Een Intel-chip uit 1971 droeg zo'n 2.300 transistors en een processor uit 2021 er 58 miljard, en over vijftig jaar gemeten komt de verdubbelingstijd uit op 2,03 jaar, op enkele dagen na het getal van Moore zelf. Weinig voorspellingen in welk vakgebied dan ook hebben een halve eeuw zo goed doorstaan.

Mensen kondigen zijn dood met regelmaat aan en ze hebben half gelijk. Klassieke transistorverkleining is werkelijk vertraagd, en zelfs Intel geeft toe dat het tempo is opgerekt. Maar de interessante versie van de wet van Moore ging nooit over transistors. Toen Steve Jurvetson rekenkracht per dollar terug tot 1900 uitzette, liep de lijn glad door vijf volstrekt verschillende technologieën: mechanische rekenmachines, relais, radiobuizen, transistors, geïntegreerde schakelingen. Elk kwam op en vlakte af, en het stokje ging naar de volgende. De exponentiële curve gaat decennia aan Moore vooraf en heeft de dood van vier van de vijf dragende technologieën al overleefd. De laatste tijd is het stokje overgegaan van de algemene chip naar de gespecialiseerde AI-processor.

Dezelfde vorm duikt op waar een technologie een leercurve krijgt. Zonnepanelen daalden van ongeveer 77 dollar per watt eind jaren zeventig naar ruim onder een dollar nu, een daling van meer dan 99 procent, waarbij de prijs ongeveer een vijfde zakte bij elke verdubbeling van het geproduceerde volume. Lithiumbatterijpakketten daalden 93 procent in vijftien jaar. De kosten om een menselijk genoom te sequencen daalden van ongeveer 95 miljoen dollar in 2001 naar een paar honderd, en na 2008 daalden ze sneller dan de wet van Moore in plaats van langzamer. Dat zijn geen drie verhalen. Het is hetzelfde verhaal, verteld in silicium, in zonnecellen en in DNA, en sectie zes zet ze alle drie op dezelfde as.

05

4. De curves die nu draaien

Dit hield op een abstract betoog te zijn door kunstmatige intelligentie, waar meerdere exponentiële curves tegelijk op elkaar gestapeld staan.

De onderzoeksgroep Epoch AI houdt ze zorgvuldig bij, en de cijfers zijn steiler dan de meeste mensen beseffen. De rekenkracht die gebruikt wordt om frontier-modellen te trainen groeit volgens hen vier tot vijf keer per jaar, wat betekent dat ze ruwweg elk half jaar verdubbelt, veel sneller dan de wet van Moore ooit liep. Daaronder stapelen zich drie andere curves: de hardware wordt capabeler, de algoritmen worden efficiënter, en hetzelfde resultaat wordt goedkoper om te maken.

Die verdubbelingstijden zijn het waard om naast de oude maatstaf te leggen. De grafiek hieronder zet de AI-curves van vandaag af tegen het tweejaarstempo van Moore. De wet van Moore was de snelste aanhoudende exponentiële curve waar de meeste mensen ooit van gehoord hadden, en op deze grafiek is hij de trage lijn onderin.

Hoe een verdrievoudigde verdubbeling eruitziet

Getallen in een tabel blijven beleefd. Dezelfde curve, gezien door één herhaalde opdracht, niet. De spaghetti uit de opening is die curve: zevenendertig maanden tussen een grap en fotorealisme.

Capaciteit, gemeten

Kunstjes kunnen misleiden, dus gebruik de zwaarste maat die er is. GPQA Diamond is een benchmark van wetenschapsvragen op promotieniveau die speciaal zo geschreven zijn dat je ze niet kunt opzoeken, en gepromoveerde experts in het betreffende vakgebied scoren er met volledige internettoegang zo'n 65 procent. GPT-4 haalde er halverwege 2023 30 procent. In april 2025 scoorde o3 87,7 procent. De lijn kruiste het niveau van menselijke experts ergens eind 2024 en vertraagde niet om het te vieren.

Intelligentie, opnieuw geprijsd

De prijscurve is degene die bedrijven het eerst voelen. De kosten van een vast niveau AI-capaciteit dalen ruwweg tienvoudig per jaar: wat eind 2022 op ChatGPT-kwaliteit 20 dollar per miljoen tokens kostte, kostte eind 2024 ongeveer 7 cent, een instorting van meer dan 280-voudig in twee jaar. Dat veelvoud hangt af van welk kwaliteitsniveau je als anker neemt, en andere ankers geven andere getallen in dezelfde richting, dus lees de orde van grootte en niet de decimaal. Een capaciteit die een dure begrotingsregel is op de dag dat je een project afbakent, is een afrondingsverschil tegen de tijd dat het live gaat, en budgetten die op de prijslijst van vorig jaar zijn geankerd zitten fout in de richting die tot onderinvestering leidt.

06

5. De verdubbeling die zelf verdubbelt

Eén curve verdient een eigen sectie, want ze meet het ding dat het werk werkelijk verandert: hoe lang een machine een taak kan dragen zonder mens. Die horizon verdubbelt, en de laatste tijd versnelt de verdubbeling zelf.

De onderzoeksgroep METR meet de lengte van een taak, in menselijke tijd, die een AI-agent zelfstandig afmaakt met een slagingskans van vijftig procent. In 2019 was het antwoord een paar seconden. Begin 2025 was het ongeveer een uur. In 2026 is het rond de zestien uur, het grootste deel van een werkdag, en over de hele periode is de verdubbelingstijd ruwweg zeven maanden. Naast de eigen werkstromen gelegd betekent dat: elke zeven maanden verdubbelt het stuk werk dat in één keer over te dragen is ongeveer in omvang.

De tweede laag is vreemder. Op de modellen die tussen 2024 en 2026 uitkwamen kromp de door METR gemeten verdubbelingstijd van zo'n zeven maanden naar ruwweg honderd dagen. Een curve waarvan de verdubbelingstijd krimpt heet superexponentieel, en hij duikt elders ook op, want volgens Epoch AI verdubbelt de rekencapaciteit van het grootste losse datacenter sinds augustus 2024 elke zeven maanden. Mustafa Suleyman, die Microsoft AI leidt, zette de gecombineerde projectie in april 2026 op papier: op de huidige bouw- en efficiëntietrends nog eens duizendvoudig meer effectieve rekenkracht tegen eind 2028.

Dat zou ik met twee handen vasthouden. Een krimpende verdubbelingstijd is precies het soort trend dat niet lang kan doorlopen, het aangescherpte cijfer is recent genoeg om terug te kunnen vallen, en sectie elf neemt de grenzen serieus. Let wel op wat die voorzichtigheid je oplevert. Zelfs als het tempo terugzakt naar zeven maanden, kruist de taakhorizon binnen twee jaar van dagen naar weken. De conservatieve lezing van deze grafiek is nog altijd de meest ontwrichtende arbeidsmarktclaim van het decennium.

07

6. Voorbij rekenkracht: dezelfde curve drie keer

Het is verleidelijk dit allemaal onder chips weg te zetten en aan te nemen dat het daar blijft. Het patroon is groter dan silicium, en dezelfde vorm bestuurt hoe we elektriciteit maken, hoe we die opslaan, en hoe we het genoom lezen.

Zonne-energie is de schoonste casus. Een zonnepaneel kostte in 1976 ongeveer 101 dollar per watt en in 2024 ongeveer 11 cent, een daling van meer dan 99,9 procent. Het mechanisme heeft een naam, de wet van Swanson, en die stelt dat modulprijzen dalen ruwweg 20 tot 23 procent bij elke verdubbeling van de cumulatief geïnstalleerde capaciteit. Het is geen tijdstrend maar een volumetrend, en daarom liep hij door terwijl commentatoren de top bleven aankondigen.

Batterijen volgden dezelfde logica een decennium later. Prijzen van lithium-ionpakketten daalden van ongeveer 1.474 dollar per kilowattuur in 2010 naar 108 dollar in 2025, een daling van 93 procent, waarbij stationaire opslag al rond de 70 dollar zit. Het patroon beperkt zich ook niet tot energie. Een menselijk genoom sequencen kostte in 2001 ongeveer 95 miljoen dollar, in 2008 ruwweg 1 miljoen, en in 2022 ongeveer 525 dollar, een daling van zo'n vijf ordes van grootte. De knik telt: nadat in januari 2008 de volgende generatie sequencing arriveerde, werd de kostencurve steiler en liep hij de wet van Moore voorbij in plaats van hem te volgen.

De regel eronder is de wet van Wright, voor het eerst waargenomen in de vliegtuigbouw in 1936: kosten dalen als voorspelbare functie van de cumulatieve productie en niet van de kalender. Dat onderscheid is het hele punt, want een tijdvoorspelling op een Wright-curve schiet altijd tekort wanneer de aanjager is hoeveel er gebouwd is en het bouwen versnelt. De wet van Swanson is de wet van Wright in een zonnejasje. Dezelfde wiskunde past op alle drie de dalingen, en daarom heeft "het vertraagt binnenkort wel" het bij alle drie decennia mis gehad.

08

7. Convergentie: als de curves elkaar vermenigvuldigen

Eén exponentiële curve is indrukwekkend. Twee die elkaar voeden, is waar de echte discontinuïteiten leven, de sprongen die op magie lijken omdat geen enkele rechte lijn er ooit naar wees.

Eiwitvouwing is het schone voorbeeld. Zo'n zestig jaar lang losten biologen eiwitstructuren één voor één in het lab op, en tegen 2022 hadden ze er ruwweg 200.000 opgehelderd. Toen ontmoette een AI-model het probleem, en AlphaFold van DeepMind voorspelde in ongeveer een jaar zo'n 200 miljoen structuren, vrijwel elk eiwit dat de wetenschap kent, een duizendvoudige sprong op zes decennia experimenteel werk. Het won in 2024 de Nobelprijs voor Scheikunde.

Medicijnontwikkeling buigt dezelfde kant op. Insilico Medicine bracht een door AI gevonden ziektedoelwit en een door AI ontworpen molecuul, rentosertib, in ongeveer 30 maanden van eerste hypothese naar een fase IIa-onderzoek, tegen een gebruikelijke doorlooptijd van zo'n zes jaar en voor ongeveer een tiende van de gebruikelijke kosten (Nature Medicine, juni 2025). Eén samengedrukte tijdlijn is een anekdote. Een samengedrukte tijdlijn bovenop dalende rekenkosten en stijgende modelcapaciteit begint eruit te zien als een curve, al zou ik er meerdere willen zien voordat ik hem zo noem.

De curves voeden elkaar ook fysiek. Goedkope energie is de brandstof waarop de rekencurve draait: zon is ruwweg 100 keer goedkoper dan vijftig jaar geleden en batterijen zijn zo'n 97 procent gedaald over dertig jaar, en dat is wat steeds grotere trainingsruns betaalbaar maakt om van stroom te voorzien. De rekenkracht op de grootste losse locatie verdubbelt sinds 2024 ongeveer elke zeven maanden, en de knellende beperking daarop is inmiddels elektriciteit en niet chips. Robotica is de volgende curve die zich opstelt om te convergeren, en trekt goedkope waarnemingsmodellen de fysieke wereld in.

Stapelende curves vermenigvuldigen in plaats van op te tellen, en daarom schieten de resultaten elke lineaire projectie zo ver voorbij. De eerlijke versie van datzelfde punt snijdt de andere kant op. Convergentie is geen eenrichtingsversneller, en een knelpunt in één enkele curve, een tekort aan trainingsdata of een tekort aan stroom, kan alle curves erbovenop afknijpen. De vermenigvuldiging werkt ook omgekeerd.

09

8. Een korte geschiedenis van ernaast zitten

De prijs van de lineaire reflex is niet theoretisch. Het is een lange lijst zelfverzekerde, specifieke, goed gefinancierde voorspellingen die er ordes van grootte naast zaten, altijd aan de lage kant.

Vóór de missers is het de moeite waard te zien hoe stil het begin van een curve is. Bell Labs, 1989: een neuraal netwerk genaamd LeNet, gebouwd door het team van Yann LeCun, dat handgeschreven cijfers van een scherm las. Het kon niet schilderen of schrijven of praten. Het las cijfers, langzaam, en het was de frontlijn van het vakgebied. De directe nazaten van dat model gingen miljoenen bankcheques verwerken, en de techniek die het bewees, leren van voorbeelden in plaats van van regels, is degene die alles uit sectie vier aandrijft. Zevenendertig jaar scheidt die beelden van de fotorealistische video twee secties terug, en de eerste vijfentwintig daarvan leek de curve op niets.

In 1980 vroeg AT&T aan McKinsey te voorspellen hoeveel Amerikanen in 2000 een mobiele telefoon zouden dragen. McKinsey bestudeerde het en kwam met een getal: ongeveer 900.000. Het werkelijke aantal lag rond de 109 miljoen, een misser van ruwweg 120 keer. AT&T, dat op dat advies had onderbelegd, betaalde later 12,6 miljard dollar om zich terug te kopen in de markt waarvan het te horen had gekregen dat het een niche was. De voorspelling was niet lui. Ze was zorgvuldig, en ze was lineair, en de technologie was exponentieel. Het is het vermelden waard dat de oorspronkelijke studie niet openbaar is en de cijfers breed geciteerd worden in plaats van primair, dus ik zou het precieze veelvoud als bij benadering behandelen en de les als stevig.

Zonne-energie is jaar na jaar op dezelfde manier verkeerd ingeschat, door de mensen die ervoor betaald worden het te modelleren. De jaarlijkse vooruitblik van het Internationaal Energieagentschap erkende twee decennia lang dat zon groeide, en trok daarna een vrijwel vlakke lijn vooruit alsof de groei op het punt stond te stoppen. Dat gebeurde nooit, en kosten die het agentschap voor 2030 voorspelde werden rond 2012 gehaald, achttien jaar te vroeg. Een rechte lijn trekken op een exponentiële curve is de meest herhaalde voorspellingsfout van de afgelopen halve eeuw, en serieuze instituten maken hem nog steeds.

De pandemie maakte van de denkfout een natuurlijk experiment op iedereen tegelijk. Een studie uit 2020 in de Proceedings of the National Academy of Sciences vond dat mensen de groei van het virus met ongeveer 46 procent onderschatten, en een curve die elke paar dagen verdubbelde lazen als een flauwe helling. Datzelfde artikel vond iets hoopvols: drie zinnen die de exponentiële curve uitlegden verhoogden de schattingen van mensen met 173 procent en vergrootten hun steun voor vroeg ingrijpen. De denkfout zit diep, ze is corrigeerbaar, en de correctie is goedkoop.

Je kunt de curve ook zien steiler worden in hoe snel nieuwe technologieën hun publiek vinden. De telefoon deed er ongeveer vijftig jaar over om vijftig miljoen gebruikers te bereiken, televisie tweeëntwintig, de mobiele telefoon twaalf, het internet zeven, Facebook vier. Pokémon Go deed er negentien dagen over. Elk nieuw platform arriveert, zo laten de cijfers zien, op een steiler deel van dezelfde curve, en telkens werden de mensen die op de vorige adoptiesnelheid hadden gepland overvallen.

10

9. Opgegeten door de curve, en de prijs van wachten

Slechte voorspellingen zijn de ene faalwijze. De curve zien aankomen en toch weigeren te bewegen is de andere, en die maakt een eind aan bedrijven.

Kodak vond de digitale camera uit in 1975. De eigen ingenieur bouwde de eerste, en de directie koos ervoor hem te begraven in plaats van de filmbusiness te laten kannibaliseren die geld drukte. De filmcurve piekte, de digitale curve nam het over, en Kodak vroeg in januari 2012 faillissement aan, terug van zo'n 145.000 medewerkers begin jaren tachtig naar ruwweg 19.000. Blockbuster had in 2000 een vergelijkbare kans, toen het een kleine postorderconcurrent genaamd Netflix kreeg aangeboden voor 50 miljoen dollar en die liet lopen als niche. Netflix is nu ergens rond de 230 miljard dollar waard. Blockbuster is een nostalgische verwijzing.

De structurele reden is in beide gevallen dezelfde, en het is de denkfout uit sectie twee in pak. Voorspellingen ankeren op het zichtbare vlakke deel van de curve, het deel dat op een behapbare nevenactiviteit lijkt, en tegen de tijd dat het steile deel overduidelijk is ligt de gevestigde partij vele verdubbelingen achter. De vergissing voelt op het moment zelf verstandig en is achteraf dodelijk.

Wat nieuw is, is dat de kosten van wachten inmiddels als rekensom op te schrijven zijn. Bij een verdubbeling van zeven maanden is een concurrent die het tempo volgt na zeven maanden twee keer zo ver, na veertien vier keer, na achtentwintig zestien keer. Twee jaar de kat uit de boom kijken geeft een rivaal een zestienvoudige voorsprong die je vervolgens tegen dezelfde klok moet dichtlopen.

En het gat tussen bewegers en wachters is niet langer hypothetisch. PwC analyseerde in 2025 bijna een miljard vacatures en vond dat sinds 2022 de omzet per werknemer in de sectoren die het meest aan AI zijn blootgesteld met 27 procent groeide, drie keer de ruwweg 9 procent in de minst blootgestelde, en dat vacatures die AI-vaardigheden vragen gemiddeld een loonpremie van 56 procent dragen. Dat zijn verbanden tussen sectoren en geen gemeten oorzakelijke effecten, en blootgestelde sectoren verschillen op veel meer dan AI, dus we lezen ze als richting. ChatGPT ging van minder dan een miljoen gebruikers naar ruwweg een miljard wekelijkse gebruikers in april 2025, en tegen de tijd dat zo'n verschuiving overduidelijk genoeg is om onbetwist te zijn, ligt de organisatie die op zekerheid wachtte vele verdubbelingen achter, op een klok die blijft halveren.

11

10. Het venster van 2026 tot 2028

De vorige zes secties wijzen bij elkaar op een specifiek stuk kalender. Tussen nu en eind 2028 kruisen de capaciteitscurve en de kostencurve en de fysieke opbouw en het regelboek allemaal drempels. Zo ziet een venster er van binnenuit uit.

De opbouw is fysiek en ingepland

De rekenkracht achter de curves is geen labbudget meer. Het is civiele techniek. Colossus 2 van xAI ging begin 2026 over de gigawattgrens, het eerste samenhangende AI-trainingscluster dat dat deed, en uit het meetwerk van Epoch AI blijkt dat de rekenkracht op de grootste losse locatie elke zeven maanden verdubbelt, met campussen in aanbouw op gepubliceerde opleverschema's tot in 2028.

Investeren op die schaal is geen stemming. Het is honderden miljarden dollars aan beton en turbines en netaansluitingen die zich alleen terugbetalen als de machines blijven verbeteren en gebruikt blijven worden. Je hoeft het vertrouwen van de investeerders niet te delen. Je moet wel plannen voor het bestaan van die capaciteit, want ze wordt hoe dan ook gestort.

De drempels worden nu gekruist

Drie kruisingen tellen zwaarder dan de rest. Capaciteit: frontier-modellen passeerden in 2025 gepromoveerde experts op de zwaarste wetenschapsbenchmark en de taakhorizon bereikt in 2026 een volledige werkdag, waarmee AI verschuift van vragen beantwoorden naar werk dragen. Kosten: bij een tienvoudige jaarlijkse daling is alles wat vandaag maar net uitkan binnen achttien maanden onmiskenbaar. En verwachting: de duizendvoudige projectie van Suleyman tegen eind 2028 en het publieke standpunt van Dario Amodei dat AI met menselijke breedte één tot drie jaar weg is zijn voorspellingen, en sectie elf behandelt ze als zodanig. Wat ze niet zijn, is randverschijnsel. De mensen die de systemen bouwen wijzen allemaal naar dezelfde twee of drie jaar.

Het regelboek heeft data gedrukt

De Europese AI-verordening maakt van het venster een nalevingskalender. De verplichtingen voor algemene modellen gelden sinds augustus 2025. Transparantiemarkering voor synthetische content landt gedurende 2026. De verplichtingen voor hoog-risicosystemen landen, na het uitstel via de Digital Omnibus, in december 2027 voor losstaande systemen en in augustus 2028 voor AI die in gereguleerde producten is ingebouwd. Wat een organisatie ook besluit over adoptie, het regelwerk staat gepland in precies hetzelfde venster, wat betekent dat de bedrijven die de technologie als eerste leren kennen hun naleving vanuit ervaring schrijven in plaats van vanuit theorie.

12

11. De eerlijke tegenwerping

Als het betoog hier stopte was het hype, en hype is zijn eigen manier om de curve verkeerd te lezen. Elke echte exponentiële curve is de voorkant van een S-curve, en de eerlijke vraag is altijd hoe ver de top is.

Geen enkele fysieke exponentiële curve loopt eeuwig. Hij loopt tot hij een grens raakt en buigt dan. Het schoonste voorbeeld zit in de computerwereld zelf: kloksnelheden van processors klommen decennia steil, vlakten rond 2006 af op vier gigahertz en zijn sindsdien nauwelijks bewogen, omdat de natuurkunde van warmte niet langer meewerkte. Passagiersvliegtuigen werden elk decennium sneller tot de jaren zeventig en toen niet meer, dus een vlucht duurt vandaag niet korter dan in 1975 en de Concorde, de snelste, is uit dienst.

Kunstmatige intelligentie heeft zijn eigen grenzen in zicht, en die zijn het waard om ronduit te benoemen in plaats van weg te wuiven. Ilya Sutskever, een van de grondleggers van het vakgebied, vertelde eind 2024 een zaal onderzoekers dat data de fossiele brandstof van AI is, en dat de voorraad menselijke tekst om op te trainen eindig is: we hebben maar één internet. Volgens analisten kan de bruikbare voorraad publieke tekst binnen dit decennium grotendeels op zijn. Chips hebben hun eigen versie van de muur, want de kosten om een transistor te maken stopten rond 2011 met dalen terwijl het aantal bleef stijgen. Energie is de nieuwste muur, en de opbouw uit sectie tien is precies de poging eraan te ontsnappen.

In de grafieken zelf zit een subtielere val. De beroemde schalingscurves zetten dalende voorspellingsfout uit tegen stijgende rekenkracht, maar fout is niet hetzelfde als bruikbaarheid, en de invoeras is logaritmisch, wat de trend flatteert. Een rechte lijn van dalende fout vertaalt zich niet schoon in een rechte lijn van zakelijke waarde, en dat gat wordt naar mijn idee te weinig besproken.

Eén citaat vraagt om zorgvuldige behandeling, want het is makkelijk te misbruiken. Dario Amodei, die een van de leidende AI-labs leidt, zei begin 2026 dat we tegen het einde van de exponentiële curve aan zitten. Het klinkt als een overgave en het is het tegenovergestelde: hij bedoelt dat de capaciteitsklim vrijwel af is en dat menselijk niveau op de meeste cognitieve taken dichtbij is, en niet dat schalen heeft gefaald. Het werkelijk eerlijke voorbehoud in zijn betoog is smaller en nuttiger. De oudere schalingswetten, die met een decennium aan publieke data eronder, beschreven het pre-trainingstijdperk, en de nieuwere winst komt uit een andere techniek die nog geen gepubliceerde curve heeft. Een deel van het vertrouwen van vandaag rust op een lijn die eigenlijk nog niet getekend is.

13

12. De rafelige frontlijn

Er is één verfijning die eerlijker is dan zowel de hype als de scepsis, en ze verklaart waarom hetzelfde gereedschap in één middag briljant en waardeloos kan lijken.

De totaalcurve is glad. De capaciteit op het niveau van een specifieke taak niet. AI heeft wat onderzoekers een rafelige frontlijn noemen: sommige taken vallen erbinnen en gaan schitterend, andere vallen er net buiten en gaan slecht, en van buitenaf zien de twee er identiek uit. Een veldexperiment van Harvard en Boston Consulting Group uit 2023 zette 758 consultants aan het werk. Op taken binnen de frontlijn maakten degenen met AI 12,2 procent meer werk af, op ongeveer 40 procent hogere kwaliteit, in zo'n 25 procent minder tijd. Op taken erbuiten hadden de consultants met AI 19 procentpunt meer kans om het antwoord fout te hebben.

De zin uit het onderzoek die ik onthoud, is deze: taken die voor een mens even moeilijk zijn kunnen aan weerszijden van de frontlijn vallen. Menselijke moeilijkheid is niet de juiste as. Een taak die voor ons zwaar voelt kan veilig binnen de frontlijn liggen, en een taak die triviaal voelt kan er net buiten liggen, en er is geen betrouwbare manier om op intuïtie te raden welke van de twee.

De frontlijn schuift bovendien naar buiten naarmate modellen schalen, dus de kaart van vandaag klopt volgend kwartaal niet meer. Zo verzoen je "het is exponentieel" met "maar het faalde op wat ik vroeg". Allebei is waar. Een losse taak is niet van de totaaltrendlijn af te lezen, dus je test waar de frontlijn voor jouw specifieke taak ligt, bouwt aan de binnenkant ervan, en test daarna opnieuw, want de grens die je deze maand in kaart bracht is de volgende verschoven.

14

13. Leven op andermans curve

Voor een Europese lezer ligt hieronder een lastigere vraag. Het grootste deel van de frontier-rekencurve draait ergens anders, en dat verandert wat de curve vasthouden betekent.

De omvang van het gat is gedocumenteerd. Het concurrentievermogensrapport van Mario Draghi voor de Europese Commissie uit 2024 stelde vast dat de Verenigde Staten in 2024 veertig noemenswaardige AI-modellen voortbrachten tegen drie in Europa en vijftien in China, dat slechts zo'n 13,5 procent van de EU-bedrijven überhaupt AI had geadopteerd, en dat het dichten van het bredere investeringsgat in de orde van 800 miljard euro per jaar aan extra uitgaven vraagt. Op de frontier-modelcurve specifiek is Europa een toeschouwer met goed zicht.

Dat is het echte beeld en niet het hele beeld, want niet elke exponentiële curve is eigendom van één lab of één land. Twee ervan zijn overal te berijden. Zon is een wereldwijde leercurve, en de wet van Swanson trekt zich niets aan van de vlag op de fabriek, want de prijs daalt voor iedereen die installeert. Open wetenschappelijk gereedschap is de andere: AlphaFold is gratis, het wordt in Europa gehost bij EMBL-EBI, en het wordt al gebruikt door ruim twee miljoen onderzoekers in 190 landen, dus een Europees lab krijgt de duizendvoudige sprong uit sectie zeven zonder kosten.

De strategische lezing volgt uit de vraag op welke curve je staat. Op de frontier-labcurve is als eerste uitvinden de enige manier om te leiden, en dat veld is klein. Op de adoptiecurves, waaronder zon en open wetenschappelijk gereedschap, win je door snel te bewegen op wat er al is. Voor de meeste Europese organisaties is de berijdbare curve van de tweede soort, en het concurrentievoordeel zit daar in adoptiesnelheid en niet in originaliteit van uitvinden. Dat doet iets met het venster uit sectie tien: voor een adopteerder is het venster geen race tegen OpenAI. Het is een race tegen de andere bedrijven in de eigen markt, waarvan er volgens de 13,5 procent van Draghi de meeste nog niet begonnen zijn.

15

14. Hoe je een curve vasthoudt

De vaardigheid die je wil hebben zit tussen twee faalwijzen in. De ene is de lineaire reflex die de curve wegwuift. De andere is de hype die hem tot in het oneindige doortrekt. Allebei tegelijk vasthouden is de hele discipline.

De curve wegwuiven is de vaker gemaakte en duurdere fout, en die heeft een staat van dienst van veertig jaar. Verdubbelt een technologie op een korte klok, dan is de versie die er vandaag als speelgoed uitziet werkelijk de slechtste die hij ooit zal zijn, en de eerlijke planningsaanname is dat hij sneller verbetert dan redelijk voelt. De meeste mensen, en de meeste organisaties, zijn nog verankerd aan waar een capaciteit stond toen ze voor het laatst keken, en voor iets op een halfjaarlijkse verdubbeling is dat al twee of drie verdubbelingen verouderd.

Geloven dat de curve oneindig is, is de zeldzamere fout, en het is een echte, en daarom besteedde dit dossier een volle sectie aan grenzen en nog een aan de rafelige frontlijn. De zet is niet kiezen tussen de aanjagers en de sceptici. Het is betere vragen stellen. Wat verdubbelt er precies, en is dat het ding dat telt of een indicator ervan? Waar zit het plafond, en is dat fysiek of economisch? Zit de groei in de invoer, zoals rekenkracht, of in de uitvoer, zoals geleverde waarde, want die twee kunnen lang uit elkaar lopen. En op welke curve sta je eigenlijk, degene die je moet uitvinden of degene die je kunt adopteren?

Voor een bedrijf is de praktische versie bijna saai concreet. De werkbare aanname is dat alles op een korte verdubbelingsklok tegen de tijd dat een project live gaat een aantal keren capabeler en goedkoper is dan op de dag dat het werd afgebakend. Bouwen doe je dan voor de capaciteit die eraan komt en niet voor die in de demo. De frontlijn voor de eigen taken test je, en daarna opnieuw als hij schuift. En de knik blijft in beeld, want de S-curve is echt en de top is waar fortuinen verloren gaan door mensen die vergaten dat hij kwam.

De denkfout loopt voor vrijwel iedereen één kant op, richting de rechte lijn, dus de correctie loopt de andere kant op. Ziet een technologie eruit alsof ze langzaam groeit, dan is de klok het tweede kijkje waard. De curve die je niet kunt voelen is meestal degene die er het meest toe doet, en voor de komende dertig maanden heeft hij een naam en een datum.

16

15. Verantwoording en bronnen

Dit dossier steunt op live webresearch en een persoonlijk archief van ruim 15.000 bronnen. Dragende cijfers zijn waar mogelijk tegen minstens twee bronnen gecontroleerd. De notities hieronder geven per claim het vertrouwen en de belangrijkste voorbehouden, in de geest van ons uitgangspunt: laat zien hoe je eraan gekomen bent.

Foto's en videobeelden in dit dossier zijn frames uit publiek geplaatst materiaal en in het bijschrift aan het oorspronkelijke account toegeschreven. Grafieken met het label "BFF" zijn van ons, getekend naar de bronnen die eronder staan. De grafiek van Epoch AI is overgenomen onder de CC-BY-licentie.