Nvidia levert chips voor 92,4% van de soevereine AI: Counterpoint ziet bijna-monopolie

Analist Neil Shah van Counterpoint wees expliciet op de ironie: landen die met ‘soevereine AI’ meer technologische zelfstandigheid willen bereiken, blijven in de praktijk sterk afhankelijk van één Amerikaanse chipfabrikant . Van de ruim tachtig onderzochte landen zouden ongeveer 55 landen een eigen taalmodel hebben ontwikkeld — en vrijwel al die projecten draaien op Nvidia-infrastructuur .

Het gaat hierbij om het aandeel binnen de onderzochte soevereine AI-projecten, niet om de volledige wereldwijde markt voor AI-chips. Dat verklaart ook waarom andere ramingen voor Nvidia’s totale AI-acceleratormarkt — doorgaans ergens tussen ongeveer 75% en 85% — lager uitvallen .

Waarom Nvidia zo moeilijk te verdringen is

De voorsprong van Nvidia komt volgens verschillende analyses niet alleen voort uit de prestaties van de chips zelf. Vooral de combinatie van hardware, software en dienstverlening maakt overstappen lastig.

• CUDA als softwarebarrière: Nvidia’s CUDA-platform omvat ongeveer twintig jaar aan ontwikkeltools, geoptimaliseerde bibliotheken en software voor training, inferentie — het uitvoeren van een getraind model — en robotsimulatie. Code die specifiek voor CUDA is geschreven, werkt niet zomaar op hardware van een concurrent. Daardoor lopen laboratoria, cloudproviders en overheden tegen hoge overstapkosten aan .

• Een compleet infrastructuurpakket: Nvidia verkoopt niet alleen GPU’s, maar ook geoptimaliseerde modellibraries, netwerkproducten zoals NVLink en NVSwitch en kant-en-klare AI-systemen. Voor landen die snel een nationale AI-infrastructuur willen opzetten, is dat vaak de eenvoudigste route .

• Schaal en een vroege voorsprong: Nvidia heeft meer AI-accelerators geleverd dan alle concurrenten samen, wat het bedrijf grote productievolumes, een sterke positie in de toeleveringsketen van TSMC en een omvangrijk onderzoeks- en ontwikkelingsbudget geeft .

Er zijn wel signalen dat de CUDA-voorsprong op termijn minder onaantastbaar kan worden. Hardware-onafhankelijke ontwikkeltools, zoals OpenAI’s Triton, en eigen chips van Google en Amazon maken het makkelijker om alternatieven te gebruiken . In nationale AI-projecten heeft nog geen concurrent die doorbraak echter overtuigend gerealiseerd: Nvidia komt daar uit op 92,4%.

Waar zijn de alternatieven te vinden?

Concurrenten hebben wel enkele belangrijke voet aan de grond gekregen, maar hun aanwezigheid blijft beperkt.

• AMD: De belangrijkste posities van AMD zijn verbonden met de Europese supercomputer LUMI, het Australische Maincode-project en een samenwerking met het Zuid-Koreaanse Moreh .
• Cerebras: Cerebras heeft een positie opgebouwd via G42 uit Abu Dhabi, dat betrokken is bij de Condor Galaxy-AI-supercomputer in het Midden-Oosten .
• Zuid-Korea en NAVER: NAVER werkt samen met Nvidia en Brookfield aan de uitbreiding van de nationale AI-fabrieksinfrastructuur van Zuid-Korea tot 200 megawatt. Ook daar is Nvidia dus de infrastructuurpartner, niet de uitdager .
• Google en Amazon: Google’s TPU v6 en AWS Trainium 2 worden steeds vaker ingezet voor interne inferentietaken bij hyperscalers. Ze worden echter nog niet op betekenisvolle schaal aan soevereine AI-projecten verkocht .

De geopolitieke inzet van Nvidia’s strategie

Nvidia beperkt zich niet tot het leveren van chips. Via investeringen en langlopende samenwerkingen probeert het bedrijf ook de ecosystemen rond AI verder aan zich te binden.

Een investering van 5 miljard dollar in SSI

Op 27 juli 2026 kondigde Nvidia een investering van 5 miljard dollar aan in Safe Superintelligence (SSI), het AI-laboratorium dat mede is opgericht door voormalig OpenAI-hoofdwetenschapper Ilya Sutskever . SSI krijgt daarnaast toegang tot Nvidia’s volgende generatie Vera Rubin-systemen. Volgens de betrokken partijen kan de rekenkracht van SSI daardoor met een orde van grootte toenemen .

De deal verbindt een invloedrijke onderzoeker op het gebied van veilige AI aan Nvidia’s hardware-ontwikkelpad. Daarmee verstevigt Nvidia zijn positie bij toekomstig onderzoek naar geavanceerde AI-modellen.

Samenwerkingen in Japan en Zuid-Korea

De samenwerking van Nvidia met NAVER en Brookfield voor de Zuid-Koreaanse nationale AI-fabriek, samen met infrastructuurprojecten in Japan, moet Nvidia voor langere tijd toegang geven tot twee belangrijke Aziatische markten voor nationale AI . De beschikbare bronnen geven echter geen volledige onderbouwing of uitsplitsing van alle genoemde Japanse investeringen.

Een fonds van 26 miljard dollar voor open modellen

Nvidia heeft volgens de aangehaalde berichtgeving aangekondigd in vijf jaar tijd 26 miljard dollar uit te trekken voor de ontwikkeling van open-gewicht-AI-modellen. Daarmee zou het bedrijf zijn hardware verder willen verankeren als standaardplatform voor overheden en academische instellingen .

Exportbeperkingen en China’s rekenkracht

China werd uitgesloten van het Counterpoint-onderzoek. De beschikbare bronnen beschrijven wel een bredere strategische paradox: Amerikaanse exportbeperkingen beperken de toegang van Chinese AI-laboratoria tot de geavanceerdste Nvidia-chips, terwijl diezelfde beperkingen China aansporen om sneller eigen alternatieven te ontwikkelen .

Chinese ontwikkelaars zijn daardoor aangewezen op oudere Nvidia-GPU’s die vóór de strengere exportbeperkingen zijn aangeschaft, binnenlandse chips zoals Huawei Ascend en Cambricon, of lagere prestatieniveaus die de ontwikkeling van modellen kunnen vertragen. De aangeleverde bronnen onderbouwen echter niet specifiek recente uitspraken van de topman van DeepSeek of de genoemde beschuldigingen rond Moonshot.

Ook over Amerikaanse tarieven uit 2026, Section 232 en het zogenoemde ‘Pax Silica’-pact bevatten de beschikbare bronnen geen voldoende specifieke en citeerbare informatie. Die onderwerpen kunnen daarom niet betrouwbaar aan deze analyse worden toegevoegd.

Wat staat vast — en wat nog niet?

De paradox van soevereine AI

De cijfers van Counterpoint laten een duidelijke paradox zien. Overheden willen taalmodellen bouwen die draaien op eigen data, binnen hun eigen jurisdictie en met minder afhankelijkheid van buitenlandse technologie. Maar voor de cruciale rekenlaag daaronder zijn ze vrijwel volledig aangewezen op Nvidia.

AMD en Cerebras winnen wel strategische niches — AMD in Europa, Australië en Zuid-Korea, Cerebras in het Midden-Oosten — maar vormen voorlopig geen serieuze bedreiging voor Nvidia’s positie in soevereine AI. CUDA, schaalvoordelen en strategische investeringen houden Nvidia dicht bij de standaardpositie.

De vraag naar nationale AI gaat daarom niet alleen over wie het beste model bouwt. Ze gaat ook over wie de chips, de software en de infrastructuur controleert waarop die modellen draaien. En op dat punt is de wereldwijde ambitie van technologische zelfstandigheid voorlopig opvallend afhankelijk van één Amerikaans bedrijf.