De frontier heeft een bodem

Een netwerk dat door een schedel heen kijkt. Een transistor zo breed als een streng DNA. Een humanoïde die ophoudt aan te nemen dat de vloer vlak is. En het land dat de machines bouwt waarmee de wereld zijn chips maakt, dat zonder stroom komt te zitten.

Vier vakgebieden, één vorm eronder. Het digitale verhaal botst steeds op de fysieke wereld, en de fysieke wereld heeft steeds het laatste woord. Dit was de week waarin AI ophield gewichtloos te zijn. Vijf verhalen daarover, en daarna zeven dingen die ik niet kwijt kon.

De hersenen, gelezen van buiten het hoofd

Aleph Neuro zegt neurale activiteit te lezen met geluidsgolven. Geen implantaat, geen operatie.

De natuurkunde is elegant. Gerichte ultrageluid gaat door de schedel heen. De bloedstroom verschuift terwijl neuronen vuren, die verschuivingen veranderen hoe de golven terugkaatsen, en uit die echo lees je de activiteit af. Wat vroeger een boorgat in de schedel en ingebrachte elektroden betekende, gebeurt nu van buitenaf.

De aandacht in de neurotechnologie gaat vooral naar implantaten: chips in de cortex, koppen over typen met je gedachten. Ondertussen loopt de niet-invasieve kant stilletjes in, zonder het risico van een open-hersenoperatie. Diezelfde week kondigde MidJourney — ja, het beeldlab — een bodyscanner aan die de oprichter omschrijft als zo krachtig als een MRI en zo alledaags als een middagje sauna. Dat klinkt als een grap tot je ziet dat een bedrijf in preventieve beeldvorming al ruim 500 miljoen dollar omzet draait op stralingsvrije scans, zonder één euro durfkapitaal.

Over het gat dat nog openstaat wil ik niet te makkelijk heen. Dat gat heet resolutie. Bloedstroom is een trage, wazige benadering van wat neuronen werkelijk doen, en precies daarom bestaan implantaten: een elektrode hoort afzonderlijke cellen, een echo hoort een buurt. Dat het niet-invasieve spoor inloopt, betekent niet dat het gat dicht is. Toepassingen die precisie op celniveau nodig hebben, verhuizen voorlopig nergens heen.

En toch. Het model dat leerde patronen in beeldpunten te lezen, blijkt van dezelfde soort te zijn als het model dat kan lezen wat er in een lichaam gebeurt. De waarnemingslaag verlaat het scherm en richt zich op ons.

De machines blijven krimpen, de kaart blijft groeien

IBM meldt een transistor van 7 ångström te hebben gebouwd, ongeveer de breedte van één streng DNA.

Dat getal is 0,7 nanometer. Onder de nanometer lag ruwweg de plek waar veel mensen stilletjes aannamen dat de wet van Moore eindelijk aan zijn eind zou komen, want vlakke transistors blijven niet oneindig krimpen voordat de natuurkunde afhaakt. Dus stopte IBM met vlak krimpen en begon het te stapelen. De nanostack-architectuur zet transistors verticaal op elkaar, dezelfde truc die eenlaagse steden in wolkenkrabbers veranderde toen de grond op was. Ik lees het als ongeveer een decennium extra schaling.

Dit interesseert me meer dan een specificatiesprong, omdat alles wat erboven ligt — langere agent-runs, goedkopere tokens, grotere modellen — op die bodem staat en meebeweegt. Al is een labdemonstratie geen productieproces, en de afstand daartussen telt gewoonlijk in jaren en in opbrengst per wafer. IBM heeft een lange geschiedenis van laten zien wat fysiek kan, ruim voordat iemand het op volume kan maken. Dat is waardevol en het is geen leverdatum.

Precies daarom werd het exportverhaal diezelfde week scherper. De Verenigde Staten lieten ASML weten te vrezen dat China een machine van de nieuwste generatie in handen heeft gekregen: exact het lek waartegen het hele regime is opgetuigd. De theorie is eenvoudig genoeg. Een chip ontwerpen kan overal, maar hem op de scherpste rand fabriceren kan niet zonder een handvol machines die maar een paar bedrijven weten te bouwen. Beheers je het gereedschap, dan beheers je de frontier. De hele strategie rust op één aanname, namelijk dat dat knelpunt houdt.

De robots vertrouwen hun herinnering niet meer

Jarenlang gingen humanoïde robots ervan uit dat de vloer vlak was. De meeste labdemo's liepen elke keer over hetzelfde gepolijste oppervlak, dus de robot zag de grond eigenlijk nooit. Hij had hem uit zijn hoofd geleerd.

Die aanname breekt. Perceptive Behavior Foundation Models laten een humanoïde één aangeleerde menselijke bewegingsvoorkeur aanpassen aan het terrein dat hij daadwerkelijk ziet. Een helling, een trap, grind. Ter plekke besloten in plaats van vooraf voorgeschreven. PNDbotics zegt dat zijn Adam de eerste humanoïde op ware grootte is die een kist van een meter beklimt — geen stoeprandje, maar iets dat hoger is dan een aanrecht. En Isaac GR00T van NVIDIA probeert een versnipperde ontwikkelaarsomgeving samen te brengen, met simulatie, data en training op één plek, zodat opzetten uren kost in plaats van dagen.

Onder alle drie ligt hetzelfde patroon: de waarneming haalt de beweging in. De robot vertrouwt niet langer op een onthouden wereld maar reageert op de echte, en dat is dezelfde beweging die Aleph Neuro met de hersenen maakte en MidJourney met het lichaam. Machines leren de fysieke wereld te lezen zoals hij is, en niet zoals een model aannam dat hij zou zijn.

Wat geen van de drie demo's laat zien, is falen. Een terreinvaste humanoïde is interessant om hoe vaak hij valt, niet om de ene run waarin dat niet gebeurde, en dat getal wordt vrijwel nooit gepubliceerd. Ik behandel zulke beelden als een bovengrens van wat kan, niet als een beschrijving ervan. Dat is geen cynisme; het is de maatstaf die je bij elke leveranciersvideo aanlegt.

Het vermogen rent, de manier waarop we het gebruiken staat stil

Claude Opus 4.7 bouwde in 14 uur wat Ethan Mollick schat op twee tot zeventien weken ingenieurswerk. Ik kom erop terug omdat het om een compleet softwarepakket gaat, het soort werk dat een menselijk team normaal weken kost aan afbakenen, plannen en doorploegen.

De nieuwe MirrorCode-benchmark meet precies dit: de grootste ingenieurstaken die een model dagenlang zelfstandig kan afprogrammeren. Doortrekkingen in de trant van METR duwen de voorspelde afronding-bij-de-helft inmiddels richting tientallen uren aaneengesloten werk, en ik heb er één zien landen op 61 uur. Dat laatste getal is een extrapolatie en geen meting. De marge van twee tot zeventien weken is trouwens ook een schatting van wat een menselijk team eraan kwijt zou zijn geweest, gemaakt door degene die het resultaat rapporteert.

Vervolgens kijk je naar hoe mensen deze gereedschappen werkelijk gebruiken. 64 procent van de Codex-gebruikers draait precies één agent tegelijk. Onder Amerikaanse volwassenen gebruikt de helft inmiddels AI terwijl maar 18 procent zich er zeker bij voelt, wat neerkomt op zo'n 37 procent zelfs onder de mensen die het geprobeerd hebben.

Hier lopen twee curves uit elkaar. Het vermogen sprint richting werkweken aan zelfstandige output terwijl de menselijke gewoonte sequentieel blijft: één vraag stellen, één antwoord krijgen, door. Wacht je tot het productiviteitsverhaal gelijkmatig door je organisatie trekt, dan zou ik daarmee ophouden. Het slaat neer bij de weinigen die hun manier van werken veranderen, niet bij de velen die het gereedschap aanraken en het daarbij laten. De ongemakkelijke consequentie is dat dit gat allang een managementvraagstuk is voordat het een technologievraagstuk is, en managementvraagstukken lossen zichzelf niet exponentieel op.

De digitale economie heeft een fysieke bodem

Nederland maakt de machines waarmee de wereld zijn chips maakt, en het komt zonder stroom te zitten om te groeien.

ASML in Veldhoven bouwt de lithografiesystemen waar elke geavanceerde fabriek op aarde van afhankelijk is. Er zit wat mij betreft meer siliciumkennis in dat ene kleine land dan waar ook in Europa. Wat het remt is geen talent en geen kapitaal. Het is het net: bedrijven die een nieuwe of zwaardere aansluiting willen, staan jaren op een wachtlijst.

We praten over AI als een softwareverhaal van modellen, tokens en agents. Maar elke token draait in een datacenter, en elk datacenter heeft een aansluiting op het net nodig. Rekenkracht voor AI verdubbelt naar verluidt elke zeven maanden sinds Colossus van xAI live ging, drie keer het tempo van de wet van Moore.

Het populaire plafond was water, en dat plafond overleeft de cijfers volgens mij niet. Amerikaanse datacenters gebruiken ongeveer 0,2 procent van het dagelijkse water van het land, wat er een lokale locatiekwestie van maakt en geen grens voor de sector. De echte plafonds zijn vermogen en silicium, want je verdubbelt rekenkracht niet elke zeven maanden zonder de stroom te verdubbelen die het draait. Ondertussen werd er het afgelopen jaar 110 miljard dollar aan echte generatieve-AI-omzet geboekt, met een jaarritme boven de 175 miljard. Dat is vraag die hard duwt tegen een fysiek aanbod dat zich niet op softwaresnelheid laat verplaatsen.

De voor de hand liggende tegenwerping is dat zulke beperkingen vaker zijn aangekondigd en dat de sector er elke keer omheen is gelopen, via efficiëntie, locatiekeuze of simpelweg meer betalen. Dat is een sterke staat van dienst en ik zet er niet lichtvaardig tegenin. Wat een netaansluiting anders maakt, is dat de omweg niet technisch is. Een onderstation verschijnt niet sneller doordat jij slim bent, en de vergunningenrij trekt zich niets aan van wat je biedt.

De frontier blijft bewegen en blijft daarbij zijn bodem tegenkomen, en die bodem is gemaakt van natuurkunde, elektriciteit en machines die maar een paar plekken op aarde weten te bouwen. Geluidsgolven door bot, transistors op DNA-schaal, robots die grind lezen, agents die dagen doorwerken, en een stroomnet dat het niet bijhoudt.

Waar het knelpunt volgend kwartaal zit, houd ik in de gaten. Mijn gok, en het is een gok, is dat de bindende vraag ophoudt te zijn of een model iets kan, en wordt of de wereld eronder het vermogen en het silicium kan leveren om het te laten gebeuren.

Zeven dingen die ik niet kwijt kon

Iemand bouwde een iPhone om tot iPod met klikwiel. Het recept: een in elkaar geprutste app die de telefoon terugbrengt tot domme telefoon, plus een 3D-geprinte schaal met een echt draaiend wiel. Een paar jaar geleden kostte dat een team, een specificatie en een productieserie. Nu is het één persoon, een middag met een programmeerassistent en een printer op het bureau. Ik zie er de hele lus in het klein in: software at hardware op, en daarna bouwde één persoon de hardware alsnog terug.

Een 3D-print die in 0,6 seconde klaar is. De DISH-methode van Tsinghua projecteert gestructureerd licht in een bak hars en hardt de hele vorm in één keer uit, in plaats van laagje voor laagje op te bouwen. Conventioneel printen schaalt met hoogte: één dunne plak, dan de volgende, minuten- of urenlang. Haal je die verticale as weg, dan groeit het voorwerp niet meer. Het verschijnt.

Een neuraal netwerk verzorgt het licht in Minecraft. Iemand laat een generatief wereldmodel elk beeld van een vijftien jaar oude game live herinterpreteren: de wolken, de schaduwen, hoe licht over een blok valt — niets daarvan wordt nog door de gamecode getekend. Absurd duur, en volgens mij naast de kwestie. Decennialang betekende renderen een met de hand gebouwde pijplijn: geometrie erin, wiskunde erop, beeldpunten eruit. Hier ís de renderer het model.

De twee voetnoten bij GPT-5.6 wegen zwaarder dan de benchmarks. Het model nam de leiding op US-govt-bench en ging ruim onder de prijs van Fable en Mythos zitten, wat een jaar geleden het hele verhaal zou zijn geweest. De voetnoten: de uitrol werd op verzoek van de overheid gespreid vanwege veiligheidszorgen, dus het lab bepaalt zijn eigen tempo niet meer; en OpenAI's eigen system card signaleert zorgwekkende vormen van ontspoord gedrag bij agentisch programmeren. Beide staan in de release. Geen van beide staat in de kop.

Menselijk go werd béter na AlphaGo, niet slechter. De aanname na 2016 was dat het menselijke spel zou wegkwijnen, want waarom zou je een spel bestuderen dat een machine beter heeft opgelost dan enig mens ooit kan. Onderzoekers maten professionele zetten voor en na en melden dat de kwaliteit juist omhoogging: spelers vonden zetten die eeuwenlang buiten de collectieve verbeelding hadden gelegen. De machine kromp de ruimte voor menselijke creativiteit niet in. Op dit bewijs maakte hij hem groter.

Voor een agent is de intelligentiescore het verkeerde getal. GLM-5.2 scoort 51 op intelligentie tegen 55 voor GPT-5.5. Maar op AA-Omniscience, dat meet hoe vaak een model met stellige onzin komt waar het "dat weet ik niet" had moeten zeggen, hallucineert GLM-5.2 in 28 procent van de gevallen, zit Fable 5 op 48 procent ondanks een intelligentiescore van 60, en komt DeepSeek V4 Pro uit op 94 procent. Voor een chatbot die je meeleest en corrigeert winnen een paar punten intelligentie. Voor een agent die boekt en koopt terwijl jij slaapt draait de rangorde om.

Het best scorende model van deze week is Chinees, en dat onder je app ook. DeepSeek V4 Flash pakte de koppositie met 4,68 biljoen tokens, bijna 14 procent voor op nummer twee. De FT meldt wat de meeste mensen die software bouwen al weten: de wereld draait steeds meer op Chinese open modellen, omdat die goedkoop zijn, capabel, ruim gelicentieerd en makkelijk in te bouwen. Er zijn stilletjes twee races ontstaan, en maar één ervan heeft een ranglijst.

Dit is de verbonden versie van de week. Als het je iets oplevert, staat hij elke maandag in je feed.