Özetle
Anthropic CEO'su Dario Amodei "ön cephe için hız sınırı" önerisini ortaya attı; yapay zeka güvenliği sorunları yarı iletken sektöründeki duyarlılığı yeniden baskılayabilir.
Bernstein'a göre "yapay zeka yavaşlaması" model yeteneklerinin gelişim hızını hedefliyor; eğitimin durdurulması veya sermaye harcamalarının kısılması anlamına gelmiyor.
Yapay zeka hesaplama gücü talebi model eğitiminden çıkarım aşamasına doğru genişliyor; Agent uygulamalarının yoğun çağrıları çip talebini sürekli büyütecek.
Daha güçlü yeni modeller olmasa bile mevcut hesaplama gücü, mevcut modellerin büyük ölçekli dağıtımını yeterince karşılamaya yetmiyor.
Bernstein, bu girişimin Çin-ABD yapay zeka rekabetiyle de ilgili olduğunu tahmin ediyor; özellikle çip ihracatı, model damıtma ve ağırlık koruması konularını kapsıyor.
Daha sıkı güvenlik değerlendirmeleri kısa vadede düzenleyici baskıyı artıracak, ancak uzun vadede yapay zeka ticarileşmesinin karşılaştığı siyasi ve toplumsal direnci azaltabilir.
Bernstein yapay zeka altyapısı konusunda iyimserliğini sürdürüyor; ilk tercihleri Nvidia, Broadcom ve yarı iletken ekipman hisseleri.

Son haftalarda yarı iletken sektöründeki duyarlılık toparlanmaya devam etti; Temmuz dip noktasından yaklaşık %13 yükseldi ve yıl başından bu yana kazanç %67'ye ulaştı. Piyasayı destekleyen temel mantık, büyük teknoloji şirketlerinin yapay zeka harcamalarının süreceğine dair yeniden güven oluşmasıydı.

Ancak Anthropic CEO'su Dario Amodei'nin aniden "ön cephe için hız sınırı" önerisini ortaya atması, bir süredir soğumuş olan bir soruyu yatırımcıların gündemine geri taşıdı: Önde gelen yapay zeka laboratuvarları model yeteneklerinin gelişimini kendi iradeleriyle yavaşlatırsa, çip talebi ve veri merkezi inşası da aynı şekilde yavaşlar mı?

Bernstein'ın 14 Eylül'de yayımladığı raporda verdiği yanıt şu: Mutlaka değil.

Temel değerlendirmesi şu: Model iterasyonu yavaşlayabilir, ancak hesaplama gücü talebinin aynı anda frene basması çok zor. Yapay zeka hesaplamasının ağırlık merkezi eğitimden çıkarıma yayıldıkça, özellikle Agent uygulamaları giderek hayata geçtikçe, yarı iletken talebi artık yalnızca yeni nesil ön cephe modelleri tarafından yönlendirilmiyor.

Yapay zeka laboratuvarları neden aniden "yavaşlama"yı tartışıyor?

Amodei üç aşamalı bir "hız sınırı çerçevesi" önerdi.

İlk adım, yapay zeka laboratuvarlarının içinde bağımsız üçüncü taraf değerlendirme kuruluşları oluşturarak şirketlerin halihazırda verdikleri güvenlik taahhütlerine uyup uymadığını denetlemek; ikinci adım, tüm ABD yapay zeka şirketleri için birleşik kurallar oluşturmak üzere ABD düzenleyicilerini harekete geçirmek; üçüncü adım ise Çin ile bir tür işbirliği veya kısıtlama mekanizması kurmayı denemek dahil olmak üzere küresel koordinasyon.

Bu girişim ortaya çıktığı sırada yapay zeka güvenliği tartışmaları yeniden alevleniyordu. Son dönemde birçok büyük temel model laboratuvarının güvenlik ve hizalama çalışanları, sektörün kendini geliştirebilen süper zekâ yarışında yeterince güvenilir kısıtlama mekanizmaları oluşturmadığını eleştirerek kamuoyu önünde istifa etti. Amodei'nin açıklamaları ardından Sam Altman, Elon Musk ve Satya Nadella gibi teknoloji sektörünün önde gelen isimlerinden yanıt geldi; bu da "ön cephe model araştırmaları yavaşlatılmalı mı" sorusunun laboratuvar içi tartışmalardan kamusal ve düzenleyici gündeme taşındığı anlamına geliyor.

Yarı iletken yatırımcıları için gerçekten hassas olan şey güvenlik tartışmasının kendisi değil, "hız sabitleme"nin doğrudan hesaplama gücü yatırımını etkileyebilecek olmasıdır. Amodei, düzenlemelerin eğitim hesaplama gücü, eğitim çalıştırma yöntemleri ve yapay zekayı yapay zeka ile geliştirme gibi kilit noktalara sınırlamalar getirebileceğini belirtti. Kısıtlamalar küme ölçeği ve eğitim kaynaklarına uygulandığında, piyasa doğal olarak yapay zeka çipleri ve veri merkezi harcamalarının etkilenebileceğinden endişe duyacaktır.

Bernstein'a göre bu endişe kısa vadede yarı iletken sektörünün duyarlılığını baskılayabilir, ancak gerçek talebi değiştirmeye yeterli değildir.

Öncelikle, Amodei eğitimi durdurmayı savunmuyor; ön cephe modellerinin yetenek artış hızını "çok hızlı"dan "biraz daha hızlı"ya düşürmek istiyor. Mevcut yapay zeka endüstrisinin genişleme hızı göz önüne alındığında, model iterasyonu yavaşlasa bile arkasındaki eğitim yatırımı hâlâ oldukça kayda değer olabilir.

Daha da önemlisi, yapay zeka çipi talebinin itici gücü zaten değişti.

Modeller yavaşlayabilir, çıkarım talebi durmaz

Geçmişte yapay zeka çipi talebi esas olarak büyük model eğitimi tarafından yönlendiriliyordu. Model parametrelerinin artması, eğitim verilerinin genişlemesi ve eğitim sürelerinin uzaması doğrudan GPU küme ölçeğinin sürekli büyümesini tetikliyordu. Ancak modeller büyük ölçekli uygulama aşamasına girdiğinde, çıkarım yeni hesaplama gücü tüketim merkezi haline geliyor.

Özellikle Agent senaryolarında, model artık sadece bir soruya bir yanıt üretmiyor; sürekli görev planlaması, araç çağırma, sonuçları okuma, yolu düzeltme ve çıktıyı doğrulama gerektiriyor. Tek bir kullanıcı isteği birden fazla hatta onlarca tur model çağrısını tetikleyebilir ve çıkarım tüketimi geleneksel sohbet robotlarından önemli ölçüde yüksektir.

Bu, ön cephe modelleri geçici olarak hızlı yükseltmeyi durdursa bile, mevcut modellerin büyük ölçekli konuşlandırılmasının hesaplama gücü talebini artırmaya devam edeceği anlamına gelir. Bernstein, halihazırda kullanıma alınmış hesaplama kaynaklarının mevcut modellerin talebini bile tam olarak karşılamakta zorlandığını, gelecekte piyasaya sürülebilecek yeni modeller ve daha karmaşık Agent uygulamaları bir yana, bunun altını çiziyor.

Aynı zamanda, büyük teknoloji şirketlerinin yapay zeka sermaye harcamaları fiili uygulama aşamasına girmiş durumda. Çip tedariki, veri merkezleri, güç sistemleri ve ağ altyapısının inşaat döngüleri uzundur ve bir sektör girişimi nedeniyle derhal ayarlanması pek olası değildir. Bernstein bu nedenle, mevcut yapay zeka şirketlerinin kısa vadeli gelir hedeflerinin temel olarak müşterilerin harcama planlarını yansıttığını ve ilgili planlarda önemli değişiklik olasılığının düşük olduğunu değerlendiriyor.

Başka bir deyişle, "yapay zeka yavaşlaması" öncelikle çip siparişlerini değil, değerlemeyi ve piyasa duyarlılığını etkileyebilir. Çıkarım çağrı hacmi, kurumsal konuşlandırma ve Agent uygulamaları büyümeye devam ettiği sürece, yapay zeka altyapı yatırımının gerçekten durması zordur.

Güvenlik girişiminin arkasında ABD-Çin yapay zeka rekabeti de var

Bernstein'a göre Amodei'nin girişimi tamamen güvenlik meselesi olmayabilir; aynı zamanda ABD-Çin yapay zeka rekabetini de ilgilendiriyor.

Amodei, ABD'nin yapay zeka gelişimine yönelik kısıtlamaların Çin'in lider konuma geçmesi pahasına olmaması gerektiğini vurguluyor. İleri düzey yapay zeka çipleri ve yarı iletken ekipmanlarının Çin'e ihracatının kısıtlanmaya devam edilmesini, yetkisiz model damıtmanın engellenmesini ve model ağırlıklarının korunmasının güçlendirilmesini savunuyor.

Bernstein buradan yola çıkarak, Çin yapay zeka laboratuvarlarının damıtma yoluyla model farkını hızla kapatmasının bu girişimi tetikleyen önemli nedenlerden biri olabileceğini tahmin ediyor. Burada dikkat edilmesi gereken nokta, bunun Bernstein'ın değerlendirmesi olduğu ve Amodei'nin doğrudan kabul ettiği bir politika motivasyonu olmadığıdır.

ABD'nin önde gelen laboratuvarları açısından tek taraflı yavaşlamanın belirgin riskleri var: Eğer kendileri daha sıkı güvenlik denetimi ve hesaplama gücü kısıtlamalarına tabi olurken açık kaynak modeller veya denizaşırı rakipler aynı kurallarla bağlı olmazsa, yavaşlama lider konumlarını zayıflatabilir. Bu nedenle Amodei'nin önerdiği ABD genelinde birleşik düzenleme ve küresel koordinasyon, özünde kuralların tüm rekabet ortamını kapsamasını sağlama amacı taşıyor.

Bu açıdan bakıldığında, sözde "yapay zeka güvenliği" teknoloji rekabetiyle kesişiyor. Eğitim hesaplama gücü, model ağırlıkları ve damıtma yöntemleri yalnızca güvenlik meselesi değil, aynı zamanda yeni bir endüstriyel bariyer haline gelebilir. İlgili politikalar küresel çip satışlarının bölgesel yapısını değiştirebilir, ancak ABD'li teknoloji şirketlerinin genel yatırımlarını mutlaka zayıflatmayabilir.

Bernstein Nvidia, Broadcom ve ekipman hisselerine yatırım yapmaya devam ediyor

Bernstein'a göre, daha sıkı güvenlik değerlendirmeleri kısa vadede düzenleyici baskıyı artırsa da yapay zeka sektörünün uzun vadeli gelişimi için faydalı olabilir. Denetlenebilir ve kısıtlamalara tabi yapay zeka sistemleri hükümetler, işletmeler ve kamuoyu tarafından daha kolay kabul görebilir; ayrıca veri merkezi inşası ve ticarileştirme süreçlerinde karşılaşılan siyasi direnci azaltmaya yardımcı olabilir.

Bu nedenle rapor, "öncü sabit hız" nedeniyle yapay zeka altyapısına ilişkin değerlendirmesini düşürmek yerine Nvidia, Broadcom ve yarı iletken ekipman şirketlerini tercih edilen yönler olarak listelemeye devam ediyor.

Nvidia "Endeksin Üzerinde Getiri" notu ve 400 dolar hedef fiyatla değerlendiriliyor. Bernstein, veri merkezi pazar alanının hâlâ çok büyük olduğunu ve eğitim ile çıkarım taleplerinin birlikte GPU büyümesini destekleyeceğini düşünüyor.

Broadcom da "Endeksin Üzerinde Getiri" notu ve 575 dolar hedef fiyatla değerlendiriliyor. Rapor, şirketin 2026 yılındaki yapay zeka büyüme ivmesinin 2027-2028 döneminde daha da hızlanacağını, özel yapay zeka çipleri ve ağ işlerinin ana itici güç olmaya devam edeceğini öngörüyor.

Ekipman tarafında Applied Materials, Lam Research ve KLA "Endeksin Üzerinde Getiri" notu alıyor; hedef fiyatlar sırasıyla 700 dolar, 385 dolar ve 250 dolar. Bernstein, GAA, ileri paketleme, HBM ve NAND yükseltmelerinin getirdiği ekipman talebi konusunda iyimser. Bunlar arasında KLA, yapısal büyüme dinamikleri, sağlam rekabet konumu, görece düşük Çin ikame riski ve disiplinli sermaye tahsisi sayesinde prim değerleme elde etme temeline sahip.

Bernstein'in nihai değerlendirmesi, "AI yavaşlaması"nın yarı iletken sektörü için yeni bir duygu değişkeni haline geleceği, ancak şimdilik AI altyapı döngüsünü tersine çevirmeye yetmeyeceği yönünde. Öncü model araştırma ve geliştirme yavaşlayabilir, ancak eğitim durmadı, çıkarım talebi hızlanıyor ve Agent, tek bir görevin hesaplama tüketimini daha da artırıyor.

AI laboratuvarları frene basmayı tartışmaya başlamış olabilir, ancak hesaplama gücü endüstrisi için talebi belirleyen artık yalnızca model yineleme hızı değil, AI'nın kullanım ölçeği ve sıklığıdır. Bu değişken büyümeye devam ettiği sürece, AI çipi talebi mantığı henüz sona ermemiştir.

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