Orijinal Başlık: Haftanın Grafikleri: Kafa Neocloud'larda
Orijinal Yazar: Moses Sternstein, a16z

Editörün Notu: Üretken yapay zekanın yeni bir hesaplama gücü yatırım dalgasını tetiklediği bu bağlamda, piyasadaki yapay zeka altyapısı tartışmaları "yeterince GPU var mı" sorusundan "hesaplama gücünü sürdürülebilir bir şekilde kim sağlayabilir" sorusuna doğru kayıyor. Model eğitimi, çıkarım talepleri ve veri merkezi genişlemesi artık ortak bir kabul haline geldiğinde, daha temel bir soru ortaya çıkıyor: Hesaplama gücü talebindeki hızlı büyüme, gerçekten istikrarlı kâr ve nakit akışına dönüşebilir mi?

a16z New Media tarafından yayınlanan "Haftanın Grafikleri"nde yazar Moses Sternstein, CoreWeave, Nebius ve Applied Digital gibi yeni bulut şirketlerinden yola çıkarak yapay zeka hesaplama gücü piyasasındaki büyüme, değerleme ve kârlılık çelişkilerini tartışıyor ve ayrıca yatay SaaS, model yönlendirme ve öncü laboratuvarlardaki yetenek rekabetine de değiniyor.

Bu makalede yazar, yapay zeka talebinin güçlü olup olmadığına dair basit bir yargıda bulunmuyor; bunun yerine mevcut yapay zeka ticaretini bir dizi daha temel yapısal soruna ayırıyor: Mevcut altyapının nasıl yeniden fiyatlandırıldığı, gelir artışının neden piyasa beklentilerini aynı oranda iyileştirmediği ve yapay zeka endüstrisindeki rekabet odağının neden salt genişlemeden verimlilik ve getiriye doğru kaydığı.

Birincisi, altyapı değerinin yeniden keşfi. Geçmişte, demiryolu hattı boyunca uzanan araziler, doğal gaz boru hatları ve kablolu televizyon ağları belirli sektörlere hizmet etmiş, ardından telekomünikasyon ve internet altyapısına dönüştürülmüştü. Bugün benzer bir varlık yeniden değerlemesi yaşanıyor. Bazı yeni bulut şirketleri başlangıçta kripto para madenciliğine hizmet ediyordu ve halihazırda elektrik, sunucu odaları, soğutma sistemleri ve yüksek yoğunluklu hesaplama operasyon deneyimine sahipti; yapay zeka talebi patladığında bu yetenekler hızla kıt hesaplama gücü arzına dönüştü. Bunun anlamı, yapay zeka altyapı rekabetinin tamamen sıfırdan başlamadığı ve erken avantajların genellikle eski varlıkların, enerji kaynaklarının ve mühendislik yeteneklerinin yeniden birleştirilmesinden geldiğidir.

İkincisi, yüksek gelir büyümesi ile kârlılık belirsizliğinin bir arada bulunması. CoreWeave gibi yeni bulut şirketlerinin erken dönem gelir büyüme hızı, bir dönem AWS gibi bulut devlerinin başlangıç aşamasını bile geride bıraktı, ancak sermaye piyasası aynı düzeyde takdir göstermedi. Bunun nedeni, yeni bulutun tipik bir hafif varlık yazılım işi olmamasıdır. GPU satın alımları, elektrik bağlantıları, veri merkezi inşaatı, çip amortismanı ve borç faizleri ölçekle birlikte, hatta gelir artışından daha hızlı bir şekilde yükselir. Bu, gelir genişlemesinin yalnızca yapay zeka hesaplama gücü talebinin güçlü olduğunu kanıtlayabileceği, ancak iş modelinin yeterince yüksek bir sermaye getirisi oranına sahip olduğunu otomatik olarak kanıtlayamayacağı anlamına gelir. Piyasanın gerçekten beklediği şey, bu şirketlerin siparişleri ve gelirleri sürdürülebilir serbest nakit akışına dönüştürüp dönüştüremeyeceğidir.

Üçüncüsü, yazılım değeri yapay zekanın etkisine göre yeniden farklılaşıyor. Geçmişte piyasa, üretken yapay zekanın SaaS şirketlerinin savunma hendeklerini yaygın şekilde zayıflatacağından endişe ediyordu; ancak Atlassian'ın performansı, yapay zekanın müşteri harcamalarını ve ürün bağlılığını artıran bir araç haline gelebileceğini gösteriyor. Bu arada siber güvenlik ve gözlemlenebilirlik yazılımları, yapay zekanın potansiyel riskleri genişletmesi ve işletmelerin olgun çözümlere olan bağımlılığını artırması nedeniyle değerleme primi almaya devam ediyor. Bu, sözde "SaaS kıyametinin" eşit şekilde gerçekleşmeyeceği anlamına geliyor. Yapay zekanın ürünleri ikame edip fiyatları düşürmesi mi, yoksa talebi genişletmesi mi, yazılım değerlemesindeki farklılaşmanın yeni ölçütü haline geliyor.

Dördüncüsü, yapay zeka uygulamaları "token yığmaktan" token optimizasyonuna geçiyor. Geçmişte işletmeler genellikle en güçlü modelleri doğrudan çağırmayı veya mühendislik ekiplerine deneme yapmaları için bir bütçe vermeyi tercih ediyordu; bugün Databricks gibi şirketler, görev zorluğuna göre farklı fiyat ve performansa sahip modelleri eşleştiren akıllı yönlendirme yoluyla etkiyi korurken maliyetleri düşürüyor. Token birim fiyatındaki düşüş, yapay zeka toplam harcamalarının mutlaka daralacağı anlamına gelmiyor: birim maliyet düştüğünde ve uygulama senaryoları arttığında, toplam token tüketimi ve genel pazar büyüklüğü artmaya devam edebilir. Verimlilik ve talep birbirini dışlamaz, aksine karşılıklı güçlendirici bir döngü oluşturabilir.

Bu makaleyi tek bir yargıya indirgersek: Yapay zeka altyapısı, yüksek hızlı büyüme yaratabileceğini kanıtladı; ancak bir sonraki aşamanın kazanımı, işletmelerin büyümeyi daha yüksek sermaye verimliliğine dönüştürüp dönüştüremeyeceğine bağlı olacak. Bu anlamda, bu makalenin konusu yalnızca CoreWeave gibi şirketlerin bir sonraki bulut devi olup olamayacağı değil, tüm yapay zeka endüstrisinin hesaplama gücü genişlemesinden sürdürülebilir ticari getiriye geçip geçemeyeceğidir.

Aşağıda orijinal içerik yer almaktadır:

Başında "Yeni Bulut"

20. yüzyılın başlarında, Güney Pasifik Demiryolu Şirketi, Amerika'nın çeşitli şehirlerini ve kasabalarını birbirine bağlayan temizlenmiş arazilerde büyük miktarda kullanılmayan inşaat hakkına sahipti. Demiryolu geçiş hakkı, rayların kendisinden çok daha genişti; bu nedenle hat boyunca geliştirilebilir birçok koridor kalmıştı.

Bunun üzerine demiryolu şirketi, hat boyunca bir iletişim ağı döşedi ve buna "Güney Pasifik Demiryolu Dahili Ağ Telefon Sistemi" (Southern Pacific Railroad Internal Networking Telephony) adını verdi. 1970'lere gelindiğinde şirket, bu ağı ticarileştirmeye ve daha geniş bir kullanıcı kitlesine açmaya başladı.

Ardından iki şey aynı anda gerçekleşti: Bir yandan uzun mesafe telefon pazarındaki tekel yapısı sona erdi; diğer yandan fiber optik kablolar ticari olarak uygulanabilir hale geldi. Mevcut iletişim koridorları fiber optik hatlara dönüştürüldü ve bu ağ daha sonra İngilizce kısaltması "Sprint" ile tanındı. Bir zamanlar demiryoluna hizmet eden varlıklar, böylece telekomünikasyon devriminin altyapı omurgası haline geldi.

Mevcut fiziksel ağları daha büyük ölçekli ticari teknoloji altyapısına dönüştüren yalnızca demiryolu şirketleri değildi.

1980'lerde Williams Company, atıl durumdaki doğal gaz boru hatlarını fiber optik kanallara dönüştürerek WilTel'i kurdu. Bu şirket daha sonra satıldı ve nihayetinde WorldCom adını aldı. 90'lara gelindiğinde, kablolu TV işi için döşenen tek yönlü koaksiyel kablolar da büyük ölçekli ve maliyetli bir yükseltme sürecinden geçti ve sonunda Comcast ile Charter'ın tüketicilere geniş bant internet hizmeti sunmasının altyapısı haline geldi.

Bu da bizi başka bir işletme kategorisine getiriyor: Hazır altyapıya sahip olan ve bu varlıkları yeni bir teknolojinin ihtiyaçlarını karşılamak üzere büyük ölçüde dönüştürülüp yeniden fiyatlandırılan şirketler—yani "neocloud" (yeni bulut) şirketleri.

Kısaca özetlemek gerekirse, neocloud şirketleri başlangıçta çoğunlukla enerji ve hesaplama yoğun kripto para madenciliği yapıyordu ve ardından AI dalgası geldi. Aniden, elektrik erişimine, altyapıya ve yüksek yoğunluklu hesaplama yüklerini kurma ve yönetme deneyimine sahip olanlar—CoreWeave örneğinde olduğu gibi büyük miktarda GPU'ya da sahip olanlar—günümüzün en popüler alanlarından birinde konumlandı.

Elbette bu tam anlamıyla birebir bir karşılaştırma değil. Ancak en büyük üç halka açık neocloud şirketine bakıldığında, gelir büyüme hızları gerçekten dikkat çekici.

Hiper ölçekli bulut sağlayıcılarının erken dönem bulut gelirlerini yalnızca tahmin edebiliriz, ancak genel eğilim oldukça net: Neocloud şirketleri son derece hızlı büyüyor ve açıkça üç büyük bulut sağlayıcısının başlangıç dönemindeki büyüme hızından daha hızlı.

Belirtmek gerekir ki, toplam hesaplama gücü satış pazarında neocloud şirketleri şu anda hâlâ nispeten küçük oyunculardır.

Hiper ölçekli bulut sağlayıcılarının ölçeğine ulaşmaları için de uzun bir yol var.

Hiper ölçekli bulut sağlayıcıları her çeyrekte neocloud şirketlerinden birkaç kat daha fazla gelir elde ediyor. Ancak aynı zamanda, CoreWeave yaklaşık 25 çeyrekte, AWS'nin lansmanından sonraki 40. çeyrekte ulaştığı 2,6 milyar dolarlık gelire ulaştı. Tekrar vurgulayayım: Bu şirketler gerçekten çok hızlı büyüyor.

Bu kadar yüksek büyüme hızına sahip olmak ve AI sektörünün rüzgarını arkasına almak, yatırımcıların oldukça heyecanlanması gerektiğini düşündürür. Bir dereceye kadar öyle, ancak gerçek durum biraz daha karmaşık.

Bu şirketlerin son çeyrek finansal sonuçları genel olarak iyi olsa da, geçtiğimiz yıl boyunca CoreWeave hisseleri toplamda yaklaşık %16 değer kaybetti; yalnızca Nebius önceki zirve seviyelerine daha yakın bir konumda.

Bu nedenle, bu hikaye genel olarak hâlâ olumlu, ancak en büyük yeni bulut şirketi için çekicilik açıkça biraz daha zayıf.

Son dönemde piyasa performansının nispeten sakin olmasının bir nedeni, birçok büyüme beklentisinin zaten değerlemelere yansımış olmasıdır.

Yeni bulut gibi sermaye yoğun işletmeler için fiyat/satış oranı en uygun değerleme göstergesi olmasa da, konuyu açıklamak için hâlâ oldukça sezgiseldir. Daha küçük ölçekli ve daha hızlı büyüyen Nebius ve Applied Digital, çok daha büyük olan CoreWeave'e kıyasla çok daha yüksek bir değerleme primi taşıyor. CoreWeave'in geliri hâlâ ikiye katlanıyor, ancak zirvedeki şirketlerin %400 ila %450'lik büyüme hızına yetişemiyor.

Yeni bulut şirketlerinin gerçek bir sorunu varsa, bu büyüme değil, uzun vadeli kârlılıktır. Yeni bulut şirketlerinin ölçeklerini büyütmek için sürekli olarak çiplere, elektriğe ve fiziksel altyapıya yatırım yapması gerekiyor ve bu maliyetler hiç de düşük değil:

CoreWeave örneğini ele alalım: gelir artışı gerçekten etkileyici, ancak sermaye harcamaları çok daha çarpıcı. Diğer büyük maliyetler arasında çip amortismanı—amortisman tutarı gelirin yarısını aşmış durumda—ve pahalı altyapıyı önceden inşa etmek için alınan borçlardan kaynaklanan ve hâlâ artan faiz giderleri yer alıyor.

Bu makale, yeni bulut şirketlerinin nihai olarak başarılı olup olamayacağı veya mevcut hisse fiyatlarının makul olup olmadığı konusunda bir yargıda bulunmayı amaçlamıyor. Konunun popülerliği bir yana, burada gerçekten vurgulanmak istenen, yeni bulut şirketlerinin tüm yapay zekâ ticaretindeki uzun-kısa çekişmesinin tam bir mikrokozmosunu oluşturduğudur.

Bir yandan, herkesin önceki beklentilerinin çok ötesinde bir büyüklüğe ulaşan ve genişlemeye devam eden dikey bir pazarda—bilgi işlem gücü pazarında—faaliyet gösteriyor ve tarihte nadir görülen bir büyüme hızı yaratıyorlar; diğer yandan, bu tür işletmeleri kurmanın maliyeti de tarihsel olarak yüksek seviyelerde ve sürekli amortismana tabi devasa sabit altyapı yatırımları gerektiriyor.

Yatay SaaS Geri mi Dönüyor?

Aşağıda, "SaaS kıyameti"nin değişen piyasa haritasına kısa bir güncelleme yapıyorum. Yazılım hisselerindeki büyük satış dalgasından en çok etkilenen şirketlerden biri, son bir ayda oldukça iyi bir performans sergiledi.

Son 30 işlem gününde, yatay yazılım şirketleri IGV yazılım ETF'sinin bileşenleri arasında en üst sıralarda yer aldı—ancak bu veri setinin alındığı tarihten bu yana kazançlarının bir kısmını geri vermiş olsalar da.

Genel olarak bakıldığında, bu şirketlerin temel dinamikleri hâlâ sağlam. Özellikle Atlassian, piyasanın daha önce beklediği gibi yapay zekâ etkisiyle gerilemedi.

Bu üretkenlik yazılımı şirketi, performans ve yönlendirmelerde "çifte beklenti üstü" gerçekleştirdi: Bulut iş gelirleri yıllık bazda %31 arttı ve birikmiş siparişlerin büyüme hızı daha da yüksekti. Ancak asıl kritik sinyal, yapay zekânın iş büyümesi için bir engel değil, itici güç hâline gelmesi olabilir. Atlassian, yapay zekâ asistanı Rovo'nun geniş çapta benimsendiğini belirtti; ayrıca Rovo kullanan müşterilerin harcama artış hızı, Rovo kullanmayanların neredeyse iki katına yaklaştı.

Bu, Atlassian için iyi haber, Rovo için iyi haber ve yatay SaaS için de iyi haber.

Ancak yatay SaaS'ın genel değerlemesi hâlâ diğer yazılım kategorilerinin hafifçe altında.

Birkaç istisna dışında, Atlassian dahil yatay SaaS şirketlerinin beklenen fiyat-satış oranları, genellikle "büyüme-değerleme çarpanı" trend çizgisinin karşılık geldiği seviyenin altında.

Tekrar vurgulamak gerekirse, yatay SaaS yalnızca nispeten iyi bir "ay" geçirdi. Piyasayı "SaaS kıyametinin" iptal edildiğine ikna etmek için tek bir ayın performansı kesinlikle yeterli değil.

Elbette, yazılım işiniz siber güvenlik veya gözlemlenebilirlik alanındaysa, bu başka bir hikâye—bu şirketler için sözde "SaaS kıyameti" hiç yaşanmadı.

Siber güvenlik sektörü, IGV yazılım ETF'sindeki diğer kategorilere kıyasla büyük ölçüde üstün performans göstermeye devam ediyor. Bu alanda yapay zekâ tam tersine bir avantaj hâline geldi: Piyasa genel olarak yapay zekânın siber güvenlik tehditlerine yönelik risk algısını artırdığını düşünüyor ve hiçbir kurumsal müşteri, "vibe coding" ile geçici olarak kendi güvenlik çözümünü oluşturmaya çalışmıyor.

Bu mantığın sonuçta doğru olup olmadığı elbette zamanla test edilecek. Ancak en azından şu an için, geleneksel yazılım şirketlerinin durumu hiç de tekdüze değil.

Yatırımcılar, yapay zekânın her şirkete kazanç mı yoksa erozyon mu getireceğine büyük önem veriyor ve her yeni veri grubuyla önceki değerlendirmelerini sürekli güncelliyor—bu da gayet doğal.

Token Yatırımının Verimlilik Sınırına Doğru

Model kullanımı, token tüketimi ve token harcama yönetimi etrafındaki piyasa yapısı, hâlâ çeşitli ilginç şekillerde evrilmeye devam ediyor.

Databricks'i örnek olarak ele alalım.

"Hangi modeli kullanmalıyız?" "Hangi model en iyisi?" gibi sorularda Databricks, kazananın her şeyi aldığı bir yaklaşım benimsemedi ve mühendislere sadece bir bütçe verip nasıl harcayacaklarına kendilerinin karar vermesine de izin vermedi. Bunun yerine şu soruyu sordu: "Uygun görevleri otomatik olarak uygun modellere atayan bir sistem geliştirirsek ne olur?"

Databricks elbette bunu yapan tek şirket değil, ancak bir "Akıllı Yönlendirici" (Smart Router) geliştirdi ve elde ettiği sonuçlardan oldukça memnun.

İddiaya göre, Databricks'in yönlendiricisi gerektiğinde daha güçlü ve daha pahalı modelleri çağırabiliyor, koşullar uygun olduğunda ise daha zayıf ve daha ucuz modelleri kullanabiliyor ve böylece "ortalama görev maliyetini sürekli olarak %30'un üzerinde düşürüyor".

Genel olarak, Token harcamalarında "verimlilik sınırını" hedeflemek iyi bir şey olmamak neredeyse imkansız. Bu, talebin artmaya devam ettiği ve uygulama senaryolarının yalnızca performansın en uç noktasında değil, aynı zamanda daha az yetenekli modellere doğru da yayıldığı anlamına geliyor. İlk karamsar anlatılarda, bu ikinci sınıf modellerin hızla ortadan kalkacağı düşünülüyordu.

Daha önce de belirttiğimiz gibi, verimlilik artışları talebin kapsamını genişletir; bu da piyasanın görmek istediği, Jevons paradoksuna benzer bir dinamiktir.

Silicon Data'nın Token fiyat yoğunluğu endeksi, genel fiyat yoğunluğunun düştüğünü gösteriyor; özellikle de daha düşük fiyatlı açık modellerin sürekli büyüyen pazarda daha yüksek bir pay almasıyla birlikte.

Burada sıkça yanlış anlaşılan bir kavramı tekrar netleştirmek gerekir: Bu endeksler, Token harcamalarının maliyet yoğunluğunu ölçer, mutlak dolar tutarını değil. Aynı anda hem tüketilen Token miktarına hem de Token'ların birleşik maliyetine bağlıdır. Bu, Token başına fiyat düşse bile toplam Token tüketiminin ve toplam harcama tutarının artmaya devam edebileceği anlamına gelir.

Asıl önemli olan, genel talebin hâlâ büyüyor olması ve fiyatlandırma ile model seçiminin giderek verimlilik sınırına yönelmesinin bu büyümeyi daha da teşvik etmesidir. Özellikle dikkat çeken nokta, "AI talebi" veya "AI benimsenmesi"nin tek ve homojen bir kavram olmamasıdır. Yoğun kullanıcılar ile diğer kullanıcılar arasında hâlâ büyük bir uçurum vardır. Bu, "her zaman en iyi modeli kullanmanın" bazı işletmeler için uygun olabileceğini, ancak kesinlikle tüm işletmeler için uygun olmadığını açıkça göstermektedir.

Günümüzde piyasa hızla daha fazla alternatif seçenek oluşturuyor. Genel olarak bu iyi bir şey.

Kurumsal harcama yönetim platformu Ramp'ın verilerine göre, tüm işletmeler yapay zeka harcamalarını artırıyor, ancak medyan harcama ile ilk %10'luk dilimdeki işletmeler arasındaki ve ilk %10 ile ilk %1'lik dilimdeki işletmeler arasındaki fark son derece uçurum düzeyinde.

Ramp'ın verileri genellikle teknoloji şirketlerine daha yakın olduğundan, yorumlarken bu dikkate alınmalıdır. Ancak veriler, harcamada ilk %10'luk dilimde yer alan işletmelerin kişi başına yapay zeka harcamasının, medyan işletmelerin yaklaşık 50 katı olduğunu gösteriyor.

Bu dağılım muhtemelen tesadüfen oluşmadı. Yapay zeka harcamalarından daha fazla değer elde edebilen işletmeler, muhtemelen en çok yatırım yapan işletmelerdir—her şirket için geçerli olmasa bile, en azından önemli bir kısmı bu kurala uyuyor.

Boston Consulting Group'un 107 halka açık şirket üzerinde yaptığı analiz, Token kullanımında ilk iki beşte birlik dilimde yer alan şirketlerin gelir artış hızının diğer işletmelere göre belirgin şekilde daha hızlı olduğunu ortaya koydu.

Burada ifade edilmek istenen temel nokta, Token talebi ile kullanım verimliliğinin birbirini güçlendirdiğidir: işletmeler ne kadar çok değer elde ederse, o kadar çok Token tüketir.

Bu süreç elbette yatırım ile getiri arasında sürekli bir denge kurmayı gerektirir ve Ar-Ge her zaman bazı ön maliyetler içerir. Ancak büyük çoğunluk için, sınırsız "Token yığmak" hiçbir zaman etkili bir strateji olmamıştır.

Bu nedenle, işletmelerin gelecekte giderek bu yaklaşımı benimsemek zorunda kalmaması açıkça iyi bir şey.

Sınır Laboratuvarlarında Yetenek Savaşı

New Media'nın son zamanlarda iki mükemmel ekip üyesi OpenAI'a katıldı, bu yüzden son olarak sınır yapay zeka laboratuvarlarındaki yetenek alımına dair birkaç ilginç grafikle bitirelim.

Dario Amodei yakın zamanda çalışanların misyon yerine parayı önceliklendirdiğinden endişe ettiğini belirtti. Levels.fyi verilerine göre, bu endişe tamamen temelsiz olmayabilir.

Verileri tamamen yüzeydeki gibi yorumlarsak, Anthropic mühendislere oldukça yüksek maaş ödüyor ve bu, Google, Tesla gibi şirketlerde benzer kıdemdeki mühendislerden çok daha yüksek.

Görünüşe göre teknoloji ekibinin bir üyesi olmak gerçekten de güzel bir şey.

Ayrıca, bir grup veri de oldukça ilginç.

Live Data Technologies'ın verilerine göre — Truist Securities tarafından derlenip sunulan — her laboratuvarın yetenek kaynakları hem büyük ölçüde örtüşüyor hem de belirgin farklılıklar gösteriyor:

Her iki şirket de mega ölçekli teknoloji şirketlerinden epey yetenek işe aldı, ancak yalnızca OpenAI, Nvidia ve Tesla'dan personel çekti ve bu da her ikisi de 2026'da gerçekleşti.

Databricks, Snowflake (yakın zamanda), Palantir ve DeepMind, iki şirketin ortak yetenek kaynakları arasında yer alıyor.

Her iki laboratuvar da Salesforce ve Stripe'tan oldukça fazla sayıda çalışan işe aldı.

Ancak iki taraf arasındaki örtüşme burada sona eriyor gibi görünüyor. Anthropic, SaaS şirketlerinden çok sayıda yetenek işe alırken, OpenAI neredeyse hiç almadı; OpenAI ise tüketici interneti, platform pazarları ve reklam teknolojisi şirketlerinden yoğun şekilde personel çekerken, Anthropic bu alanlarda nispeten daha az işe alım yaptı — Airbnb, Netflix ve Uber hariç.

Bu farklılıkların ne anlama geldiğini yorumlamayı size bırakıyoruz.

[Orijinal bağlantı]

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