TL;DR
· Kimi K3'ün piyasaya sürülmesinin ardından geçen Cuma günü yapay zeka ile ilgili hisseler düştü ve piyasa, DeepSeek R1'in hesaplama harcamalarına ilişkin endişelerini yeniden canlandırdı.
· ABD'li bulut devlerinin bu yıl yapay zeka altyapısına yaklaşık 700 milyar dolar yatırım yapma planı, açık ağırlık modellerinin değerlemeleri sarsmasının temel rakamıdır.
· Açık modeller, kapalı kaynak modellerin fiyatlarını düşürebilir, ancak aynı zamanda yapay zeka kullanımını da artırabilir; bu, hesaplama talebinin zirveye ulaştığı anlamına gelmez.

Deutsche Bank, sıradan yatırımcılara yönelik bir raporda, Moonshot AI'nin Kimi K3'ünü piyasaya sürmesinin ardından geçen Cuma günü yapay zeka hisselerinde yeniden bir "DeepSeek anı" yaşandığını belirtti: Piyasa, Çin'in açık ağırlık modelleri daha düşük maliyetle öncü kapalı kaynak modellere yaklaşabiliyorsa, ABD'li teknoloji devlerinin yüz milyarlarca dolarlık yapay zeka altyapı harcamalarının hala makul olup olmadığını sorgulamaya başladı.

Bu tamamen teknik bir tartışma değil. Rapora göre, geçen Cuma günü "Yedi Büyük Teknoloji Şirketi" yaklaşık %1,8 düşerken, Philadelphia Yarı İletken Endeksi yaklaşık %1,6 geriledi ve haftalık kayıplarını %10'un üzerine çıkardı. Alphabet'e bağlı Google, Microsoft, Amazon AWS, Meta ve Oracle'ın bu yıl yapay zeka yeteneklerine yaklaşık 700 milyar dolar yatırım yapması bekleniyor; bu, geçen yıla göre yaklaşık %70'lik bir artış anlamına geliyor.

Yatırımcıların gergin olmasının doğrudan bir nedeni var: Yapay zeka boğa piyasası son birkaç yıldır bir varsayım üzerine inşa edildi: Daha güçlü modeller daha fazla çip, daha fazla veri merkezi, daha fazla elektrik ve daha yüksek sermaye harcaması gerektirir. Ancak DeepSeek R1'den sonra Kimi K3, piyasaya ucuz, hafif, indirilebilir ve özelleştirilebilir modellerin kapalı kaynak devlerine yetişmekte olduğunu bir kez daha hatırlattı.

Bir modelin piyasaya sürülmesi neden Nvidia ve bulut sağlayıcılarını vurdu?

DeepSeek R1'in Ocak 2025'te yarattığı şok hala piyasanın hafızasında. Raporda, o dönemde piyasanın, Çinli bir ekibin eski çiplerle ve daha düşük eğitim maliyetleriyle "yeterince iyi" bir model yapabileceği endişesiyle Nvidia'nın piyasa değerinin bir günde yaklaşık 600 milyar dolar buharlaştığı hatırlatıldı.

Kimi K3'ün getirdiği sorun benzer: Açık ağırlık modelleri birçok uygulama senaryosunda kullanılabilir seviyeye ulaşabiliyorsa, işletmelerin hala en pahalı kapalı kaynak modeller için ödeme yapması gerekir mi? Bulut sağlayıcılarının mevcut hızda veri merkezleri inşa etmeye devam etmesi gerekir mi? Çip talebi "ne kadar çok o kadar iyi"den "daha ucuz, daha verimli, daha dağınık"a mı dönüşecek?

Buradaki kilit nokta, Kimi K3'ün OpenAI veya Anthropic'i tamamen geçip geçmediği değil; piyasanın yapay zeka iş modeline ilişkin bazı varsayımlarını sarsmaya yetmesidir. "Yeterince iyi" modeller ucuzladıkça, kapalı kaynak model sağlayıcılarının fiyatlandırma gücü sıkışacak ve bulut sağlayıcıları ile çip şirketlerinin büyüme hikayeleri daha fazla sorgulanmak zorunda kalacak.

Bu nedenle bir model lansmanı hisse senedi piyasasına yansır. Teknoloji devlerinin yedilisinde, birçok şirket hem yapay zeka modeli ve uygulama sağlayıcısı hem de dünyanın en büyük veri merkezi alıcılarıdır; yarı iletken endeksi ise doğrudan GPU, ağ ekipmanı ve yapay zeka sunucularına olan talebe ilişkin piyasa beklentilerindeki değişimleri yansıtır.

Değerlemeyi gerçekten etkileyen şey "açık kaynak" kelimesi değil

Piyasada "açık kaynak" olarak adlandırılan birçok yapay zeka modeli için daha doğru terim "açık ağırlık"tır.

Kapalı kaynak modeller en çok "tak ve çalıştır" hizmetlere benzer. OpenAI'ın GPT'si, Anthropic'in Claude'u gibi amiral gemisi modellerde genellikle geliştirici, model ağırlıklarını, eğitim yöntemlerini, fiyatlandırmayı, güncellemeleri ve güvenlik kısıtlamalarını kontrol eder; kullanıcılar uygulamalar, API'ler veya bulut hizmetleri aracılığıyla erişir. Avantajları kullanım kolaylığı, istikrar ve yüksek entegrasyondur; dezavantajları ise kullanıcıların temel kontrolü ele geçirmekte zorlanması ve hizmet sağlayıcının fiyatlandırma ve kurallarını kabul etmek zorunda kalmasıdır.

Açık ağırlık modelleri ise eğitilmiş parametreleri açık hale getirir; kullanıcılar bunları indirebilir, dağıtabilir, ince ayar yapabilir ve hatta teknik olarak bazı güvenlik ayarlarını değiştirebilir. DeepSeek R1, Meta'nın Llama'sı ve Mistral'ın birçok modeli bu kategoriye daha yakındır. Tam eğitim verilerini, eğitim kodlarını ve yeniden üretim ayrıntılarını mutlaka açıklamazlar, bu nedenle katı anlamda açık kaynak sistemlerle aynı şey değildirler.

Bu ayrım kurumsal müşteriler için önemlidir. Açık ağırlık modelleri daha fazla kontrol anlamına gelir: işletmeler modeli kendi sunucularında çalıştırabilir, harici API'lere olan bağımlılığı azaltabilir; ayrıca sektöre, dile veya göreve özel özelleştirmeler yapabilir; finans, sağlık, hükümet gibi verilerin yerel ortamdan ayrılamadığı kurumlar için yerel dağıtım daha caziptir.

Ancak "indirilebilir" olmak "ücretsiz" anlamına gelmez. İşletmeler yine de hesaplama gücü, elektrik, mühendislik, izleme, bakım ve güvenlik maliyetlerini ödemek zorundadır. Açık modeller, kapalı kaynak amiral gemisi modelleriyle aynı genel yeteneklere, ürün deneyimine ve hizmet taahhütlerine sahip olmayabilir. Başka bir deyişle, etkisi bir gecede kapalı kaynak modellerin yerini almak değil, müşterilere başka bir seçenek sunmaktır.

Yapay zeka değerlemesinin sorgulandığı dört alan

Kimi K3 gibi modellerin ilk etkilediği şey "kıtlık"tır.

Güçlü modeller daha fazla geliştirici tarafından kopyalanabilir, değiştirilebilir ve barındırılabilirse, yapay zeka modelleri giderek daha çok temel yazılım altyapısı gibi hale gelebilir; az sayıda şirketin tekelindeki yüksek marjlı ürünler olmaktan çıkabilir. Kapalı kaynak model sağlayıcıları yine de ürün, veri, güvenlik ve ekosistem üzerinden para kazanabilir, ancak yalnızca "model yeteneğinde liderlik" ile yüksek fiyat talep etmek daha zor hale gelecektir.

Etkilenen ikinci şey fiyatlandırma gücüdür. Yapay zeka aracıları ve kurumsal çalışanlar daha fazla token kullandıkça, model çağrı maliyetleri pilot aşamadaki küçük faturalardan kurumsal bütçelerdeki büyük kalemlere dönüşmektedir. Yapay zeka sübvansiyonları azaldığında ve önde gelen model sağlayıcıları token başına daha net bir şekilde ücretlendirmeye başladığında, maliyete duyarlı müşteriler açık modelleri denemeye daha istekli olacaktır.

Üçüncüsü, sermaye harcamaları. ABD'li teknoloji devlerinin yapay zeka yatırımları şu anda çok büyük boyutlara ulaştı. Google, Microsoft, AWS, Meta ve Oracle'ın bu yıl yaklaşık 700 milyar dolarlık yapay zeka kapasitesi inşa planı, piyasanın en çok takip ettiği rakamlardan biri. Eğer işletmeler çoğu görevi daha küçük, daha ucuz ve daha özel modellerle çözebilirse, yatırımcılar doğal olarak şunu sorgulayacak: Çip, ağ, elektrik ve veri merkezi harcamaları çok mu hızlı artıyor?

Dördüncüsü, ABD'nin teknolojik savunma hattı. Çin'in açık ağırlıklı modelleri art arda piyasaya sürmesi, piyasanın ABD'nin yapay zekadaki "sarsılmaz" liderliğine dair algısını zayıflattı. Raporda, bu yıl OpenRouter geliştirici platformunda Çin modellerinin işlediği token sayısının ABD modellerini geçtiği belirtiliyor. Bu, ABD'nin yapay zeka avantajının ortadan kalktığı anlamına gelmiyor, ancak geliştirici kullanımı ve ekosistem yayılımının daha dağınık hale geldiğini gösteriyor.

Tüm bu etkiler ortak bir sonuca işaret ediyor: Kapalı kaynak modeller hâlâ en ileri yeteneklerin ölçütü olmaya devam ediyor, ancak "kapalı kaynak modeller her şeye hükmeder" anlatısı zayıflıyor.

Açık modeller yalnızca yapay zekaya zarar vermekle kalmaz, aynı zamanda talebi de artırabilir

Piyasa bu tür olayları en kolay "ucuz modeller çip talebini vurur" şeklinde yorumlama eğilimindedir. Ancak raporun verdiği değerlendirme daha dengeli: Güçlü açık modeller, kapalı kaynak modellerin iş modeline ve yarı iletken talep beklentilerine meydan okurken, aynı zamanda yapay zeka benimsenmesini, uygulama geliştirmeyi ve kurumsal özelleştirmeyi de olumlu etkileyebilir.

Bunun nedeni, fiyat düşüşlerinin genellikle kullanımı artırmasıdır. Daha ucuz ve daha verimli modeller, daha fazla şirketin yapay zekayı müşteri hizmetleri, ofis işleri, Ar-Ge, reklamcılık, kodlama, veri analizi ve iç süreçlerine entegre etmesini sağlayacaktır. Daha önce API maliyetlerinin çok yüksek olduğunu, verilerin dışarı çıkamayacağını veya modellerin kontrol edilemez olduğunu düşünen işletmeler, açık ağırlıklı modeller sayesinde yapay zeka kullanmaya başlayabilir.

Bu, "Jevons paradoksu" mantığına yakındır: Teknolojik verimlilik arttıkça birim maliyet düşer ve sonuçta tüketim miktarı artar. Buhar makinesinin verimliliğinin artması kömür talebini azaltmadı, aksine buhar gücünün kullanımını genişletti. Yapay zeka da benzer bir durum yaşayabilir: Tek bir çıkarım daha ucuz hale gelir, ancak çağrı sayısı, uygulama senaryoları ve uç cihaz sayısı önemli ölçüde artar.

Bu nedenle, hesaplama gücü talebinin zirveye ulaşması şart değildir; sadece talep yapısı değişebilir. Az sayıdaki en ileri kapalı kaynak model, en güçlü eğitim ve çıkarım kümelerine ihtiyaç duymaya devam ederken; çok sayıda açık model, bulut, yerel sunucular, telefonlar, arabalar ve diğer uç cihazlarda dağıtılabilir. Çip talebi de yalnızca en güçlü GPU'yu kovalamaktan, çıkarım verimliliği, ağ, elektrik, depolama ve uç hesaplama gücüne daha fazla önem vermeye yönelebilir.

Uygulama şirketleri için açık modeller, aksine giriş maliyetlerini düşürebilir. İşletmeler dikey senaryolar için daha ucuz modeller kullanabilir, yazılım şirketleri modellerin üzerinde daha spesifik ürünler geliştirebilir ve bulut sağlayıcıları, açık modelleri barındırarak, çıkarım hizmetleri ve kurumsal destek sunarak para kazanmaya devam edebilir.

Kapalı Kaynak ve Açık Kaynak Bir Arada Var Olacak, Ancak Düzenleme Sorumluluğu Henüz Netleşmedi

Daha olası senaryo, açık kaynağın kapalı kaynağı yenmesi veya kapalı kaynağın yeniden tekel oluşturması değil, ikisinin uzun vadede bir arada var olmasıdır.

Kapalı kaynak modelleri, ileri düzey yetenekler, endüstriyel kalite, güvenlik değerlendirmeleri ve derin ürün entegrasyonu rollerini üstlenmeye devam edecek. Açık ağırlık modelleri ise kapalı kaynak üreticilerini fiyatları kontrol etmeye, esnekliği artırmaya ve rekabeti "kimin model ağırlığı daha güçlü" sorusundan veri, ürün tasarımı, bellek yeteneği, güvenlik, verimlilik ve ekosistem hizmetlerine kaydırmaya zorlayacak.

Model şirketlerinin ağırlıkları açması mutlaka hayırseverlik anlamına gelmiyor. Geliştiriciler, barındırılan API'ler, premium abonelikler, daha hızlı çıkarım, kurumsal destek, ince ayar, güvenlik hizmetleri ve hizmet seviyesi anlaşmaları yoluyla para kazanabilir; bulut hizmet sağlayıcıları, açık modelleri çalıştırmak için gereken hesaplama gücünü satabilir; tüketici platformları, model yeteneklerini öneri, reklam ve kullanıcı deneyimine entegre edebilir; uygulama şirketleri ise daha düşük maliyetle işlevler oluşturabilir.

Gerçekten çözülmemiş olan şey sorumluluk sınırlarıdır. Açık ağırlık modelleri, kullanıcılara daha fazla kontrol sağlarken, aynı zamanda daha fazla test, güvenlik koruması, siber güvenlik, güncelleme ve güvenilirlik sorumluluğu da yükler. Model bir kez indirilip değiştirildiğinde ve yerel olarak dağıtıldığında, kötüye kullanım, arıza veya güvenlik olaylarından kimin sorumlu olacağı, kapalı kaynak API modelinden daha karmaşık hale gelir.

Düzenlemeler de rekabet ortamını değiştirebilir. Anthropic gibi kapalı kaynak model üreticileri, ileri düzey AI geliştiricileri için felaket risk testleri, harici değerlendirmeler ve sürekli açıklama gereklilikleri talep ediyor; eleştirmenler ise aşırı düzenlemenin, büyük sermayeli şirketlere daha fazla avantaj sağlayarak açık ekosistemi ve küçük ekip inovasyonunu bastırabileceğinden endişe ediyor.

Bu nedenle, Kimi K3'ün getirdiği "İkinci DeepSeek Anı" basit bir AI düşüş haberi değil. Daha çok bir stres testi gibidir: 700 milyar dolarlık AI harcaması, kapalı kaynak model ücretleri, ABD teknoloji avantajı ve çip talebi, aynı soruyu yeniden yanıtlamak zorunda kalacak: "Yeterince iyi" zeka daha ucuz hale geldiğinde, AI endüstrisi parayı nereden kazanacak?

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