De Slinger Slaat Terug: AI en de Terugkeer van de Persoonlijke Computer

In januari 1975 zette Popular Electronics de MITS Altair 8800 op zijn cover en noemde het de eerste bouwkit die kon wedijveren met commerciële machines. Hij kostte 395 dollar. MITS ontving die middag vierhonderd bestellingen en in drie weken tijd een kwart miljoen dollar. Daarvoor betekende een computer gebruiken dat je tijd moest reserveren op een mainframe en in de rij moest wachten op jouw stukje van een machine die van iemand anders was. De Altair deed iets kleins en groots tegelijk: hij zette de computer op je bureau, en je hoefde hem met niemand te delen.

Ik heb het grootste deel van mijn carrière doorgebracht aan de infrastructuurkant van de gereguleerde financiële sector, waar de vraag nooit is hoe indrukwekkend een systeem eruitziet, maar waar de macht daadwerkelijk ligt en wie die heeft. Vanuit die positie leest de geschiedenis van de informatica als één lang debat over locatie. De rekenkracht blijft heen en weer bewegen tussen het centrum en de rand, en op dit moment beweegt hij weer.

De cyclus tot nu toe

Het mainframe-tijdperk was gecentraliseerd uit noodzaak. Rekenkracht was schaars en duur, dus die stond in een glazen ruimte en je huurde er toegang tot. De personal-computerrevolutie brak dat open. De Altair stak de lont aan, de Apple II maakte er een markt van (VisiCalc, het eerste spreadsheetprogramma, was de toepassing die de machine aan bedrijven verkocht), en de IBM PC in augustus 1981 maakte er een industrie van. IBM gebruikte kant-en-klare onderdelen en een open architectuur, licentieerde een besturingssysteem van een klein bedrijf genaamd Microsoft, en gaf daarmee echte rekenkracht aan individuen. Zo'n twintig jaar lang was de krachtigste machine die de meeste mensen aanraakten de machine op hun eigen bureau.

Daarna sloeg de slinger geruisloos terug, en we verwelkomden dat grotendeels. De cloud betekende dat je geen eigen server meer hoefde te draaien. SaaS betekende dat je geen software meer bezat, maar erop abonneerde. De smartphone, het meest persoonlijke apparaat dat ooit gebouwd werd, bleek een thin client te zijn: een fraai scherm naar rekenkracht en gegevens die ergens anders werden bewaard. Niets daarvan voelde als verlies. Het was handig, het synchroniseerde, het maakte vanzelf back-ups. Maar het netto-effect was dat de meesten van ons opnieuw huurders werden van iemand anders zijn computer, en de meter liep altijd door.

De recente AI-golf duwde het middelpunt harder dan wat daarvoor ook maar kwam. Het trainen en uitvoeren van grote modellen vergt zoveel kapitaal dat de macht zich concentreert in een handvol handen. De cijfers liegen er niet om. De kapitaaluitgaven van hyperscalers worden voor 2026 geraamd op meer dan 600 miljard dollar, een stijging van ongeveer 36 procent ten opzichte van 2025, waarbij sommige schattingen voor de grote vier alleen al uitkomen op 725 miljard dollar. Ongeveer driekwart daarvan, zo'n 450 miljard dollar, is rechtstreeks gekoppeld aan AI-infrastructuur: GPU's, datacenters, de fysieke basis van intelligentie. Dat is de glazen serverruimte van het mainframe, herbouwd op planetaire schaal. Wanneer het slimste waarmee je kunt spreken in een datacenter leeft dat je nooit zult zien, ben je terug bij het boeken van tijd op iemand anders zijn machine.

Waarom de terugzwaai aannemelijk is

Dit is het deel dat ik oprecht interessant vind. Dezelfde AI-golf brengt ook de omstandigheden voort waaronder de slinger de andere kant op kan zwaaien.

Open-weight modellen hebben de achterstand sneller ingelopen dan vrijwel iedereen had voorspeld. In de loop van 2025 en verder in 2026 zijn families als Qwen, DeepSeek, Llama en Gemma geëvolueerd van interessant naar echt bruikbaar, en veel ervan presteren nu net zo goed als propriëtaire modellen op echte benchmarks. Belangrijker nog: ze draaien op hardware die je zelf bezit. Microsoft's Phi-4-mini, met 3,8 miljard parameters, draait op een laptop-CPU zonder GPU. Nieuwere mixture-of-experts-ontwerpen zetten een groot model op een enkele laptop met veel RAM door per token slechts een deel van de parameters te activeren. De praktische consensus onder mensen die dit dagelijks doen, is dat kleine, on-device modellen nu uitblinken bij on-device werk -- een zin die in 2022 absurd zou hebben geklonken.

De benodigde chips komen er ook aan. Copilot+ pc's worden gekenmerkt door een ingebouwde NPU die veertig biljoen bewerkingen per seconde of meer uitvoert, en naar verwachting zullen AI-pc's in 2025 bijna veertig procent van de markt innemen en in 2026 meer dan de helft. De neural engine wordt een standaardonderdeel van de machine, zoals eerder de floating-point unit en de GPU. Stilletjes aan belandt een CPU plus NPU die een echt model kan draaien op steeds meer werkplekken.

Combineer dat en je krijgt iets wat doet denken aan 1981: serieuze rekenkracht, volledig in eigen bezit, voor één persoon. Open weights betekenen dat je het model kunt vasthouden, kunt fine-tunen op je eigen data en kunt uitvoeren zonder toestemming te vragen of per token te betalen. Een persoonlijke agent kan voor jou werken in plaats van voor het platform dat hem host.

De echte prijs is persoonlijke groei

De verleiding bestaat om dit als een hardwareverhaal over snellere chips te framen. Dat is het niet. De vroege pc deed er toe vanwege wat een gemotiveerd persoon er plotseling alleen mee kon doen: een bedrijf modelleren in een spreadsheet, een document opmaken, software schrijven en uitbrengen vanuit een slaapkamer. De machine verkleinde de kloof tussen een idee en iets wat werkt.

Een persoonlijke AI doet hetzelfde met de kloof tussen iets niet weten en er bekwaam in zijn. Eén persoon met een capabel lokaal model kan nu een nieuw vakgebied leren, code debuggen in een taal die hij nooit eerder gebruikte, een contract opstellen of een product prototypen op een tempo waarvoor vroeger een heel team of een instituut nodig was. Die cumulatieve opbouw is de echte hefboom. Het is privé, het rekent niet per vraag af, en het is van jou. Voor iedereen die vaardigheden wil opbouwen in plaats van antwoorden huren, verandert dat de berekening van wat een vastberaden individu kan bereiken.

De eerlijke kanttekeningen

Ik verkoop geen onvermijdelijkheid. De krachten die naar het centrum trekken zijn reëel en goed gefinancierd. Die 600 miljard dollar aan kapitaalinvesteringen wil worden gemonetiseerd, en de makkelijkste manier om dat te doen is een abonnement dat je nooit opzegt. Datagravitatie is hardnekkig: je geschiedenis, je bestanden, je context leven al op andermans servers, en die zijn plakkerig. Frontiermodellen blijven groeien, dus de allerbeste capaciteiten zullen waarschijnlijk nog jaren gehost blijven. En platformgebondenheid is ontworpen, niet toevallig. Het standaardpad zal altijd het gehoste zijn, want bij standaardinstellingen zit het geld.

De terugzwaai is dus beschikbaar, niet gegarandeerd. De vroege pc democratiseerde het computergebruik niet omdat de technologie bestond. Dat deed hij omdat genoeg mensen kozen voor het bezitten van de machine in plaats van het huren van het mainframe. De hardware om je AI zelf te bezitten wordt nu geleverd. Of we het zo gebruiken is, zoals in 1981, een keuze. Ik weet op welke ik zou inzetten als het gaat om wie er meer mee opbouwt.

Bronnen

• Geschiedenis van de personal computer: 1975-1984 (Low End Mac)
• Altair 8800, CHM Revolution (Computer History Museum)
• De geschiedenis van personal computing (Everything Everywhere)
• De beste open-source en open-weight LLM-modellen om lokaal te draaien in 2026 (Hugging Face)
• Open-weight modellen H1 2026: DeepSeek, Qwen, Llama terugblik (Digital Applied)
• Wereldwijde AI-pc-marktvooruitzichten 2025-2030 (TS2)
• Hyperscaler CapEx bereikt $600 miljard in 2026 (Introl)