Waarom GPU’s een activaklasse worden
Tientallen jaren lang waren GPU’s hardware-aankopen — afschrijvende apparatuur op een balans. In 2026 worden GPU’s steeds meer behandeld als inkomstengenererende activa, meer vergelijkbaar met commercieel vastgoed of wagenparken dan met IT-apparatuur.
Disclaimer: Dit artikel is uitsluitend bedoeld voor educatieve en informatieve doeleinden. Het vormt geen financieel, beleggings- of juridisch advies. GPU-hardwarewaarden en compute-economie fluctueren — voer altijd uw eigen due diligence uit voordat u beleggingsbeslissingen neemt.
Drie structurele verschuivingen drijven deze transformatie:
1. AI-vraag creëerde een duurzame inkomstenstroom. GPU’s worden niet langer gekocht voor intern gebruik en afgeschreven tot nul. Ze worden ingezet op marktplaatsen en cloudplatformen om terugkerende huurinkomsten te genereren — vaak jarenlang. Een enkele H100 kan $400–$800/maand aan netto huurinkomsten genereren, wat een cashflowprofiel oplevert dat vergelijkbaar is met huurwoningen.
2. GPU-gedekte financiering ontstond. Wall Street financiert nu GPU-infrastructuur met dezelfde instrumenten als vastgoed: asset-backed securities (ABS), apparatuurdarleningen en sale-leaseback-structuren. De GPU-gedekte schuldmarkt overschrijdt begin 2026 $20 miljard. CoreWeave alleen heeft meer dan $21 miljard aan GPU-gedekte financiering opgehaald.
3. Fractioneel eigendom verlaagde de instapdrempel. U heeft niet langer $25.000+ nodig om een H100 te bezitten. Platformen bieden nu fractioneel GPU-eigendom aan vanaf $4.500, met verwachte jaarlijkse rendementen gekoppeld aan huurbenutting.
Het resultaat: een nieuwe activaklasse vormt zich rond GPU-compute-infrastructuur, met een eigen risico-rendementsprofiel, afschrijvingsdynamiek en financieringsecosysteem.
| Traditionele IT-apparatuur | GPU als activum |
|---|---|
| Gekocht voor intern gebruik | Gekocht om huurinkomsten te genereren |
| Afgeschreven tot nul over 3–5 jaar | Genereert inkomsten over een levenscyclus van 5–6 jaar |
| Geen secundaire markt | Actieve secundaire markt ($18K–$22K voor gebruikte H100) |
| Gefinancierd via standaard IT-budgetten | Gefinancierd via ABS, apparatuurdarleningen, leasing |
| Waarde = interne productiviteit | Waarde = cashflow uit compute-verhuur |
Voor een overzicht van actuele GPU-marktprijzen en doorverkoopdynamiek, zie onze koop- en verkoopgids.
GPU-afschrijving: het waardecascademodel
GPU-hardware schrijft niet lineair af zoals een auto. In plaats daarvan volgt het een waardecascade — een getrapt model waarbij de GPU door afzonderlijke gebruiksfasen beweegt, elk met verschillende opbrengstniveaus.
Fase 1: AI-training (Jaar 1–2)
Wanneer een GPU van de huidige generatie is, behaalt hij premiumprijzen voor AI-trainingswerklasten. H100’s verhuren in hun eerste twee jaar voor $2,00–$3,50/uur op cloudplatformen. Training vereist de nieuwste hardware — onderzoekers zijn bereid toptarieven te betalen voor maximale prestaties.
Fase 2: Inferentie (Jaar 3–4)
Wanneer de volgende GPU-generatie wordt gelanceerd (Blackwell verving Hopper, Rubin zal Blackwell vervangen), verschuift de oudere hardware naar inferentiewerklasten. Inferentie is minder prestatiegevoelig dan training, waardoor iets oudere hardware concurrerend blijft. Tarieven dalen naar $0,80–$1,50/uur, maar de vraag blijft stabiel omdat inferentie nu twee derde van alle AI-compute vertegenwoordigt.
Fase 3: Batch en analyse (Jaar 5–6)
In de laatste levenscyclusfase bedienen GPU’s batchverwerking, data-analyse en educatieve werklasten tegen $0,20–$0,60/uur. De hardware is oud maar functioneel. Deze fase genereert bescheiden inkomsten maar verlengt de totale inkomstengenererende levensduur van het activum.
Het afschrijvingsdebat
Hoe u GPU-afschrijving verwerkt, heeft directe invloed op de winstgevendheid. Amazon verlengde zijn aanname voor de gebruiksduur van GPU’s van 5 naar 6 jaar in 2024, wat $3,2 miljard toevoegde aan het bedrijfsresultaat — één enkele boekhoudkundige wijziging met gevolgen van miljarden dollars. Princeton’s Center for Information Technology Policy noemt GPU-afschrijving “de $300 miljard-vraag”, en merkt op dat het verschil tussen een afschrijving over 3 en 6 jaar de economie van AI-infrastructuur fundamenteel verandert.
Voor een gedetailleerde analyse van GPU-afschrijvingscurves en hoe timing de doorverkoopwaarde beïnvloedt, zie onze GPU-marktanalyse.
GPU-gedekte financiering: hoe compute wordt gefinancierd als vastgoed
De opkomst van GPU-gedekte financiering is het duidelijkste signaal dat compute een activaklasse is geworden. De financieringsstructuren weerspiegelen die voor vastgoed, vliegtuigen en zwaar materieel:
Asset-Backed Securities (ABS)
GPU-infrastructuur wordt verpakt in ABS — schuldinstrumenten gedekt door de inkomstenstroom uit GPU-verhuur. Beleggers kopen deze effecten en ontvangen rendementen uit de huurcashflow, vergelijkbaar met door hypotheek gedekte effecten.
De GPU-gedekte ABS-markt heeft $100 miljard aan totale uitgifte overschreden. CoreWeave, de grootste neocloud-aanbieder, heeft meer dan $21 miljard aan GPU-gedekte schuld opgehaald en betaalde alleen al in Q1 2025 $264 miljoen aan rente. Deze instrumenten worden beoordeeld en verhandeld als traditionele vastrentende effecten.
Apparatuurleasing
GPU-leasing stelt exploitanten in staat hardware in te zetten zonder de volledige kapitaaluitgave. Een typische H100-lease kost $1.200–$1.800/maand op een termijn van 24–36 maanden. De leasegever behoudt het eigendom; de leasenemer exploiteert de hardware en genereert huurinkomsten. Voor details over leasestructuren en hun afwegingen, zie onze GPU-financieringsgids.
Sale-leaseback
Organisaties die al GPU’s bezitten, kunnen deze verkopen aan een financieringsinstelling en onmiddellijk terugleasen — waardoor kapitaal vrijkomt terwijl het operationele gebruik behouden blijft. Deze structuur groeit onder datacenterexploitanten die liquiditeit nodig hebben om uitbreiding te financieren.
| Financieringsstructuur | Typische omvang | Wie gebruikt het | Belangrijkste risico |
|---|---|---|---|
| ABS / GPU-gedekte schuld | $50M–$5B+ | Neoclouds, grote exploitanten | Renterisico, benuttingsrisico |
| Apparatuurleasing | $100K–$50M | Middelgrote exploitanten, startups | Bovengemiddelde totale kosten, restwaarde |
| Sale-leaseback | $1M–$100M | Bestaande GPU-eigenaren | Verlies van opwaarts potentieel, vastgelegde voorwaarden |
| Directe aankoop | $25K–$500K+ | Individuele exploitanten | Volledig kapitaal op het spel, afschrijving |
Fractioneel GPU-eigendom: instappunten en rendementen
U heeft niet langer honderdduizenden dollars nodig om in GPU-infrastructuur te investeren. Platformen voor fractioneel eigendom hebben de instapdrempel verlaagd:
Hoe het werkt: Een platform koopt enterprise GPU’s (H100, H200), zet ze in een datacenter in, en verkoopt fractionele aandelen aan beleggers. Huurinkomsten worden proportioneel verdeeld op basis van eigendomsaandelen. Het platform verzorgt de exploitatie, het onderhoud en het beheer van huurders — vergelijkbaar met een REIT (Real Estate Investment Trust) voor compute.
Huidig landschap:
- Compute Labs + NexGen Cloud waren pioniers in getokeniseerd GPU-eigendom via GNFT’s (GPU Non-Fungible Tokens), met meer dan $1 miljoen geïnvesteerd in hun eerste publieke vault
- SISCOM biedt fractioneel H100-eigendom aan vanaf $4.500 per aandeel, met een verwacht jaarlijks rendement van 17%
- Verschillende nieuwere platformen betreden de markt met minimuminvesteringen van $1.000–$10.000
De rendementsformule:
| Factor | Optimistisch | Conservatief |
|---|---|---|
| Jaarlijks bruto huurrendement | 25–35% | 15–20% |
| Operationele kosten (stroom, onderhoud, platform) | -10–15% | -10–15% |
| Impact van afschrijving | -5–10%/jaar | -10–15%/jaar |
| Netto jaarlijks rendement | 10–20% | 0–5% |
Belangrijk inzicht: Rendementen op fractioneel GPU-eigendom zijn sterk gevoelig voor benuttingsgraden en afschrijvingssnelheid. Een GPU die in de eerste twee jaar 80%+ benutting behaalt, genereert sterke rendementen. Een GPU met 40% benutting of snellere afschrijving dan verwacht (door een lancering van de volgende generatie) kan aanzienlijk onderpresteren.
De GPU-as-a-Service-markt: omvang, groei en vooruitzichten
De bredere GPU-as-a-Service (GPUaaS)-markt biedt de vraagbasis die GPU-investering levensvatbaar maakt.
Belangrijke marktgegevens:
- $7,34 miljard marktomvang in 2026
- 28,74% CAGR verwacht tot en met 2031
- $25,94 miljard verwachte marktomvang in 2031
- AI-werklasten zijn goed voor 46,78% van de marktomzet
- Azië-Pacific is de snelst groeiende regio met 29,78% CAGR, aangedreven door soevereine AI-programma’s
Het groeitempo van de markt is belangrijk voor beleggers omdat het de vraagzijde van de vergelijking bepaalt. Zolang de vraag naar GPU-compute sneller groeit dan het aanbod (wat al 4 opeenvolgende jaren het geval is), profiteren GPU-eigenaren van prijszettingsmacht.
NVIDIA bezit meer dan 80% van de datacenter GPU-acceleratormarkt (volledige marktanalyse), wat zowel kansen creëert (sterk merk = voorspelbare vraag) als risico’s (afhankelijkheid van één leverancier).
Risicofactoren: wat kan er misgaan
GPU-investering brengt risico’s met zich mee die verschillen van traditionele activaklassen:
1. Versnelde afschrijving door nieuwe architecturen. NVIDIA brengt nieuwe GPU-architecturen uit op ruwweg 2-jarige cycli. Toen Blackwell Hopper verving, daalden de H100-huurtarieven. Wanneer Rubin Blackwell vervangt (verwacht eind 2026–2027), zullen de Blackwell-tarieven dalen. Een GPU die op het verkeerde moment in de cyclus wordt gekocht, kan binnen 18 maanden 40–60% van zijn inkomstenpotentieel verliezen.
2. Benuttingsrisico. GPU-beleggingsrendementen hangen af van het continu verhuurd houden van hardware. Het verschil tussen 80% benutting (winstgevend) en 40% benutting (quitte of verlies) bepaalt of een GPU rendementen genereert of kapitaal vernietigt. Benutting wordt gestuurd door marktplaatsvraag, die fluctueert. Voor de economie van benuttingsdrempels, zie onze GPU-clusteranalyse.
3. Stroom- en infrastructuurkosten. In tegenstelling tot aandelen of obligaties vereisen GPU’s doorlopende operationele uitgaven — elektriciteit, koeling, netwerken en onderhoud. Een stijging van $0,05/kWh in elektriciteitskosten kan de jaarlijkse marges met $15K–$30K per 8-GPU-node verlagen. Stroomkosten staan niet vast en kunnen onverwacht stijgen.
4. Technologische disruptie. Aangepaste AI-chips (Google TPU’s, Amazon Trainium, OpenAI’s eigen ASIC) groeien met 44,6% per jaar — sneller dan de GPU-vraaggroei van 16,1%. Als speciaal gebouwde chips een significant marktaandeel veroveren, kan de GPU-huurvraag sneller dalen dan verwacht.
5. Hefboomrisico. De GPU-gedekte schuldmarkt kent inherent hefboomrisico. CoreWeave’s $21 miljard aan schuld, gedekt door GPU-huurinkomsten, werkt zolang de benutting hoog blijft. Een aanhoudende vraagdaling kan problemen met schuldaflossing veroorzaken, vergelijkbaar met te zwaar belast vastgoed in 2008. Individuele beleggers in platformen voor fractioneel eigendom lopen een verwaterde versie van hetzelfde risico.
6. Regelgevingsonzekerheid. GPU-exportbeperkingen (VS-restricties op China), soevereine AI-mandaten en mogelijke compute-regulering kunnen vraagpatronen onvoorspelbaar wijzigen. Geografische beperkingen op GPU-implementatie breiden zich uit.
Hoe GPU-investeringsmogelijkheden te evalueren
Of u nu hardware direct koopt, investeert in fractioneel eigendom of een GPU-gericht bedrijf evalueert, deze metrics zijn belangrijk:
De vijf belangrijkste metrics
1. Benuttingsgraad. De allerbelangrijkste metric. Vraag: wat is de huidige en historische benuttingsgraad? Boven 70% is gezond. Onder 50% is een waarschuwingssignaal. De break-even benuttingsdrempel ligt doorgaans op 55–65%, afhankelijk van stroomkosten en financieringsvoorwaarden.
2. Omzet per GPU-uur. Wat is het gemiddelde effectieve huurtarief na platformkosten? Tarieven variëren enorm per GPU-model, locatie en tijd. H100’s halen momenteel gemiddeld $1,50–$2,50/uur op marktplaatsen; A100’s gemiddeld $0,50–$1,20/uur. Voor actuele tarieven bij verschillende aanbieders, zie onze prijsvergelijking.
3. Afschrijvingsaanname. Over welke periode wordt de hardware afgeschreven? 3 jaar is conservatief, 5 jaar is standaard, 6 jaar is agressief. De aanname bepaalt de boekhoudkundige winstgevendheid en restwaarde.
4. Stroomkosten per GPU-uur. Bereken de elektriciteitskosten om één GPU één uur te laten draaien. Een H100 op 700W en $0,10/kWh kost $0,07/uur alleen aan elektriciteit. Bij $0,20/kWh kost het $0,14/uur — het dubbele. Dit drukt direct de marges.
5. Levenscycluspositie. Waar bevindt de GPU zich in zijn architectuurcyclus? Jaar 1 van een nieuwe generatie (maximale waarde) of Jaar 2 met een opvolger aangekondigd (dalende waarde)? Timing is belangrijker dan bijna elke andere variabele.
Belangrijk inzicht: De meest voorkomende fout in GPU-investeringsanalyse is focussen op bruto huurtarieven terwijl benutting, stroomkosten en afschrijving worden genegeerd. Een GPU die $2,50/uur verdient klinkt uitstekend — maar bij 50% benutting, $0,12/kWh stroom en 3-jarige afschrijving kan het netto rendement bijna nul zijn.
Voor een volledig overzicht van de operationele economie achter GPU-verhuurbedrijven, zie onze GPU-clustereconomie-analyse. Voor begrip van de verschillende manieren om GPU-infrastructuur te financieren, zie onze lease, huur of koop gids.
Veelgestelde vragen
Is het kopen van een GPU een goede investering?
Dat kan — onder de juiste omstandigheden. Een GPU van de huidige generatie (H100, B200) die vroeg in zijn levenscyclus wordt gekocht, ingezet op een marktplaats met 70%+ benutting, op een locatie met elektriciteit onder $0,10/kWh, kan 15–25% jaarlijks rendement genereren. Maar dezelfde GPU die laat in zijn cyclus wordt gekocht, met 40% benutting en $0,15/kWh stroom, kan nauwelijks quitte draaien. De investeringskwaliteit hangt volledig af van benutting, timing en operationele kosten.
Hoe lang gaan GPU’s mee als inkomstengenererende activa?
Het waardecascademodel suggereert een inkomstengenererende levenscyclus van 5–6 jaar: premiumtrainingstarieven voor Jaar 1–2, gematigde inferentietarieven voor Jaar 3–4 en budgettarieven voor batch/analyse voor Jaar 5–6. Hardwarestoringen zijn relatief zeldzaam in datacenteromgevingen — NVIDIA enterprise GPU’s zijn ontworpen voor continue werking. Amazon’s aanname van 6 jaar afschrijving weerspiegelt deze verlengde gebruiksduur.
Welke rendementen kan ik verwachten van fractioneel GPU-eigendom?
Huidige platformen projecteren 10–20% jaarlijks rendement in optimistische scenario’s en 0–5% in conservatieve scenario’s. De spreiding komt van benuttingsgraden en afschrijvingssnelheid. Rendementen zijn niet gegarandeerd — ze hangen af van marktplaatsvraag, operationele efficiëntie en de hardwarelevenscycluspositie. Behandel geprojecteerde rendementen als schattingen, niet als beloften.
Hoe verhoudt GPU-investering zich tot vastgoed?
Beide zijn inkomstengenererende fysieke activa met afschrijving, doorlopende operationele kosten en marktgestuurde prijzen. Belangrijke verschillen: GPU’s schrijven veel sneller af (5–6 jaar vs. 30+ jaar voor gebouwen), hebben een hoger jaarlijks rendementspotentieel (15–25% vs. 5–12%) en dragen een hoger technologierisico (architecturele veroudering). GPU-investering is hoger risico, hoger potentieel rendement en kortere tijdshorizon dan vastgoed.
Is de GPU-gedekte schuldmarkt een zeepbel?
De $20 miljard+ aan GPU-gedekte schuld wordt ondersteund door reële vraag — AI-computegebruik groeit met 40%+ per jaar. De markt vertoont echter kenmerken van pre-2008 gestructureerde financiering: hoge hefboom, aannames over aanhoudende vraaggroei en een beperkt trackrecord. De kernvraag is of de AI-computevraag zijn groeitraject handhaaft. Als dat zo is, is de schuld goed onderbouwd. Als de vraag stagneert of GPU-prijzen instorten door overaanbod of technologische verschuiving, versterkt de hefboom de verliezen.
Hoe begin ik met GPU-investering?
Het laagste instappunt is fractioneel eigendom ($4.500–$10.000 minimum). Voor wie technische ervaring heeft, biedt de aankoop van een consumer GPU (RTX 4090, ~$1.600) en het aanbieden op een verhuurmarktplaats directe blootstelling. Voor grotere investeringen ($100K+), overweeg GPU-leasing of directe hardware-aankoop met inzet op een marktplaats. Begin met een enkele GPU of fractioneel aandeel om de dynamiek te begrijpen voordat u opschaalt. Voor een uitgebreid overzicht van alle vijf investeringspaden, zie onze gids voor investeren in AI-infrastructuur.