In het kort
Overheden wereldwijd financieren "soevereine" AI: nationale rekenkracht, modellen en data die ze zelf in handen hebben. Voorstanders vinden dat dit de toegang veiligstelt, lokale waarden weerspiegelt en vanaf het begin efficiënt kan worden opgezet. Critici vinden volledige zelfvoorziening onbetaalbaar, zien dubbel werk en wijzen op extra datacenters op een al overbelast stroomnet. Hoe duurzaam het uitpakt, hangt minder af van wie de AI bezit dan van hoe die wordt gebouwd, gedimensioneerd en gebruikt.
Kernpunten
- Een index uit 2026 telde 184 soevereine AI-projecten in 67 landen.
- Het Verenigd Koninkrijk, de EU en Zwitserland behoren tot de landen die investeren in nationale rekenkracht en modellen, op heel verschillende schaal.
- De argumenten voor soevereine of publieke AI gaan over veiligheid, eerlijke toegang, verantwoording en aansluiting bij lokale wetgeving en waarden.
- De argumenten tegen gaan over kosten, haalbaarheid, dubbel uitgevoerde energie-intensieve training en het risico van politieke controle.
- Kleine, lokale en open modellen bieden een middenweg die soevereiniteit en efficiëntie tegelijk kan dienen.
AI wordt steeds vaker gezien als nationale infrastructuur, net als energie of telecom. Veel overheden willen nu een deel van hun AI-capaciteit zelf in handen hebben, en ze geven daar veel geld aan uit. Dat roept een vraag op die in het debat vaak wordt overgeslagen: is soevereine AI beter of slechter voor het milieu? Dit artikel zet de argumenten van beide kanten op een rij.
Wat is soevereine AI?
AI-capaciteit die een land, of een blok van landen, zelf in handen heeft. Dat kan gaan om eigen rekenkracht (datacenters en supercomputers), eigen modellen, eigen data, eigen vaardigheden, of een combinatie daarvan.
Het idee heeft zich snel verspreid. De Sovereign AI Index van het Center for a New American Security telde in gegevens tot juni 2026 184 soevereine AI-projecten in 67 landen.
Enkele voorbeelden, op heel verschillende schaal:
| Wie | Wat |
|---|---|
| Verenigd Koninkrijk | Een Sovereign AI Unit met maximaal £500 miljoen, opgericht in 2026, naast nationale rekenkracht zoals de supercomputer Isambard-AI en aangewezen AI Growth Zones |
| Europese Unie | InvestAI, aangekondigd in februari 2025 om €200 miljard voor AI te mobiliseren, waaronder een fonds van €20 miljard voor AI-"gigafabrieken"; de selectie van locaties voor gigafabrieken liep eind 2026 nog |
| Zwitserland | Apertus, een volledig open meertalig taalmodel dat in september 2025 werd uitgebracht door EPFL, ETH Zürich en het Swiss National Supercomputing Centre, in versies met 8 en 70 miljard parameters, met gepubliceerde gewichten, data en code |
Wat zijn de argumenten voor soevereine of publieke AI?
Voorstanders vinden AI te belangrijk om volledig afhankelijk te zijn van een paar buitenlandse bedrijven. Hun belangrijkste argumenten:
- Veiligheid en weerbaarheid. Diensten waarop overheden, zorgstelsels en stroomnetten steunen, mogen niet afhangen van toegang die een ander land of bedrijf kan beperken.
- Eerlijke toegang. Sommigen pleiten voor AI als nutsvoorziening, zoals water of spoor, zodat toegang niet afhangt van wat iemand kan betalen. Het artikel Public AI van de Mozilla Foundation uit 2024 pleit voor publieke alternatieven naast private AI en vergelijkt die met de publieke omroep en het openbaar vervoer.
- Wetgeving en waarden. Een model dat is getraind op data die lokale talen, wetgeving en normen weerspiegelen, kan burgers beter dienen. Overheden die voortbouwen op open modellen die vooral zijn getraind op data uit andere landen, staan voor de vraag wiens waarden die modellen weerspiegelen. De Britse overheid heeft bijvoorbeeld werk gefinancierd aan tools voor publieke diensten die voortbouwen op open modellen zoals Llama van Meta.
- Verantwoording. Publieke modellen kunnen in het openbaar worden ingezien, gecontroleerd en bestuurd.
- Gevoelige data. Sommige data, zoals gedetailleerde gegevens over het elektriciteitsnet of de gezondheidszorg, kunnen niet naar externe aanbieders worden gestuurd. Efficiënte lokale modellen zijn dan de enige manier om er AI op toe te passen.
Een Britse groene-AI-sandpit (een verkennende werksessie) uit 2026 met wiskundigen, informatici en mensen uit het bedrijfsleven debatteerde over een variant hiervan: een nationaal model dat door de overheid wordt beheerd en als nutsvoorziening wordt aangeboden, voor eerlijke toegang, soevereiniteit en veiligheid, met wiskundige efficiëntie als concurrentievoordeel.
Wat zijn de argumenten tegen?
Critici vinden volledige zelfvoorziening onbetaalbaar, traag en voor de meeste landen onmogelijk. Hun belangrijkste argumenten:
- Kosten en haalbaarheid. Het rapport van het Tony Blair Institute uit 2026 stelt dat volledige zelfvoorziening te duur en te traag is, en voor de meeste landen gewoonweg onmogelijk. Het ziet soevereiniteit in plaats daarvan als zeggenschap over belangrijke keuzes. Een rapport van Brookings uit 2026 stelde dat AI-soevereiniteit over de hele keten voor vrijwel geen enkel land structureel haalbaar is.
- Dubbel werk. Een frontiermodel in elk land vanaf nul trainen herhaalt kosten aan energie, water en hardware die elders al zijn gemaakt.
- Politieke controle. Een model dat door de staat wordt beheerd, roept zorgen op over overheidsinvloed op wat burgers kunnen vragen en te horen krijgen.
- Grenzen aan data. Een democratische overheid kan of wil misschien niet trainen op data die private bedrijven wel gebruiken.
- Infrastructuur en publieke opinie. Nieuwe datacenters hebben aansluitingen op het stroomnet, water en vergunningen nodig, en stuiten op veel plaatsen op lokaal verzet.
- Inzetten op de verkeerde architectuur. Een nationale investering in een groot centraal model gaat ervan uit dat zulke modellen over vijf of tien jaar nog steeds domineren, en niet kleinere lokale modellen waarbij de data bij de gebruiker blijft.
Wat betekent soevereiniteit voor energie en uitstoot?
Dat hangt af van wat er wordt gebouwd, waar, en wat het vervangt. Soevereine AI kan beide kanten op gaan:
- Slechter: als het neerkomt op meer datacenters op stroomnetten met veel fossiele stroom, dubbele trainingsruns en grote algemene modellen voor taken die kleine modellen ook kunnen.
- Beter: als het neerkomt op modellen van de juiste omvang en met een specialisatie, datacenters op plekken met een overschot aan schone stroom, hergebruik van open modellen in plaats van opnieuw trainen vanaf nul, en publieke normen voor meten en rapporteren.
De locatie doet ertoe. Het Internationaal Energieagentschap (IEA) merkt op dat de vraag van datacenters zich in een paar regio's concentreert en dat beperkingen van het stroomnet een groeiend probleem zijn. Plaatsen met een overschot aan hernieuwbare opwek, die nu soms moet worden afgeschakeld, zijn logische kandidaten. Een publiek programma kan bovendien vanaf het begin energierapportage en efficiëntie verplicht stellen, op een manier die bij buitenlandse aanbieders moeilijker af te dwingen is.
Verandert open source het beeld?
Ja. Met open modellen kunnen landen aanpassen in plaats van opnieuw bouwen. Open-weight-modellen uit veel landen worden inmiddels breed gebruikt. Het ATOM Project meldde dat Chinese open modellen halverwege 2025 de Amerikaanse inhaalden in het totale aantal downloads op Hugging Face.
Een bestaand open model fijntunen voor een taal, sector of rechtsstelsel kost maar een fractie van de energie die nodig is om een nieuw model te trainen. Het Zwitserse Apertus laat een andere route zien: een volledig open model, in het openbaar gebouwd, dat anderen kunnen hergebruiken. Beide verkleinen de noodzaak dat elk land de volledige trainingskosten betaalt.
Is er een middenweg?
Velen pleiten voor soevereiniteit over de onderdelen die ertoe doen, en wederzijdse afhankelijkheid voor de rest. In de praktijk:
- Houd de data en de uitrol in eigen hand, ook als het basismodel van elders komt.
- Geef de voorkeur aan kleine, lokale en gespecialiseerde modellen, die op nationale infrastructuur of op eigen locatie kunnen draaien en gevoelige data ter plaatse houden. Zie AI aan de edge.
- Deel rekenkracht en open modellen met bondgenoten in plaats van ze dubbel te bouwen.
- Bouw efficiëntie, meten en schone stroom vanaf het begin in publieke AI in.
Sommigen gaan verder en vragen zich af of gedistribueerde inferentie, verspreid over veel kleinere aanbieders, zou kunnen voorkomen dat één bedrijf of overheid bepaalt hoe AI wordt gebruikt. Dat is een open onderzoeksvraag, met eigen afwegingen op het gebied van efficiëntie.
Wat u nu kunt doen
- Vormt u publieke AI-programma's, eis dan vanaf het begin het meten en rapporteren van energie: zie beleid voor groene AI.
- Geef de voorkeur aan het aanpassen van open modellen boven het trainen van nieuwe, als de toepassing dat toelaat.
- Plaats rekenkracht waar schone stroom beschikbaar is: zie hosting en datacenters.
- Overweeg uitrol aan de edge of lokaal voor gevoelige data: zie edge of cloud?.
- Lees waarom groene AI nu belangrijk is voor de energiecontext.
Veelgestelde vragen
Wat is soevereine AI?
AI-capaciteit die een land, of een groep landen, zelf in handen heeft: eigen rekenkracht, modellen, data of vaardigheden, zodat het niet volledig afhankelijk is van buitenlandse bedrijven of overheden.
Is soevereine AI groener?
Niet vanzelf. Een nationaal model dat vanaf nul wordt getraind, verbruikt opnieuw energie die anderen al hebben verbruikt. Het kan groener zijn als het kleiner en gespecialiseerd is, op schone stroom draait en minder efficiënt gebruik vervangt, maar dat moet er bewust in worden ontworpen.
Wat is publieke AI?
Het idee dat een deel van de AI als publieke infrastructuur moet worden aangeboden, zoals de publieke omroep of het openbaar vervoer, naast private diensten, met publieke verantwoording en toegang.
Bronnen
- Sovereign AI Index, Center for a New American Security (2026)
- Sovereign AI Unit, UK Government, Department for Science, Innovation and Technology (2026)
- AI Opportunities Action Plan: one year on, UK Government (2026)
- EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence, European Commission (2025)
- Call for tenders: selection of AI gigafactory consortia, EuroHPC Joint Undertaking (2026)
- Apertus: a fully open, transparent, multilingual language model, EPFL, ETH Zurich and CSCS (2025)
- Public AI: making AI work for everyone, by everyone, Mozilla Foundation (2024)
- Sovereignty in the age of AI: strategic choices, structural dependencies, Tony Blair Institute for Global Change (2026)
- Is AI sovereignty possible? Balancing autonomy and interdependence, Brookings Institution (2026)
- UK's best AI engineers can apply now to build tech for public services in £1 million fellowship, UK Government (2025)
- The ATOM Project, ATOM Project (2026)
- Energy and AI, International Energy Agency (2025)
Gerelateerd
Zo schrijft u een beleid voor groene AI
Een stappenplan voor het beleid voor groene AI van uw organisatie, met een sjabloon voor gebruik, modellen, meten, inkoop, claims en evaluatie.
Hosting en datacenters voor groene AI
Waar laat u AI draaien? CO2-intensiteit van het stroomnet, PUE en WUE, claims over groene stroom, waterverbruik en locatie, met vragen voor hosts.
Waarom groene AI nu belangrijk is
AI drijft de stroomvraag van datacenters snel op, belast stroomnetten en verhoogt kosten. De feiten over schaal, energie, kosten en beleid in 2026.
AI aan de edge: groener, of alleen minder zichtbaar?
AI op apparaten en aan de edge kan netwerk- en datacenterenergie besparen, maar verspreidt rekenwerk over miljarden apparaten die niemand meet.