Video Başlığı: Yapay Zeka Token'ların Arzı ve Talebi | Dylan Patel Röportajı
Video Yazarı: Invest Like The Best
Çeviri: Peggy, BlockBeats

Editörün Notu: Yapay Zeka model yeteneklerinin sürekli ilerlemesi, Claude Code, Cursor vb. araçların kurumsal düzeyde benimsenmesiyle, endüstri tartışması artık "model ne kadar güçlü"den "model nasıl üretime entegre ediliyor" şekline dönüşüyor. Ancak AI programlama, otomatik analiz ve veri modelleme giderek yeni bir mutabakata dönüştüğünde, maliyetler hızla düşerken, asıl kıt kaynakların işgücü, sermaye mi yoksa öncü modellere ve tokenlara erişim hakkı mı olduğu belirsizliği ortaya çıkıyor.

Sol: Sunucu Patrick O'Shaughnessy, Sağ: Dylan Patel

Bu yazı, Patrick O'Shaughnessy ile SemiAnalysis Kurucusu Dylan Patel arasındaki bir söyleşiden derlenmiştir. Dylan, uzun süredir AI altyapısı, yarıiletken tedarik zinciri ve model ekonomisi konularına odaklanmıştır. Bu konuşmada, Claude Code şirketindeki harcamalarının neden hızla arttığını ele alarak, AI'nın işletme yapılarını, bilgi hizmetlerini, token talebini, hesaplama gücü tedarik zincirini ve toplumsal duyarlılığı nasıl değiştirdiğini tartışmıştır.

Bu söyleşinin dikkate değer yanı, bir modelin bir kez daha ölçütü güncellemesinin ötesinde, AI ekonomisini anlamanın bir yolunu sunmasıdır - AI'nın sadece bir yazılım aracı yükseltmesi olmaktan çok, yürütme yeteneğini, organizasyon verimliliğini ve endüstri karını yeniden dağıtan bir üretim sistemi olarak görülmesi.

Bu söyleşi genel olarak beş ana bakış açısından anlaşılabilir.

İlk olarak, yürütme maliyetleri aşıldı. Geçmişte, fikirler kıt olmayabilir, asıl zor olan fikirleri ürüne, sisteme ve sunulabilir hizmete dönüştürmektir. Şimdi Claude Code, teknik olmayan kişilerin de kod yazabilmelerine, uygulama geliştirmelerine ve veri analizi yapabilmelerine olanak tanır hale geldi. Bir zamanlar uzun vadeli bir ekip tarafından sürdürülmesi gereken iş, şimdi az sayıda kişi tarafından model yardımıyla tamamlanmaktadır. SemiAnalysis'in Claude Code yıllık harcamaları 7 milyon doları aşmış durumda, bu da maaş giderinin dörtte birinden fazlasını oluşturuyor ve AI'nın artık sadece verimlilik aracı olmadığını, işletmeler için yeni bir üretim sermayesi haline geldiğini gösteriyor.

İkincisi, bilgi hizmetleri endüstrisi en önce yeniden şekillendirilen sektördü. Dylan'ın işi temelde analiz, danışmanlık ve veri setleri satmaktı ve bu da AI tarafından kolayca ticarileştirilebilecek bir alandı. Yonga tersine mühendislik, enerji şebekesi modelleme, makroekonomik göstergelerin oluşturulması; geçmişte uzun süreli bir ekip gerektirebilirdi, şimdi ise birkaç kişi tarafından birkaç hafta içinde kullanılabilir bir ürün oluşturulabiliyor. Bu, AI'nın bilgi hizmeti şirketleri üzerindeki baskısının "insanları mı değiştirecek" değil, "hangi şirketin rakibin ürününü daha hızlı yeniden yapabileceği" olduğu anlamına gelmektedir. AI kullanmayan şirketler, daha hızlı bir şekilde ticarileşecekken, AI kullanan şirketler de standartları sürekli yükseltmeli ve daha verimli bir rekabetçi tarafından tersine mühendislik olmaktan kaçınmalıdır.

Daha da derine inildiğinde, token yeni üretim faktörü haline geliyor. Geçmişte, şirketler yazılım aboneliği satın alırdı, temel sorun aracın kullanışlı olup olmadığıydı; şimdi ise, öncü modellere erişim, işlem sınırı, kurumsal anlaşmalar ve token bütçesi, doğrudan üretim kapasitesini belirlemeye başladı. Daha güçlü modellerin daha yüksek maliyet anlamına gelmediği, çünkü daha akıllı token'ların daha az adımda daha yüksek değerli görevleri tamamlayabileceği bir durum söz konusudur. Gerçek rekabet, "kimin AI kullanacağı"ndan "kimin en güçlü modele erişebileceği, en pahalı token'ı en yüksek değerli senaryoda kullanabileceği"ne doğru kaymaktadır.

Bu talep, tedarik zincirinin tümüne devam edecek. Token kullanımı patlamaya devam ederken, sonunda GPU'lar, CPU'lar, bellek, FPGA'lar, PCB'ler, bakır folyo, yarı iletken ekipmanlar ve yonga fabrikalarının sermaye harcamaları üzerinde sürekli bir baskı oluşturacaktır. Makalede bahsedilen "kırbaç etkisi" tam da bu mantığı yansıtmaktadır: Akıldaki model çağrı talebi artışı sadece aşağıya doğru yayılmış görünse de yukarıya doğru giderek katlanarak siparişleri, üretimi genişletmeyi ve fiyatları artırmayı gerektirebilir. Dolayısıyla, AI endüstrisinin kar dağıtımı sadece model şirketlerinde ve NVIDIA'da durmayacak, aksine yarı iletken ve veri merkezi tedarik zinciri boyunca devam edecektir.

Nihayet, AI'nın toplumsal tepkisinin erken olabileceği. AI'nın iş akışına gerçek anlamda girmesiyle, halkın iş yeri değişimi, enerji tüketimi, veri merkezi genişlemesi ve güç merkezileşmesine yönelik endişeleri aynı anda artacaktır. Dylan hatta üç ay içinde AI'ya karşı büyük çaplı protestoların gerçekleşebileceğini öngörmektedir. Model şirketler için "AI'nın dünyayı değiştireceğini vurgulamak" kaygıları hafifletebilir, ancak aslında sıradan insanların kontrolden çıkma duygusunu pekiştirebilir. AI endüstrisinin önümüzdeki adımı kanıtlaması gereken, sadece teknik yetenek değil, mevcut zamanda somut ve algınlanabilir kamu değeri yaratabilme yeteneğidir.

Bugün, AI'nın temel sorunu, "modelin ne yapabileceği"nden "kimin modeli alabileceği, modeli nasıl kullanabileceği ve modelin yaratdığı değeri kimin yakalayabileceği"ne doğru kaymaktadır. Bu anlamda, bu makalenin tartıştığı konu artık sadece Claude Code, Anthropic veya belirli bir AI şirketi değil, verimlilik, sermaye harcamaları, örgütsel verimlilik ve toplumsal kabul üzerinde şekillenen yapısal bir yeniden yapılanma sürecidir.

Aşağıdaki metin (okunabilirlik için orijinal metin bazı değişikliklere uğramıştır):

TL; DR

· Yapay Zeka'nın temel değişkeni artık "yapılabilir mi"den "yapılmalı mı"ya kayıyor; uygulama maliyeti keskin bir şekilde düştükten sonra, gerçekten kıt olan, model tarafından ölçeklendirilebilen yüksek değerli fikirlerdir.

· Claude Code maliyetinin maaş maliyetinin %25'ini oluşturması sadece bir başlangıçtır; Yapay Zeka artık bir yazılım aracından şirketin yeni üretim sermayesine dönüşmektedir.

· Öncü modellerin rekabeti artık sadece yetenek rekabeti değil, aynı zamanda jeton edinme yetkisi rekabetidir; en güçlü modeli en erken ve en istikrarlı şekilde kim elde edebilirse, o kişi yeni bir iş engeli oluşturma potansiyeline sahip olabilir.

· Bilgi hizmetleri endüstrisi en önce Yapay Zeka tarafından yeniden şekillendirilecektir, çünkü verilerin, analizlerin ve araştırmanın üretim maliyeti hızla düşmektedir; hantal şirketler daha hızlı şirketler tarafından ticarileştirilecektir.

· Jeton talebi, eski modellerin fiyat düşüşünden dolayı yavaşlamayacak; çünkü her model güçlendiğinde, yeni yüksek değerli kullanım senaryoları serbest bırakacak ve kullanıcıları daha pahalı öncü modellere yönlendirecektir.

· Yapay Zeka'nın getirdiği en büyük değişiklik insanların daha az çalışmasına değil, az sayıdaki insanın aynı sürede çok daha fazla üretkenlik elde etmesine izin vermesidir; jeton değeri oluşturamayan ve yakalayamayanlar, "kalıcı alt tabaka" da tıkanacaktır.

· Güç yetersizliği tüm yarıiletken tedarik zincirine yayılıyor, GPU'lardan CPU'lara, belleklere, PCB'lere, bakır folyolara ve cihaz üreticilerine kadar, Yapay Zeka talebi artık tüm endüstri zincirini fiyatı itici bir güç haline getirmiştir.

· Yapay Zeka'nın ekonomik değeri geleneksel GDP tarafından zor yakalanabilir; gerçek sorun, modelleme şirketlerinin ne kadar para kazandığının ötesine geçip, jeton üretiminin ne kadar "hayalet GDP" yarattığının, kararların, verimliliğin ve zincirleme etkilerin kaç katını yarattığının anlaşılmasıdır.

Röportaj Metni:

Claude Code Yeni İşgücü Haline Geldi

Patrick O'Shaughnessy (Sunucu):
Daha önce bana şirketinizin bu yıl jeton kullanımındaki büyük değişiklikle ilgili harika bir hikaye anlatmıştın. Tekrar anlatabilir misin? Bu sana dünyada neler olduğu konusunda nasıl bir anlayış kazandırdı?

Dylan Patel (SemiAnalysis Kurucusu):
Geçen yıl, kendimizi zaten Yapay Zeka'nın ağır kullanıcıları olarak düşündük. Herkes ChatGPT kullanıyordu, herkes Claude kullanıyordu, ben de ekibime istedikleri abonelikleri sağlıyordum. O zamanki şirket harcamaları yaklaşık olarak on binlerce dolardı.

Ancak bu yıl harcamalar hızla artmaya başladı. Gerçek başlangıç noktası muhtemelen geçen yılın Aralık ayında, Opus'un ortaya çıkışıyla oldu. Bunun arasında Doug de var, yani başkanımız Douglas Lawler. Temelde, olağanüstü bir şekilde, teknik olmayan kişileri yapay zeka ile kod yazmaya teşvik etmeye başladı. Bütün şirketi bu yöne doğru yavaşça itti diyebiliriz. Tabii ki, mühendisler zaten kullanıyordu, ancak bu yılın Ocak ayından itibaren harcamalarımız belirgin bir şekilde yükselmeye başladı, ardından hızla patladı.

Sonradan Anthropic ile kurumsal bir sözleşme imzaladık. Size son konuşmamızda, yıllık bazda harcamamızın yaklaşık 5 milyon dolar olduğunu söylemiştim; şimdi 7 milyon dolara yükseldi.

Patrick O'Shaughnessy:
Ve bu geçen haftaki rakam.

Dylan Patel:
Evet, bunun büyük bir kısmı kullanım miktarından kaynaklanıyor. Gerçekten ilginç olan şey, daha önce hiç kod yazmamış kişilerin şimdi Claude Code'u kullandığı ve bazılarının bir günde binlerce dolar harcayabildiği. Ancak şirket genelinde, artık yılda Claude Code üzerindeki harcamamız 7 milyon dolara ulaştı ve maaş harcamamız yaklaşık 25 milyon dolar. Yani, Claude Code üzerindeki harcamalar, maaş harcamalarının %25'ini aştı.

Eğer bu trend devam ederse, yıl sonuna kadar maaş toplamını aşabilir bile. Bu biraz ürkütücü. Neyse ki, şu anda "insan" ve "yapay zeka" arasında seçim yapmam gerekmiyor, çünkü şirket hızla büyüyor. Daha çok şöyle düşünebiliriz: Hızlıca insan almama ihtiyacım yok, ancak yapay zekâya daha fazla para harcayabilirim ve bu gerçekten etkili oluyor, şirket de daha hızlı büyüyor.

Anlaşılan, diğer şirketlerin de bu sorunla karşılaşmaya başlayacaklarına inanıyorum: Claude Code'u kullanarak bir kişi 5, 10, hatta 15 kişilik işi tamamlayabiliyorsa, bundan sonra ne yapmalı? İlk olarak, gerçekten işten çıkarmak gerekebilir; ikinci olarak, mevcut kullanım senaryoları çok geniş kapsamlı.

Örneğin, Oregon'da bir tersine mühendislik laboratuvarımız var, yaklaşık bir buçuk yıl önce kuruldu. İçinde mikroskop, taramalı elektron mikroskopu gibi birçok yüksek kaliteli ekipman bulunuyor. Bu laboratuvarın temel amacı çip analizi yapmak, çip mimarisini çıkarmak ve kullanılan malzemeleri analiz etmektir. Bunlar arasında sattığımız verilerden biri de bulunmaktadır.

Ancak bu tür verilerin analiz etmek eskiden çok yavaş bir süreçti. Şimdi, ekibimizden bir kişi sadece birkaç bin dolarlık Claude token harcayarak bir uygulama geliştirdi. Bu uygulama GPU hızlandırmalı, CoreWeave'in sunucusunda çalışıyor. Sadece bir çip resmi göndermeniz yeterlidir, o da her bir malzemenin konumunu otomatik olarak belirleyebilir: İşte bakır, işte tantal, işte germanium, işte kobalt. Sonra, çip yığını yapısını hızlıca sonlu elemanlar analizi yapabilir, görselleştirilebilir, tamamen interaktif bir grafik arayüzü ve kontrol paneli ile.

Bu kişi daha önce Intel'de çalışmış, dedi ki, geçmişte bunun tamamlanması ve sürdürülmesi gereken bir ekip işi olduğunu söyledi. Şimdi benzer şeyler şirket geneline yayıldığında, gerçekten inanılmaz.

Bana çok ilginç gelen başka bir örnek de Malcolm'dur. Malcolm daha önce büyük bir bankada ekonomist olarak çalışmıştı. Bankadaki ekonomi bölümünde belki de 100 ila 200 kişi vardı. Şimdi ortaya koyduğu şeyler gerçekten şaşırtıcı.

Çeşitli verileri içe aktardı, FRED verileri, istihdam raporu ve diğer farklı API'lerden gelen veri kümeleri dahil. Bazı veri sağlayıcılarla da anlaşmalar yaparak API erişimi elde ettik. Sonra tüm verileri içeri çekti, regresyon çalışmaları yaptı ve farklı ekonomik değişikliklerin ekonomi üzerinde enflasyon veya deflasyon etkisini analiz etmeye başladı.

Amerikan İş İstatistikleri Bürosu'nun 2000 görevden oluşan bir tam sınıflandırma seti var. Malcolm, hangi görevlerin şu anda yapay zekâ tarafından gerçekleştirilebileceğini, hangilerinin yapılamayacağını değerlendirmek için yapay zekâ kullandı ve bunlara belirli bir ölçüt uyguladı. Sonuçlar, yaklaşık olarak görevlerin %3'ünün şu anda yapay zekâ ile gerçekleştirilebileceğini gösterdi.

Bu nedenle bir ölçüt oluşturdu, hangi faaliyetlerin yapay zekâ tarafından gerçekleştirilebileceğini ve bu faaliyetlerin yapay zekâ tarafından gerçekleştirildiğinde ne kadarlık bir deflasyon etkisi yaratacağını ölçmek için. Üretim artabilir, ancak maliyet o kadar keskin düşer ki teorik olarak GSYİH daralabilir. Buna "Hayalet GSYİH" diyor.

Bu kavrama dayanarak geniş bir analiz yaptı, ayrıca yaklaşık 2000 değerlendirmeyi içeren yepyeni bir dil modeli ölçütü oluşturdu.

Patrick O'Shaughnessy:
Bunların hepsini tek başına mı yaptı?

Dylan Patel:
Evet, hepsi tek başına yaptı. Bana dedi ki: "Kardeşim, bunun eskiden 200 kişilik bir ekonomist ekibi tarafından bir yılda tamamlanabilecek bir iş olduğunu düşün." Şimdi tamamen Claude'a dalmış durumda, her şeyin değiştiğini söylüyor.

Patrick O'Shaughnessy:
Bir işletme sahibi olarak, bunu nasıl anlıyorsunuz? Neredeyse hiç bu harcamaya sahip olmayan ve şimdi bu harcama kaleminin maaş giderine yaklaştığı ve hala artmakta olduğu bir noktaya geldiniz. Hangi noktada "Dur bakalım, acaba fren yapmalı mıyım?" diye düşüneceksiniz? Harcamaları kontrol altına almalı mıyım? Belki her zaman en son yayınlanan Opus 4.7 gibi en son teknoloji modelini değil, biraz daha ucuz bir modele geçebilir miyiz?

Dylan Patel：
Sonuçta, yaptığım şey bilgi işidir. Sattığımız şey analizdir, danışmanlık yaparız ve veri kümeleri oluştururuz. Bu tür şeylerin oldukça hızlı bir şekilde tamamen ticarileştirilmeyeceğine dair hiçbir neden göremiyorum.

Eğer sürekli olarak kendimi geliştirmiyorsam, en başta sattığım ilk veri ürünü artık benzer şeyler yapan daha fazla insanın ortaya çıktığı bir noktada. Hala satabilmemizin sebebi, sürekli olarak daha iyi ve daha ince detaylara inerek ürünü geliştirmemizdir. Ancak aslında 2023 yılında bu işi yapma şeklimiz, şu anda diğer insanların yaptığı şekilde yapılmaktan çok farklı değil. Standartları yükseltmeye devam etmezsem, ticarileştirileceğim. Eğer yeterince hızlı hareket etmezsem, avantajımı kaybederim.

Yine de sorun şudur: Evet, yapay zeka birçok şeyi ticarileştirecek, yazılımı ticarileştirdiği gibi. Ancak hızlı hareket eden, müşteri ilişkilerini ele alan, mükemmel hizmet sunan ve sürekli olarak hizmetini geliştiren insanlar küçülmez, aksine daha hızlı büyürler. Beceriksiz olan, hiçbir şey yapmayanlar kaybeder.

Yine de bu aslında bir hayatta kalma meselesi gibi: Eğer yapay zekayı benimsemiyorsam, diğerleri benimsemeyecek ve sonra beni yenecekler.

Bir diğer basit örnek ise enerji sektörüdür. Geçen bir yıl boyunca, enerji analistlerinden bazıları, bir enerji modeli oluşturmaya çalıştılar. Bu model oldukça karmaşıktı ve enerji veri hizmetleri pazarının yaklaşık 9 milyar dolarlık bir büyüklüğe sahip olduğu için, bu açıkça girmek istediğim devasa bir pazardı. Ancak ekibimizin bir yıl boyunca üzerinde çalışmasına rağmen, aslında enerji veri hizmetleri işine gerçekten giremedik.

Sonra, "Claude Code Çılgınlığı" geldi. Veri merkezi enerjisi ve endüstri işlerinden sorumlu bir kişimiz var, adı Jeremy. Claude Code'u kullanmaya başladıktan sonra, işler birden değişmeye başladı. Üç hafta içinde, çok para harcadı, günde yaklaşık 6000 dolar harcayabiliyordu, gerçekten çok abartılı. Ancak ABD'deki her elektrik santralini, belirli bir gerilim seviyesinin üstündeki her iletim hattını yakaladı ve çeşitli açık veri kaynaklarından ABD'nin tamamının elektrik ağının haritasını oluşturdu, aynı zamanda birçok talep tarafı verisini de entegre etti.

Bunu bir gösterge paneline dönüştürdük, ABD'nin çeşitli alt bölgelerindeki enerji eksikliklerini ve fazlalıklarını görüntülemek ve analiz etmek için, ayrıca birçok detayı incelemek için kullanılabiliyordu. Bu şey birkaç hafta içinde hayata geçti.

Sonra, bu gösterge panelini zaten bizden veri merkezi veri kümelerini satın alan bazı müşterilere, enerji tüccarları da dahil olmak üzere, gösterdik. Onlar gördükten sonra dediler ki: "Vay, bu ne kadar sürede yapıldı? Harika, birkaç şirketten daha iyi." Sonra daha fazla araştırma yaptık ve o "bazı şirketin" 100 kişilik bir ekibi olduğunu ve konuda on yıldır çalıştığını keşfettik.

Evet, şu anki ürünümüz onlarınki kadar kapsamlı veya sağlam değil, ancak bazı yönlerden daha iyi hale geldi. Bu yüzden şu anda bu enerji veri hizmeti şirketlerini ticarileştiriyorum. Ancak tam tersine, daha hızlı koşmazsam, kim benim hizmetimi ticarileştirecek?

Yani, işletme sahibi olarak bakıldığında sorun, "Çok para harcadım mı?" sorusu değil. Evet, gerçekten çok para harcadım. Ancak sorun şu, bu para bana ne getirdi? Daha fazla gelir mi getirdi? Eğer cevap evetse, o zaman bu para helal olsun.

Patrick O'Shaughnessy:

Sonunda, sermayeyi kontrol eden, sermayeyi yatırım yapan kişilerin, yani sıkça yaptığınız şeyler nedeniyle sizi işe alan kişilerin, "Bizim de analistlerimiz var ve onlar da oldukça akıllı, neden kendi başımıza yapmayalım?" dediğini düşündünüz mü? Eğer bu kadar kolaylaşırsa, bu noktada, işin tamamı yatırım kurumlarının içine mi döner? Sonuçta, bu kurumların bu veri ve içgörülerden en büyük kaldırayı almaları muhtemel görünüyor.

Dylan Patel:
Öncelikle, herhangi bir bilgi hizmeti işi temelde şöyledir: Benim aldığım bir bilgiden elde ettiğiniz değer, açıkça müşterinin aldığı değerden daha büyüktür.

Eğer size 1 dolarlık bir bilgiyi 1 dolara satıyorsam, bu 1 doları vermeye istekli olmanızın nedeni, bu bilginin size bir karar vermenize yardımcı olabileceğini ve bu kararın size 1 dolardan fazla kazanç sağlayabileceğinizi bilmenizdir. Yani, bir arbitraj fırsatı elde ettiniz. Benden kazandığınız para, benden elde ettiğim paradan daha fazladır.

Yatırım fonları kendilerinin de bilgi hizmeti yeteneklerine sahiptir. Özellikle Jane Street, Citadel gibi kuruluşlar, veri konusunda çok derinlemesine bilgi sahibi. Ancak bu kuruluşlar hala verilerimizi satın alıyorlar, hatta alımlarına devam ediyorlar ve iş birliklerimiz artıyor.

Burada bir tür "it faktörü" olduğunu düşünüyorum. Biz daha hızlı hareket ediyoruz, daha esnekiz, ekibimiz daha küçük ve çok belirli bir alana odaklanıyoruz: AI altyapısı ve onun getirdiği büyük dönüşüm, bunlar arasında AI, jeton ekonomisi ve ilgili bir takım şeyler var. Yönelimi daha erken görebiliyoruz ve şeyleri daha hızlı inşa edebiliyoruz.

Dolayısıyla, yatırım profesyonelleri kesinlikle yaptığımız şeylerin bir kısmını kendileri denemeye çalışacaklar. Ancak genellikle, doğrudan verilerimizi satın alacaklar ve bu temelde inşaata devam edecekler. Onlar için, verilerimizi satın alıp buna dayanarak ilerlemek, genellikle sıfırdan başlamaktan daha ucuzdur. Tabii ki, sonunda kesinlikle birileri kendi başlarına deneyecektir.

Token Yeni Üretim Faktörü Haline Geliyor

Patrick O'Shaughnessy:
Her seferinde seninle konuştuktan sonra her zaman aynı soruya geri döneceğimi hissediyorum: token arzı ve talebi. Şu anda dünyadaki en ilginç bulduğum şey bu. Kendi deneyimlerin, talep tarafını anlama konusunda sana ne gibi yeni perspektifler kattı? Bu gerçeği çok yakından hissetmekten sonra, token talebi konusundaki görüşün değişti mi?

Dylan Patel:
Bir adım geri çekilip makro düzeyden baktığımızda, Anthropic'in ARR'sinin muhtemelen 90 milyar dolar seviyesinden 350 milyar, 400 milyar dolar civarına yükseldiğini görebiliriz. Bu bölüm yayınlandığında, muhtemelen artık 400 milyar ile 450 milyar dolar arasına gelmiş olacak.

Ancak hash oranları aynı oranda artmadı. Eğer hesaplarsanız ve geliştirme hash oranlarını düşürmediklerini varsayarsanız - açıkça düşürmediler çünkü hala Metis, Opus 4, Opus 4.7 gibi yeni modeller piyasaya sürüyorlar - bu bir şeyi gösterir: Eklenen hash oranının tamamı akışa yönlendirilse bile, brüt marj alt sınırı yaklaşık %72 civarında olacaktır.

Gerçekte, eklenen bir kısmın muhtemelen geliştirmeye girdiği ve dolayısıyla gerçek brüt marjın muhtemelen %72'den daha yüksek olduğu bir durum olabilir. Unutmayın, bu yılın başında, biri finansman belgelerinden bazılarını sızdırmıştı ve o zamanlar brüt marjın sadece %30'un üzerinde olduğu görünüyordu.

Bir işletmenin brüt marjını bu derece kısa sürede nasıl artırabileceğini düşündüğünüzde, temelde bu talebin çok yüksek olduğu anlamına gelir. Kullanım kısıtlamalarını, hız sınırlamalarını ve çeşitli sınırlamaları sıkılaştırabilirler. Gerçekten önemli olan şey, Anthropic müşteri yöneticinize sahip olmanız, kurumsal sözleşmelerinizin olması ve ihtiyacınız olan oran sınırlamasını alabilmenizdir. Aksi halde, token sonunda kesinlikle çok zor bulunacak.

Kim ödeyebilirse, o alabilir. Anthropic'in karşılaştığı da budur - tabii ki bu bir sorun değil, sadece kapitalizmin işleyişi gerçeğidir. Evet, müşteriler yılda Anthropic'e muhtemelen 400 milyar dolarlık token ücreti ödeyecekler, ancak bu token'ın müşterilerinde yarattığı değer, 400 milyar doların çok üzerindedir.

Farklı şirketlerin her bir token için yarattığı değer farklıdır. Ancak modeller giderek daha akıllı hale geldikçe, gerçekten önemli olan şey şudur: Kim bu en akıllı token'lara sahip olabilir ve onları en değerli şeylerde kullanabilir.

Bir birey olarak, yapmanız gereken şey şudur: Bu token'ları nasıl kullanarak işinizi büyütebilir, değer yaratabilirsiniz. Birçok kişi token isteyecek ve token harcayacaktır. Ancak San Francisco'da Claude'u kullanarak yazılım üreten tipik bir SaaS girişimi, gerçekte büyük bir değer yaratmış olmayabilir. Bu yüzden sonunda, token fiyatları onları dışarı iter.

Patrick O'Shaughnessy：
Bugün uçuşta bu durumu yaşadım. Opus 4.7 yayınlandığında, hemen 4.7'yi kullanmak istedim, ve hemen kullanmaya başladım. Sonuç olarak, hız sınırlamasına takıldım ve hiç kullanamadım. Artık 4.6'yı düşünemiyorum bile, oysa ki son birkaç haftadır 4.6'dan çok memnundum, zaten oldukça güçlüydü.

İnsanların en pahalı, en son teknolojiyi kullanmaya bu kadar kararlı bir şekilde niçin istediğine şaşırır mısınız?

Dylan Patel：
Hiç şaşırmam. Son bir buçuk ayın en komik anlarından biri, arkadaşım Leopold ile birlikte Anthropic'in kurucu ortağına neredeyse diz çökerek Metis erişimini rica ettiğim anlardan biriydi.

Var olduğunu biliyorduk, o yüzden dedik ki: ‘Lütfen, bir süre kullanmamıza izin verin.’ Sonuç olarak, o da şöyle dedi: ‘Ne konuştuğunuzu bilmiyorum.’

Patrick O'Shaughnessy：
O fiyat listesi veya değerlendirme kartı doğrulandığında, nasıl tepki verdiniz?

Dylan Patel：
Aslında, vadide söylentiler vardı, muhtemelen oldukça güçlü olacağını biliyorduk. Eğer benchmarklara bakarsanız, tabii ki benchmarklar sürekli değişir, ancak Mephisto / Metis muhtemelen son iki yılda modele yapılan en büyük atılım olabilir.

Bu çok önemli bir nokta olduğunu düşünüyorum: Anthropic, onu tamamen piyasaya sürmek istemiyor kadar güçlü. Zaten bazı müşterilere fiyatları açıklamış ve seçici bir şekilde yayınlamış olmalarına rağmen, örneğin ağ güvenliği senaryolarına odaklanmışlar. Token maliyeti belki 5 kat veya 10 kat olabilir, ancak gerçek dünyaya etkisinden endişe ettikleri için hala tamamen yayınlamak istemiyorlar.

Yani şu anda bizlere sunulan, daha düşük kaliteli, zayıf bir versiyon, yani Opus 4.7. Ve model kartlarında açıkça şunu belirttiler: Aslında ağ güvenliği yetenekleri açısından bilerek daha düşük bir ön iyileştirme yaptık. Belki o kısmı okudunuz mu?

Yani demek istediğim şu: Kim olursanız olun, yeterince sermayeniz varsa, Anthropic'in kurumsal aboneliğini almalı, token ödemeli olmalısınız, normal abonelikleri kullanmamalısınız. Çünkü böylece daha az hız sınırlamasına takılma olasılığınız daha düşük olur.

Sonra şunu düşünmelisiniz: Bu token'ları en değerli görevlere nasıl yönlendireceksiniz ve bundan nasıl para kazanacaksınız. Çünkü temelde, belki bir yıl sonra, iki yıl sonra, birçok iş aslında token arbitrajı yapıyor olacak. Tokenlar çok güçlü, ancak asıl mesele onları nereye yönlendireceğinizi bilmektir.

Birkaç yıl sonra model kendisi muhtemelen token'ı nasıl kullanacağını ve nasıl en yüksek değeri yaratacağını bilecek.

Eğer herhangi bir ölçütü geriye dönük inceleyerseniz, şunu göreceksiniz: Geçmişte belirli bir yetenek seviyesine ulaşmak için gereken maliyet X idi, şimdi muhtemelen sadece başlangıçtaki maliyetin yüzde biri, hatta binde biri kadar. Örneğin, DeepSeek GPT-4 seviyesine ulaştığında, maliyet yaklaşık olarak GPT-4'ün altı yüzde biriydi. Bundan sonra, GPT-4 seviyesindeki modelin maliyeti hala düşmeye devam ediyor.

Tabii ki, artık kimse gerçekten GPT-4 seviyesinde bir modele önem vermiyor. İnsanların istediği, çünkü önde gelen modeller sadece gerçek ekonomik değer yaratabilir. Ancak, GPT-4 seviyesindeki model hala bazı senaryolarda kullanılabilir, ancak bu senaryolar genellikle daha küçüktür.

Dolayısıyla talebi gerçekten iten şey, eski yeteneklerin ucuzlaması değil, sürekli olarak yeni kullanım senaryolarının ortaya çıkmasıdır. Şu anda kullandığınız model Opus 4.6 veya Opus 4.7 seviyesindedir. Bir yıl sonra, eğer bugünkü kalitede bir modelin yeteneklerini elde etmek istiyorsam, harcamalarım muhtemelen sadece 70.000 ABD Doları olacaktır, belki de 100 kat daha ucuz olacaktır.

Ancak bu önemli değil. Çünkü o zaman kesinlikle daha güçlü bir modeli kullanarak, çok daha değerli şeyler yapacağım.

Anthropic'in Metis'i, modelin kendisi daha pahalı olmasına rağmen, aynı işi yaparken kullanılan token miktarı çok daha azdır. Bu nedenle çoğu görevde, aslında Opus 4.6'dan daha ucuzdur.

Dylan Patel:
Çünkü çok daha verimli. Her bir token'ın kendisi daha "akıllı" ve daha pahalı olabilir, ancak görevi tamamlamak için gereken token miktarı çok daha azdır.

Patrick O'Shaughnessy:
Son görüşmemizde, Metis belki henüz yeni yayınlanmıştı veya model kartı henüz ortaya çıkmıştı. O zamanlar, bu kadar güçlü olmasından dolayı biraz korktuğunu söylemiştin. Bunun anlamı neydi?

Dylan Patel:
Anthropic'in 2025 hedefi, hatta 2024'ten başlayarak, 2025'in sonuna kadar, modelde bir L4 seviyesinde bir yazılım mühendisinin olmasını istiyorlar. Genel olarak, Opus 4.6 ile bunu başardılar diyebiliriz.

Ancak söylemedikleri şey, eğer Metis'e bakarsanız ve ardından bir kıyaslama yaparsanız, Metis'in daha çok bir L6 mühendisi gibi olduğudur. L4 genellikle orta düzey bir yazılım mühendisi iken, L6 oldukça deneyimli bir mühendistir.

Anthropic'ı hatırlıyorum, bu modelin yaklaşık olarak Şubat ayından bu yana kullanılabilir olduğunu söyledi. Yani, iki ay içinde, L4 mühendislerinden L6 mühendislerine terfi ettiler. Peki bundan sonra ne olacak?

Modelin ilerlemesini düşündüğünüzde, aslında hala hızlandığını fark edeceksiniz. Anthropic'in yayın hızı sıkışıyor, OpenAI'in yayın hızı da sıkışıyor. Neden mi? Çünkü genellikle daha iyi modeller oluşturmak için birkaç şeye ihtiyacınız var.

İlk olarak, güçlü bir hesaplama gücüne ihtiyacınız var. Hesaplama gücü çok pahalı ve kendi zaman aralığına sahip. Bu şeyleri takip ediyoruz, gerçekten artıyorlar ancak kısa vadede temel olarak belirlenmiş durumda. Zaten anlaşma sağladığınız hesaplama gücü, genel olarak sabitlenmiş durumda. Tabii ki, gecikmeler ve ayarlamalar olacaktır; ek bir miktar daha sağlamak için çaba gösterebilirsiniz ancak genel olarak oldukça sabittir.

İkinci olarak, son derece yetenekli araştırmacılara ihtiyacınız var. Şu anda şirketler bu insanlar için milyonlarca dolar ödemeye istekli.

Son olarak, uygulama yeteneği var. Tarihsel olarak, uygulama her zaman çok zordu. Bir fikrim varsa, onu uygulamam gerekiyor ancak uygulamak çok zor. Ancak şimdi, fikirler her yerde ve uygulamak çok kolay hale geldi. Pahalı ama çok kolay.

Yani soru şu halde: Bir kişi hangi fikirleri uygulamaya karar veriyor? Sonuç olarak, uygulama o kadar kolaylaştı ki, daha fazla fikri hayata geçirebilir ve bu koşu bandında daha hızlı koşabilirsiniz.

Bu AI model araştırmasında meydana gelebilir, bu nedenle model yayın hızı altı aydan iki aya düşmüştür. Diğer alanlarda da gerçekleşebilir. Örneğin, Amerika'daki her güç santralını, her iletim hattını modellemek, regresyon çalıştırmak, mikro düzeyde arz-talep ilişkilerini analiz etmek istiyorum diyelim — şimdi yapabilirim.

Fikirler kendileri ucuzdur. Esas mesele şudur: Hangi fikir mantıklıdır? Hangi fikir sermaye yatırımı yapmaya değerdir, jeton satın almak, onu uygulamak için? Çünkü uygulamaya yönelik kabiliyet zaten mevcut. Bu en önemli değişikliktir.

Eğer uygulama maliyeti düşmeye devam ederse — ve gerçekten düşüyor — henüz Metis'e gerçekten sahip bile değiliz. Opus 4.7 şu anda sadece birkaç saat önce yayınlandı, ancak ekibimiz içinde çok heyecanlıyız.

Sonrasında, bu dünyaya neler getirecek? Bence ekonomik işleyişi yeniden düzenleyecek.

Geçmişte, uygulama çok önemliydi çünkü uygulama zordu; fikirler ise ucuzdu. Şimdi, fikirler sadece ucuz değil, aynı zamanda bol miktarda bulunuyor ancak uygulamak da çok kolay hale geldi. Bu yüzden, gerçekten yapmaya değer olan, yalnızca yeterince iyi fikirlerdir — onlar, uygulamanın çok ucuz olduğu gerçeğini kanıtlayabilenlerdir.

Patrick O'Shaughnessy：
Yani gerçekten korkuyor musunuz? Yoksa, sadece anlaşılması zor bir belirsizlik mi getirdi?

Dylan Patel：
Belirsizlik kesinlikle var. Ancak gerçekten bir tür korku hissettiğimi düşünüyorum. Sorun şu ki, toplum kendini nasıl yeniden yapılandıracak?

Bir şeyi başarma yeteneğinin kendisinin artık çok önemli olmadığı bir dünyada yaşadığınızda, asıl önemli olan nedir? Önemli olan, AI için doğru fikri seçebilme yeteneğiniz, onu hayata geçirebilme yeteneğiniz; bu fikri satabilme veya AI tarafından hayata geçirilen şeyi satabilme yeteneğiniz; bu yönde sermaye toplayabilme yeteneğinizdir. Bunlar önemli hale gelir.

Bu aynı zamanda önceki soruya geri dönüyor: Her zaman en yeni modele sahip olmak çok önemlidir. Peki en yeni modeli kim elde edebilir?

Anthropic'in bir projesi var, adının Earwig olmadığını biliyorum ama kasıtlı olarak ona Earwig demeyi seviyorum, Anthropic'in insanlarını alay etmek için. Onlar Metis'i sadece belirli şirketlere, ağ güvenliği senaryoları için sunuyorlar. Bence bu tür şeyler devam edecek: Modelin uygulanma kapsamı giderek daralacak, giderek daha az insan odaklı olacak.

Not: Earwig kelimesi aslında "küçük kulağın" ve çoğunlukla "kulak kancası böceği" olarak bilinen bir tür küçük böcek anlamına gelir. Bu bağlamda, bu daha çok nükteli bir lakap gibi: bir yandan earwig, bir tür böceği andırırken, diğer yandan da gizlice kulaklara girmek ve insanları gizlice etkilemek anlamına gelir.

Ben OpenAI, Anthropic ve diğer şirketlerin herkesin güçlü bir AI'ya sahip olmasını istediklerini biliyorum. Ancak AI çok pahalı. Yüz trilyon dolarlık altyapıyı kim karşılayacak? Paranız olan ve AI ile yararlı şeyler inşa edebilenler.

Ayrıca, başkalarının modelinizi damıtmasını istemezsiniz, bu nedenle geniş çapta yayınlamazsınız. Onu giderek daha az sayıda müşteriye sunarsınız. Daha sonra, bu müşteriler arasında da belirli bir token için rekabet başlar.

Anthropic büyük ölçüde fiyat artırsa bile. Opus'un fiyatını ikiye katlayabilirler ve ben yine ödemeye devam ederim. Çoğu kullanıcının da devam edeceğini iddia ediyorum. Ancak bunun bile büyük üretim kapasiteleri sorunlarını çözmeyeceğini düşünüyorum.

Dolayısıyla soru şu şekilde değişiyor: Bu döngü nerede sona erecek? Token kullanımı ve bu tokenlerin getirdiği ek değer giderek az sayıda şirketin elinde toplandığında ne olacak?

Şu anda benim Metis'im yok. Ama kimde var? Üst düzey bankalarda var. Şu anda belki sadece ağ güvenliğinde kullanıyor olabilirler, ama bir dünya hayal edebiliyorum: Benim Anthropic kurumsal sözleşmeme sahip olduğumdan, Anthropic işbirlikçileri de beni biraz seviyor olduklarından, belki bize biraz daha erken erişim izni vermek veya biraz daha yüksek bir erişim sınırı sağlamak isteyebilirler. Tabii ki böyle bir şeyin gerçekleşmesini isterim.

Sonra rakibim bu erişim iznine sahip olmadığı için onları alt edebilirim.

Başka bir senaryo da olabilir. Örneğin Citadel'in Ken Griffin'i, inanılmaz bir ağa sahip ve çok zengin. O, OpenAI veya Anthropic ile anlaşma yapabilir ve der ki: "Her yıl önce 100 milyar dolarlık jeton alacağım. Her yeni model yayınladığınızda, ilk olarak ben önce 100 milyar dolarlık jetonu alırım, sonra diğerleri kullanabilir."

Bu durumda ne olurdu? O, muhtemelen piyasada herkesi ezerdi.

Bu sadece bir örnektir. Ağ güvenliği alanında da gerçekleşebilir, örneğin Anthropic modelinin sisteme daha fazla sızma olasılığını endişe ediyor olması. Ayrıca benden gibi bir bilgi hizmetleri sektöründe de gerçekleşebilir, onu kullanarak diğerlerini alt etmek için.

Ben, bu durumun oldukça geniş bir etkiye sahip olacağını düşünüyorum. Bu modellerin neler yapabileceğini gerçekten bilmiyoruz. Anthropic bilmiyor, OpenAI bilmiyor, hiç kimse bilmiyor. Sonuçta, bu jetonların neyle kullanılabileceğini terminal kullanıcıların kendilerinin keşfetmesi gerekecek: Bu jetonlar nerede kullanılabilir? Ne tür şeyler inşa edilebilir? Hayal edilebilecek şeyler nelerdir?

Bu kesinlikle verimliliği büyük ölçüde artıracak ve insanlık için çok olumlu yönler içerecek. Ancak soru şu, kaynaklar ve kullanım hakları nasıl merkezileşecek?

Robotlar bir sonraki talep dalgasına bağlanacak

Patrick O'Shaughnessy:
Şu anda, robotlar veya robotik tarafından tüketilen jetonlar, diğer alanlarla karşılaştırıldığında neredeyse ihmal edilebilir. Siz ne düşünüyorsunuz? Bu ikinci bir talep eğrisi haline gelir mi? Bir mil çerçevesinde, her gün ilginç şeyler yapmaya çalışan yeni robot girişimleri ortaya çıkıyor.

Dylan Patel:
Burada bir kavram var, "Yalnızca Yazılım Eşiği" (software-only singularity). Yani, dünyada önce yalnızca yazılımda gerçekleşen bir yapay zeka eşiği ortaya çıkabilir. Ama sorun şu ki, dünyanın büyük bir kısmı hala fiziksel. Sonunda, dünyanın donanım etrafında örgütleneceğini göreceksiniz, sadece yazılım değil. Bu yüzden ben, "yazılım eşiği"nin sadece geçici bir aşama olacağını, nihai hedef olmadığını düşünüyorum. Çünkü sonunda biz yine de fiziksel dünyaya gireceğiz.

Yazılım çok kolay hale geldiğinde, robotikte gerçekten zor olan şey nedir? Programlama, mikrodenetleyiciler, aktüatörler ve tüm bunları kontrol etme. Şu anda hepsi çok zor.

Yapay zeka modellerinin ilginç bir özelliği var: Öğrenme verimlilikleri aslında çok düşük. Sadece bize çok miktarda veri verdiğimiz için bazı şeyleri öğrendiler ve bazı yönlerde insanları aştılar.

Ancak şu anda robotik modeller, örneğin VLA, yani Görme-Dil-Eylem, görme-dil-eylem modeli, oldukça popülerdir, ancak bunun sonsuza dek genişleyebilecek bir şey olmadığını düşünüyorum. Onların veri verimliliği çok düşük ve robot veri ölçeğini yeterince hızlı genişletemiyoruz.

Gelecekte, muhtemelen bir şekilde büyük ölçekli ön eğitimi olan robotik modeller olacaktır. İnsanlar yaşamları boyunca sürekli olarak çeşitli verilere maruz kaldıkları gibi. İnsanların gerçekten uzman olduğu şey, çok "örneklem verimli" olmalarıdır. Bir örnek, iki örnek, öğrenebiliriz.

Bu yeteneği robotlara uygularsak, durum tamamen farklı olacaktır. Yazılım seviyesinde bir nokta geldiğinde, uygulama çok ucuz hale gelir, herkes bu modelleri inşa etmeye başlayabilir. Ardından insanlar gerçekten yararlı robotlar inşa etmeye başlayabilir.

Bu nedenle, gelecek 6 ila 18 ay içinde, robotik alanında gerçek bir çıkış görmeye başlayacağımızı düşünüyorum. Ana yetenek few-shot learning'dir, yani az örnekli öğrenme. O zamana kadar önceden eğitilmiş bir robot modeli olacak, sonra bir robot kiralayacaksınız veya satın alacaksınız, ona birkaç örnek göstereceksiniz ve görevi tamamlayacak.

Ona bu iki şeyi üst üste koy dediğinizde yapabilecektir. Ona "bu şey aslında dengeyi koruyabilir" dediğinizde, denemeye başlayacak ve yerine getirecektir. Bana inanın, ben de birçok kez şeyleri devirdim.

Bu nedenle, robotların az örnekli öğrenme yeteneğinin ortaya çıkacağını düşünüyorum.

Şu anda gerçekten birçok şirket robotik üzerinde çalışıyor, bazıları reklam gösterimi için, bazıları çok basit görevler için. Ancak bundan sonra çok özelleşecek. Mesela sadece kıyafet katlamak için robotlar olabilir, ya da biraz daha özelleştirilmiş bir şekilde, sadece tahtayı silmek için robotlar olabilir. Kiralama hizmeti olabilir, bir model paketi de olabilir, standart bir robota indirip bu görevi yerine getirebilir ve kullanıma göre ödersiniz.

Her durumda, fiziksel ürün alanı büyük bir hızlanma yaşayacak ve deflasyon etkisi yaratacaktır. Bu nihayetinde jeton talebinin çılgınca artmasına yol açacaktır. Bu yüzden kişisel olarak jeton talebinin yavaşlamayacağını düşünmüyorum.

Patrick O'Shaughnessy：
Metis sonuçlarından ve yapısından, bu dünyaya dair yeni şeyler öğrendiniz mi? Yani, scaling yasalarının farklı bileşenlerini açarsak, mesela ön eğitim konusunu…

Dylan Patel：
Bu, önceki modellere göre çok daha büyük bir model. 100.000 Blackwell bloğu, önceki nesil yüz binlerce bloğa eşdeğer. Tabii ki, TPU ve Triton'un kendi farklı yayın takvimleri var, bu yüzden tam olarak eşleşmeyebilir. Ancak sonuç olarak, evet, Metis açıkça daha büyük bir modeldir. Bu, scaling yasalarının hala geçerli olduğunu kanıtlıyor. Gösterdiği her şey, eğilim çizgisinin devam ettiğini gösteriyor: modele daha fazla işlem gücü yatırırsanız, model daha iyi hale gelir.

Ayrıca, tüm süreç boyunca, sadece "daha fazla işlem gücü modeli iyileştirir” den ibaret de değil. Aynı zamanda, sürekli bir şekilde hesaplama verimliliği kazanıyoruz. Laboratuvarın yatırım yaptığı tüm Ar-Ge işlem gücü, sonunda şuna dönüşüyor: Eğer belirli bir yetenek seviyesinde bir model istiyorsam, her altı ayda bir, ya da şimdi her iki ayda bir, bu yeteneğe ulaşmanın maliyeti önemli ölçüde düşüyor. Ancak eğer ölçeği büyük ölçüde artırırsam, yine de büyük bir yetenek atılımı elde edebilirim.

Yine de, bu gerçekleşmeye devam ettiğini kanıtlıyor. Google ve Anthropic, eğitim tarafında GPU'ların ağır kullanıcıları değil. OpenAI'nın önümüzdeki dönemde yeni bir model duyurması muhtemel. Onların scaling konusunda daha rasyonel, ilkelere dayalı küçük adımlarla ilerlediklerini düşünüyorum. Anthropic ise bu sefer büyük bir sıçrama yaptı.

Bu yıl daha iyi modeller göreceğiz ve yayınlanma hızı her geçen gün hızlanacak.

Patrick O'Shaughnessy：
Çok uzun bir konuştuk ama neredeyse hiç OpenAI'dan bahsetmedik. Bu eskiden çok garip olurdu.

Dylan Patel：
İşte buradaki ilginç nokta. Şimdi birçok insan şunu söyleyecek: Yani Anthropic zaten kazandı, değil mi? Şubat ayında Metis'e sahip oldular, ama hatta yayınlamadılar çünkü gerekli görmediler. İşlem güçleri tükendi, gelirleri aylık 100 milyar dolar artıyor. Ve bugün Opus 4.7'yi duyurdular ve tüm bunlar, OpenAI'in dedikodusu dolaşan Spud'un duyurulmasından önce gerçekleşti—《The Information⟩ ve diğer medya organları bu söylentiyi duyurdu.

Yani yüzeyde görünüşe göre, Anthropic açıkça önde gibi görünüyor, OpenAI ise bitmiş gibi görünüyor. Ancak ilginç olan şu ki, Anthropic'in hesaplama gücü açıkça kısıtlı, genişleme hızları sınırlı. Dario daha önce, OpenAI'in hesaplama gücüne aşırı yatırım yaptığını ve Anthropic'in ölçeklendirme açısından daha makul olduğunu gururla belirtmişti. Ancak şimdi Anthropic belki de şöyle düşünüyor olabilir: Belki başlangıçta daha fazla hesaplama gücüne sahip olmalıydık.

OpenAI ise bu faturaları ödemek için tamamen yeterli. Aslında, onlar zaten çok para topladılar, daha fazla artı hesaplama gücü elde etmek için. Ayrıca, daha önce Oracle, CoreWeave, SoftBank, Microsoft gibi şirketlerden çok agresif hatta biraz sorumsuz bir şekilde ölçekte hesaplama gücü satın aldılar. Şimdi ayrıca Amazon'dan Trainium'u da edindiler.

Bu nedenle OpenAI, hesaplama gücü açısından oldukça çılgınca bir şeyler yaptı ve daha fazlasına ihtiyaçları olduğunu biliyorlar.

İlginç olan şu ki, Opus 4.6'yı ele alırsak, modelin daha da güçlenmeye devam etmesini şimdilik göz ardı edelim, sadece bu teknolojinin yayılmasına bakalım. Sen ve ben muhtemelen model yayımlanan ilk günde hemen kullanmaya başlarız, ancak diğer şirketler zamanları olacaktır. İnsanların öğrenmesi gerekecek. Bu "Claude'un Uyanış Anı" herkesi aynı anda vurmayacak. Bu yüzden yıl sonuna kadar, bir Opus 4.6 seviyesinde bir model varsayalım, ekonomi her yıl ona 1 trilyon dolar harcamaya istekli, bence bu abartılı değil. Sonuçta şu anda zaten 400 milyar dolar harcanıyor.

Patrick O'Shaughnessy:
Bu temelde sadece doğrusal ekstrapolasyon.

Dylan Patel:
Evet, bu doğrusal ekstrapolasyon, üssel derecedenek ekstrapolasyon değil. Üssel artışı gerçekleştirmek için daha iyi modellere ihtiyacınız var. Ancak Anthropic, bu talepleri karşılamak için yeterli hesaplama gücüne sahip olmayacak. Bu nedenle, OpenAI veya Google'ın bu yetenek seviyesine hızla ulaşması durumunda, bir sonraki bu seviyeye ulaşacak olan kim olursa olsun.

Anthropic belki de brüt marjın %70'ini alabilir, ancak OpenAI aynı yeteneğe ulaşırsa, hatta sadece %50 brüt marj alsa bile, tüm bu artan talebi karşılayacaktır. Ve büyük olasılıkla aynı şekilde tüm kullanıcıları hizmet etmek için yeterli hesaplama gücüne sahip olmayacak. Bu yüzden, belki de dünya genelinde yeterli hesaplama gücüne sahip olursa Metis gibi bir model, 500 milyar dolar gelir getirebilir, hatta daha fazlasını getirebilir. Piyasa bu jetonlara olan talebin çok yüksek olmasına rağmen, hesaplama gücü arzı son derece kısıtlı.

Bunu H100 Fiyatındaki Patlamadan zaten gördük. GPU'nun kullanım ömrü de sürekli olarak uzamaktadır. Açıkçası, hatta ikinci sınıf laboratuvarlar bile token'ları tükenecektir, birinci sınıf laboratuvarları hiç söylemiyorum. Birinci sınıf laboratuvarlar daha iyi kar oranına sahip olacaktır, ancak ikinci sınıf laboratuvarlar da token'ları tükenecektir, hatta üçüncü sınıf laboratuvarlar da neredeyse tükenebilir.

En güçlü modelin yaratabileceği ekonomik değer, altyapıyı insanlara bu token'ları sunma yeteneğinin çok daha hızlı büyüdüğünü görmekteyiz. Bu nedenle bu boşluk daha da genişleyecektir. Model laboratuvarlarının kar oranı da artmaya devam edecek ve cihaz tedarik zinciri ile altyapı tedarik zincirindeki insanlar şunu fark edene kadar: Bekle, neden kendi kar oranımı doğrudan arttırmıyorum?

Patrick O'Shaughnessy:
Yine de, bugünün talep tarafındaki değerlendirmenize baktığımızda, özellikle SemiAnalysis'in kendi örneğinizde, tam anlamıyla patlamalı olduğunuzu söyleyebiliriz. Daha genel anlamda, insanların 'AI psikozu' dediğiniz duruma girdikçe, ne yapabileceklerini bizzat deneyimlediklerinde, başarının ne kadar kolay olduğunu hissettiklerinde, ben de bunu kesinlikle deneyimledim. Birkaç hafta içinde, kendi token harcamalarımın hızla arttığını gördüm.

Bu oldukça iyi bir talep tarafı değerlendirmesi gibi görünüyor. Peki, talep tarafında kaçırdığımız başka bir şey var mı? Eğer daha fazla token kullanmazsanız, asla 'kalıcı alt tabaka'dan kurtulamazsınız. Bu ifadeyi açabilir misiniz?

Yani, ya daha fazla token kullanır ve bu token'lar aracılığıyla aşırı ekonomik değer yaratırsınız; ancak birçok insanın şu anda yaptığı kullanım çok sıkıcı ve tembel. Onlar düşünecekler: 'Öyleyse gelecekte günde sadece bir saat çalışayım, sekiz saat çalışmayayım, AI'ın büyük bir kısmını benim yerime yapmasına izin vereyim.'

Dylan Patel:
Bu sıkıcı bir yaklaşım. Daha havalı olan şey şudur: Hala günde sekiz saat çalışıyorum, ancak sekiz kat daha fazla iş yapıyorum, belki beş kat daha fazla para kazanıyorum. Belki tam olarak beş kat daha fazla kazanamam, ancak yön bu olmalı.

Elbette, sadece tek bir iş yapıyorsanız, bu zor olabilir. Gerçekten birden fazla iş yapabilen insanlar ve şirketler kuranlar, satışa başlayanlar var. Herkesin AI'ı kullandığı, endüstri standardı haline geldiği bir noktada, AI'nın getirdiği ekonomik değeri önce yakalamalısınız. Çünkü şu anda henüz tam anlamıyla standart hale gelmedi. Daha fazla token kullanmaz, bu tokenlardan değer yaratmaz ve bu değeri yakalamazsanız, kalıcı alt tabakadan asla kurtulamazsınız.

Aslında üç farklı sorun var: Birincisi, daha fazla token kullanmak; İkincisi, bu tokenlardan değer yaratmak; Üçüncüsü, kullanarak oluşturduğunuz değerden değer elde etmek. Bu üçünü de gerçekleştiremezseniz, modelin yetenekleri arttıkça ve kaynaklar daha da yoğunlaştıkça, asla kalıcı alt tabakadan kurtulamazsınız.

Tamam, arz tarafını ele alalım. Şimdi gerçekte ne oluyor? Eğer talep eğrisi patlayıcı şekilde yükseliyorsa, o zaman bütün bu jetonlara hizmet vermek için, tüm arz zincirinin önünde neler değişiyor? Talepteki patlamayla birlikte, arz tarafındaki her şey fiyat artışı yaşıyor. NVIDIA GPU olsun, diğer bileşenler olsun, fiyatlar yükseliyor. Aynı zamanda, bunların ömrü de uzamakta.

H100'ün fiyat grafiği böyle. Geçmişte bazı insanlar GPU'nun etkin ömrünün beş yıldan az olduğunu düşünüyordu, bu tamamen saçmalıktı. Şimdi üç-dört yıl öncesine ait bazı Hopper kümeleri, üç yıllık veya dört yıllık kontratları yeniden imzalıyor; bazı A100 kümeleri de gelecek yıllara ait kontratları yeniliyor.

Dolayısıyla GPU'nun etkin ömrü açıkça beş yıl değil, hatta yedi veya sekiz yıl olabilir. Bilmiyoruz, Hopper gerçekten o aşamaya ulaştığında daha iyi göreceğiz. Ama açıkça beş yıl değil. Ayrıca yenileme sırasında fiyatlar da artıyor.

Bu, bir kümelerin brüt kar marjının aslında %35 olmadığı, daha yüksek olduğu anlamına geliyor. Bulut katmanının kar marjı genişliyor. Donanım katmanındaki kar marjı da oldukça sağlıklı, NVIDIA hala yaklaşık %75 gibi bir brüt kar marjı alıyor. Tedarik zincirinin daha alt katmanlarına bakıldığında, bellek bileşeni yolunun kar marjının açıkça arttığı görülüyor. Işık modülü, mantık yongası gibi alanlarda büyük miktarda avans ödemesi yapıldığı, kar marjının yavaşça arttığı görülüyor.

Daha da önemlisi, yonga üreten NVIDIA gibi şirketler, büyük miktarda avans ödemesi yapıyor. Bu nedenle brüt kar marjı belirgin bir şekilde artmasa bile, sermaye maliyeti, nakit akış zamanlaması veya yatırım sermayesi geri dönüş oranı artıyor.

Bunu bütün tedarik zinciri boyunca görebilirsiniz. ASML tamamen tükendi, Carl Zeiss'in daha hızlı üretim yapması gerekiyor. Tedarik zincirine doğru bakıldığında, her halka ya tükenmiş durumda ya da avans ödemesi alıyor, dolayısıyla aslında yatırım yapması gereken sermaye daha düşük olduğundan yatırım sermayesi geri dönüş oranı artıyor.

Bu, tedarik zinciri boyunca tutarlı bir eğilimdir. PCB bile öyle. PCB üretmek için bakır folyo gerekiyor, ve bakır folyo da tükenmiş durumda, insanlar bakır folyo için avans ödemeye başladı.

Söylenebilir ki, bu şey hala "canlı" olduğu sürece, tedarik zincirinde olduğu ve tükenmiş olduğu sürece, insanlar daha fazla artı tedarik için yarışacak ve gelecek yılların tedariklerini erken kapma mücadelesi verecekler.

Hash Gücü Kıtlığı Endüstriyel Zincire Yayılıyor

Dylan Patel:
Tedarik zinciri genellikle hızlı tepki verir. Ancak bu sefer çok benzersiz bir durum var: Bugünün tedarik zinciri, her zamankinden daha karmaşıktır ve inşa etmekte olduğumuz şey, her zamankinden daha karmaşıktır, bu nedenle teslimat süresi daha uzundur. Diğer endüstrilerde 18 aylık teslimat dönemleri olmadığı söylenemez, ancak bu sefer, ek tedarik inşası kendisi yıllar alıyor.

Bellek işte böyle bir şey. Bellek üretim kapasitesi yılda sadece düşük çift haneli yüzdelerle artabilir, örneğin %20, %30 civarında. NAND daha da düşük, DRAM biraz daha yüksek. 2025 yılının sonunda talep sinyali çok güçlü olmasına rağmen, bellek şirketleri hemen tepki vermeye başlar, ancak gerçek artımlı üretim hemen gelmeyecektir.

Normalde yılda %20 ila %30 arasında artan bu artışın ötesinde, elbette biraz daha fazla üretim kapasitesini sıkıştırabilirler. Ancak gerçek anlamda artımlı arz, ancak 2028 yılında ortaya çıkacaktır. En erken 2027 yılının sonu olabilir, ancak büyük olasılıkla 2028 yılı olacaktır. Bu son derece benzersizdir. Hızla genişlemek isteseler bile, arz hemen gelmeyecektir.

Sonuç olarak, bellek fiyatları çok yükseldi. Ve size şunu söyleyeyim, özellikle DRAM, fiyat en az bir katına, iki katına veya hatta üç katına çıkacak.

Bazıları şöyle diyor: "Bellek hakkında her şey anlatıldı, herkes anlıyor." Ama aslında değil, gerçekten anlamadınız. DRAM için şu anda başlayarak fiyatı hala ikiye katlama veya üçe katlama olasılığı var, çünkü gereken üretim kapasitesi çok büyük. Onlar, üretim kapasitesini başka yerden çalmak zorundalar. Ve kapitalist ekonomide, üretim kapasitesini başka yerden çalmak için tek yol, talebin bir kısmını daha yüksek fiyatlarla yok etmektir. Biz kota uygulamıyoruz, bu yüzden sonunda bunun yaşanması kaçınılmazdır. Kar marjı devam edecek.

Mantık yongalarında da büyük bir üretim kapasitesi sorunu olduğunu düşünüyorum. TSMC (Taiwan Semiconductor Manufacturing Company) yeni mali raporunu yayınladı, sürekli sermaye harcamasını arttırıyorlar. Ancak bir yonga fabrikası inşa etmek nihayetinde oldukça uzun zaman alır. Onlar her şeyi yapmaya çalışıyor, mevcut her fabrikadan daha fazla çıktı sıkıştırıyor. Ancak TSMC hızlıca fiyat artırmıyor çünkü "iyi insan"lar. Onların fiyat artışları genellikle tek haneli yüzdelerdir, bellek üreticilerindeki üç haneli artışlar gibi değil.

Yani sonunda şöyle bir pazar göreceksiniz: TSMC harika bir şirket, ancak gerçekten tüm değeri çıkaracak mı? Belki de değil.

Şimdi bahsettiğim şeylerden bazıları, PCB'ler için gereken bakır folyo, cam lifi, lazer gibi şeyler. Bunlar nispeten anlaşılabilir ancak çok dallanmış bir tedarik zinciri, şu anda çok geriliyor. Yukarı doğru baktığınızda, yarı iletken yonga üretim ekipmanı tedarik zinciri, bence fiyatlar çok artmasına rağmen, pazarın önemini hala ciddi şekilde hafife alıyor.

TSMC'nin bu yıl için sermaye harcaması rehberi 56 milyar dolar. Ocak ayından başlayarak yaptığımız tahmin 57.4 milyar dolar, hatta biraz daha hafif artabilir çünkü artan sermaye harcamaları yolları görmekteyiz.

Ancak insanların gerçekten üzerinde durmadığı şey şudur: Bu gelecek yıl için ne anlama geliyor? Önümüzdeki yıl için ne anlam ifade ediyor?

Sonuç olarak, üç yıl sonra TSMC'nin sermaye harcamalarını 1 trilyon dolara çıkarabileceği sonucuna varılıyor. Belki de iki yıl sonra, yani 2028'de gerçekten 1 trilyon dolarlık bir sermaye harcaması yapabilecekler. Ciddiyim, TSMC'nin 2028'de 1 trilyon dolar harcaması yapması mümkün.

Bu rakamı birçok insan hayal bile edemez. Ancak bu, onun tedarik zinciri için ne anlama geliyor? Lam Research, Applied Materials, ASML gibi şirketler için ne anlama geliyor? Daha aşağıdaki tedarik zinciri için, MKS Instruments gibi şirketler için ne anlama geliyor?

Boğa Kamçısı Etkisi daha da büyüyecek.

Not: "Boğa Kamçısı Etkisi" terimi, tedarik zincirindeki büyüme etkisini ifade eder. Daha spesifik olarak, AI talebi en alt noktada sadece token kullanımındaki patlamaymış gibi görünür, ancak yukarıdaki tedarik zincirine iletilirken, kat kat büyütülür ve nihayetinde daha aşırı üretim genişlemesi, fiyat artışı ve kapasite rekabetine dönüşür.

Eğer TSMC gerçekten 2028'de 1 trilyon dolarlık sermaye harcaması yapmayı düşünüyorsa, ki bence bu gerçekten mümkün, pek çok insan bunun çılgınca olduğunu düşünecek, ancak gerçekten gerçekleşme ihtimali var.

Patrick O'Shaughnessy:
Peki çip ekosisteminin diğer bölümleri ne olacak? GPU her zaman mutlak egemenliğini sürdürdü. Ancak CPU, ASIC veya başka bir şey, yeni fırsat ve engel olarak ortaya çıkabilir mi? NVIDIA GPU'nun egemenliği dışında, hangi alanlara odaklanmaya değer?

Dylan Patel:
Evet, ASIC açıkça yükselişte. Ancak önce AI yongası kendisinden biraz uzaklaşarak, diğer şeylerden bahsetmek istiyorum. FPGA'ya dair bir proje yaptık ve sonuç olarak, her bir sonraki nesil AI platformunda yaklaşık 120 FPGA'nın kullanılması gerektiğini gördük. Bu durum tüm FPGA şirketleri için ne anlama geliyor?

CPU alanında durum aynı. Tüm bu güçlendirilmiş öğrenme ortamları, üzerine çöp kodladığımız o şeyler şimdi bir Vercel örneğinde çalışıyor, bir AWS örneğinde çalışıyor veya hızlıca başlattığımız bir bulut kaynağında çalışıyor. Tüm bunlar bir CPU'ye ihtiyaç duyuyor. Dolayısıyla CPU'lar şu anda tamamen tükenmiş durumda ve talep hızla artıyor.

Patrick O'Shaughnessy:
Herkesin anlaması için, CPU sistemi genelinde ne gibi bir rol oynuyor?

Dylan Patel:
İhtiyaç duyduğunuz büyük miktarda CPU'ya dair iki ana neden bulunmaktadır.

İlk olarak, bu Güçlendirilmiş Öğrenme ile ilgilidir. Güçlendirilmiş öğrenme yaparken, CPU çok önemlidir.

Geçmişte, tüm internet verilerini bir modele atar ve model bazı sonuçlar verirdi. Şimdi ise hala internet verilerini modele koyarsınız, ancak sonrasında modeli bir ortama koyarsınız ve ona der ki: "Haydi, dene bakalım." Model birçok farklı şey deneyecektir. Sonunda, bu ortam, denediği sonuçları başarılı olup olmadığına göre değerlendirecek ve puanlayacaktır. Bu ortamlar herhangi bir şey olabilir. Basit olabilir, örneğin çıktı metninin doğru formatta olup olmadığını kontrol etmek veya yapılandırılmış çıktının doğru olup olmadığını kontrol etmek. Aynı zamanda çok karmaşık da olabilir.

İnsanlar artık çok karmaşık senaryolara girmeye başladılar. Örneğin: "Bu dosyayı açmanı, düzenlemenı, güncellemenı ve bir web sitesine göndermeni istiyorum." veya "Sinemanın fiziksel simülasyon yazılımını açmanı, bu CAD modelini düzenlemenı istiyorum." Bu nedenle, bu ortamlar giderek karmaşık hale gelmektedir. Ve bu ortamlar GPU'da değil, ASIC'te de çalışır, CPU'da çalışır.

ASIC veya GPU, modelin kendisini çalıştırmaktan sorumludur: Ortamdan girdi verilerini alır, bunları modele iletir, farklı çıktı yolları üretir, yani modelin sorunu çözebileceğine inandığı farklı yolları. Sonra, bu yollar değerlendirilir ve puanlanır. Başarılı olan yollar, modeli eğitmeye, güncellemeye devam etmek için kullanılır ve sürekli olarak tekrarlanır. Bu nedenle, CPU'nun çok yararlı olduğu ilk yer budur.

İkinci yer ise dağıtımdır.

Bu güçlü modellere sahip olduğunuzda ve bunları dağıttığınızda, model kodu üretir, çeşitli yararlı çıktılar üretir. Ancak bu çıktılar GPU'dan doğrudan insan beynine gitmez. GPU'dan veya ASIC'ten çıkar ve dağıttığınız bir uygulamaya, o uygulama genellikle CPU'da çalıştırılırken girer.

Bu yüzden, bu yine büyük talep gören bir alan. CPU'nun çoğu satılmış durumda.

AI Değerinin GSMH ile Ölçülmesi Zor

Patrick O'Shaughnessy:
Arz ve talep eğilimlerini sürekli değerlendirdiğiniz ve dünyadaki en iyi bu iki konuyu anlayan kişi olmaya çalıştığınızda, kendinizin şu anda bilmediğiniz ancak bilmek istediğiniz şeyler nelerdir?

Dylan Patel:
Bence bizim için ve aslında herkes için en zor anlaşılabilir kısım, tokenomics'dir, yani token ekonomisi. Altyapıyı çalıştırmak için ne kadar maliyete ihtiyacımız olduğu, token maliyeti, modelin maliyeti, bu laboratuarların kârlılık oranı vb. hakkında çok iyi bir anlayışımız var. Ancak gerçekten zor modellenen kullanım ve benimseme hızıdır.

Ocak ayında Şubat için oldukça radikal bazı tahminlerde bulunduk ve sonuç olarak Anthropic rahatlıkla ötesine geçti. Bu modeli nasıl kalibre etmeliyiz? Hangi veri kaynağını kullanmalıyız? Şubat ayına geldiğimizde Mart ayı için yine oldukça radikal varsayımlar yaptık ve yine bunların üzerine çıktık. "100 milyar dolar gelir artışı" rakamını gören herkes sordu: Ne oluyor? Gerçekten nasıl 100 milyar dolarlık gelir artışı sağlandı? Bu token'ları kim kullanıyor? Neden kullanıyor? Bu token'ları kullanarak ne inşa ediyorlar? Daha da önemlisi, bu token'ları kullanarak inşa ettikleri şeyler ekonomiye nasıl yayılıyor? Ne kadar değer yaratıldı?

Bu, gayri safi yurt içi hasılanın rahatlıkla yakalayamayacağı bir şey. Örneğin, bir token kullanarak yarattığım tüm değer sonunda daha iyi bilgiye dönüşecek. Ardından bu bilgileri satarak ve geçmişte başkalarının bilgiyi sattığı fiyatlara kıyasla daha düşük bir fiyata satıyorum.

Bu bilgiler daha sonra tüm ekonomik sisteme giriyor, insanların daha iyi yatırım kararları vermesini veya daha iyi rekabet kararları vermesini sağlıyor. Örneğin, yarı iletken şirketleri, veri merkezi şirketleri veya hyperscaler'lar ise, bu bilgilerin değeri ne kadar? Bu ekonomiye ne tür etkilerde bulunuyor?

Herhangi bir öznel ölçüden bakıldığında, bu açıkça çok etkileyici bir durum. Ancak soru şu: "Hayalet GSMH" nerede? Hayalet GSMH aslında nedir? Gerçek ekonomik değeri nasıl takip etmeliyiz?

Çünkü mevcut GSMH ölçütleri kesin değil. Eğer Dylan Patel'e kaç GSMH yarattı diye sorarsanız, o rakam oldukça düşük olur, ve kendimin yarattığı gerçek değeri düşündüğümden çok daha azdır.

Dolayısıyla asıl soru şudur: Bu token'lar gerçekten ne kadar değer yaratıyor? Sadece doğrudan gelire bakmıyoruz, aksine getirdikleri zincirleme etkilere bakıyoruz. Oluşturdukları her şeyin, ne tür bir etkiye sahip olduğu.

Ben bu sorunun asıl ve en zorlu ölçümünün budur. Arz tarafı için çok iyi bir değerlendirmemiz olduğunu düşünüyorum. Talep tarafına ilişkin birçok işaretimiz var. Ancak bu token'ların gerçekte ne tür bir değer yarattığı, bunu ölçmek ve ölçmek zor. Her üç ayda bir bu tür bir konuşma yapabileceğimizi umuyorum, çünkü değişim gerçekten çok hızlı.

Yapay Zeka Karşıtı Protestoları, Belki de Üç Ay İçinde Patlak Verecek

Patrick O'Shaughnessy:
Peki gelecekte neler olacağını düşünüyorsun? Örneğin, üç ay sonra tekrar San Francisco'ya gelip seninle buluştuğumda, ne göreceğimizi öngörüyorsun?

Dylan Patel:
Geniş çaplı bir protesto.

Patrick O'Shaughnessy
AI'ya karşı protesto mu? Biraz anlatır mısın?

Dylan Patel
İnsanlar AI'dan nefret ediyor. Şu anda AI, buz gibi göçmenlerden ve politikacılardan daha az popüler durumda. Pew'in anketi nasıl yaptığını bilmiyorum ama açıkça AI'ın politikacılardan daha az popüler olduğu ortaya çıkıyor.

Anthropic bu kadar çok gelir elde ettikçe, iş dünyasında değişikliklere yol açmaya başlayacak. İnsanlar giderek daha fazla AI'dan korkacak. AI'ı birçok sorunlarının, hatta uzun süredir var olan küresel derin sorunların çoğunu, suçlu ilan edecekler.

Bu sorunlar gün yüzüne çıkacak ve sonra AI'a atfedilecek. Muhtemelen bazı siyasi figürler veya sosyal medyadaki insanlar, etkileyiciler, AI'ı silah olarak kullanmaya başlayacaklar.

Bazı haber makalelerinin altındaki yorumlara bakın. Sam Altman'ın evine iki hafta içinde iki molotof kokteyli atılmış, yorum bölümünde insanların bunu alkışladığını gördüm. Bu sadece bir başlangıç. Bu yüzden, üç ay içinde AI'ya karşı geniş çapta protestolar göreceğimizi düşünüyorum.

Patrick O'Shaughnessy:
O zaman bu duyguyu dengeleyen güç nedir? AI endüstrisi nasıl önceden tepki vermeli?

Dylan Patel:
Öncelikle, Sam Altman ve Dario'nun röportaj vermeyi bırakması gerekiyor. Çok karizmatik değiller. Gerçekten ne yaptıklarından emin değilim. Her röportaj, sıradan insanları onlardan daha fazla nefret etmelerine neden oluyor. Örneğin, Sam Altman'ın Tucker Carlson'ın programına çıkması, muhtemelen tüm Cumhuriyetçilerin OpenAI'dan daha fazla nefret etmelerine neden olmuştur. Dario da aynı şekilde. Gerçekten hiç karizmatik değiller. Bu ilk nokta.

İkincisi, olumlu ve ilham verici şeyler yapabildiğini göstermeye başlamaları gerekiyor AI'ın.

Üçüncüsü, sürekli olarak "AI yeteneklerinin tüm dünyayı nasıl değiştireceğini" tartışmaya başlamaları gerekiyor. Çünkü insanlar, bu tür yetenekleri duyduklarında korkmaktadırlar, özellikle bu teknolojiyle hiçbir gerçek bağlantısı yoksa.

Patrick O'Shaughnessy
Onlar nasıl kullanacaklarını bilmiyorlar.

Dylan Patel:
Ayrıca, o insanlarla veya o teknolojiyle bir bağlantıları yok. Sıradan insanlar Anthropic'in çalışanlarını tanımıyor, OpenAI'in çalışanlarını tanımıyor. Bu insanların kim olduklarını, hedeflerinin ne olduğunu bilmiyorlar. Bu şirketleri, gizli bir küçük grup olarak görüyorlar: Dünyayı değiştirmek, tüm işleri otomatikleştirmek, toplumu yok etmek isteyen birkaç bin kişilik grup. Birçok insan için işte bu.

Ayrıca, bu şirketler ayrıca birçok veri merkezinin ve elektrik santralinin inşasını finanse edip teşvik ediyorlar, ancak bu tür şeyler genel olarak dünyayı kirletiyor gibi görünüyor. İnsanlar gerçekte neler olduğunu pek anlamıyorlar. Bu nedenle, bu şirketlerin o "yakında gerçekleşecek büyük değişim" hakkında konuşmayı bırakması ve sadece şu anki durumu konuşması gerekiyor: Yapay Zeka'nın şu anda nasıl olumlu etkiler yarattığı. Bence, bu büyük bir kurumsal dönüşüm ve marka dönüşümünü gerektiriyor.

Patrick O'Shaughnessy:
Seninle bu konuşmayı yapmaktan çok memnun oldum. Zamanın için teşekkürler.

Dylan Patel:
Çok iyi, teşekkürler.

[Video Linki]

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia