Moet je bedrijf AI-hardware kopen? bijna nooit

De meeste ondernemers die me vragen of ze een eigen AI-machine moeten kopen, hebben die machine niet nodig. Toch komt de vraag steeds vaker langs, en meestal om twee redenen: privacy, en het gevoel dat je onafhankelijk wilt zijn van OpenAI of Anthropic.

Allebei begrijpelijk. Allebei bijna nooit een reden om duizenden euro's aan hardware neer te leggen.

Ik heb de cijfers een keer goed op een rij gezet. Dit is wat eruit kwam.

Er zijn drie manieren om een model te draaien, niet twee

De meeste mensen denken dat de keuze is: een eigen bak kopen, of rekenkracht huren in de cloud. Er is een derde optie die bijna altijd de beste is, en die het vaakst wordt overgeslagen: het model zelf huren.

Het model huren betekent dat je een open model gebruikt via een aanbieder zoals OpenRouter of DeepInfra. Je betaalt per gebruik, geen hardware. Een GPU huren betekent dat je rekenkracht per uur inkoopt en het model zelf draait. Een bak kopen betekent hardware op je eigen kantoor.

Het model huren lost stilletjes alle nare kanten van eigen hardware op. Geen plafond in capaciteit, niks dat staat te verstoffen als je het even niet gebruikt, geen stroomrekening, en je kunt meerdere modellen tegelijk draaien. Je levert precies één ding in: privacy. En daar zit meteen de enige echte reden om wel te kopen.

Het getal dat bepaalt of een model überhaupt draait

Voordat je aan hardware denkt, is er één ding waar iedereen op struikelt. Wat telt is niet hoeveel geheugen de machine heeft, maar hoeveel van dat geheugen de grafische chip echt kan gebruiken. Dat heet VRAM.

Een game-pc met 128 gigabyte werkgeheugen en een gewone videokaart kan een groot model niet draaien, want alleen het VRAM van de kaart telt, en dat is vaak maar 16 of 32 gigabyte. Daarom zijn de Apple-machines en de nieuwe AMD-mini-pc's interessant: hun geheugen is gedeeld, dus de hele pool werkt als VRAM. Past het model eenmaal, dan bepaalt een tweede getal, de geheugenbandbreedte, hoe snel het antwoordt.

Hier zit een echte doorbraak. Een dicht model, één groot blok van 70 miljard parameters, kruipt op elke betaalbare bak, zo'n 2 tot 5 woorden per seconde. Maar nieuwere mixture-of-experts-modellen vuren maar een paar miljard parameters per woord af, dus dezelfde goedkope machine draait ze op 40 tot 86 woorden per seconde. Dat is het verschil tussen onbruikbaar en echt goed, en het is waarom het beeld in 2026 veranderde.

Als je toch koopt: de drie bakken

Besluit je te kopen, dan zijn er drie machines die een groot model tegen een redelijke prijs aankunnen. Stand medio 2026:

• AMD Strix Halo, in een Framework Desktop of vergelijkbaar, 128GB, rond de $3.600 tot $4.000. Beste prijs-kwaliteit, en het sterkst op de mixture-of-experts-modellen die je in de praktijk draait.
• Nvidia DGX Spark, $4.699 na een prijsverhoging. Wordt afgeremd door de geheugenbandbreedte, dus grote modellen draaien traag. Een bekende ontwikkelaar die er een heeft, zegt dat het ding "een beetje staat te verstoffen" en niet de moeite waard is.
• Mac Studio, vanaf $5.299 voor het huidige model met veel geheugen, na de prijsverhogingen van Apple. De echt snelle Mac voor grote modellen, de M5 Ultra, wordt in het najaar verwacht voor $4.700 tot ruim boven de $6.000.

Kort gezegd: moet je per se kopen, dan is de AMD-bak de prijskeuze en de Mac de prestatiekeuze. De DGX Spark sla je over.

Wat huren echt kost

Zet daar het huren van een kale GPU per uur tegenover. Dat is meestal veel goedkoper, en je krijgt datacenterkaarten (A100, H100) die elke desktopbak verslaan. Voor een paar uur gebruik per dag:

• Een RTX 4090 kost zo'n $31 tot $37 per maand.
• Een A100 met 80GB zo'n $74 tot $125 per maand.
• Een H100 zo'n $199 tot $254 per maand.

Draai je diezelfde kaarten dag en nacht, dan zit de A100 rond de $600 tot $1.000 per maand en de H100 rond de $1.650 tot $2.100. Kopen wordt pas logisch als je de hardware ook echt zo hard gebruikt.

De rekensom is niet spannend. Een machine van tienduizend euro, uitgesmeerd over drie jaar, kost ongeveer $278 per maand aan alleen hardware, nog voor de stroom. Een geschikte GPU huren voor een paar uur per dag is $31 tot $125 per maand. En eigen hardware is nooit gratis: één zware GPU die dag en nacht draait verstookt al gauw $5 per dag aan stroom, zo'n $2.000 per jaar.

De korting die er niet echt is

Nog een valkuil, en het is precies degene die mensen op open modellen verkoopt. Ze lijken spotgoedkoop. Al snel tien keer minder per token dan een topmodel als Opus.

Maar per token is niet per klus. Open modellen verstoken twee tot drie keer zoveel tokens om dezelfde taak af te maken. Reken je het per afgeronde opdracht, dan blijft er van die tien keer goedkoper ongeveer twee keer over. Nog steeds goedkoper, maar een heel ander verhaal dan de prijs per token je laat geloven.

Draaibaar is niet hetzelfde als goed

De open modellen waar iedereen enthousiast over is, de echt goede, zijn 200 gigabyte en groter. Die draaien op geen enkele machine die bij jou op kantoor past. Wat je thuis of op kantoor wél draait, is een uitgeklede versie die net functioneert. Prima voor een smalle taak, zwak voor de rest. Zelfs een machine van tienduizend euro loopt daar tegen een muur.

Wanneer kopen wel klopt

Kopen is niet altijd fout. Het klopt in twee duidelijke gevallen.

Je data mag je pand niet uit. Als klantgegevens om juridische of contractuele redenen niet naar een cloud mogen, is dat op zichzelf genoeg reden om eigen hardware te overwegen, wat het ook kost.

Of je hebt één smalle taak die dag en nacht draait. Denk aan transcriptie of een simpele classificatie die continu doorloopt. Dan werkt eigen hardware zichzelf terug.

Buiten die twee: huren. Bijna altijd.

De kern

De vraag is zelden welke machine je moet kopen. De vraag is of je überhaupt iets moet kopen. En het antwoord is meestal nee.

Dat is precies het soort keuze waar ik ondernemers bij help. Je rekent het even door met echte getallen in plaats van de hype te volgen, en meestal is de nuchtere uitkomst ook de goedkoopste.