Edge AI: Waarom AMD de beste waardespeler is voor 2026

Kunstmatige intelligentie (AI) is een van de belangrijkste technologische disruptoren van dit decennium, die fundamentele verschuivingen teweegbrengt in industrieën en de samenleving als geheel.

Gegevens tonen aan dat ongeveer een op de zes mensen wereldwijd nu generatieve AI-tools gebruiken. Bovendien gebruiken 90% van de technologische werknemers al AI in hun werk. Ondanks deze adoptie wordt verwacht dat de AI‑industrie tegen 2033 ongeveer negen keer zal groeien.

Met deze massale adoptie komen stijgende rekencosts, groeiende latentie‑uitdagingen en toenemende zorgen over beveiliging, energieverbruik en schaalbaarheid. Bedrijven realiseren zich nu dat het voortdurend verzenden van gegevens naar externe servers voor AI‑inferentie — cloud computing of Cloud AI — kostbaar, traag en privacyrisico’s met zich meebrengt.

In Cloud AI maken bedrijven gebruik van de enorme middelen van platforms zoals AWS, Azure en Google Cloud om AI‑diensten te leveren. Dit stelt gebruikers in staat AI‑modellen op aanvraag via internet te benaderen zonder hun eigen infrastructuur op te bouwen.

De basis van Cloud AI zijn hyperscalers — enorme AI‑datacenters die extreme schaalbaarheid bieden om workloads te verwerken die ver buiten traditionele on‑premises mogelijkheden liggen. Met hun enorme horizontale serverarrays bieden ze bedrijven de middelen om efficiënt AI‑toepassingen te benaderen, bouwen, trainen, implementeren en onderhouden.

Deze combinatie van cloud computing en AI biedt voordelen zoals kostenefficiëntie, schaalbaarheid en de mogelijkheid om gedeelde modellen te benutten. Maar tegelijkertijd kent het aanzienlijke nadelen, waaronder hoge terugkerende kosten door rekencapaciteit, opslag, gegevensoverdracht en gespecialiseerde expertise die nodig is voor continu gebruik.

Andere problemen waarmee Cloud AI te maken heeft, zijn latentie, beveiligingsrisico’s, gegevensprivacy, afhankelijkheid van internet, beperkte controle en vendor lock‑in.

Aangezien de cloud duur en uitdagend blijkt voor consumententoepassingen, laptops, industriële systemen en realtime use‑cases, schakelen bedrijven over naar “Edge AI”. Het uitvoeren van lokale inferentie op het apparaat in plaats van te vertrouwen op dure cloud‑GPU’s verandert nu de manier waarop AI buiten datacenters wordt ingezet.

Swipe om te scrollen →

Edge AI Explained: Why Inference Is Moving On-Device

De industrie ondergaat een strategische en architecturale verschuiving naar Edge AI, waarbij AI wordt verplaatst van gecentraliseerde, energie‑intensieve datacenters naar lokale inferentie‑hardware.

In Edge AI wordt kunstmatige intelligentie gecombineerd met edge computing om de afhankelijkheid van de cloud te verwijderen door apparaten in staat te stellen gegevens lokaal te verwerken. “Edge” verwijst hier naar het gebruikte apparaat — zoals een telefoon, auto, camera, tv, sensor of medisch apparaat — dus edge computing betekent dat de computer die is ontworpen om gegevens te verwerken zich dicht bij of binnen dat apparaat bevindt.

Naast de edge‑apparaten die gegevens verzamelen en verwerken, omvatten andere belangrijke componenten AI‑modellen die in de cloud zijn getraind en op de edge worden ingezet, evenals gespecialiseerde hardwarechips die AI‑taken efficiënt lokaal afhandelen.

Met deze verschuiving naar energie‑efficiënte apparaten is het doel kritieke problemen van latentie en gegevensprivacy aan te pakken door realtime verwerking op gebruikersapparaten mogelijk te maken, waar de gegevens daadwerkelijk worden gegenereerd.

Dit betekent dat in plaats van gegevens naar een extern datacenter te sturen, berekeningen dicht bij de bron worden uitgevoerd, waardoor apparaten in milliseconden beslissingen kunnen nemen zonder een internetverbinding. De gegevens worden in feite direct gebruikt zodra ze door het apparaat worden gecreëerd.

Deze realtime verwerking is cruciaal voor robotica, autonome voertuigen en bewakingsapplicaties die snelle reactietijden vereisen.

Edge computing verlicht ook de zware belasting van datacenters door de noodzaak om gegevens heen en weer te verplaatsen te elimineren. In Edge AI wordt alleen relevante data naar de cloud gestuurd, waardoor de bandbreedte‑behoefte en bijbehorende kosten worden verminderd.

Naast kosteneffectiviteit biedt de verschuiving van gigawatt‑schaal datacenters naar apparaten het voordeel van energie‑efficiëntie, omdat ze AI kunnen draaien met minimaal stroomverbruik. Door gevoelige gegevens lokaal te houden, kunnen bedrijven bovendien beveiligingszorgen aanpakken en beschermen tegen ongeautoriseerde toegang en datalekken.

Dankzij de voordelen van snelheid, kosten, privacy en energie‑efficiëntie wordt AI‑inferentie steeds vaker aan de edge uitgevoerd.

In AI is inferentie de feitelijke werking van het model — een proces dat begint nadat een model is getraind en stopt met leren. Inferentie is wanneer het model begint te werken, conclusies trekt uit gegevens en die kennis omzet in resultaten in de echte wereld.

Lokale inferentie verwijst naar het uitvoeren van AI‑modellen direct op de machine van een gebruiker met gespecialiseerde silicium, zoals NPUs (Neural Processing Units) ingebed in CPU’s of system‑on‑chip (SoC)‑s, in plaats van elke aanvraag terug te sturen naar een cloud‑GPU.

NPUs zijn AI‑chips geoptimaliseerd voor complexe berekeningen in deep‑learning taken zoals natuurlijke taalverwerking, spraakverwerking, objectdetectie en beeldherkenning. Deze gespecialiseerde AI‑versnellingschips maken snelle on‑device inferentie mogelijk met minimaal energieverbruik, waardoor realtime‑applicaties mogelijk worden.

In de praktijk betekent lokale inferentie dat je laptop, pc, embedded systeem of zelfs smartphone grote taalmodellen (LLM‑queries), visiemodellen of assistent‑workloads kan draaien zonder grote, dure, krachtige servers te hoeven aanspreken.

Dit vermindert latentie, verlaagt bandbreedtekosten, verbetert privacy en vermindert serverkosten. Omdat Edge AI‑systemen kunnen functioneren zonder constante internetverbinding, bieden ze verbeterde betrouwbaarheid, waardoor ze geschikt zijn voor afgelegen gebieden.

Naarmate AI‑workloads opschalen van experimenten tot dagelijks gebruik, is deze verschuiving naar lokale inferentie niet langer theoretisch maar een noodzaak, aangezien miljarden apparaten AI‑mogelijkheden krijgen en cloud‑gebaseerde inferentie onhoudbaar wordt op schaal.

Edge AI marktanalyses schatten dat AI‑processoren aan de edge tegen het einde van dit decennium bijna $60 miljard waard kunnen zijn, tegen $9 miljard in 2020, grotendeels gedreven door lokale rekencapaciteit in pc’s en apparaten.

Al dit jaar is de trend van lokale inferentie van onderzoeksdemo’s naar echte producten verschoven, zoals getoond op CES 2026, waar tientallen AI‑pc’s en edge‑formfactoren werden gedemonstreerd met on‑device inferentie‑mogelijkheden.

Zo lanceerde Ambarella zijn CV7 vision SoC met geavanceerde on‑device edge AI‑verwerking voor diverse realtime‑perceptietoepassingen. Qualcomm (QCOM ) zette sterk in op verticale integratie voor “intelligent computing everywhere” met zijn Snapdragon X Elite Gen 2 pc’s. Broadcom (AVGO ) richt zich ook op het integreren van “Neural Engines” in processoren om lokale AI mogelijk te maken, specifiek gericht op smart‑home‑toepassingen.

Als het gaat om giganten zoals Apple (AAPL ) en NVIDIA (NVDA ), de eerste maakt gebruik van een hybride model van on‑device AI en “Private Cloud Compute”, terwijl de laatste een verschuiving maakt naar “fysieke AI” en on‑device verwerking.

Fysieke AI, die AI uitbreidt buiten de digitale wereld naar robotica, drones en industriële machines, is een van de opkomende trends in de Edge AI‑sector en wordt verwacht een belangrijke groeimotor te worden.

Why AMD Is Positioned to Win the Edge AI Hardware Cycle

In de wereld van Edge AI‑aandelen is een van de meest opvallende namen om in de gaten te houden Advanced Micro Devices (AMD ), die halfgeleiders, processoren en GPU’s ontwikkelt voor datacenters, AI, gaming en embedded toepassingen.

Begin deze maand, op CES 2026, de AMD‑voorzitter en CEO Lisa Su deelde het doel van het bedrijf om AI voor iedereen te leveren, terwijl ze een edge‑gerichte AI‑strategie over pc’s, embedded apparaten en ontwikkelaars benadrukte, waarmee de focus van het bedrijf op lokale inferentie‑hardware buiten hyperschaal‑cloudomgevingen wordt bevestigd.

Als onderdeel van deze aanpak introduceerde het bedrijf een nieuwe lijn AI‑processoren. Dit omvat de Ryzen AI 400 Series processor voor AI‑pc’s, met ingebouwde NPUs die ongeveer 60 TOPS AI‑rekenkracht leveren voor lokale inferentie. Deze nieuwste versie van AMD’s AI‑aangedreven pc‑chips beschikt over 12 CPU‑kernen en 24 threads en zal multitasking 1,3 × sneller maken dan de concurrenten. Ze zijn ook 1,7 × sneller bij contentcreatie.

Pc’s, inclusief de Ryzen AI 400 Series processor, zullen in het huidige kwartaal beschikbaar zijn.

Tijdens een persbriefing merkte Rahul Tikoo, senior vice‑president en GM van AMD’s client‑business, op dat ze al meer dan 250 AI‑pc‑platformen hebben uitgebreid, wat een groei van 2 × ten opzichte van het afgelopen jaar vertegenwoordigt. Hij zei:

“In de komende jaren zal AI een meerlagig weefsel worden dat in elke laag van computing op persoonlijk niveau wordt verweven. Onze AI‑pc’s en apparaten zullen transformeren hoe we werken, hoe we spelen, hoe we creëren en hoe we met elkaar verbinden.”

AMD introduceerde ook Ryzen AI Max+ chips op de grootste consumenten‑elektronicabeurs ter wereld. Deze zijn gericht op premium notebooks en mini‑pc’s voor geavanceerde lokale inferentie, contentcreatie en gaming.

Voor ontwikkelaars kondigde AMD het Ryzen AI Halo‑platform aan voor on‑device modelontwikkeling, klaar om krachtige AI‑ontwikkelingsmogelijkheden naar een compacte desktop‑pc te brengen in het volgende kwartaal.

Het nieuwe portfolio van embedded x86‑processoren is ondertussen ontworpen om AI‑gedreven toepassingen aan de edge van stroom te voorzien. De nieuwe P100‑ en X100‑Series processoren leveren high‑performance AI‑rekenkracht voor slimme gezondheidszorg, digitale auto‑cockpits en humanoïde robotica.

“Ongeacht wie je bent en hoe je technologie dagelijks gebruikt, AI hervormt alledaagse computing. Je hebt duizenden interacties met je pc elke dag. AI kan begrijpen, context leren, automatisering brengen, diep redeneren en persoonlijke aanpassing bieden aan elk individu.”

– Rahul Tikoo, Senior VP & GM van Client Business

Met deze bewegingen draagt de Amerikaanse chipfabrikant bij aan de industrie’s push naar lokale inferentie en gedistribueerde intelligentie over miljarden eindpunten.

Naast het mogelijk maken van AI‑computatie aan de edge, heeft het bedrijf zijn geavanceerde AI‑processoren getoond, die worden gebruikt in de serverrekken van datacenters. Een enterprise‑versie van de MI400‑serie chip (de MI440X) is ontworpen voor on‑premises gebruik, maar is niet specifiek ontworpen voor AI‑clusters.

Om te voldoen aan de toekomstige rekenbehoeften van bedrijven zoals OpenAI, heeft AMD ook het MI500‑platform gepresenteerd, dat volgens het bedrijf is ontworpen om prestatieverbeteringen van meerdere orders of magnitude op systeem‑ en rack‑niveau mogelijk te maken ten opzichte van eerdere generaties, in plaats van een eenvoudige één‑op‑één chip‑upgrade. De chips worden volgend jaar gelanceerd.

In aanvulling op een indrukwekkende productportfolio, beschikt AMD over een uitstekende klantenlijst, waaronder OpenAI, Blue Origin, Liquid AI, Luma AI, World Labs, Illumina, Absci, AstraZeneca (AZN ) en Generative Bionics, die de technologie van het bedrijf hebben benut om de belofte van AI om te zetten in impact in de echte wereld. Volgens Su:

“Naarmate AI‑adoptie versnelt, betreden we het tijdperk van yotta‑scale computing, gedreven door ongekende groei in zowel training als inferentie. AMD bouwt de rekenfundament voor deze volgende fase van AI via end‑to‑end technologische leiderschap, open platforms en diepe co‑innovatie met partners in het ecosysteem.”

In een interview merkte ze op dat, gezien de “ongelooflijke” vraag naar AI, die “door het dak gaat”, er enorme, onvermijdelijke investeringen in rekenkracht en geavanceerde hardware nodig zullen zijn om concurrerend te blijven op de AI‑markt.

De wereld zou volgens haar meer dan “10 yottaflops” rekenkracht nodig hebben, “10.000 × meer rekenkracht dan we in 2022 hadden”, om de groei van AI bij te houden. En in lijn daarmee deelde ze het blauwdruk van het bedrijf voor yotta‑scale infrastructuur, waarbij het AMD “Helios” rack‑scale platform werd onthuld, dat tot 3 AI‑exaflops prestaties kan leveren in één rack.

Op hetzelfde evenement lanceerde AMD’s grootste concurrent, Nvidia, zijn next‑gen Vera Rubin platform, bestaande uit zes chips en verwacht later dit jaar te debuteren.

Maar terwijl Nvidia zich blijft richten op hyperschaal met top‑tier mega‑GPU’s en enterprise‑stacks, neemt AMD een gediversifieerde benadering van zijn producten die AI‑functionaliteit mogelijk maken tegen lagere totale kosten. Dit contrast definieert steeds meer het AMD vs NVIDIA‑debat in 2026.

AMD onderbidt NVIDIA op prijs voor “AI‑pc” chips om een groter marktaandeel te veroveren in de opkomende AI‑pc‑markt door high‑performance AI‑capabele processoren betaalbaarder te maken voor OEM’s en consumenten. Als gevolg hiervan wordt AMD gezien als een van de belangrijkste ondergewaardeerde AI‑aandelen op de markt.

Vanaf 20 januari 2026, AMD, met een marktkapitalisatie van $377,4 miljard, wordt verhandeld tegen $231,87, een stijging van 8,25 % YTD en 90,87 % in het afgelopen jaar. Het heeft een EPS (TTM) van 1,92 en een P/E (TTM) van 120,97.

De financiële positie van AMD is ook sterk, met Jean Hu, uitvoerend vicepresident, CFO en penningmeester van AMD, die opmerkt: “Onze voortdurende investeringen in AI en high‑performance computing drijven aanzienlijke groei aan en positioneren AMD om langdurige waardeschepping te leveren.”

Dit blijkt uit de recordomzet van $9,2 miljard van het wereldwijde halfgeleiderbedrijf in het derde kwartaal van 2025. Dit omvat $4,3 miljard uit het datacentersegment, een stijging van 22 % jaar‑op‑jaar, $4 miljard uit gecombineerde client‑ en gaming‑omzet, een stijging van 73 % jaar‑op‑jaar, en $857 miljoen uit het embedded‑segment, een daling van 8 % jaar‑op‑jaar.

De omzet van AMD omvat nog steeds niet de verzendingen van zijn Instinct MI308 chips naar China, zoals het vorige kwartaal wel deed, hoewel het bedrijf binnenkort inkomsten hiervan verwacht. “We hebben enkele licenties voor MI308 ontvangen,” merkte Su destijds op. “We werken nog steeds met onze klanten aan de vraagomgeving en wat de algehele kans is.”

De operationele winst voor de periode bedroeg $1,3 miljard, en de nettowinst $1,2 miljard, terwijl de brutomarge op 52 % uitkwam. De verwaterde winst per aandeel was $0,75.

“We leverden een uitstekend kwartaal, met recordomzet en winstgevendheid die de brede vraag naar onze high‑performance EPYC‑ en Ryzen‑processoren en Instinct AI‑versnellers weerspiegelt,” zei Su. Dit “markeert een duidelijke stap vooruit in onze groeicurve nu ons uitbreidende compute‑franchise en snel opschaling van de datacenter‑AI‑business aanzienlijke omzet‑ en winstgroei stimuleren,” voegde ze toe.

Destijds merkte de halfgeleidergigant op dat het klantmomentum voor zijn AI‑platformen versnelt, wat blijkt uit de verdiepend partnerschappen met OpenAI, Oracle (ORCL ), Cisco (CSCO ), IBM (IBM ), en Cohere.

Het Amerikaanse Department of Energy heeft ook een partnerschap van $1 miljard met AMD gevormd om twee next‑generation supercomputers te bouwen die “supercharge” vooruitgang in geneesmiddelenontwikkeling, kernenergie en nationale veiligheids‑technologieën. De eerste heet Lux en wordt aangedreven door MI355X AI‑chips en netwerkchips, waardoor het de eerste Amerikaanse AI‑factory supercomputer wordt. De meer geavanceerde Discovery supercomputer zal gebaseerd zijn op de MI430‑serie AI‑chips.

Voor het laatste kwartaal verwacht AMD een omzet van ongeveer $9,6 miljard en een non‑GAAP brutomarge van 54,5 %.

Vorige week overtrof AMD’s productiepartner TSMC, de grootste contractchipfabrikant, de omzetverwachtingen en rapporteerde een winststijging van 35 % in het vierde kwartaal. Het bedrijf verwacht dit jaar de kapitaalinvesteringen te verhogen, wat vertrouwen signaleert in de AI‑uitbreiding.

“We verwachten dat ons bedrijf wordt ondersteund door aanhoudende sterke vraag naar onze toonaangevende edge‑processtechnologieën.” – Wendell Huang, TSMC CFO

Dus, terwijl AMD probeert gelijke tred te houden met Nvidia, duwt het dieper in AI‑versnellers, edge‑gerichte computing en kostenefficiënte platforms, waardoor het zich positioneert als een overtuigend waardegerichte alternatief in het evoluerende AI‑landschap.

Edge AI Is the Next Major Hardware Cycle

Het AI‑landschap evolueert in een snel tempo en wordt ingebed in alles van smartphones tot wearables, displays, drones, robots en autonome voertuigen. Naarmate AI‑modellen efficiënter worden en het gebruik van de technologie verschuift van experimenten naar implementatie en opschaling, verschuift de industrie van de cloud naar de edge om de AI‑boom bij te houden.

Terwijl Nvidia blijft domineren in datacenter‑training en hyperschaal‑inferentie met high‑end GPU’s en ecosysteem‑lock‑in, verschuift de hardware‑cyclus nu van gecentraliseerde datacenters naar alledaagse apparaten, waar waarde, efficiëntie en prijs het meest tellen. In dit nieuwe tijdperk van AI op apparaatniveau valt AMD op door zijn strategische focus op lokale inferentie, embedded NPUs en AI‑pc‑processoren, waardoor het een overtuigende waardespeler is in 2026.

Edge AI bevindt zich nog in een vroeg stadium, maar het potentieel is enorm. Door intelligentie in elk apparaat te integreren, kan AI overal opereren, ongeacht internetconnectiviteit. En nu alles een computer wordt, kan de kans voor Edge AI enorm zijn, zelfs groter dan de cloud. Maar in plaats van het te vervangen, zal de toekomst van AI waarschijnlijk hybride zijn, met cloudplatformen die training afhandelen en edge‑apparaten die realtime inferentie leveren, wat de volgende grote computparadigma markeert.

Klik hier voor een lijst van top‑edge netwerken voor een snellere, veiligere online ervaring.