De nieuwste generatie smartphones is minder een slimme telefoon en meer een draagbare AI-computer. Dankzij zogeheten dedicated neural processing units (NPU’s), nieuwe taalmodellen en slimme energie-architecturen verschuift een groot deel van de intelligentie van de cloud naar het apparaat zelf. Dat heeft uiteraard grote gevolgen op het gebied van prestaties, privacy, beveiliging en zelfs de levensduur van hardware. In ieder geval is de AI-revolutie ook op de smartphonemarkt in alle hevigheid losgebarsten. Apple Intelligence, Gemini Nano en Galaxy AI zijn slechts enkele voorbeelden van ecosystemen die steeds verder worden uitgebouwd. Het lijkt er met andere woorden op dat de smartphone een volwaardig onderdeel wordt van een groter AI-netwerk.
Van handige features naar generatieve AI
AI in smartphones opent talloze nieuwe mogelijkheden. Klassiek gaat het om het automatisch verbeteren of bewerken van foto’s, het gebruik van voorspellende tekst en een slimme assistent die bijvoorbeeld kan helpen bij automatiseringen. Apple Intelligence draait een eigen taalmodel op het toestel en schakelt alleen voor complexere taken over op de Private Cloud Compute. Het gaat daarbij om Apple-servers die specifiek zijn ontworpen voor privacyvriendelijke AI-verwerking. Google kiest met Gemini Nano voor volledig lokale generatieve modellen op Pixel-toestellen, inclusief multimodale varianten die naast tekst ook beelden en audio kunnen interpreteren. Verder embedt Samsung met Galaxy AI functies zoals Circle to Search, Live Translate en geavanceerde foto-assistentie. Met name de AI-foto-assistentie van Samsung kan veel gebruikers bekoren. Alle drie tonen ze aan dat diverse AI-taken ook lokaal, met lage latency en zonder permanente datastroom naar de cloud kunnen verlopen.
NPU’s, TOP’s en thermische budgetten
Onder de motorkap draait de AI-revolutie natuurlijk om hardware en ook daar gaat het snel. Moderne chips zoals de Qualcomm Snapdragon 8 Elite combineren krachtige CPU-clusters met GPU’s en NPU’s die tientallen TOP’s (Tera Operations per Second) aan AI-rekenkracht leveren. Dat is natuurlijk nodig om deze zware modellen met miljarden parameters op een smartphone te draaien, zonder dat de accu binnen een uur leeg is. Ontwerpers krijgen daarbij met drie grote puzzels te maken. Ten eerste moet de NPU efficiënt genoeg zijn om langdurige AI-inferentie mogelijk te maken binnen het thermische budget van een dun toestel. Ten tweede moet het geheugensubsysteem voldoende zijn om deze modellen te huisvesten. Ten derde concurreert men met andere GPU-taken en klassieke apps: alles moet in één compact apparaat passen, de energietoevoer is beperkt en ook de koeling moet worden gedeeld. Natuurlijk biedt AI hierdoor ook een stimulans om bestaande technieken te optimaliseren, wat bijvoorbeeld kan leiden tot beter presterende batterijmaterialen.
Upgradecyclus, e-waste en de waarde van een oud toestel
De keerzijde van deze snelle AI-adoptie is dat consumenten sneller geneigd zijn om te upgraden naar een nieuw apparaat, omdat de oudere toestellen de nieuwste AI-modellen niet hebben of deze niet efficiënt kunnen draaien. Dat vergroot het risico op extra e-waste, terwijl smartphones juist vol zitten met schaarse materialen zoals kobalt, goud en zeldzame aardmetalen. Uiteraard hebben toestellen die enkele jaren oud zijn vaak nog aanzienlijke restwaarde, zeker wanneer de hardware nog prima is voor klassieke smartphonetaken.
Wie overstapt naar een nieuwe AI-smartphone, doet er goed aan om enerzijds een nieuw apparaat te kiezen op basis van AI-capaciteit, energie-efficiëntie en privacy-architectuur. Tegelijkertijd is het een goed idee om het oude toestel in te leveren of te verkopen. Je kunt bijvoorbeeld makkelijk je telefoon verkopen via Verkopen.nl. Gespecialiseerde refurbishers zoals Verkopen.nl knappen het apparaat op en zorgen ervoor dat het zonder privacyrisico’s een tweede leven kan krijgen. Tegelijkertijd krijg je er nog een mooie vergoeding voor die je bijvoorbeeld kunt gebruiken bij de aanschaf van een nieuw apparaat. Dit is veruit de beste en meest rationele manier om de snelle AI-innovaties te verzoenen met de vier grote maatschappelijke uitdagingen van dit moment: klimaatdoelstellingen, grondstoffenschaarste, dalende koopkracht en Europese strategische autonomie.
