Wie is Jensen Huang? Zo verbinden Nvidia’s chips AI en gaming in 2026

Gecontroleerd op 9 november 2026 om 05.12 uur Belgische tijd (CET, UTC+01:00).

Jensen Huang is medeoprichter en CEO van Nvidia, het technologiebedrijf dat bekend werd met grafische chips voor videogames en nu ook een belangrijke leverancier is van rekenkracht voor artificiële intelligentie. In het tweede kwartaal van zijn boekjaar 2027, afgesloten op 26 juli 2026, boekte Nvidia 96,2 miljard dollar omzet. Daarvan kwam 89 miljard dollar uit de datacenterafdeling, waartoe onder meer AI-infrastructuur behoort.

Die cijfers tonen hoe sterk Nvidia is veranderd: de technologie die ooit vooral beelden op een scherm hielp tekenen, wordt nu ook gebruikt om AI-modellen te trainen en toe te passen. Tegelijk blijven GeForce-grafische kaarten relevant voor gamers en makers, ook in België. De kwartaalcijfers zijn afkomstig uit Nvidia’s resultaten van 26 augustus 2026.

Destaques

• Huang richtte Nvidia in 1993 mee op en leidt het bedrijf sinds de start.
• Een GPU kan veel berekeningen tegelijk uitvoeren en is daardoor bruikbaar voor zowel graphics als bepaalde AI-taken.
• Nvidia verkoopt naast gamingchips ook datacenterhardware, netwerktechnologie en software voor ontwikkelaars.
• Voor consumenten verschilt de ondersteuning van AI-functies naargelang de grafische kaart en de toepassing.

Wie is Jensen Huang?

Jensen Huang richtte Nvidia samen met Chris Malachowsky en Curtis Priem op. Hun oorspronkelijke ambitie was om betere 3D-beelden mogelijk te maken op personal computers. Huang is sinds de oprichting CEO en een van de bekendste gezichten van het bedrijf.

Voor Nvidia werkte hij bij chipbedrijven AMD en LSI Logic. Hij studeerde elektrotechniek aan Oregon State University en Stanford University. Zijn achtergrond en huidige functie staan beschreven in Nvidia’s officiële biografie; de bedrijfsgeschiedenis noemt ook de twee andere oprichters.

Als CEO bepaalt Huang mee de koers van Nvidia en presenteert hij geregeld nieuwe producten en plannen. Het bedrijf bestaat uiteraard uit veel meer dan één persoon: ingenieurs, softwareontwikkelaars, klanten en productiepartners zijn allemaal nodig om een chipplatform op de markt te brengen.

Wat doet Nvidia met grafische chips?

Een grafische processor, of GPU, voert onder meer de berekeningen uit die nodig zijn om beelden op te bouwen. Bij een game gaat het bijvoorbeeld om de vorm van een scène, kleuren, beweging en belichting. Omdat veel onderdelen van een beeld tegelijk kunnen worden berekend, is een GPU geschikt voor parallel werk: veel vergelijkbare bewerkingen naast elkaar uitvoeren.

De GeForce-lijn richt zich vooral op pc-gamers en andere consumenten. RTX-kaarten ondersteunen onder meer ray tracing, een techniek die de weg van licht in een scène nabootst om bijvoorbeeld reflecties en schaduwen te berekenen. Zulke effecten vragen veel rekenkracht, waardoor de prestaties afhangen van de gekozen kaart, de resolutie en de instellingen van de game.

Nvidia gebruikt daarnaast AI in grafische functies zoals DLSS. Een onderdeel daarvan, Super Resolution, maakt een beeld met hogere resolutie op basis van een invoer met lagere resolutie. Andere DLSS-functies kunnen extra beelden genereren. De beschikbare mogelijkheden verschillen per kaart en game: controleer dus de ondersteuning van het specifieke model en de software die je gebruikt. Nvidia geeft een overzicht op zijn DLSS-pagina.

Waarom zijn GPU’s belangrijk voor AI?

Ook bij moderne AI komen veel berekeningen voor die zich lenen voor parallelle verwerking. Bij het trainen van een model worden grote hoeveelheden voorbeelden gebruikt om de interne parameters aan te passen. Daarna volgt het gebruik van het getrainde model, vaak inference genoemd: bijvoorbeeld wanneer een chatbot een antwoord berekent of software een afbeelding herkent.

GPU’s kunnen zulke taken versnellen, maar ze werken niet op zichzelf. Een AI-systeem heeft ook geheugen, processoren, verbindingen, stroom, koeling en software nodig. Nvidia levert onderdelen voor die bredere infrastructuur. Het bedrijf meldde in augustus dat zijn Vera Rubin-platform naar volledige productie opschaalde en dat systemen bij verschillende cloudpartners draaiden.

Een belangrijke softwarelaag is CUDA, Nvidia’s platform waarmee ontwikkelaars GPU’s kunnen programmeren voor berekeningen buiten klassieke graphics. Bibliotheken en bestaande toepassingen kunnen het eenvoudiger maken om die hardware te benutten. Tegelijk kan afhankelijkheid van specifieke software en hardware overstappen naar een ander platform ingewikkelder maken. Meer over de werking staat in de CUDA-uitleg voor ontwikkelaars.

Maakt Nvidia zijn chips zelf?

Nvidia ontwerpt chips en platforms, maar is voor de fysieke productie, assemblage, verpakking en tests afhankelijk van andere bedrijven. Dat onderscheid is belangrijk: een chip ontwerpen en hem op grote schaal produceren zijn verschillende stappen, met elk hun eigen kosten en beperkingen. Nvidia noemt die afhankelijkheid ook als risico in zijn toelichting bij de jaarresultaten.

De datacenteromzet bestaat bovendien niet uitsluitend uit losse GPU’s. Nvidia levert ook andere onderdelen en systemen. Het zou daarom onjuist zijn om het volledige bedrag gelijk te stellen aan de verkoop van één soort AI-chip.

Wat betekent Nvidia’s groei voor gebruikers in België?

Wie een pc koopt voor games, videobewerking of lokale AI, kan Nvidia-technologie rechtstreeks tegenkomen in een laptop of grafische kaart. Kijk bij een aankoop naar onafhankelijke prestatietests voor de programma’s die je werkelijk gebruikt, de hoeveelheid videogeheugen, het stroomverbruik en de totale prijs. Een krachtige datacenterchip is niet hetzelfde product als een GeForce-kaart voor thuis.

Wie een online AI-dienst gebruikt, hoeft daarentegen geen Nvidia-kaart te bezitten: de berekeningen kunnen op servers van de aanbieder plaatsvinden. Welke hardware daar precies achter zit, verschilt per dienst en is niet altijd zichtbaar voor de gebruiker.

De verdere impact hangt onder meer af van de vraag naar AI, beschikbare productiecapaciteit, concurrentie en de kosten van energie en infrastructuur. Snellere chips kunnen nieuwe toepassingen mogelijk maken, maar garanderen op zichzelf geen lagere prijs of betere resultaten voor elke gebruiker.

Veelgestelde vragen

Is Jensen Huang de eigenaar van Nvidia?

Huang is medeoprichter en CEO. Nvidia is een beursgenoteerd bedrijf met meerdere aandeelhouders; zijn functie maakt hem niet de enige eigenaar.

Heb je een Nvidia-kaart nodig om AI te gebruiken?

Nee. Veel AI-diensten werken via het internet en gebruiken servers van de aanbieder. Voor lokaal gebruik hangen de hardwarevereisten af van het model en de software.

Wat is het verschil tussen een CPU en een GPU?

Een CPU voert uiteenlopende algemene taken uit. Een GPU is sterk in bepaalde berekeningen die parallel kunnen verlopen, zoals graphics en delen van AI-verwerking. In een computer vullen ze elkaar aan.