Google rantsoeneert Meta's Gemini-gebruik: zelfs een techreus botst op een compute-plafond

Als zelfs Meta tegen een capaciteitsplafond botst, hoe hard zijn de beloften van jouw AI-leverancier dan? Volgens de Financial Times heeft Google het gebruik dat Meta van zijn Gemini-modellen mag maken aan banden gelegd, nadat het sociale-mediaconcern meer rekencapaciteit vroeg dan Google op dat moment kon leveren. Reuters nam de berichtgeving over; beide bedrijven wilden niet reageren. Het verhaal leunt op ingewijden, dus de details staan nog niet in beton, maar de strekking is een schoolvoorbeeld van een risico dat iedere organisatie raakt die AI inkoopt bij een derde partij.

Wat Google bij Meta heeft dichtgedraaid

Google zou Meta rond maart 2026 hebben laten weten dat het de gevraagde rekencapaciteit niet volledig kon leveren. Dat zou enkele interne AI-projecten van Meta hebben verstoord en vertraagd, aldus de Financial Times. Meta's vraag naar Google's modellen was volgens de krant uitzonderlijk hoog; andere Google-klanten liepen in mindere mate tegen hetzelfde plafond aan. Intern reageerde Meta door medewerkers aan te sporen zuiniger om te gaan met AI-tokens, de eenheden waarin het verbruik van een AI-model wordt afgerekend.

Het opmerkelijke is niet zozeer dat een leverancier een grens trekt, maar wie hier de grens kreeg opgelegd. Meta is een van de rijkste technologiebedrijven ter wereld en koopt op enorme schaal in. Als zelfs zo'n klant te horen krijgt dat het plafond voorlopig is bereikt, dan is de capaciteitsgarantie in een doorsnee cloudcontract minder hard dan ze oogt.

Een rekenkracht-tekort dat veel breder speelt

Meta's probleem staat niet op zichzelf. De vraag naar AI-rekenkracht groeit harder dan de aanbieders datacenters en chips kunnen bijbouwen. Google-topman Sundar Pichai zei het bij de laatste kwartaalcijfers onomwonden: we zitten aan de aanbodkant vast, zelfs nu we onze capaciteit opschroeven, en hij verwacht het hele jaar in die toestand door te brengen. Wat hem naar eigen zeggen het meest bezighoudt is rekencapaciteit, samen met stroom, grond en de toeleveringsketen.

De cijfers onderstrepen de scheefgroei. De orderportefeuille van Google Cloud, werk dat al verkocht is maar nog geleverd moet worden, stond eind 2025 op 240 miljard dollar, een groei van 55 procent in een enkel kwartaal. Om de vraag bij te benen trekt Google dit jaar 175 tot 185 miljard dollar uit voor infrastructuur. En de schaarste vertaalt zich rechtstreeks in prijzen: marktleider AWS verhoogt de prijs van Nvidia-GPU-rekenkracht met 20 procent vanaf 1 juli. Wie capaciteit wil, betaalt meer en krijgt minder garantie.

Waarom dit juist Meta overkomt

Er zit een wrange logica in dat uitgerekend Meta nu leunt op de modellen van een concurrent. Het bedrijf bouwde zijn AI-reputatie op de open Llama-modellen, waarvan je de gewichten vrij kon downloaden en zelf draaien. Maar Meta ruilde die open koers in voor het gesloten model Muse Spark na een reset van 14,3 miljard dollar onder Alexandr Wang. Het gevolg: waar Meta zich vroeger met eigen open modellen uit een tekort had kunnen redden, hangt het nu deels aan de API en het capaciteitsplafond van een rivaal. Precies de afhankelijkheid die het ooit zelf hielp doorbreken.

Wat dit betekent voor jouw organisatie

De les is niet dat AI van een grote aanbieder onbetrouwbaar is, maar dat je rekencapaciteit moet behandelen als een schaars goed bij een leverancier die voorrang geeft aan zijn eigen prioriteiten. Daar volgen drie dingen uit.

Ten eerste: lees de kleine lettertjes. Een prijs per token zegt niets over gegarandeerde doorvoer. Vraag expliciet naar rate limits, capaciteitsgaranties en wat er gebeurt bij piekvraag, en zet die afspraken op papier voordat je een kernproces ervan afhankelijk maakt.

Ten tweede: spreid je leveranciers. Europese concerns doen dit al bewust: Renault draait zijn AI tegelijk op Google, Microsoft, Mistral, DeepSeek en Dataiku, zodat het kan overschakelen als een aanbieder wegvalt of dichtdraait. Een abstractielaag tussen jouw applicatie en het model maakt zo'n wissel haalbaar, iets wat net zo goed telt als je op de Gemini-API bouwt en het risico van vendor lock-in wilt afdekken.

Ten derde: weeg open-weight modellen die je zelf kunt draaien. Voor gevoelige of bedrijfskritische taken is een model op je eigen infrastructuur niet alleen een privacykeuze, maar ook een verzekering tegen het capaciteitsplafond van een ander.

Een quotum bij een derde partij is geen randgeval dat alleen techreuzen treft. Het is de normale gang van zaken in een markt waar de vraag het aanbod structureel overtreft. De bedrijven die daar het rustigst doorheen komen, zijn niet degene met de grootste leverancier, maar degene die nooit volledig van een enkele leverancier afhankelijk werden.