China zet in op AI-agents: niet het grootste model, maar de beste uitvoering telt

China’s AI-sector wordt steeds meer een wedstrijd in toepassing: basismodellen omzetten in agents die nuttig werk kunnen verrichten in software, telecom, industrie en consumentendiensten. De kernvraag is dus niet alleen wie het grootste model kan trainen, maar vooral wie AI-systemen op grote schaal kan laten draaien met aanvaardbare kosten, snelheid, betrouwbaarheid en waarborgen.

Van trainen naar inference

Een rapport van het China Telecom Research Institute verwacht dat inference — het uitvoeren van een getraind model wanneer het een prompt beantwoordt of een taakstap zet — in 2029 goed is voor 80% van de Chinese markt voor rekenkracht. Daarmee zou inference de vraag vanuit modeltraining voorbijstreven. Volgens hetzelfde rapport kunnen agents de vraag naar rekenkracht in de komende twee à drie jaar bijna tienmaal per jaar laten groeien. 59

De jaarlijkse tokenconsumptie in China zou volgens die onderzoekslijn in 2026 op 100 quadriljoen kunnen uitkomen en in 2030 boven 35 quintiljoen. Het zijn prognoses, geen vastgestelde uitkomsten, maar ze maken duidelijk waarom het herhaaldelijk bedienen van modellen strategisch minstens zo belangrijk kan worden als het trainen ervan. 6

Een agent vergt doorgaans aanzienlijk meer dan één chatbotantwoord. Zo’n systeem kan informatie ophalen, softwaretools aanroepen, workflows met meerdere stappen uitvoeren, uitkomsten controleren en processen herhalen. Op grote schaal kost elk van die stappen rekenkracht en neemt de operationele complexiteit toe.

De economische test: kosten per afgeronde taak

Het trainen van een geavanceerd model is doorgaans een geconcentreerde investering in infrastructuur. Een agent in productie is daarentegen een doorlopende dienst. De kosten keren terug via inference, data-opvraging, netwerkverkeer, opslag, monitoring en waar nodig menselijke beoordeling of escalatie.

Daarmee verandert ook de commerciële maatstaf. Een capabele agent is nog geen levensvatbaar product als die te duur is om te draaien, te traag reageert of te onbetrouwbaar is voor bedrijfskritische systemen. Belangrijker dan een sterke benchmarkscore wordt de prijs én kwaliteit van een volledig afgeronde taak.

Voor aanbieders en organisaties betekent dit onder meer aandacht voor:

• het kleinste model kiezen dat een taak veilig aankan;
• werk naar het passende model of hulpmiddel routeren;
• herhaalde berekeningen beperken met caching en efficiënte serving;
• agents koppelen aan betrouwbare, taakspecifieke data;
• niet alleen modelantwoorden testen, maar ook het gebruik van tools en volledige workflows;
• fouten, toegangsrechten en audittrails monitoren; en
• menselijke tussenkomst mogelijk maken bij beslissingen of handelingen met een hoog risico.

Dat betekent niet dat training van topmodellen onbelangrijk wordt. Die blijft relevant voor capaciteit, onafhankelijkheid en toegang tot geavanceerde technologie. Maar zodra goede modellen breed beschikbaar zijn, kan juist de dagelijkse uitvoering — betaalbare, betrouwbare inference die met echte systemen verbonden is — de lastigste onderscheidende factor worden.

Beijing stuurt op brede toepassing

De Chinese beleidsdoelen sluiten op die verschuiving aan. Het ministerie van Industrie en Informatietechnologie (MIIT) wil dat AI-gestuurde programmeertools in 2028 worden gebruikt door meer dan 20.000 grote softwarebedrijven. Ook noemt het plan 100 voorbeeldtoepassingen van agentgebaseerde software in belangrijke sectoren en minstens vijf hoogwaardige opensourceprojecten. 3

Voor 2030 is het doel een intelligenter en veiliger software-ecosysteem, inclusief intelligente modernisering van kritieke softwaresystemen. 37 Een apart MIIT-plan voor AI en informatiecommunicatie noemt voor 2028 meer dan 30 hoogwaardige toepassingsscenario’s, naast representatieve toepassingen en gespecialiseerde agents. Het verbindt die uitrol bovendien aan sterkere netwerk- en rekeninfrastructuur. 17

Een initiatief van het MIIT en de National Data Administration vraagt daarnaast om sectorspecifieke AI-scenario’s met hoge waarde, gespecialiseerde datasets en modellen of agents voor situaties waarin zelfstandig plannen en uitvoeren nodig is. Ook moeten er gerichte evaluatiedatasets en beoordelingssystemen voor sectorale modellen en agents komen. 18

Samen wijzen deze maatregelen op een strategie van verspreiding: herbruikbare scenario’s, data, softwaretools en referentie-implementaties ontwikkelen die in meerdere sectoren kunnen worden overgenomen. Dat kan de invoering versnellen. Het risico is wel dat succes wordt afgemeten aan het aantal pilots, in plaats van aan duurzame, veilige en economisch rendabele resultaten.

Investeringen verhogen de inzet

Op basis van de analyse van het China Telecom Research Institute wordt de AI-uitgaven van Chinese technologiebedrijven dit jaar geschat op bijna 600 miljard yuan. Omdat openbare rapportages niet altijd dezelfde definitie van AI-uitgaven hanteren, is dat bedrag vooral als schatting te lezen en niet als volledig gestandaardiseerde meting. 9

Op nationaal niveau verwacht China dat AI-gerelateerde industrieën aan het einde van de vijftiende Vijfjarenplanperiode, 2026–2030, meer dan 10 biljoen yuan waard zijn. 45 Daarmee worden AI-agents niet alleen neergezet als een categorie clouddiensten, maar als een laag onder industriële modernisering, softwareontwikkeling, communicatie en consumentendiensten.

Europa bouwt capaciteit op — maar toepassing blijft beslissend

Ook Europa werkt aan AI-infrastructuur. De Europese Commissie heeft een aanbesteding geopend voor maximaal zeven AI-gigafabrieken. Daarvoor is maximaal € 10 miljard aan EU- en nationale publieke financiering voorzien; de projecten moeten ten minste € 20 miljard aan private investeringen losmaken. 50

Dat is belangrijk voor Europese rekenkracht en technologische soevereiniteit. Maar alleen datacenters en rekenclusters bouwen lost het vraagstuk rond toepassing niet op. De concurrentiewaarde van die capaciteit hangt af van toegankelijke en betaalbare inference, bruikbare domeindata, integratie met software en betrouwbare toepassingen voor Europese organisaties.

Waar de volgende AI-fase om draait

China’s inzet op agents wijst op een bredere mondiale verschuiving. AI-voordeel zal steeds meer afhangen van het vermogen om rekenkracht om te zetten in nuttig, controleerbaar werk dat langdurig op schaal kan draaien. Chips en elektriciteit blijven daarbij essentieel, maar ook serving-efficiëntie, toegang tot data, integratie in werkprocessen, beveiliging, evaluatie en menselijke verantwoordelijkheid.

De 80%-raming voor inference is een richtinggevende prognose, geen voldongen feit. De boodschap is echter helder: nu AI verschuift van demo’s naar continu gebruik, worden de winnaars mogelijk niet bepaald door de grootste trainingsrun, maar door wie agents betrouwbaar genoeg én goedkoop genoeg kan laten werken om ze onderdeel van het dagelijkse werk te maken. 56