Waarom SenseTime's Galaxy Project de AI-chipmarkt in China kan opschudden

Sophie Jansen · 2026-07-22

SenseTime heeft het Galaxy Project gelanceerd, in samenwerking met bijna 20 partners om de binnenlandse AI-chipinfrastructuur in China op te schalen. Dit initiatief is een reactie op de groeiende vraag naar AI-rekenkracht, maar de cijfers roepen vragen op. ### Wat is het Galaxy Project precies? Tijdens een keynote getiteld 'Intelligent Transformation and Symbiosis' schetste Yang Fan, medeoprichter en president van de Large Device Business Group, hoe SenseTime een gesloten cyclus wil creëren. Het gaat om chiptechnologie, ecosysteempartnerschappen en commerciële implementatie van binnenlands geproduceerde AI-rekenkracht. Het project is niet alleen een technologische stap, maar ook een politiek statement in de context van de Amerikaanse exportbeperkingen op geavanceerde chips. Naast het Galaxy Project heeft SenseTime een ruimtecomputingovereenkomst getekend met satellietfabrikant Guoxing Aerospace. Ook is er een onderzoekspartnerschap gestart met vijf instellingen, waaronder het Shanghai Artificial Intelligence Laboratory, gericht op wetenschappelijke computertoepassingen. Dit laat zien dat SenseTime breder kijkt dan alleen datacenters. Yang wees op drie trends die samenkomen: de stijgende vraag naar tokens (de eenheid van AI-verwerking), de adoptie van AI in de industrie die consumententoepassingen inhaalt, en de commercialisering van binnenlandse chips. Volgens hem is het nu mogelijk om intelligente computingcentra op basis van Chinese silicium snel op te zetten. ### De cijfers: veelbelovend of luchtkastelen? SenseTime beweert dat zijn grootschalige apparaatplatform dagelijks gemiddeld 2,42 biljoen tokens verwerkt. Het bedrijf voorspelt dat dit aantal met een factor 25 zal stijgen tot 10 biljoen tokens per dag in het vierde kwartaal van 2026. Maar let op: dit is een voorspelling, geen gemeten resultaat. Bedrijven die SenseTime's infrastructuur overwegen, moeten dit als zodanig behandelen totdat de kwartaalcijfers binnenkomen. De kosten-efficiëntieclaims zijn ook zelfgerapporteerd. SenseTime zegt dat zijn heterogene hybride inferentietechnologie een toename van 85 tot 152 procent in Model FLOPs Utilization oplevert op mainstream binnenlandse chips. De inferentiekosten-efficiëntie zou 1,25 keer die van Nvidia's H-serie onderdelen zijn. Vergeleken met binnenlandse homogene inferentieopstellingen claimt SenseTime een 2,5 keer hogere tokenoutput tegen gelijke kosten. Geen van deze cijfers is echter door derden geverifieerd. Het verschil tussen een geoptimaliseerd testcluster en een productieomgeving van een klant – met ongelijke datapijplijnen en vertraagde firmware-updates – is vaak waar zulke getallen minder indrukwekkend worden. ### Aanpassingsvermogen en het multi-chip probleem Binnenlandse AI-chips hebben historisch geworsteld met een gefragmenteerde softwarestack. Modellen die voor één architectuur zijn getraind, moeten vaak worden aangepast om op een andere te werken. SenseTime zegt een full-stack aanpassingslaag te hebben gebouwd die modellen, frameworks, operators, toolchains en hardware omvat. Het doel is om klanten workloads te laten migreren tussen binnenlandse chipleveranciers zonder uitgebreide herschrijvingen. Twee voorbeelden: - In een AI4S langsequentie-eiwitvoorspellingsworkload zou fused operator optimalisatie de voorspellingstijd met een factor drie hebben verkort. - In AIGC-videogeneratie claimt SenseTime een 93 procent multi-card parallelle acceleratieratio voor binnenlandse chips die DiT-modellen draaien, plus een migratie zonder kosten voor gangbare AI-ontwikkeltools. Deze cijfers klinken goed in een gecontroleerde testomgeving, maar worden pas echt belangrijk als ze worden getest in echte klantomgevingen met gemengde hardwaregeneraties. ### Energie-efficiëntie: een nieuwe maatstaf SenseTime introduceerde een metriek genaamd Tokens Per Watt. Dit moet de standaard worden voor het meten van AI-datacenterefficiëntie. Daarnaast is er een Computing-Power Collaboration Agent die resourceplanning, elektriciteitsprijsvoorspelling en energieopslagoptimalisatie regelt. Dit is een slimme zet, omdat energieverbruik een steeds grotere kostenpost wordt voor AI-bedrijven. ### Wat betekent dit voor de Nederlandse AI-professionals? Voor professionals in Nederland die AI-websites bouwen of AI-infrastructuur beheren, biedt het Galaxy Project interessante lessen. Het laat zien dat er alternatieven komen voor Nvidia's dominante positie. De focus op kosten-efficiëntie en energieverbruik is relevant, omdat datacenters in Europa steeds strengere energienormen krijgen. Toch blijft voorzichtigheid geboden. Zolang de cijfers niet onafhankelijk zijn geverifieerd, is het verstandig om SenseTime's claims met een korreltje zout te nemen. De echte test komt pas als klanten de technologie in de praktijk gebruiken.