AI-tokenprijs kan belangrijker worden dan AI-tokenomics
Crypto hoort “token” en denkt aan koers, staking en emissie. AI bedoelt iets veel harders: de rekeneenheid die geld kost bij elke modelaanroep.
Daar zit de echte breuk. De grote AI x crypto-vraag gaat mogelijk niet over welke AI-munt stijgt, maar over wie miljarden AI-tokens goedkoop kan produceren.
NVIDIA noemt kosten per token en tokens per watt al kerncijfers voor AI factories. MLCommons ziet tegelijk dat agentic workloads nieuwe benchmarks vragen, omdat agents niet één antwoord geven, maar hele reeksen modelstappen uitvoeren.
Voor crypto is dat ongemakkelijk. Een stablecoin kan de betaling regelen, maar de marge wordt vaak opgegeten door compute.
AI wordt een fabriek met productiekosten
Een gewone app voert code uit. Een AI-agent verbruikt compute bij elke stap.
Dat maakt inference tot productie. Inference is het draaien van een getraind model om een antwoord, actie of beslissing te maken.
NVIDIA beschrijft een AI factory als een omgeving waar intelligentie wordt geproduceerd, gemeten in token-output. In zijn eigen uitleg over AI factories noemt het bedrijf cost per token een bepalende maatstaf voor de economie van zulke rekencentra.
Dat is natuurlijk NVIDIA’s verkooppraat met een chipbelang erachter. Maar de rekensom liegt niet.
Als stroom, chips, geheugen en netwerk duur zijn, wordt elke agenttaak duurder. Als dezelfde stack meer tokens per watt produceert, daalt de prijs van intelligentie per taak.
Agents vreten meer tokens dan chatbots
Een chatbot krijgt een vraag en geeft antwoord. Een agent kan eerst plannen, zoeken, code lezen, een tool starten, fouten terugkoppelen en daarna opnieuw proberen.
Dat is een heel andere kostenstructuur.
MLCommons schreef bij de MLPerf Endpoints v0.7-release dat inference-performance per watt voor grote taalmodellen sinds de start van MLPerf meer dan honderdvoudig is verbeterd. De organisatie werkt ook aan uitgebreidere benchmarks voor agentic workloads.
Dat laatste is waar het spannend wordt.
Een menselijke gebruiker ziet één afgeronde taak. Onder water kunnen tientallen modelaanroepen zitten.
Een coding agent kan bestanden lezen, tests draaien, logs beoordelen en opnieuw code schrijven. Een onderzoeksagent kan zoekopdrachten stapelen, bronnen vergelijken, een database raadplegen en daarna een betaalde API aanroepen.
Elke stap telt tokens. Elke token kost compute.
De duurste betaling zit soms vóór de betaling
Crypto focust graag op goedkope transacties. Terecht, tot op zekere hoogte.
Maar stel dat een agent twee cent verdient met een taak. Een blockchain-betaling van minder dan een cent klinkt dan prachtig.
Alleen: als de agent voor die taak vijf modelrondes nodig heeft die samen drie cent kosten, is de handel al kapot voordat settlement begint.
De simpele formule is:
taakwaarde – compute – data – API’s – opslag – betaling = marge
In die formule is de blockchainfee slechts één regel. Niet altijd de grootste.
Dat is slecht nieuws voor AI-cryptoprojecten die doen alsof goedkope settlement genoeg is. Als inference duur blijft, blijft de agent-economie smal.
Netwerk en stroom worden onderdeel van de tokenprijs
De prijs van een AI-token komt niet alleen uit een GPU. Daarachter zitten geheugen, koeling, CPU’s, opslag, software, stroom en netwerk.
NVIDIA duwt die boodschap hard. Het bedrijf stelt bij Spectrum-6 dat zijn Spectrum-X Ethernet tot 95% netwerkefficiëntie kan vasthouden bij omgevingen boven 100.000 GPU’s.
Die claim komt van NVIDIA zelf, dus lees hem met de juiste afstand.
De logica erachter blijft stevig. Een dure accelerator die wacht op data, produceert niets. Een cluster dat door netwerkvertraging minder goed samenwerkt, maakt tokens duurder.
Daarom gaat de AI-race niet alleen om meer chips. Het gaat om meer bruikbare output per euro en per watt.
x402 en USDC maken agents tot klanten
Hier raakt crypto de compute-economie.
Coinbase en AWS kondigden in juli aan dat uitgevers via x402 AI-agents als betalende klanten kunnen accepteren. Het protocol maakt automatische stablecoinbetalingen via HTTP mogelijk.
Circle bouwt hetzelfde thema vanuit USDC. Het bedrijf introduceerde Circle Agent Stack, waarmee agents geld kunnen aanhouden, diensten kunnen vinden en USDC-betalingen kunnen uitvoeren.
Dat is geen meme. Dat is betaalmechaniek voor software die zelf koopt.
Een agent kan straks betalen voor een modelaanroep, dataset, zoekresultaat, opslagdienst of API. Elke stap krijgt een prijskaartje.
Daarmee wordt machineverkeer economisch. Niet omdat er een AI-token bestaat, maar omdat agents echt kosten maken en betalingen moeten afwikkelen.
Stablecoins lossen de marge niet op
Een wallet kan een agent geld laten vasthouden. Een stablecoin kan waarde verplaatsen. x402 kan betaling in het webverzoek stoppen.
Maar geen van die drie maakt compute gratis.
Circle spreekt zelfs over sub-centbetalingen en hoogfrequent machineverkeer. Dat is nuttig, maar het versterkt ook de rekensom.
Als de betaling zelf klein wordt, komt de rest van de kostenbasis harder in beeld. Vooral inference.
Een agent die tien taken per minuut uitvoert, moet niet alleen kunnen betalen. Hij moet winstgevend kunnen rekenen, zoeken, redeneren en handelen.
De betaalrail opent de deur. Compute bepaalt hoeveel agents er doorheen passen.
Goedkopere AI kan crypto juist harder laten lopen
Er is ook een positieve kant voor crypto.
Als inference sterk goedkoper wordt, kunnen meer agenttaken rendabel worden. Werk dat nu alleen loont bij opdrachten van euro’s, kan dan misschien uit bij taken van centen.
Dat vergroot het aantal mogelijke microbetalingen.
Meer agenttaken betekent meer vraag naar programmeerbare betalingen, identity checks, rechtenbeheer en snelle settlement. Daar kunnen stablecoins, wallets en crypto-rails wél waarde krijgen.
De richting loopt dus twee kanten op.
Crypto geeft agents geld. Goedkopere AI geeft crypto meer machineverkeer.
AI-tokenomics is vaak bijzaak
Veel AI-cryptoprojecten willen waarde vangen via een eigen munt. Dat kan werken als de token echte vraag heeft binnen het systeem.
Maar vaak blijft het verhaal dun. Een munt krijgt governance, staking of toegang, terwijl de echte kosten ergens anders vallen: bij compute, data en modelgebruik.
Daarom kan tokenomics minder belangrijk worden dan token economics.
Niet hoeveel munten er bijkomen. Maar hoeveel AI-tokens nodig zijn voor één nuttige taak.
Niet alleen wie rewards krijgt. Maar hoeveel euro aan intelligentie een agent moet inkopen om één euro waarde te leveren.
Dat verschil gaat pijn doen bij zwakke AI-tokens.
De nieuwe maatstaf is nuttige intelligentie per euro
Crypto is gewend aan schaarste. AI draait om productie.
Dat maakt de komende jaren anders. De winnaar hoeft niet de munt te zijn met het mooiste emissieschema. Het kan de partij zijn die de laagste kosten per nuttige agenttaak haalt.
NVIDIA wil die race framen als tokens per watt en cost per token. MLCommons probeert de meting breder en vergelijkbaarder te maken. Coinbase, AWS en Circle bouwen betaalroutes voor agents die zulke diensten inkopen.
Daar komt de nieuwe economie samen: compute, data, API’s en stablecoinbetalingen.
Voor beleggers is de waarschuwing simpel. Een AI-token met harde marketing is niet automatisch blootstelling aan de agent-economie.
De scherpere vraag is: waar blijft de marge hangen wanneer een agent werkt?
Bij het model. Bij de chipstack. Bij de dataprovider. Bij de betaalrail. Of toch bij de token?
Tot dat antwoord helder is, blijft veel AI-crypto vooral een dure naam op een goedkope grafiek.
Stop met te veel betalen voor je crypto. Bij de Amsterdamse exchange Finst handel je tegen de laagste tarieven van Nederland, zonder verborgen kosten.
👀 Bekijk Finst nu ›Let op: Beleggen in crypto brengt risico’s met zich mee. Handel alleen met geld dat u kunt missen.
Ga verder met lezen
Dit vind je misschien ook leuk
Laat mensen jouw mening weten
Lees ook
Populair Nieuws
Loading
