Het probleem van 15 miljoen dollar per dag: waarom de economie van AI-video bepaalt wie 2026 overleeft

De cijfers die Sora de das omdeden

Laat me de economie uiteenzetten die OpenAI zes maanden probeerde te verbergen.

Sora lanceerde in september 2025 met consumentenprijzen: ongeveer $0,10 per seconde 720p-video via de API. Op het hoogtepunt genereerden miljoenen gebruikers dagelijks clips. De GPU-inferentiekosten, voornamelijk draaiend op NVIDIA H100-clusters, schaalde lineair met elk verzoek.

De verhouding tussen omzet en kosten was rampzalig. Sora verdiende naar schatting 2,1 miljoen dollar aan totale omzet over de gehele levensduur. De operationele kosten bedroegen ongeveer 2,7 miljard dollar. Dat is geen businessmodel. Dat is een demonstratie die durfkapitaal op industri\u00eble schaal verbrandde.

Waarom videogeneratie fundamenteel duurder is dan beeldgeneratie

Om te begrijpen waarom dit verder reikt dan Sora, moet je de rekenkloof tussen beeld- en videogeneratie begrijpen.

Een enkel beeldgeneratieverzoek met een model als DALL-E 3 of Stable Diffusion XL vereist ongeveer 10-30 seconden GPU-tijd op een H100. Een video van 5 seconden bij 24fps vereist het genereren van 120 frames, elk met temporele coherentievereisten die eenvoudige parallelisatie verhinderen. Het aandachtsmechanisme in videodiffusie-transformers schaalt kwadratisch met de sequentielengte.

Het verschil tussen beeld en video is niet 5x of 10x. Het is 30-100x aan rekenkracht per output. En in tegenstelling tot tekstgeneratie, waar KV-caching en speculatieve decodering de inferentiekosten drastisch hebben verlaagd, heeft videogeneratie geen vergelijkbare optimalisatie die de kosten met een orde van grootte verlaagt.

Drie strategie\u00ebn om de kostencrisis te overleven

Elk bedrijf dat nog AI-videogeneratie aanbiedt, worstelt met hetzelfde fundamentele probleem. Hun strategie\u00ebn lopen sterk uiteen.

Strategie 1: Subsidieer en hoop (de VC-aanpak)

Dit was de strategie van Sora. Prijzen onder de kostprijs, gebruikers werven, monetisatie later uitzoeken. Het eindigde precies zoals economieprofessoren voorspellen sinds het dotcom-tijdperk.

Verschillende bedrijven werken nog steeds zo. Pika, Luma en Runway prijzen hun diensten allemaal ruim onder de geschatte rekenkosten. De gok is dat de kosten sneller dalen dan de omzet hoeft te groeien.

Het risico is duidelijk. Als GPU-kosten niet snel genoeg dalen, of als het gebruik sneller groeit dan de optimalisatiewinst, lopen deze bedrijven tegen dezelfde muur als Sora.

Strategie 2: Kosten verschuiven naar hardware (de NVIDIA/Open Source-aanpak)

Dit is de strategie achter Helios, Wan 2.2, LTX-2.3 en elk ander open-sourcemodel geoptimaliseerd voor consumenten-GPU's.

De logica is elegant: in plaats van dure cloudinfrastructuur te draaien, verschuif je de rekenkosten naar de hardware van de gebruiker. Een RTX 4090 kost eenmalig $1.599. Daarna is elke videogeneratie "gratis" in termen van marginale kosten (minus elektriciteit).

Helios, het model met 14 miljard parameters van ByteDance en Peking University, toonde aan dat een enkele H100 video's van 60 seconden kan genereren op 19,5 FPS. Belangrijker nog: geoptimaliseerde open-sourcemodellen naderen real-time generatie op consumenten-RTX 5090-hardware.

De beperking is duidelijk: deze strategie bedient alleen gebruikers met high-end GPU's. Dat is een aanzienlijke markt, maar het sluit de casual creators uit die Sora populair maakten.

Strategie 3: Platformaggregatie (de Adobe/Google-aanpak)

Dit is de financieel meest duurzame aanpak. In plaats van de volledige generatiekosten te dragen, word je een marktplaats die verzoeken doorstuurt naar meerdere modelaanbieders.

Adobe Firefly host nu meer dan 30 modellen van verschillende aanbieders. Google Flow integreert Veo met externe modellen. CapCut integreert Seedance 2.0. In alle drie de gevallen neemt het platform een marge terwijl de modelaanbieder de rekenkosten draagt.

Adobe heeft hier de beste positie omdat Premiere Pro en After Effects al domineren in professionele videobewerking. AI-generatie toevoegen aan bestaande workflows is een natuurlijke uitbreiding, en Adobe kan het prijzen als premiumfunctie binnen Creative Cloud-abonnementen waar gebruikers al voor betalen.

De infrastructuurkostencurve

De cruciale vraag is of GPU-kosten snel genoeg dalen om consumenten-AI-video haalbaar te maken.

NVIDIA's Blackwell-architectuur (B200, GB200) levert ongeveer 2-3x betere prijs-prestatieverhouding voor inferentieworkloads vergeleken met de H100. De aankomende Rubin-architectuur belooft nog eens 2-3x verbetering. Als beide leveren zoals voorspeld, kan de kostprijs van het genereren van een 10 seconden video tegen 2028 dalen van $0,50 naar ongeveer $0,05.

Die tijdlijn is belangrijk. Bedrijven die cash verbranden met gesubsidieerde prijzen moeten nog 2-3 jaar overleven voordat hardwareverbeteringen hun businessmodel redden. Niet allemaal zullen ze dat halen.

Wat dit betekent voor creators

Als je als creator vandaag een AI-videoplatform kiest, telt de economie net zo zwaar als de functies.

• ✓Platforms gesteund door winstgevende moederbedrijven (Google, Adobe, ByteDance) zijn veiligere langetermijnkeuzes
• ✓Open-sourcemodellen die lokaal draaien elimineren de afhankelijkheid van \u00e9\u00e9n enkel bedrijf
• ✓Startups die "onbeperkte" generatie tegen lage prijzen aanbieden vormen het hoogste risico
• ✓Wachten tot de kosten stabiliseren voordat je je aan een workflow committeert is redelijk, maar betekent dat je de voordelen van vroege adoptie mist

De stopzetting van Sora was geen anomalie. Het was de eerste dominosteen. De economie van AI-videogeneratie is meedogenloos, en de bedrijven die overleven zijn die welke creatieve oplossingen voor het kostenprobleem hebben gevonden, niet alleen creatieve oplossingen voor het generatieprobleem.

Het grotere plaatje

Elke grote verschuiving in de computerwereld heeft een fase doorgemaakt waarin de technologie werkt maar de economie niet. Cloud computing was jarenlang onrendabel voordat AWS het omtoverde tot een geldmachine. Videostreaming verloor miljarden voordat Netflix zijn evenwicht vond. AI-videogeneratie zit in diezelfde pijnlijke tussenfase.

Het verschil deze keer is snelheid. De hardwareverbeteringscurve is steiler dan bij cloud of streaming. NVIDIA levert elke 18-24 maanden nieuwe architecturen met betekenisvolle reducties in kosten per FLOP. Onderzoek naar modeleffici\u00ebntie, van distillatie tot mixture-of-experts tot architecturale innovaties zoals de contextcompressie van Helios, verlaagt de rekenvereisten aan de softwarekant.

Mijn inschatting: eind 2027 zal het genereren van een 10 seconden video op 1080p minder dan $0,10 kosten op cloudinfrastructuur. Bij die prijs werkt het businessmodel. De vraag is welke bedrijven het tot dan overleven.

De begraafplaats van AI-videostartups wordt binnenkort een stuk drukker. Maar de technologie zelf verdwijnt niet. Die wacht gewoon tot de economie het inhaalt.