CASPA-panel: SemiAnalysis rangschikt substraten boven stroom als belangrijkste knelpunt voor AI, terwijl Bernstein wijst op financiering en custom silicon als pijnpunten
Panel over de vooruitzichten van de halfgeleiderindustrie tijdens de CASPA 2026 CEO Summit, 24 oktober 2026
Dylan Patel, oprichter en CEO van SemiAnalysis, en Stacy Rasgon, managing director en senior halfgeleideranalist bij Bernstein, gebruikten het CASPA-panel om een aantal consensusopvattingen over de AI-uitrol ter discussie te stellen. Patel betoogde dat stroom en datacenterruimte een kleiner knelpunt vormen dan de markt aanneemt, en dat de echte flessenhals bestaat uit substraten, geheugen en optica. Rasgon gaf aan dat financiering inmiddels tot de grootste zorgen van beleggers behoort, en dat de vraag- en aanbodsignalen wijzen op een krappe markt tot ten minste 2028. Beide experts waren het erover eens dat de lastigere vraag is wie de winstmarge behoudt naarmate de componentkosten stijgen en Nvidia en Broadcom te maken krijgen met een golf aan custom silicon.
Substraten, geen stroom, vormen het strakste knelpunt
Patels meest contrarian standpunt betrof zijn rangschikking van de knelpunten. Hij plaatste substraten op de eerste plaats, vóór grond, stroom en gebouwen, en vóór apparatuur voor de productie van halfgeleiders. "Substraten, printplaatmaterialen, substraatmaterialen; in al deze componenten is te weinig geïnvesteerd", aldus Patel, die opmerkte dat de Japanse leveranciers achter een groot deel van deze toeleveringsketen conservatief zijn en terughoudend staan tegenover het toevoegen van capaciteit. Geheugen komt op de tweede plaats, gevolgd door optica. Over *co-packaged* en *near-package optics* zei hij dat zelfs als één grote onderneming in 2028 volledig zou willen overstappen op CPO, "zij niet aan hun volumes kunnen voldoen" wat betreft lasers, fiber attach en andere componenten.
Wat betreft stroom tonen onderzoeken van SemiAnalysis aan dat er wereldwijd voor volgend jaar bijna 50 gigawatt aan datacenters wordt gebouwd. Ongeveer 35 gigawatt bevindt zich in de VS en 7 tot 8 gigawatt in China, terwijl de rest verspreid ligt over landen als Australië, India en Maleisië. Patel verklaarde dat vloeibare turbines, gasmotoren en brandstofcellen op locatie ontwikkelaars helpen om de beperkingen van het stroomnet te omzeilen. Hij noemde deze oplossingen "aanzienlijk minder complex dan de toeleveringsketen voor halfgeleiders". Rasgon was terughoudender en merkte op dat Nvidia en Broadcom grond, stroom en gebouwen blijkbaar beschouwen als hun limiterende factoren. Hij trok ook de levertijden van turbines in twijfel, erop wijzend dat Elon Musk heeft gesproken over het zelf produceren van turbinebladen.
Rasgon beschreef een gelaagd tekort waarin elk knelpunt moet worden weggenomen voordat het volgende kan worden aangepakt. Hij gaf aan dat machineleveranciers zelf klagen dat kortetermijntekorten aan printplaten, chips, kleppen en massflowregelaars hun vermogen beperken om extra leveringen te realiseren. Zijn blik op de duur was direct: "Ik denk dat dit jaar prima verloopt. Ik denk dat volgend jaar hetzelfde zal zijn. 2028 zal waarschijnlijk krap blijven. 2029, dat weet ik niet. Dat wordt een vraag over de vraag."
Geheugen en waferfabriekapparatuur tonen de krapte van de keten aan
Rasgon stelde dat geheugenaandelen worden verhandeld tegen twee tot vier keer de verwachte winst, zelfs nu de prijzen "de pan uit rijzen". Hij merkte op dat SanDisk een kwartaal-winst per aandeel afgaf die hoger lag dan de koers van 24 maanden geleden. Hij weet de lage waarderingen aan de vrees voor een piek in de cyclus, waarbij er in 2028 aanbod op de markt komt en de prijzen instorten. Zijn tegenwerping was van structurele aard: 70% tot 80% van het siloxaan- of siliciumoppervlak in een AI-rack bestaat uit geheugen, voornamelijk DRAM. High bandwidth memory verbruikt bovendien drie tot vier keer zoveel wafers per gigabyte als standaard DDR5.
Wat betreft apparatuur zei Rasgon dat een onderneming deze week cijfers publiceerde en een voorlopig vooruitzicht voor waferfabriekapparatuur (WFE) voor 2027 afgaf van meer dan $200 miljard. Hij gaf aan verrast te zijn dat veel beleggers zelfs meer hadden verwacht, omdat "we de fabrieken simpelweg niet hebben". Cleanrooms zitten vol en de industrie heeft de bestaande capaciteit maximaal benut. De WFE-ramingen begonnen dit jaar rond de $120 miljard en zullen naar verwachting eindigen rond de $155 miljard. Nieuwe cleanroomcapaciteit komt in 2027 bescheiden beschikbaar en in 2028 en 2029 op grotere schaal; dat is het moment waarop Rasgon verwacht dat de markt zal ontdekken of vraag en aanbod uit de pas lopen.
Financiering rantsoeneert de uitrol, met Nvidia als vangnet
Volgens Rasgon weerspiegelt de daling van de aandelenmarkt ten opzichte van de piek de zorgen over de houdbaarheid van de uitrol, "en financiering staat daar duidelijk vanboven in het rijtje". Hij merkte op dat hyperscalers, ooit "de meest kasstroomgenererende bedrijven in de menselijke geschiedenis", nu kasgeld verbranden en vermoedelijk eigen vermogen zullen aantrekken. Hij noemde de nieuwe aandelenstructuur van Meta als een van de enablers. De ongedekte obligaties van CoreWeave worden verhandeld tegen rendementen van zo'n 15%, wat volgens hem een marktniveau is in plaats van de huidige kosten, maar wel een signaal afgeeft van de prijs waartegen nieuwe ongedekte schuld in de markt kan worden gezet. Toch concludeerde hij dat de industrie er "voor de komende één à twee jaar" waarschijnlijk goed voorstaat. Hij voerde tevens aan dat beperkingen wel eens gunstig kunnen uitpakken, omdat ze de toevoer vertragen en een overcapaciteit – zoals de ongebruikte 'dark fiber' na de internetzeepbel – helpen voorkomen.
Patel schetste een gedetailleerder beeld. Hyperscalers kunnen de jaarlijkse kapitaaluitgaven (capex) van $2 biljoen tot $2,5 biljoen niet financieren, waardoor hun uitgaven zichzelf beperken. Neoclouds, die bijna de helft van de uitrol voor hun rekening nemen, kunnen clusters alleen financieren als ze een afnameovereenkomst hebben met een hyperscaler of een groot AI-lab. Zelfs dan is de schuld financiering duur. Hij haalde een recent cluster aan dat werd gebouwd voor Anthropic, gefinancierd met een coupon van 12% verkocht tegen 95 cent op de dollar, wat neerkomt op een effectief rendement van circa 15%. Buiten die categorie, zo stelde hij, "kun je simpelweg geen" capaciteit opbouwen tenzij er een hyperscaler achter zit. Dat is de reden waarom de strategie van Musk erop is gericht om capaciteit op te bouwen en deze op basis van kortetermijncontracten tegen zeer hoge prijzen te verhuren aan startups.
Patel gaf aan dat Nvidia het probleem heeft onderkend en optreedt als vangnet. Via Sharon AI en Fermi neemt het bedrijf deel in de omzet in ruil voor het garanderen van de financiering. Binnen die structuur verhuurt Nvidia het cluster tegen een gegarandeerd tarief van $3,50 per uur, waardoor de cloudbeheerder geen winst overhoudt. Vervolgens deelt Nvidia mee in elke omzet die boven die prijs ligt. Lambda stond een omzetaandeel van 10% af aan Nvidia om te bouwen voor Anthropic, tegenover een aanzienlijk grotere 50% in de deals met Sharon AI en Fermi. Broadcom, zo vertelde Patel, heeft een huurkoopconstructie met Anthropic opgezet waarbij de betalingen voor chips over meerdere jaren worden gespreid. Ook wees hij op de $1,4 biljoen aan verplichtingen van Meta op het gebied van rekenkracht en datacenters, iets wat de kapitaalmarkten nauwlettend in de gaten houden, al benadrukte hij dat "Meta er volkomen goed voorstaat".
Prijszettingsmacht heeft prijsdeflatie vervangen en de kosten van een gigawatt zijn gestegen
Rasgon betoogde dat de historische identiteit van de industrie als waarde-vernietiger is omgedraaid. Hij haalde eerder werk uit zijn tijd bij McKinsey aan waarin hij aantoonde dat de industrie gedurende een volledige cyclus in de jaren 90 en vroege jaren 2000 economische winst vernietigde, waarbij de waarde naar de klanten vloeide. COVID veranderde dat, aldus Rasgon. "Ik heb niet één bedrijf meegemaakt dat te maken kreeg met margedruk doordat de kosten van productiemiddelen stegen. Ze verhoogden allemaal hun prijzen om dat te compenseren." Hij verwacht dat de industrie dit jaar uitkomt op een omzet van ongeveer $1,5 biljoen, een stijging van ruwweg 100%. Hij schrijft 70% tot 80% van die groei toe aan de gemiddelde verkoopprijzen (ASP's) van geheugen, terwijl het aantal verkochte eenheden met slechts circa 10% steeg. Klanten, zo stelde hij, "hebben feitelijk geen keuze."
Patel gaf aan dat de kosten voor het bouwen van een gigawatt aan AI-rekenkracht zijn gestegen van ongeveer $40 miljard in 2024 tot meer dan $60 miljard. Hij maakte een onderscheid in het prijsgedrag. TSMC heeft zijn brutomarge in tien jaar tijd verhoogd van 45% naar 60%, maar "heeft de prijzen niet echt omhoog gegooid hoewel dat wel had gekund", gezien zijn quasi-monopolie en langetermijnpartnerships. Geheugenproducenten, die 24 maanden geleden nog te maken hadden met negatieve brutomarges, knijpen klanten nu uit. Patel stelde dat "als Apple hen in de neergang van de markt kapotmaakt, zij Apple zullen aanpakken tijdens de opleving van de cyclus." Nvidia wist zijn marge nagenoeg stabiel te houden terwijl het hogere kosten voor geheugen, substraten en optica absorbeerde, waardoor de prijzen voor de klanten sneller zijn gestegen dan de marge doet vermoeden. Volgens Patel is het onduidelijk wie de kosten uiteindelijk absorbeert: de chipverkopers, de cloudaanbieders of de labs.
Nvidia's margedefensie draait om prestatie per dollar en het bedrijf moet blijven winnen
Rasgon plaatste de prijzen van Nvidia in de context van klantwaarde. De gemiddelde verkoopprijs (ASP) verdubbelde ruwweg van Ampere naar Hopper, terwijl de prestaties ongeveer vertienvoudigden. De overgang van Hopper naar Blackwell liet een stijging van de ASP zien van circa 50% tegenover prestatiewinsten van 3 tot 30 keer. Van Blackwell naar Rubin volgt een verdubbeling van de rackkosten tegenover zo'n tien keer betere prestaties. Hij haalde Nvidia's eigen referentiecijfers aan van ongeveer $25 miljard per gigawatt voor Blackwell en $40 miljard voor Rubin. "Als ze Feynman zouden introduceren en dat is slechts 20% beter, dan – ja, dan zou ik me grote zorgen gaan maken over de prijzen en marges." Hij herinnerde aan de uitspraak van Bill Dally tijdens Hot Chips dat de prestaties van GPU's de afgelopen decennia duizend keer zijn verbeterd, met als doel een vermenigvuldiging met een miljoen voor de komende decennia.
Custom silicon en de commoditisering van chipontwerp
Patel wierp op wat hij de grote vraag voor de industrie noemde: of AI-modellen chipontwerp net zo verheffen tot een commodity als software. Hij zei dat de chip van de eerste generatie van OpenAI beter presteerde dan Blackwell op de open-source InferenceX-benchmark van SemiAnalysis bij het draaien van Chinese open-source modellen, waarbij AI intensief werd ingezet bij het ontwerp en programmeren. Anthropic start zijn eigen chipprogramma en streeft ernaar dit in de helft van de tijd af te ronden. Google verkoopt TPU's extern en de Trainium van Amazon is inmiddels "volledig bruikbaar in PyTorch."
De inregeltijden voor software ondersteunen dit verhaal. Patel gaf aan dat het SemiAnalysis zes maanden kostte om Nvidia werkend te krijgen op InferenceX, zes tot negen maanden voor AMD, een paar maanden per stuk voor Google en Amazon, en ongeveer anderhalve maand voor OpenAI. Als ontwerpen eenvoudiger wordt, zo betoogde hij, "dan moeten de marges dalen." Het weglaten van de marges van de ontwerpers uit de keten zou de kosten van een gigawatt omlaagbrengen tot grofweg $20 miljard, zo stelde hij. Ondertussen hebben componentleveranciers zoals geheugen-, foundry-, substraat- en opticaproducenten "volop ruimte om met de prijzen te spelen."
Volgens Patel verliest Nvidia al marktaandeel in de toeleveringsketen. Het bedrijf nam in 2026 een kleiner percentage van het totale aantal CoWoS-wafers en HBM voor zijn rekening en zal volgend jaar opnieuw aandeel verliezen. De winst zal naar verwachting nog steeds ruwweg verdubbelen doordat de basis zo snel groeit. Beide sprekers legden de link hiervoor met de waardering. Patel zei dat Nvidia en Broadcom noteren tegen hun laagste waarderingsmultiples "eigenlijk ooit". Rasgon merkte op dat toen hij dit de vorige keer – ongeveer negen à tien maanden geleden – mat, Nvidia op slechts 13 dagen in het voorgaande decennium goedkoper was geweest ten opzichte van de bredere halfgeleiderindex, en dat het aandeel vandaag de dag nóg goedkoper is. Rasgon somde de marktbeschermende factoren (moats) van Nvidia op: CUDA (waarvan de exclusiviteit volgens hem betwistbaar is), de geïnstalleerde basis, het jaarlijkse productritme, de balans en het eigen gebruik van AI bij het ontwerp. Hij omschreef Jensen Huang als "paranoïde", iemand die "de lessen van het oude Intel ter harte heeft genomen."
Bedrijfsvraag is reëel, maar zal grotendeels worden ingekocht als tokens
Rasgon gaf aan dat de omzet van Nvidia ongeveer gelijk verdeeld is (50/50) tussen hyperscale- en niet-hyperscale-klanten, waarbij de labs direct en indirect zo'n 20% voor hun rekening nemen – een basis die hij omschreef als "misschien zelfs nog wat diverser dan we hadden gedacht." Enterprise-adoptie is volgens hem essentieel: "Als we geen adoptie door het bedrijfsleven hebben, is er geen industrie." Hij ziet agentic coding als de eerste 'killer application', met inkomsten die "verticaal zijn omhooggeschoten." Als anekdote vertelde hij dat een teamlid Claude gebruikte om in 1 uur en 20 minuten een compleet financieel model vanaf de grond op te bouwen voor een reeds gevolgd bedrijf, een taak die een analist een week zou kosten. Hij voegde eraan toe dat de winst zich mogelijk zal manifesteren in de vorm van productiviteit in plaats van directe omzet, en dat de implicaties voor de werkgelegenheid een apart vraagstuk zijn. Anecdotisch bewijs wijst op een positief rendement op AI, aldus Rasgon, maar veel bedrijven bevinden zich nog in de experimenteerfase.
Patel waarschuwde dat dit zich niet zal vertalen in een grote vraag naar enterprise-hardware. Schaalvoordelen zorgen ervoor dat de meeste bedrijven, waaronder farmaceutische concerns en hedgefondsen, "tokens zullen gaan inkopen" en deze zullen combineren met hun eigen data in plaats van open-source modellen te draaien op hun eigen rekenkracht. Hierdoor blijven de AI-uitgaven geconcentreerd bij een kleine groep aanbieders, wat de financierings- en prijsdynamiek die beide analisten schetsten alleen maar versterkt.