Het AI-stroomplafond van 2027 en wat stijgende GPU-kosten betekenen voor RevOps-budgetten

Fysieke stroombeperkingen botsen met de zakelijke vraag naar AI, wat zorgt voor een structurele opwaartse druk op rekenkrachtkosten die de operationele marges van software rechtstreeks zal treffen. Volgens durfkapitalist Tomasz Tunguz zal de AI-capaciteit in de Verenigde Staten naar verwachting groeien van 38 gigawatt nu naar een plafond van 81 gigawatt in 2027, maar de vraag overstijgt nu al de capaciteit van het elektriciteitsnet om nieuwe hardware van stroom te voorzien. Terwijl kortetermijnhuurtarieven voor GPU's omhoogschieten en serverracks werkeloos in datacenters staan te wachten op stroom, loopt het tijdperk van spotgoedkope modelinferentie op zijn einde.

Wat er is gebeurd

Tunguz meldt dat hoewel de totale rekenkrachtcapaciteit in de VS tegen 2027 theoretisch zou kunnen verdubbelen tot 81 gigawatt, fysieke netbeperkingen daadwerkelijke uitrol vertragen. Verwijzend naar uitspraken van Brad Gerstner in de All-In podcast merkt Tunguz op dat consensusprognoses verwachten dat er in 2027 43 gigawatt online zal komen, maar dat wel 10 tot 15 gigawatt van die verwachte uitbreiding mogelijk niet van stroom kan worden voorzien. Business Insider meldde dat Amazon onder AWS's Early Rack Receipt-programma in augustus 2026 voor circa 5 miljard dollar aan Nvidia GB300-serverracks in ontvangst nam voordat onderstations van de faciliteiten over voldoende vermogen beschikten om ze te activeren.

Ondanks de enorme productievolumes zijn de prijzen voor rekenkracht omhooggeschoten door dit structurele knelpunt. Kortetermijnhuurtarieven voor GPU's stegen in een periode van zes maanden van $ 3 naar $ 12–$ 13 per uur. Tunguz merkt op dat de Form S-1/A-aanvraag van Anthropic aantoonde dat de samengestelde GPU-equivalente kosten over twee kwartalen met 82% stegen, van $ 3,10 naar $ 5,65 per uur.

Momenteel dient 40% van de GPU-rekenkracht voor inferentie — het direct leveren van AI aan eindgebruikers — terwijl 60% is gereserveerd voor training, volgens workloadgegevens van SemiAnalysis die door Tunguz worden aangehaald. Naarmate nieuwere hardware zoals Blackwell- en Rubin-racks wordt uitgerold, zal de theoretische Amerikaanse inferentie-omzet naar verwachting met een factor 3,4 stijgen van $ 140 miljard naar bijna $ 500 miljard ($ 0,49 biljoen). Aanhoudende stroomtekorten betekenen echter dat leveranciers de overmatige vraag steeds vaker zullen reguleren via gedifferentieerde latency-prijzen en algoritmische optimalisatie, zoals het gebruik van gespecialiseerde software-harnesses die de kosten voor taakafhandeling met 71% verlagen, volgens een HarnessTax-onderzoek van UC Berkeley dat Tunguz citeert.

Waarom dit van belang is voor RevOps-leiders

Voor RevOps-leiders draait uiteindelijk elke klantworkflow, lead-scoringpipeline en geautomatiseerde outreach-sequentie op inferentie. Als de onderliggende rekenkrachtkosten verdubbelen terwijl netcongestie het aanbod maximeert, zal de economische dynamiek van je volledige go-to-market tech-stack ingrijpend veranderen.

Ten eerste zullen SaaS-leveranciers die AI-native CRM-verrijking, prognose-agents en conversational intelligence aanbieden, deze infrastructuurkosten onvermijdelijk doorberekenen bij contractverlengingen. RevOps-teams moeten erop rekenen dat leveranciers strikte tokenlimieten, rate limits of gesplitste prijsniveaus op basis van latentie introduceren — waarbij een meerprijs wordt gerekend voor realtime leadrouting, terwijl bulkverrijking en pipeline-analyse worden verwezen naar tragere, asynchrone wachtrijen.

Ten tweede verandert de sterk stijgende prijs van rekenkracht de 'build-versus-buy'-afweging voor interne operaties. Het afgelopen jaar hebben veel operationele teams ingezet op maatwerkautomatiseringen en lichte scripts om gespecialiseerde SaaS-tools te vervangen. Maar zoals Tunguz benadrukt, stuit het ontwikkelen van interne maatwerksoftware op een harde realiteit zodra inferentie duur wordt. Gespecialiseerde softwareleveranciers kunnen rekenkosten drukken via geoptimaliseerde architectuur — zoals het inzetten van multi-head latent attention, modelkwantisatie en software-harnesses — terwijl interne agents die rechtstreeks ruwe API's van basismodellen aanroepen, het operationele budget in een onhoudbaar tempo verbranden. Margebehoud vereist dat tokenverbruik met dezelfde nauwgezetheid wordt beheerd als traditioneel geldt voor klantacquisitiekosten.

Wat je deze week kunt doen

1. Voer een audit uit op de API-gestuurde automatiseringen van je team binnen Zapier, Make en interne webhooks om het huidige maandelijkse tokenverbruik en de rekenkrachtuitgaven per workflow in kaart te brengen.
2. Beoordeel aanstaande SaaS-contractverlengingen voor AI-afhankelijke sales- en marketingtools om te controleren of de huidige tarieven bescherming bieden tegen prijsstijgingen op het gebied van rekenkracht of inferentievolume in de komende 24 maanden.
3. Segmenteer je geautomatiseerde pipeline-acties in realtime afhankelijkheden (zoals directe toewijzing van inkomende leads) versus niet-urgente achtergrondtaken (zoals wekelijkse accountscoring), zodat je architectuur is voorbereid op latency-afhankelijke prijsmodellen.

Bronnen

• Watts in Store for 2027 : The AI Ceiling — Tomasz Tunguz