Partnered With:

20 katını kaçırdıktan sonra, AI yatırımı için aptalca bir yöntem buldum.

Bu makaleyi okumak için 36 Dakika

AI Endüstri Zincirinin Dört Katmanlı Ayrıştırması: Hesaplama Gücü, Model, Ara Katman ve Uygulama

Orijinal Başlık: "20 Katını Kaçırdım, AI Yatırımında Aptalca Bir Yöntem Buldum"
Orijinal Yazar: Yu Shiyi, AI Analisti

40 yıl önce, 22 Ekim 1978'de Deng Xiaoping, Japonya'ya ilk resmi ziyaretini gerçekleştirdi. Tokyo'dan Kyoto'ya 370 kilometrelik yolculuk, dünyanın ilk yüksek hızlı treni olan Japonya'nın "Hikari" Shinkansen'i ile yapıldı. Japon yetkililer ona ne hissettiğini sorduğunda şu yanıtı verdi: "Sanki beni koşmaya teşvik ediyor gibi. Bu yüzden şu anda böyle bir trene binmek bize çok uygun."

AI da insanı koşmaya teşvik ediyor.

Son iki yılda NVIDIA'nın geliri 60 milyar dolardan 216 milyar dolara fırladı ve hisse senedi fiyatı on kat arttı. AI etrafında dönen yatırım dalgası tüm dünyayı sardı: optik modüller, veri merkezleri, soğutma sistemleri, robotlar, AI uygulamaları... Dalga üstüne dalga geliyor. Her gün yeni bir yükseliş hikayesi var ve her gün birileri daha erken harekete geçmediği için pişmanlık duyuyor.

Ama koşmaya teşvik etmesi ayrı, koşmadan önce yolu görmek gerek.

AI, bizim neslimizin karşılaşabileceği en uzun vadeli alan. İnternet 1995'ten Google'ın halka arzına kadar on yıl sürdü, Facebook'un halka arzına kadar ise sekiz yıl daha geçti. Bu süreçte 2000 yılındaki balonun patlaması yaşandı ve Nasdaq %78 düştü. AI da büyük olasılıkla benzer bir yol izleyecek: Şu an belki 1998 veya 1999'daki konumundayız. Gerçek en büyük fırsatlar, gelecekteki balon patlamasının ardından ortaya çıkabilir veya bugün kimsenin fark etmediği bir köşede saklanıyor olabilir.

Şu anda model yetenekleri hızla ilerliyor, sermaye çılgınca akıyor ve değerlemeler rahatsız edici seviyelere yükseliyor. Bu ortamda iki tür insan var:

Birinci tür, hemen şimdi girip alır – zamanlamayı doğru yakaladığına kumar oynar. Kazanabilir, ama daha büyük olasılıkla dağın yamacında alır ve ardından gelen düzeltmeyle savrulur.

İkinci tür, çöküşü bekler – ama sorun şu: Gerçekten çöktüğünde almaya cesaretin var mı? Ne alacağını biliyor musun? Bu sektör hakkında hiçbir şey bilmiyorsan, panik karşısında sadece daha da paniklersin.

Ben üçüncü yolu seçiyorum: Şimdi aceleyle hisse senedi almıyorum, önce bir portföy oluşturuyorum – bir 'bilgi portföyü'.

Çünkü AI nasıl gelişirse gelişsin, gerçek fırsat ortaya çıktığında onu kaçırmamak için – önce tüm sektöre hakim bir uzman haline gelmeliyiz. Sözde "katil gibi içgüdü", aslında "zihinde dağlar ve vadiler olması" bilgisinden gelir.

Bugünden itibaren aptalca ve yavaş bir işe başlıyorum: Yapay zeka endüstrisini en baştan, adım adım araştırarak, yapay zeka tedarik zincirini baştan sona anlamak. Kim para kazanıyor, para nereden geliyor, nereye gidiyor, kim vazgeçilmez, kim başkalarının artıklarını yiyor.

Piyasa bize fırsat verdiği gün—ister çöküş, ister düzeltme, ister gözden kaçan bir köşe olsun—birkaç saniye içinde karar verebileyim: "Bu fiyat almaya değer mi?"

Ayrıca, bu işi yaparken iki farklılaştırıcı unsurum olacak:

Birincisi, yatırım temelim çok sağlam. Yatırımda zengin deneyime ve son derece hızlı bir evrim hızına sahibim. Geçtiğimiz üç yıldaki getiri oranım, eski takipçilerimin çok iyi bildiği gibi, benim seviyeme ulaşan çok az kişi var. Tabii ki en önemlisi getiri oranı değil, çünkü bunda şans payı olabilir; asıl önemli olan, herkesin kabul ettiği evrim hızım—bence yapay zeka çağında da durum böyle, kimin daha iyi olduğu değil, kimin daha hızlı evrildiği önemli.

Geçmişi açmaya gerek yok, gelecek şimdiden başlıyor, "Göreceğiz".

İkincisi, tek bir şeye odaklanıyorum: Bu şey nasıl para kazandırır? Son yıllardaki hızlı evrimim, esas olarak odağım sayesinde oldu: Sadece olayların ardındaki servet fırsatlarına odaklanıyorum. Şu anda gördüğüm çoğu yazı, size yeni bir Skill, yeni bir GitHub kullanmayı öğretiyor, her gün çılgınca popüler ve yeni şeylerin peşinde koşuyor. Bunlar elbette önemli, ancak bir yatırımcı perspektifinden, ben daha çok ardındaki servet fırsatlarıyla ilgileniyorum.

iPhone 4 çıktığında, herkes gibi telefonun tasarımına ve performansına mı hayran kaldınız, yoksa ardındaki yatırım fırsatlarını mı araştırdınız?

Bu yazı, seri araştırmanın ilk bölümü ve esas olarak tek bir şey yapıyor: Haritayı aydınlatmak. Tüm yapay zeka tedarik zincirini sistematik olarak araştırmayı, açık dünya bir büyük oyun oynamaya benzetirsek—ilk adım patrona saldırmak değil, önce haritayı aydınlatmak: Hangi büyük bölgeler, hangi kilit düğümler, ana görev ne, yan görevler neler. Harita netleştiğinde, ileride ne olursa olsun, birkaç saniye içinde karar verebilirsiniz.

Bölüm 1: Neden Yapay Zekaya Küresel Bir Perspektiften Bakmalıyız?

Nvidia'nın iki yılda on kat artışı, yapay zeka yatırımının en parlak hikayesi. Ama sadece Nvidia'yı görürseniz, tıpkı sadece bir ağacı görmek gibi olur—altındaki tüm ormanın yapısını gözden kaçırırsınız.

Her büyük teknoloji dalgasında, para endüstri zinciri boyunca katman katman dışarıya yayılır. Bu, tarihte defalarca kanıtlanmıştır:

İnternet çağında, ilk para dalgası Cisco'ya (ağ ekipmanları), ikinci dalga Google ve Amazon'a (platformlar), üçüncü dalga ise Facebook ve Netflix'e (uygulamalar) aktı. Mobil internet çağında ilk dalga Qualcomm'a (çip), ikinci dalga Apple'a (terminal), üçüncü dalga ise WeChat ve TikTok'a (süper uygulamalar) gitti.

AI da bundan farklı değil. Kabaca bir yayılma zinciri görebiliyoruz:

Birinci halka (2023-2024, tamamen fiyatlanmış): GPU——NVIDIA
İkinci halka (2024-2025, fiyatlanmakta olan): Optik bağlantılar, güç kaynakları——LITE %1600 arttı, Vertiv %1000 arttı
Üçüncü halka (2025-2026, henüz tam fiyatlanmamış): Soğutma, depolama, özel üretim
Dördüncü halka (2026+, katalizör bekleyen): AI uygulamaları, enerji altyapısı, robotlar

Yatırımcılar için kilit içgörü şudur: Altyapı ne kadar temel seviyedeyse, oyuncu sayısı o kadar az, ikame edilebilirlik o kadar düşük ve fiyatlandırma gücü o kadar yüksektir.

4. katmandaki AI uygulama şirketlerinden binlercesi rekabet halinde olabilir. Bu yüzden NVIDIA yılda 216 milyar dolar kazanırken, çoğu AI uygulama şirketi hâlâ para kaybediyor.

Ancak bu aynı zamanda, altyapı katmanının ikinci, üçüncü ve hatta dördüncü halkalarında—henüz piyasa tarafından "AI konsepti" etiketi yapıştırılmamış şirketlerde—büyük fırsatlar gizli olabileceği anlamına geliyor. Önce hangi oyuncuların olduğunu, ne yaptıklarını ve ne kadar değerli olduklarını anlamalıyız.

Bunu anlamanın önemi şudur: Gelecekte piyasa bir düzeltme, panik veya ayrışma yaşadığında, nereye bakmamız gerektiğini bileceğiz.

Yukarıda bahsedilen dört katmanlı yayılma halkası, piyasa duyarlılığının ve sermayenin aktarım sırasını tanımlar—önce paranın neyi kovaladığını, sonra neyi kovaladığını. Ancak her aşamanın iş mantığını gerçekten anlamak için başka bir haritaya ihtiyacımız var: Endüstri zincirinin hiyerarşik yapısı. Şimdi en alt katmandan en üst katmana doğru, katman katman çözümlemeye başlayalım.

Tüm AI endüstri zincirini 4 katmana ayırıyorum: 4 ana görev haritası.

Bölüm 2: Dört Katmanlı Yapı, Dört Ana Görev Haritası

Dört harita şunlardır: Hesaplama Altyapısı, Model Katmanı, Ara Katman, Uygulama Katmanı ve ayrıca nihai bir kısıtlayıcı faktör: Elektrik.

Birinci Katman: Hesaplama Altyapısı – Yapay Zekanın "Motoru"

Bu katman, tüm endüstri zincirinin fiziksel temelidir. Tüm para – hangi katmandan girerse girsin – sonuçta burada birikir.

(1) Çip Tasarımı: Silah Baronu

NVIDIA tartışmasız bir şekilde liderdir. 2026 mali yılında (Ocak 2026'ya kadar) toplam geliri 216 milyar dolar olup, veri merkezi bölümü 193,7 milyar dolar katkı sağlamıştır – sadece iki yıl önce bu rakam 500 milyarın altındaydı. Bu büyüme hızı, yarı iletken tarihinde eşi benzeri görülmemiştir.

Bu rakamlar ne anlama geliyor? Somut bir örnek verelim: Öncü bir büyük dil modelini eğitmek, yalnızca GPU maliyeti olarak yüz milyonlarca dolar tutar. Eğitim tek seferlik bir işlemdir, ancak model devreye alındıktan sonra her gün yüz milyonlarca kullanıcı talebini işlemek zorundadır ve her bir talep hesaplama gücü tüketir – buna "çıkarım" maliyeti denir. Bir modelin ömür boyu çıkarım maliyeti, eğitim maliyetinin on katından fazla olabilir. Bu, yapay zeka kullanıldığı sürece NVIDIA'nın sürekli olarak "vergi" topladığı anlamına gelir.

NVIDIA'nın savunma hendeği sadece donanım değildir. Gerçek bariyeri CUDA'dır – 5 milyondan fazla geliştiriciden oluşan bir yazılım ekosistemi. Tıpkı iOS'un Apple için olduğu gibi, CUDA kullanıcıların bir kez girdikten sonra ayrılmasını zorlaştırır. AMD (MI300X) ve Intel (Gaudi) yetişmeye çalışıyor, ancak ekosistem farkı en az birkaç yıl daha sürecek.

Diğer bir yol ise özel yapay zeka çipleridir. Broadcom, Google TPU ve Amazon Trainium gibi ürünler için özel tasarımlar sağlar. Mantık basit: Teknoloji devleri sonsuza kadar tek bir şirket tarafından "boğulmak" istemez. Ancak en azından şu an için, kendi çiplerini geliştirmek bir tamamlayıcıdır, bir alternatif değil.

Temel Soru: NVIDIA'nın tekel konumu ne kadar sürecek? Duan Yongping, bunu anlamadığını söylemişti – "10 yıl sonra NVIDIA kesinlikle var olacak, ama hala aynı pazar konumunda mı olacak?" Bu, trilyonlarca dolarlık bir soru. Ve bunun arkasında, çip üretiminde bir dizi tedarik zinciri var ve şu anda birçok şirketi yükseltiyor, bu yüzden daha fazla dikkat edeceğim.

(2) Çip Üretimi, Paketleme ve Depolama: Silah Fabrikası

Tasarlanan çiplerin birileri tarafından üretilmesi gerekir. TSMC, dünyadaki en gelişmiş yapay zeka çiplerinin üretiminde neredeyse tekel konumundadır. NVIDIA, AMD, Broadcom ve Apple'ın temel çiplerinin tamamı TSMC tarafından üretilir. 3 nanometre ve 2 nanometre yarışında Samsung ve Intel'in dökümhane işleri çok geride kalmıştır.

Daha kritik bir darboğaz ise Yüksek Bant Genişlikli Bellek (HBM)'dir. Yapay zeka çipinin hesaplama gücü ne kadar güçlü olursa olsun, veri "beslenemezse" işe yaramaz. SK Hynix, HBM alanında açık ara liderdir ve HBM3E neredeyse NVIDIA'nın tek tedarikçisidir. Samsung ve Micron yetişmeye çalışıyor, ancak verim farkı belirgindir.

Gelişmiş Paketleme (CoWoS), üretim kapasitesinde bir diğer darboğazdır – arz, talebi bir yılı aşkın süredir karşılayamamaktadır.

Temel Sorun: TSMC ve SK Hynix'in üretim kapasitesi, gücün kendisidir. Üretim kapasitesini kim kontrol ederse, AI silahlanma yarışının temposunu da o kontrol eder.

(3) Optik Bağlantı ve Ağ: Sinir Sistemi

AI eğitim kümeleri, binlerce GPU'dan yüz binlerce GPU'ya genişliyor. Çipler arasında yüksek hızlı iletişim nasıl sağlanır? Geleneksel bakır kablolar, 800Gbps'nin üzerinde fiziksel sınırlarla karşılaşıyor – sinyal zayıflaması, güç tüketiminde patlama ve ısı kontrolünde kayıp. Optik bağlantı tek çıkış yoludur; bu, mühendislik optimizasyonuyla çözülecek bir sorun değil, elektromanyetik temel yasalarının belirlediği katı bir kısıtlamadır.

Kilit Oyuncular: Lumentum (LITE, InP lazer lideri, 16 kat büyüyen hisse), Coherent (COHR, optik dikey entegrasyon), Tower Semiconductor (TSEM, silikon fotonik dökümhane, daha önce derinlemesine bir rapor yazmıştım), Arista Networks (ANET, AI veri merkezi anahtarları), Astera Labs (ALAB, bağlantı çipleri).

Temel Sorun: Optik bağlantı, ikinci halkadaki fırsattır – fiyatlandırılmaya başlandı ancak henüz tamamlanmamış olabilir. Kilit nokta, hangi şirketlerin hâlâ potansiyeli olduğunu ve hangilerinin fiyatlandırmasını tamamladığını ayırt etmektir. Yakın zamanda yayınladığım birkaç rapor bununla ilgiliydi.

(4) Soğutma ve Güç: Şehrin Kanalizasyonu

Nvidia'nın en yeni GB200 kabini, 120 kilowatt'a kadar güç tüketiyor. On binlerce kart bir araya geldiğinde, ısı muazzam boyutlara ulaşıyor. Sıvı soğutma, "isteğe bağlı" olmaktan çıkıp "zorunlu" hale geldi. Microsoft'un çift fazlı daldırma soğutma teknolojisi, Azure sunucularının soğutma enerji tüketimini %95 oranında azalttı. Vertiv (VRT) bu alanda liderdir; nVent (NVT) ve Modine (MOD) de hızla büyüyor.

Temel Sorun: Çekici değil, ancak vazgeçilmez. Tipik üçüncü halka – çoğu kişi bunu görmez, ancak onsuz AI veri merkezleri çalışamaz. Yakında bu konuda raporlar yayınlayacağım.

(5) Sunucular ve Veri Merkezleri

Dell ve Supermicro, çip, bellek, ağ ve soğutmayı AI sunucularında birleştiriyor. Equinix ve Digital Realty, fiziksel sunucu odaları sağlıyor. CoreWeave (2025'te halka arz), saf GPU bulutunun temsilcisidir.

(6) Bulut Bilişim Platformları: İşlem Gücü Toptancıları

AWS, Azure ve GCP, işlem gücünün "toptancılarıdır" – bu üç büyük bulut platformu, küresel pazarın yaklaşık %65'ini elinde tutuyor. Oracle ise AI bulutundaki büyümesi sayesinde beklenmedik bir kazanan oldu.

İkinci Katman: Modeller ve Araçlar – Yapay Zekanın "İşletim Sistemi"

Bu katman, AI ekosisteminde en çok ilgi gören, en hızlı büyüyen ancak yapısı en belirsiz olan katmandır.

Beşli rekabet: OpenAI (GPT), Anthropic (Claude), Google (Gemini), Meta (Llama açık kaynak), xAI (Grok). Bu katmandaki gelir artış hızı akıl almaz boyutlarda – Anthropic'in ARR'si (yıllık tekrarlayan gelir) 2024 sonundaki 1 milyar dolardan, 2025 sonunda 9 milyar dolara fırladı ve Nisan 2026 itibarıyla 30 milyar doları aştı.

Salesforce'un 30 milyar dolar yıllık gelire ulaşması 20 yıl sürerken, Anthropic bunu 3 yıldan kısa sürede başardı. OpenAI'nin mevcut ARR'si yaklaşık 24 milyar dolar ve ikisinin toplamı 50 milyar doları aşıyor. Model şirketleri artık "para yakan hikayeler" değil, gerçek ve somut işler haline geldi.

Ancak gelirlerdeki bu patlamanın ardında, dikkat edilmesi gereken yapısal bir değişim yaşanıyor: AI işlem gücünün ağırlık merkezi "eğitim"den "çıkarım"a kayıyor.

Son iki yılda, AI'nın ana işlem gücü büyük modellerin eğitimine harcanıyordu – devasa veri kümeleri modele yükleniyor ve modelin dünyayı anlaması sağlanıyordu. Ancak model eğitildikten sonra yapılması gereken şey "çıkarım" – yani modelin gerçek soruları yanıtlaması ve görevleri yerine getirmesi.

Deloitte'un araştırmasına göre, çıkarım için harcanan işlem gücü 2025 sonunda eğitimi geçerek AI bulut altyapı harcamalarının %55'inden fazlasını oluşturdu. Hatta bazıları şunu belirtiyor: "Geçmişte işlem gücünün %80'i eğitime, %20'si çıkarıma harcanıyordu; gelecekte bu oran tersine dönecek."

Bu ne anlama geliyor? Çıkarım pazarı, eğitim pazarından çok daha büyük olabilir (2030'da 255 milyar dolara ulaşması bekleniyor) ve çıkarımın çip ihtiyacı eğitimden farklıdır – aşırı işlem gücü zirvelerinden ziyade maliyet verimliliği ve düşük gecikme süresine odaklanır. Bu, Nvidia'nın tekelinin kırılabileceği bir zemin olabilir: AMD, Marvell (az önce Nvidia'dan 2 milyar dolar yatırım aldı) ve çeşitli şirketlerin kendi geliştirdiği çipler, çıkarım pazarını hedefliyor.

Bu katmanda en çok düşünülmesi gereken soru şu: Yapay zeka modelleri bir oligopol oluşturacak mı, yoksa "metalaşacak" mı?

Meta'nın Llama'sı ücretsiz olarak açık kaynak sunulurken, DeepSeek son derece düşük maliyetle rekabetçi bir model geliştirdi. GLM-5'in mevcut API paketleri şu an stokta yok ve açık kaynak, model katmanının giriş eşiğini düşürüyor. Ancak "metalaşma" o kadar da basit değil—modeller arasındaki yetenek farkı daralıyor olsa da tamamen ortadan kalkmış değil.

Özellikle derinlemesine kullanım senaryolarında, modeller arasındaki deneyim farklılıkları hâlâ belirgin. Ayrıca işletmelerin API entegrasyonları, iş akışı özelleştirmeleri ve veri birikimi, geçiş maliyetleri oluşturacak. Nihai yapı ne "kazanan her şeyi alır" ne de "tamamen metalaşma" olacak; ikisi arasında bir yerde konumlanacak—birkaç model ana pazarı elinde tutarken, aralarında farklılaşma rekabeti sürecek.

Eğer model katmanının kârı açık kaynak tarafından sıkıştırılırsa, gerçek değer üst ve alt katmanlara kayacak. Üst katmana, yani altyapı katmanına kaymasının nedeni, herkesin model çalıştırmak zorunda olması ve hesaplama talebinin azalmak yerine artması. Alt katmana, yani uygulama katmanına kaymasının nedeni ise çağrı maliyetlerinin düşmesiyle yapay zeka uygulamalarının daha kolay para kazanabilmesi. Bu kâr yeniden dağıtım süreci, önümüzdeki yıllarda yapay zeka endüstri zincirinin en önemli değişkenlerinden biri olabilir.

Üçüncü Katman: Ara Katman ve Platformlar—Yapıştırıcı Katmanı

Modelleri ve uygulamaları birbirine bağlayan ara katman. Temsilci şirketler: Scale AI (veri etiketleme ve yapay zeka değerlendirme, 13,8 milyar dolar değerleme), LangChain (LLM uygulama geliştirme çerçevesi), Hugging Face (model paylaşım platformu, yapay zeka alanının GitHub'ı).

Bu katmandaki şirketlerin çoğu henüz halka arz edilmedi ve ölçekleri küçük. Ancak yapay zeka uygulama katmanı bir kez patlama yaparsa, bu "yapıştırıcı" şirketler patlayıcı bir büyüme yaşayabilir—tıpkı e-ticaret patladığında Shopify ve Stripe'ın yükselişi gibi. Takip etmeye değer.

Dördüncü Katman: Dikey Uygulamalar—Paranın Giriş Kapısı

Yapay zekanın doğrudan son kullanıcılara değer yarattığı yer. Birkaç yön:

Kurumsal Yapay Zeka Platformları: Palantir, yapay zeka işletim sistemini hükümetlere ve şirketlere satıyor. ServiceNow ve Salesforce, geleneksel SaaS ürünlerine yapay zeka entegre ediyor.

Kod Araçları: GitHub Copilot fiili standart haline gelmişken, Cursor ona meydan okuyor. Mantık çok net—eğer yapay zeka programcıların verimliliğini iki katına çıkarabiliyorsa, her işletme bunun için ödeme yapacaktır.

Tıbbi Yapay Zeka: Isomorphic Labs (Alphabet bünyesinde, AlphaFold kökenli) uzun vadede en dikkat çekici hedef olabilir ve 2027'de halka arz edilmesi bekleniyor.

Robotik ve Bedenlenmiş Zeka: En büyük uzun vadeli TAM (Toplam Adreslenebilir Pazar) alanı. Tesla Optimus, Figure AI, Unitree Robotics. Ancak şu anda çok erken aşamada.

Otonom Sürüş: Waymo ticarileşmede en olgun seviyede, Tesla FSD ise görsel tabanlı yaklaşımla yetişmeye çalışıyor.

Uygulama katmanı, en çok çeşitliliğin olduğu ve kazananı seçmenin en zor olduğu katmandır. Ancak dikkate değer bir trend: 2026 yılına kadar küresel AI uygulama pazarının ilk kez altyapı pazarını geçmesi bekleniyor – para "şehir inşa etmekten" "dükkan açmaya" kayıyor. Aynı zamanda, AI Agent'lar (otonom temsilciler) kurumsal uygulamalarda yeni bir form haline geliyor. 2026 sonuna kadar kurumsal uygulamaların %40'ından fazlasının yerleşik AI Agent işlevlerine sahip olması beklenirken, 2025'te bu oran %5'in altındaydı.

Yatay Kesit: Enerji – AI'nın Nihai Kısıtı

Tüm katmanların kaçamadığı bir soru: Elektrik nereden gelecek?

AI veri merkezlerinin elektrik tüketimi üstel bir hızla artıyor. Microsoft'un 80 milyar dolarlık Azure siparişi, yetersiz güç nedeniyle teslim edilemiyor. Bu durum bir enerji yatırım dalgası yarattı: Constellation Energy (nükleer), NuScale ve Oklo (küçük modüler reaktörler), GE Vernova (gaz türbinleri).

AI genişlemeye devam edecek; enerji altyapısı, yüksek kesinlikte bir türev sektördür.

Bölüm 4: Konsensüs Dışındaki Dört Soru

Haritayı çizdikten sonra en değerli şey, konsensüsü onaylamak değil, piyasanın gözden kaçırabileceği şeyleri tespit etmektir. Şu anda 4 soruya odaklanıyorum ve gelecekteki araştırmalarım daha çok bu açılardan başlayacak.

Soru 1: Eğitimden çıkarıma geçiş kimin kaderini değiştirecek?

Son iki yılda AI hesaplama gücünün ana talebi büyük modelleri eğitmekti. Ancak şimdi çıkarım (modelin fiilen çalışması) eğitimi geçerek daha büyük bir pazar haline geldi. Çıkarımın çip gereksinimleri eğitimden farklıdır – uç hesaplama gücünden ziyade fiyat-performans oranına daha fazla odaklanır.

Bu bir pencere açabilir: NVIDIA'nın eğitim pazarındaki tekel konumu neredeyse sarsılmaz, ancak çıkarım pazarı daha dağınık; AMD, Marvell, Broadcom ve kendi çiplerini geliştiren şirketler için fırsatlar var. Aynı zamanda, çıkarımın "sürekli tüketim" özelliği, hesaplama gücü talebinin tek seferlik olmadığı, AI uygulamalarının yaygınlaşmasıyla sürekli büyüdüğü anlamına geliyor – bu, tüm tedarik zinciri için iyi bir haber.

Soru 2: 600 Milyar Dolarlık Yatırımın Getirisi Nerede?

2026 yılına kadar beş büyük teknoloji devinin sermaye harcamaları 600 milyar doları aşacak, ancak AI uygulamalarından elde edilen gelir bunun sadece küçük bir kısmı olacak. Tarihte benzer bir yatırım-getiri açığı yalnızca bir kez görüldü – 1990'ların sonundaki telekomünikasyon altyapısı. O dönemin sonucu, birçok fiber optik şirketinin iflas etmesiydi.

Elbette, temel fark şu: O zamanlar telekom şirketleri borçlanırken, bugünün teknoloji devleri kendi kârlarına güveniyor ve borçluluk oranları tarihi düşük seviyelerde. Ancak AI uygulamalarının nakde dönüşme hızı yetişemezse, sermaye harcamalarındaki büyüme mutlaka yavaşlayacak – ve bu tüm tedarik zincirine yansıyacak. Bu, hangi şirketler için risk oluşturuyor?

Soru 3: İkinci ve Üçüncü Halkaların Haritası Nasıl Görünüyor?

NVIDIA birinci halka; zaten kapsamlı bir şekilde araştırıldı ve fiyatlandırıldı. Optik bağlantı ve güç kaynağı ikinci halka; piyasa tarafından yeniden değerlendiriliyor. Peki ya üçüncü halka? Soğutma, özel üretim, AI güvenliği, uç çıkarım çipleri – bu alanlarda hangi şirketler var? İş modelleri ne? Rekabet yapısı nasıl? Bu sorular şimdi netleştirilmezse, gerçek fırsat ortaya çıktığında çok geç olacak. İşte bu, adım adım derinlemesine araştırmanın yapacağı şey.

Soru 4: Jeopolitik Tedarik Zincirini Nasıl Etkiliyor?

ABD'nin Çin'e yönelik AI çip ihracat kısıtlamaları, küresel AI tedarik zincirini ikiye bölüyor. NVIDIA H20 yasaklandı ve Çin bağımsız bir AI altyapısı inşa ediyor. Bu, iki paralel tedarik zincirinin de yatırım yaptığı ve toplamın beklenenden daha büyük olabileceği anlamına geliyor. Ancak aynı zamanda, bazı tedarikçilerin "taraf seçme" riskiyle karşı karşıya olduğu anlamına da geliyor.

Bölüm 5: Sırada Ne Var

Harita çizildi, şimdi ana görev başlıyor.

Birinci katmandan başlayarak, her bir halkayı derinlemesine inceleyeceğim. Tıpkı bir oyunda bölgeleri temizlemek gibi – önce ana hattı (her katmandaki en kritik şirketler ve mantık) takip edecek, sonra yan görevlere (marjinal ama sürpriz potansiyeli olan köşeler) geçeceğim.

Her durakta üç şeyi netleştirin: Bu aşamanın iş modeli nedir? Rekabet yapısı nasıldır? Değerleme hangi seviyededir? Bu üç şeyi netleştirdiğinizde, piyasa nasıl değişirse değişsin, değerlendirme yapmak için bir temelimiz olur.

Birkaç Sohbet

Bu endüstri zinciri genel bakışını yazarken LITE’nin hikayesi aklıma geldi.

Daha önce WeChat hesabımda Lumentum (LITE) hakkında derinlemesine bir analiz yapmıştım: LITE’nin bir yılda 20 kat artışını başkaları nasıl yakaladı? Bu, ders kitabı niteliğinde bir örnektir: 2024’ün ortasında piyasa hâlâ onu bir "telekom döngü hissesi" olarak görüyordu, hisse başına 50 dolardan kimse almıyordu. Ancak aslında AI veri merkezlerinin "sinir sistemi"ydi; InP lazerlerinde %50-60 küresel pazar payı, bakır kabloların fiziksel sınırları, yönetimin zarar ederken döngü karşıtı kapasite artırımı ve defter değerinin piyasa değerinden yüksek olması.

Tüm bilgiler kamuya açıktı, sadece zihnimde onu tanımlayacak bir endüstri zinciri haritası yoktu.

Tüm kaçırılan fırsatlar, özünde "çok yavaş hareket etmek" değil, "yeterince araştırma yapmamak"tır.

İşte bu yüzden bir "bilgi deposu" oluşturuyorum. AI yeterince uzun bir parkur – şu an binmek için endişelenmeyecek kadar uzun, ama hiçbir şey yapmadan bekleyemeyecek kadar da kısa değil. Endüstri zincirinin her katmanını ve her aşamasını netleştirmek, en iyi hazırlıktır. Piyasanın bize bir fırsat sunduğu gün – ister bir balonun çöküşünden sonraki enkaz, ister aniden ortaya çıkan bir dönüm noktası olsun – elimizde bir harita varsa, saniyeler içinde karar verebiliriz.

"Katil gibi bir içgüdü doğuştan gelmez, binlerce saatlik araştırmayla kazanılır."