Zoeken

Is dit de onderschatte winnaar in AI?

Rens Boukema
6 uur geleden
5 minuten om te lezen

In het kort:

Datacenter-omzet AMD verdubbeld naar $12,6 miljard in 2024, waarvan $5 miljard uit Instinct AI-GPU’s
Nieuwe MI350X-chip belooft 35x betere AI-inference prestaties dan de MI250, dankzij 288 GB HBM3E-geheugen
AMD mikt op 15–20% marktaandeel in AI-inference en wordt daarmee mogelijk een miljarden-alternatief voor Nvidia

De AI-hausse die de beurs al twee jaar aanvuurt, draait volgens AMD niet meer om trainen, maar om toepassen. Het bedrijf zette in 2024 ruim $12,6 miljard om met zijn datacenterdivisie — een verdubbeling ten opzichte van 2023 — en daarvan kwam bijna $5 miljard direct uit AI-accelerators (Instinct GPU’s). Het is een opvallend getal: in 2022 was de bijdrage van AI bij AMD nog marginaal. Deze groei onderstreept dat AMD niet meer het kleine broertje is van Nvidia, maar een serieuze tweede speler in een miljardenmarkt.

In GPU´S is Nvidia nog oppermachtig:

De echte gamechanger komt echter nog: de MI350X, die in de tweede helft van 2025 uitkomt. Die chip wordt gebouwd op de nieuwe CDNA 4-architectuur en biedt 35 keer betere inference-prestaties dan de MI250. AMD mikt daarbij vooral op inferentie: het uitvoeren van AI-algoritmes in de praktijk. En dat is slim, want waar Nvidia de absolute koning is in trainingscapaciteit, verschuift de echte marktwaarde steeds meer naar inferentie.

De weg richting steeds snellere inference-chips is ingezet:

Wat betekent 35x snellere inference?

De huidige MI300X-chip van AMD doet het al niet slecht, maar de MI350X zal maximaal 288 GB HBM3E-geheugen aan boord hebben. Ter vergelijking: Nvidia’s nieuwste Blackwell Ultra komt ook eind 2025 en mikt op 600kW-racks — indrukwekkend, maar een stuk intensiever qua energieverbruik.

Inference draait echter minder om brute kracht en meer om efficiëntie: hoe snel, zuinig en schaalbaar kun je een AI-model laten draaien? De MI350X mikt daar precies op. En als AMD zelfs maar 15 tot 20% marktaandeel in AI-inferentie weet te pakken, dan kan dit segment in korte tijd uitgroeien tot een miljardenbusiness. Ter vergelijking: Nvidia zette in FY2024 $114 miljard om in datacenters. AMD is dus nog klein, maar de rek zit erin.

De afhankelijkheid van Nvidia is voor veel hyperscalers als Microsoft, Meta en Amazon inmiddels een risico. AMD biedt hier een interessant alternatief:

Microsoft Azure gebruikt AMD GPU’s in samenwerking met OpenAI
Meta test AMD-silicium in eigen AI-workloads
Hugging Face en Microsoft helpen met software-integratie voor AMD-hardware

Deze strategische partnerschappen zijn cruciaal. Nvidia's CUDA blijft het dominante ecosysteem voor AI, maar AMD bouwt met ROCm (Radeon Open Compute) aan een open alternatief. Dat vergt tijd, maar met hulp van grote partners krijgt het momentum.

AMD richt zich ook op de gewone gebruiker via zijn Ryzen AI-chips, speciaal voor laptops. De nieuwste Ryzen AI 300-serie levert meer dan 50 TOPS (trillion operations per second) aan AI-verwerking — een vertienvoudiging ten opzichte van vorige generaties.

Waar Nvidia rekent op discrete RTX-GPU’s voor desktops, integreert AMD AI direct in zijn CPU’s. Dit maakt AMD’s chips geschikt voor massaproductie van AI-PC’s, iets wat Microsoft, HP en Lenovo al oppikken. Windows 11 met AI-functies zoals Copilot draait straks efficiënter op Ryzen AI, zonder aparte GPU.

AMD zet vol in op AI-PC´S:

Diep onder de radar bouwt AMD via de overname van Xilinx, wat weinig mensen weten, ook aan een dominantie in de embedded wereld: drones, industriële robots, auto’s. Hier gelden andere regels: real-time, laag stroomverbruik en betrouwbaarheid. De Versal AI Edge-chips combineren programmeerbare logica met AI-verwerkers en ARM-cores.

AMD claimt hier 4x betere prestaties per watt dan concurrenten. Vooral in de auto-industrie en 5G-infrastructuur wordt dit relevant. Nvidia’s Jetson is makkelijker, maar Versal is flexibeler — en dat is wat veel industriële klanten willen.

AMD zet deze strategie kracht bij met forse investeringen: $5 miljard aan R&D per jaar, met een brutomarge van rond de 50%. Die marge blijft indrukwekkend stabiel, zeker gezien de hardwarecomponenten. De overnames van Xilinx en Pensando helpen AMD om een volwaardig AI-ecosysteem te bouwen dat niet alleen rekent, maar ook netwerkt, verwerkt en aanpast.

Belangrijk: AMD hoeft Nvidia niet te verslaan. Het hoeft alleen de voorkeursoptie te worden als alternatief, en daarin slaagt het verrassend goed. De infrastructuur voor AI wordt zó groot, dat er ruimte is voor meerdere winnaars.

De markt is nog blind voor de verschuiving van AI-training naar AI-inferentie. En precies daar komt AMD in beeld. De MI350X, de Ryzen AI-processoren, en de Versal-chips vormen samen een driedelige aanval op Nvidia’s monopolie.

Het aandeel AMD wordt nog steeds niet gewaardeerd alsof het bedrijf een leidende rol kan spelen in AI. Maar de cijfers vertellen een ander verhaal:

$5 miljard AI-omzet in 2024, in een markt die 10x groter is
35x snellere inference-oplossing in de pijplijn
Marktaandeel van 15–20% zou al $10–$20 miljard per jaar kunnen betekenen

Volgens schattingen van o.a. McKinsey en Bloomberg Intelligence zal de totale markt voor AI-inferentie hardware in 2026 namelijk al uitkomen op zo'n $100–120 miljard per jaar wereldwijd. (Dit is exclusief training en puur gericht op deployment: AI workloads in operationele omgevingen zoals cloud, edge, enterprise en consumententoepassingen.)

Als we dan kijken naar de FWD P/E van 8,7 voor 2028 lijkt dit (in dit scenario) erg laag:

Dit terwijl op korte termijn AMD nog flink kan profiteren van een voorspelde piek in AI-uitgaven:

AMD is in razendsnel tempo getransformeerd van outsider tot serieuze uitdager in de AI-hardwaremarkt, zoals ze dit eerder ook in andere markten hebben gedaan. Met een datacenteromzet van $12,6 miljard in 2024, waarvan $5 miljard direct uit AI-accelerators, laat het bedrijf zien dat het klaar is om een stevige positie te veroveren in de AI-markt. Die groei is niet toevallig, maar het gevolg van een gerichte strategie op drie fronten: high-performance datacenter-GPU’s (Instinct), geïntegreerde AI in consumentenchips (Ryzen AI) en flexibele oplossingen voor edge computing (Versal via Xilinx).

Tegelijkertijd moeten we realistisch blijven. Nvidia is op dit moment oppermachtig in AI-training, heeft het sterkste software-ecosysteem (CUDA), de hoogste operationele marges (67% vs. AMD’s 28%), én het grootste marktaandeel. De cijfers uit 2024 — $114 miljard aan datacenteromzet bij Nvidia versus $12,6 miljard bij AMD — laten nog een grote kloof zien.

Wat AMD strategisch sterk maakt, is dat het zich niet afhankelijk maakt van slechts één segment. De Ryzen AI-chips brengen AI naar de massa via laptops, en Versal wordt nu al geïntegreerd in telecom, auto-industrie en industriële robots. Dit maakt AMD in de toekomst mogelijk ook minder gevoelig voor de grillen van hyperscalers dan Nvidia, dat veel directer leunt op de vraag naar AI-training in de cloud.

Toch is er absoluut genoeg reden voor nuance. De AI-markt is nog jong en moet zich nog bewijzen in termen van langere termijn productiviteit en winstgevendheid. Zoals David Ksir in zijn analyse terecht opmerkt: AI moet eerst nog laten zien dat het meer doet dan alleen belofte in PowerPoints en pilotprojecten. Mocht de AI-revolutie trager verlopen dan voorspeld — zoals bij veel technologiecycli gebeurde — dan zullen zowel Nvidia als AMD dat voelen.

Maar, als AI zijn belofte wél waarmaakt, en inferentie het dominante gebruiksmodel wordt, dan is AMD perfect gepositioneerd om een miljardenbusiness op te bouwen. En dat, gecombineerd met een gediversifieerde productportefeuille en strategische partners als Microsoft en Meta, maakt AMD tot een groeiverhaal dat de markt nog niet volledig doorziet.