De visiemodellen van een nationaal lab zijn gratis

Vijftien minuten voor een wijnstok

Meta publiceerde op 21 juli 2026 een bericht waarin wordt beschreven hoe de eigen modellen worden ingezet in de eerste golf van Genesis Mission-projecten, en de gekozen demonstratie is een stuk landbouwwetenschap. Onderzoekers maakten micro-CT-scans van wijnstokken onder droogtestress, en de pijplijn identificeerde automatisch de xyleemvaten, de structuren die water door de plant vervoeren, zodat het team kon volgen hoe het watertransport veranderde naarmate de droogte vorderde.

Het bijbehorende getal is de kern. Een volledig gereconstrueerd driedimensionaal volume komt in ongeveer 15 minuten terug. De analysestroom die het vervangt werd in maanden gemeten, en de uitgesproken ambitie is om de grote synchrotron- en neutronenfaciliteiten minder als batchverwerkers en meer als zelfrijdende laboratoria te laten functioneren, waar het resultaat van de ene meting de volgende kan sturen terwijl het monster nog is ingebouwd.

Waaruit de pijplijn werkelijk bestaat

Het project heet SYNAPS-I, voor Synergistic Neutron and Photon Science - Intelligence, en valt onder de Genesis Mission, het eind 2025 gestarte initiatief van het Amerikaanse ministerie van Energie dat zijn 17 nationale laboratoria omspant. Het Lawrence Berkeley National Laboratory leidt het, met Argonne, Brookhaven en Oak Ridge onder de vijf deelnemende laboratoria, en Berkeley omschrijft het als het samenbrengen van zeven faciliteiten van het ministerie. Het staat onder leiding van Alexander Hexemer, senior wetenschapper in Berkeley.

De meetbare invoer bestaat uit 60 onderzoekers, 300 A100-GPU's opgesteld bij het supercomputercentrum NERSC, en een binnenkomende stroom van tientallen petabytes per jaar aan beeldgegevens uit de gebruikersfaciliteiten van het ministerie. Onderminister Dario Gil verwoordde het beoogde resultaat onomwonden, met de stelling dat het de ontdekkingstijd samenperst van dagen tot momenten en een doorlopend, zichzelf verbeterend model van wetenschap vestigt. Dat is een beschrijving van doorvoer, en doorvoer was precies wat ontbrak.

De twee modellen kosten niets

In het hart van het segmentatiewerk liggen twee uitgaven van Meta. DINOv3 is een zelfgesuperviseerd visiemodel, wat betekent dat het visuele structuur leert uit ruwe beelden zonder dat iemand ze eerst labelt. Segment Anything Model 3 gaat verder door precieze grenzen op pixelniveau rond afzonderlijke objecten te trekken, en doet in seconden het omlijnen dat een wetenschapper anders met de hand zou doen.

Beide zijn open. Het zijn gepubliceerde modellen die een bedrijf in Rotterdam, Stuttgart of Bilbao vanmiddag kan downloaden en draaien, onder dezelfde voorwaarden als een Amerikaans nationaal laboratorium, zonder inkoopcyclus, zonder exportvergunning en zonder vergoeding per werkplek. Dat verdient het nuchter gezegd te worden, want de reflex bij het lezen over kunstmatige intelligentie in nationale laboratoria is aan te nemen dat de capaciteit geheim is, op maat gemaakt, of alleen te verwerven op de schaal van een staatsprogramma. In dit geval is juist het meest exotisch klinkende deel het vrij beschikbare.

Wat de laboratoria hebben en u niet

De interessante vraag keert dus om. Als de modellen gratis zijn, wat koopt SYNAPS-I dan werkelijk met een nationaal programma erachter? Drie dingen, en geen ervan is een algoritme. Het heeft 300 GPU's paraat, wat een kapitaal- en energieverplichting is en geen slimme vondst. Het heeft decennia aan bundellijn- en neutronenbeeldgegevens met vakkennis eraan vast, precies de grondstof die een algemeen visiemodel nodig heeft om bruikbaar te worden voor een specifieke materiaalklasse. En het heeft 60 mensen die zowel het instrument als het model begrijpen.

Gelezen als concurrentiële uitspraak zegt dat iets ongemakkelijks en nuttigs. De voorsprong in toegepaste machinevisie is verschoven van de modellaag naar rekenkracht en eigen domeingegevens. Een bedrijf dat al vijftien jaar industriële CT op zijn eigen gietstukken uitvoert, zit op een bezit dat geen enkele open modeluitgave kan nabootsen en geen enkele concurrent kan downloaden. De afstand tussen dat bedrijf en een nationaal laboratorium is nu een kwestie van infrastructuur en datavoorbereiding, dus een begrotingsregel, en niet meer een kwestie van toegang tot het algoritme, wat vroeger een muur was.

De inkoopvraag die hieruit ontstaat

De praktische handeling voor een ondernemer is weinig glamoureus en begint met een inventarisatie in plaats van een pilot. Stel vast welke beeldgegevens uw bedrijf al bezit, hoeveel daarvan is gelabeld of geannoteerd door iemand die wist waar hij naar keek, en of ze zijn opgeslagen in een vorm die bruikbaar is voor training in plaats van louter gearchiveerd voor naleving. Die inventarisatie is goedkoop, kan worden gedaan door mensen die al in dienst zijn, en bepaalt of dit alles voor u überhaupt bereikbaar is.

Pas daarna beprijst u de rekenkracht, en beprijs die eerlijk tegenover het alternatief om het niet te doen. Europese bedrijven werken met een elektriciteitskostenbasis die een permanent draaiend GPU-cluster moeilijker te verantwoorden maakt dan voor een faciliteit binnen een nationaal programma, wat pleit voor gehuurde capaciteit boven eigen hardware voor alles korter dan doorlopende inferentie. De volgorde die werkt is data eerst, model daarna, hardware als laatste, en de reden is precies wat deze aankondiging aantoont: het model was nooit de beperking.

Lees hierna: Aramco wedt 800 miljoen op goedkopere AI  |  Europa steunt een model dat je kunt downloaden en zelf hosten