Nvidia GTC (of GPU Technology Conference) is uitgegroeid tot een van ‘s werelds toonaangevende AI-conferenties en groeit sinds de lancering in 2009 elk jaar, samen met de invloed en inkomsten van het bedrijf. Maar dit jaar markeerde een accentverschuiving. In het verleden concentreerde het bedrijf zich op de manier waarop het zich uitbreidde naar nieuwe markten; dit jaar liet het zien hoe het binnen die markten zou uitbreiden, vooral als belangrijke speler in het AI-landschap. Als duidelijk teken van de ambities en het huidige succes van Nvidia heeft Nvidia zijn projectie van 500 miljard dollar aan AI-inkomsten in 2026 opgewaardeerd tot maar liefst 1 biljoen dollar in 2027.
CEO Jensen Huang ging in het bijzonder in op de groeiende behoeften op het gebied van AI-inferentie, de snelle groei van agentische werklasten en de manier waarop die groei van invloed zou kunnen zijn op de hele AI-computing.
Sinds december 2025 promoot Huang het idee van een ‘vijflaagse cake’ van AI. Dit concept lijkt de algemene strategie van het bedrijf voor AI te omvatten, omdat het de inherent verticale aard van de technologie probeert te communiceren, die veel complexer is dan een eenvoudige app of model. AI wordt afgeschilderd als een kritieke infrastructuur met meerdere lagen, variërend van onderliggende energiebehoeften tot individuele toepassingen. Hiermee wordt ook geprobeerd de complexiteit van een complete AI-stack voor de gemiddelde persoon te vereenvoudigen.
Nvidia’s vijflaagse AI-taart
Foto met dank aan Nvidia
Aan de basis van deze stapel staat energie, die steeds meer de aandacht trekt als beperkende factor voor de hoeveelheid rekenkracht die op een bepaalde locatie kan worden gebouwd. Op hun beurt bepalen de chips die die energie gebruiken de hoeveelheid rekenkracht die beschikbaar is om AI-problemen op te lossen. Vervolgens komt de infrastructuur die deze chips ondersteunt met land, gebouwen, stroomvoorziening, computerapparatuur, koeling en netwerken. De infrastructuur maakt AI-modellen mogelijk, die variëren afhankelijk van de toepassing en de use case. Op het hoogste niveau maken de applicaties zelf gebruik van modeloutputs om resultaten te leveren voor consumenten, zakelijke gebruikers, overheidsinstanties enzovoort – de basis van de economische waarde van AI.
Huang zei dat de hele computerstapel opnieuw moest worden uitgevonden om “de grootste infrastructuuruitbreiding in de menselijke geschiedenis” te ondersteunen. Nvidia gebruikt deze berichten om zichzelf niet alleen te positioneren als chipmaker, maar ook als een fundamentele factor voor al het computergebruik, omdat al het computergebruik zich nu in de richting van AI beweegt. De CEO vertelt over de aanpak van Nvidia die “verticale integratie en horizontale openheid” combineert, wat betekent dat de modellen voor iedereen toegankelijk zijn, maar dat de benadering van computergebruik op elke laag verticaal geïntegreerd is.
Vera Rubin is het nieuwe high-end computerplatform voor Nvidia dat de Vera CPU's en Rubin GPU's combineert; Het is de bedoeling dat de verzending over een paar maanden begint. De Vera Rubin Pod is het rack-scale-aanbod van Nvidia dat belooft opnieuw een aanzienlijke toename van de AI-computerdichtheid binnen datacenters te realiseren. Het bevat zeven soorten Nvidia-chips verdeeld over vijf verschillende racksystemen om een krachtige configuratie te creëren waarvan het bedrijf zegt dat het de generatie van tokens (en inkomsten) mogelijk zal maken met een snelheid die tot tien keer hoger ligt dan die van het Blackwell-platform van de vorige generatie. Nvidia beweert dat dit tot wel $300 miljard aan jaarlijkse conclusies zou kunnen opleveren.
Grafiek met een overzicht van de mogelijkheden van Nvidia voor architecturale inferentie
Foto met dank aan Nvidia
Een van de grootste factoren die de Vera Rubin Pod mogelijk maken, is het gebruik van Groq’s LPX-platform, waarbij gebruik wordt gemaakt van de Groq 3 LM30-chip. De taalverwerkingseenheid van Groq verschilt inherent van de GPU's van Nvidia, met een aanzienlijke hoeveelheid SRAM (statisch willekeurig toegankelijk geheugen) in tegenstelling tot DRAM (dynamisch willekeurig toegankelijk geheugen). Omdat het de geheugenbandbreedte met een verbazingwekkende 55x vergroot in vergelijking met een Rubin GPU, is de Groq LPU inherent goed in het verwerken van extreem geheugenintensieve taken. Dit verklaart mede waarom Nvidia in december 2025 de intellectuele eigendom van Groq en zijn belangrijkste talent voor 20 miljard dollar overnam.
Het Groq-voorbeeld laat zien hoe Nvidia afstapt van het proberen om van zijn GPU's de oplossing voor elk probleem te maken. Hoewel het ecosysteem van Nvidia zich al lang verder heeft uitgebreid dan GPU's, heeft die uitbreiding bijna altijd in dienst gestaan van de GPU, of het nu gaat om CPU's, netwerkchips of software. Met de introductie van de Groq 3 LPU's is de computerarchitectuur van Nvidia de GPU-only aanpak echt ontgroeid.
We zien ook dat Nvidia producten begint aan te bieden, zoals zijn eigen interne Arm-gebaseerde CPU's binnen een rack-oplossing met alleen CPU's. Het bedrijf positioneert de nieuwe 88-core Vera CPU als concurrerend met Intel en AMD voor datacenters. Deze CPU's kunnen worden geconfigureerd met maximaal 256 chips per rack, en Nvidia heeft al klanten, waaronder Meta, die ze willen inzetten. Naast CPU's sprak Nvidia ook over zijn Bluefield 4 STX-oplossing voor opslaggerichte applicaties; Volgens het bedrijf verbetert dit product de prestaties om te voorkomen dat opslag een knelpunt wordt voor de AI-uitvoer.
Nvidia DSX is het nieuwste op Vera Rubin gebaseerde platform van het bedrijf voor zijn AI Factory-aanbod, dat een referentieontwerp voor AI-fabrieken omvat en gebruik maakt van Nvidia's Omniverse Digital Twin. (Voor achtergrondinformatie over Omniverse, zie mijn artikel over GTC 2025 en de gedetailleerde blik van mijn collega Bill Curtis op de stappen van Nvidia op het gebied van fysieke AI vanaf februari 2025.) Het bedrijf noemt dit een kant-en-klare oplossing die profiteert van alle mogelijkheden die Nvidia en zijn partners hebben gecreëerd om AI-fabrieken te helpen plannen, bouwen en onderhouden. Dit platform is ontworpen voor implementaties met hyperscalers en de grootste ondernemingen die hun eigen AI op industriële schaal willen inzetten zonder de infrastructuur in elkaar te hoeven zetten.
Er is de laatste tijd ook veel ophef geweest over AI-computing in de ruimte, waarbij veel startups zijn gelanceerd om de implementatieproblemen op te lossen. Voorafgaand aan de aankondiging van de Space 1-module op basis van Vera Rubin, zette Nvidia voornamelijk ingebouwde Jetson Orin-chips en H100 GPU's in voor ruimtevaarttoepassingen. Nvidia zegt dat de nieuwe ruimtegerichte module is ontworpen voor deze extreme toepassingen en maar liefst 25x de AI-prestaties in de ruimte levert als de H100. Het beschikt ook over lockstep-verwerking en foutcorrectiecodes om ervoor te zorgen dat werken in de ruimte de output niet beïnvloedt. Dat gezegd hebbende, ben ik van mening dat Space 1 een tamelijk nichetoepassing zal aanpakken en niet mag worden gezien als een bevestiging van de behoefte aan datacenters in de ruimte.
Agentic AI is snel een belangrijk aandachtsgebied geworden, omdat agenten zoals Claude Code gebruikers helpen bij het uitvoeren van praktische taken. Op technisch vlak hervormen agenten de manier waarop de IT-infrastructuur wordt gebouwd en hoe de chips binnen die infrastructuur worden ontworpen. Een van de meest interessante recente ontwikkelingen is de introductie van OpenClaw, een open-source agent die lokaal draait met behulp van Nvidia's nieuwe open-source NemoClaw-stack voor veiligere implementaties van taakgerichte agenten.
De NemoClaw-agenttoolkit is ontworpen voor het bouwen, trainen en inzetten van autonome, veilige AI-agenten, wat het voor iedereen gemakkelijker zou moeten maken om zijn eigen agenten te creëren. Bij het ontwikkelen van de nieuwe stack heeft Nvidia nauw samengewerkt met de maker van OpenClaw en beveiligingsonderzoekers om ongewenste acties van agenten of potentieel gevaarlijke uitkomsten te helpen voorkomen.
Nvidia verraste velen, waaronder ikzelf, met de aankondiging van DLSS 5.0, de optionele AI-ondersteunde functie van het bedrijf voor het verbeteren van de beeldkwaliteit en het leveren van snellere weergave. Het werkt door te renderen met een lagere resolutie en vervolgens AI te gebruiken om de afbeelding op te schalen naar de oorspronkelijke resolutie. De meeste gebruikers lijken tevreden te zijn met eerdere implementaties van DLSS. Nu introduceert DLSS 5.0 neurale renderingtechnieken om de verlichting verder te verbeteren in scènes die er anders misschien vlak uitzien. Het geeft game-ontwikkelaars ook meer controle over de gebruikerservaring, en ze kunnen DLSS 5.0 afstemmen om te veranderen hoe dit de beelden van hun games beïnvloedt.
Veel mensen hebben negatief gereageerd op vroege foto's en video's gemaakt met DLSS 5.0. Ik denk dat dit een aanzienlijke overreactie is. Er zijn veel gamers die een hekel hebben aan de meeste door AI verbeterde dingen, en de reactie op DLSS 5.0 kan een hoogtepunt zijn van die frustratie. Nu ik de demo's persoonlijk heb gezien, kan ik zeggen dat bijna alle verbeteringen positief lijken en het realisme vergroten - en dit komt van een serieuze fotograaf die erg kieskeurig kan zijn over bewerkingstools. Daarnaast is DLSS 5.0 nog lang niet op de markt, dus het is onduidelijk hoe het eindproduct er precies uit zal zien of welke GPU’s het kunnen draaien. De huidige instantiatie draait op twee Nvidia RTX 5090 grafische kaarten, maar volgens Nvidia zal de software tegen het najaar worden geoptimaliseerd om op één GPU te draaien.
In zijn opmerkingen bij GTC sprak Huang over de groeiende kansen op AI-inkomsten voor de industrie, en voegde eraan toe dat “de vraag naar Nvidia GPU’s buiten de hitlijsten ligt.” Hij beweerde dat de groei van gevolgtrekkingen aanzienlijk meer inkomsten genereert sinds de speciale editie van GTC die eind 2025 in Washington D.C. werd gehouden (waarover ik hier schreef).
Hoewel dat nog maar een paar maanden geleden was, verhoogt het bedrijf nu zijn verwachte omzetkansen van $500 miljard tot 2026 naar $1 biljoen tot 2027. Dit betekent dat Nvidia niet alleen verwacht dat dit jaar sterk zal eindigen, maar ook verwacht dat 2027 nog sterker zal zijn:honderden miljarden dollars sterker. Vanuit mijn perspectief als analist was het logisch om te denken dat de overgang van AI-training naar wijdverbreide AI-gevolgtrekkingen en alomtegenwoordige AI een belangrijke motor voor de industrie zou zijn. Maar als Huang gelijk heeft, zou het een nog grotere katalysator voor groei kunnen blijken te zijn – voor Nvidia en zijn partners – dan iemand zich nog niet zo lang geleden had kunnen voorstellen.
Openbaarmaking:Nvidia is een adviserende klant van mijn bedrijf, Moor Insights &Strategy.
Accounting watchdog Arga onthult leiderschapsteam
Wat betekent ARV in onroerend goed?
Krediet verbeteren:strategieën voor het omgaan met slecht krediet en negatieve items
10 aandelen met een hoog risico en een lage rating die u moet vermijden
Goedkope ideeën voor het middelpunt van Kerstmis
Een factuuradres invullen
Morningstar Review van een hulpmiddel voor onderzoek en analyse van investeringen