Asıl sorun, "Yapay zeka talebinin azalıp azalmayacağı" değil, "Değerin nihayetinde tedarik zincirinin hangi katmanında kalacağı".

Yazan: 0x9999in1, ME News

Kısa özet

• Morgan Stanley, "Açık Ağırlıklı Modeller ve Üç Gelecek Senaryosu" raporunda temel yargı veriyor: Kimi K3, Qwen, Llama gibi açık ağırlıklı modellerin yükselişi, liderleri tehdit eden bir faktör değil, AI'nın yaygınlaşmasını hızlandıran bir katalizördür.
• Argüman, Jevons paradoksu: Tek bir işlem daha ucuz hale geldikten sonra, işletmeler AI'yi daha fazla görevde kullanacak, Token, hesaplama gücü, elektrik ve altyapı toplam talebi artacaktır.
• Morgan Stanley açıkça uyarıyor: Açık erişim ücretsiz anlamına gelmez. GPU, bulut hizmetleri, bakım ve güvenlik maliyetleri hâlâ mevcut; gerçek ekonomiklik senaryoya bağlıdır.
• Atıfta bulunan MIT araştırmasına göre, kapalı kaynaktan açık modele geçiş, ortalama fiyatı yaklaşık %70 düşürür ve bu da şirketlere yıllık yaklaşık 25 milyar dolar tasarruf sağlar; ancak bu araştırma 2025 Aralık'ta tamamlanmış olup, dağıtım maliyetleri yeterince dikkate alınmamıştır.
• Carnegie Mellon araştırması daha sakin: Geri dönüş süresi ölçeğe büyük ölçüde bağlıdır; 300 milyar parametreden küçük ölçekli dağıtımlarda geri dönüş çok hızlı olabilir, ancak ölçek büyüdükçe farklar büyük olur.
• Üç son durum: kapalı kaynak tekelci, karışık varlık, açık ağırlıklı kazanır. Gerçeklik noktası, şirketlerin %63'ünün zaten iki tür modeli aynı anda kullandığıdır.
• Sürekli kazanç elde edenler yalnızca iki hat üzerinde: NVIDIA ve doğrudan elektrik sağlama aşaması. Nedeni taraflanmak değil, hesaplama gücü süper büyük veri merkezlerinde toplanırsa da kenara dağılırsa da, GPU ve elektrik alt yapısı değişmiyor.
• Asıl sorun, "Yapay zeka talebinin azalıp azalmayacağı" değil, "Değerin nihayetinde tedarik zincirinin hangi katmanında kalacağı".

Birinci: Piyasa neyi yanlış okudu

2026 yılının Temmuzunda Kimi K3 yayımlandı. Philadelphia Yarı İletken Endeksi düşüşe geçti, NVIDIA, Micron, SK Hynix ve hatta Cadence gibi EDA şirketleri de etkilendi.

Biliyor musunuz? Çok tanıdık.

Bir yıldan fazla önce DeepSeek'in dalga dalgası, piyasa tepkisi aynıydı: açık kaynak modeller ne kadar güçlü olursa, hesaplama gücü o kadar değersizleşir. Mantık çok mantıklı görünüyor—bir açık ağırlıklı model birinci kadroya ulaşabiliyorsa, kapalı kaynaklı modelin primi kaybolur; verimlilik arttıkça, kart yığınlarının gerekliği azalır. Sonuçta çip, ekipman ve elektrik satışı, zincirin tamamı boyunca kesilir.

Morgan Stanley, 4 Ağustos'taki bu raporda bu geri bildirim döngüsünü doğrudan yanlış yorum olarak adlandırdı.

Yanlış anlama nerede? Piyasanın "birim maliyet düşüşü"nü doğrudan "toplam harcama düşüşü" olarak eşitlemesinde.

Bu arada büyük bir değişken var: tüketim miktarı.

Morgan Stanley, Jevons paradoksu ile çıktı. 19. yüzyıl ekonomisti Jevons, bu tersine çevrilemez durumu gözlemledi: buhar makinelerinin verimliliği arttıkça ve aynı miktarda kömürle daha fazla iş yapılabilinir hale gelince, İngiltere'nin kömür tüketimi azalmadı, aksine patladı. Çünkü ucuzlaştı, artık kullanılabilir hale geldi; çünkü kullanılabilir hale geldi, her yerde kullanılmaya başlandı.

AI'ye yerleştirin: Tek bir çıkarım maliyeti bir sentten onda bir sente düşüyor, şirketler tasarruf edilen parayı cebine koymaz. Şirketler, AI'yi önce "hesaplamak mümkün olmayan" süreçlere yerleştirir—müşteri hizmetleri biletlerinin tamamının gözden geçirilmesi, kod deposunun sürekli taranması, sözleşmelerin madde madde karşılaştırılması, her e-postanın otomatik sınıflandırılması. Bu işler daha önce yapılmazdı, çünkü yapılmak istenmiyordu değil, pahalı olduğu için karlı değildi.

Fiyat o çizginin altına düştüğünde, talep lineer olarak artmıyor, çöküş şeklinde akıyor.

İkinci: "Açık Ağırlık" tam olarak neyi açtı

Burada kavramları öncelikle netleştirmek gerekir, çünkü pazarın karmaşasının yarısı terimlerin karışıklığından kaynaklanır.

Morgan Stanley, raporunda yeni olmasa da gerekli bir ayrım yaptı: açık erişimli ağırlıklar ≠ açık kaynak.

Net bir şekilde tanımlanmış açık ağırlıklı modeller—Meta'nın Llama'sı, Google'ın Gemma'sı ve Qwen, DeepSeek, Kimi—eğitilmiş parametreleri açıkça paylaşır. İndirebilir, ince ayar yapabilir, kendi sunucunuzda dağıtabilirsiniz. Ancak eğitim verileri açık olmayabilir ve lisans anlaşmaları sınırlamalar içerebilir.

Gerçek açık kaynak, tüm teknoloji yığını masanın üstünde: kod, eğitim yöntemleri, veri detayları. Rapor, AI2'nin OLMo'sunu örnek olarak gösteriyor. Bu alan, düşünülenin çok çok altında.

Dolayısıyla daha doğru ifade şudur: açık kaynak ve kapalı kaynak arasındaki temel fark, parametre boyutunda değil, bir sıralamada kimin üstte ya da altta olmasında, ancak erişim ve ödeme yöntemlerindedir.

Açık ağırlıklar: Genellikle ücretsiz olarak ağırlıklar edinin, ince ayarları destekleyin ve dağıtım yöntemini esnek seçin—yerel, özel bulut, genel bulut veya API, siz karar verin.

Kapalı kaynak: Lisans + Token ücretlendirme, tüm kullanıcılar aynı ağırlık sistemine sahiptir, siz değiştiremez ve göremezsiniz.

Morgan Stanley, şu gerçekçi bir şey de söyledi: Günümüzün en güçlü öncü modelleri hâlâ kapalı kaynaklı. Nedeni çok basit—eğitim maliyetleri çılgın düzeyde; bir sonraki nesil model çıkana kadar, kimse önceki nesli ücretsiz vermez.

Bu cümleyi iki kez okumak değer. Bu, açık ağırlıkların yakalamasını, temelde bir gecikmeli yakalama anlamına gelir. Fark azalacaktır, ancak yapısal zaman farkı kolayca kaybolmaz.

Üç: Ücretsiz olan en pahalısı: Fiyat tabelasında yazılmayan maliyetler

Raporun en değerli bölümü, açık ağırlıklara karşı soğutma yapılan bölümdür.

Morgan Stanley, MIT'in bir araştırmasını alıntıladı: kapalı kaynaklı sistemlerden açık modellere geçiş, ortalama fiyatı %70 oranında düşürerek şirketlerde yıllık yaklaşık 25 milyar dolarlık tasarruf sağlıyor.

Sayılar güzel. Ancak Morgan Stanley hemen bir darbe daha indirdi—bu araştırma 2025年12月'te tamamlandı ve dağıtım maliyetleri yeterince hesaba katılmadı.

Dağıtım maliyeti nedir? GPU'yu kendiniz satın almanız veya kiralamalısınız, kümeyi kimse bakım altında tutmalı, modeli kimse ince ayarlamalı, güvenlik ve uyumluluk için kimse sorumluluk almalıdır. Size açık ağırlıklar, doğrudan kullanabileceğiniz bir araba değil, bir arabanın taslak çizimleri ve parçalarını verir.

Carnegie Mellon Üniversitesi'nin araştırması, bu durumu daha da netleştirdi: geri dönüş süresi, dağıtım ölçeğine büyük ölçüde bağlıdır. 30 milyar parametreden küçük dağıtımlarda geri dönüş çok hızlı olabilir; ancak ölçek arttıkça, hesaplamalar tamamen farklı bir hale gelir.

Bu çok az tartışılan ancak son derece kritik bir gerçek: açık ağırlıkların ekonomisi düz bir eğri değil, parçalı bir fonksiyondur.

Küçük sahneler, yüksek frekans, net görevler — ağırlık açılımı harika.

Karmaşık mantık, uzun menzilli Agent ve mutlak güvenilirlik gerektirir—kapalı kaynaklı para boşa harcanmaz.

Kimi K3 gibi çok büyük MoE mimarilerine bir adım daha ileri bakın. Az sayıda uzman etkinleştirilseniz bile, büyük ağırlıklar hâlâ yüksek kapasiteli bellek ve yüksek hızda bağlantılarla donatılmış kümelerde dağıtılmalıdır. "Açık" denilen, donanım engellerinden muafiyet değil, ağırlıkların sahipliğidir.

Yani, açık ağırlıklar, hesaplama talebini az sayıda kapalı kaynak laboratuvarından bulut sağlayıcılarına, egemen bulutlara ve kurumsal veri merkezlerine yaymıştır. Toplam miktar azalmamış, sadece sahibi değişmiştir.

Bu, piyasanın Temmuz'daki o düşüşte hesaplamadığı tutar.

Dört: Üç son durum, değer nereye çöker

Morgan Stanley, tek bir sonuç üzerine oynamadı, üç senaryo sundu. Bu yaklaşım kendisi bir yargıdır: kimse sonucu bilmiyor, ancak her sonucun kazanç yapısı önceden çizilebilir.

Öncü modellerin performansının kopyalanması zor olacak. İş yükleri yüksek hesaplama yoğunluğunu koruyarak devam edecek ve süper ölçekli buluta doğru yönelmeye devam edecek. Token fiyatları yine düşecek, ancak oligopolistik yapı fiyat disiplinini koruduğu için daha yavaş düşecek.

Faydalı taraflar: Bulut sağlayıcılar, güvenlik yazılımları, ışık ağı, yarı iletkenler, elektrik tedarik zinciri.

Rapor, burada bir spesifik değişkeni işaretliyor: Google. Gemini 4 öne çıkarsa ve tekrar öne çıkmayı başarır ise, Google'ın kendi altyapısıyla model API'sini çalıştırmak yaklaşık %45 ROI sağlayabilir. Öne çıkmayı başaramazsa, Google daha çok bir altyapı sağlayıcısı gibi davranır ve bu durumda ROI yaklaşık %30 olur.

%15'lik bir fark, bir nesil model üzerine baskı yapıyor. İşte önde gelen yarışın oranları.

Tek bir mimari tüm ihtiyaçları karşılayamaz. Kapalı kaynaklı öncü modeller, karmaşık çıkarımlar ve AI ajan görevlerinde öne çıkar; açık ağırlıklı modeller ise yüksek frekanslı, maliyet duyarlı ve dikey özel ihtiyaçları karşılar.

İş yükü genel bulut, özel bulut, yerel ve kenar arasında yayılıyor. Bu nedenle—model düzenleme, yönlendirme, değerlendirme ve yönetimi gibi "orta katman" yazılımları, değerin yukarı doğru taşınmasında kritik hale geliyor. Yükün dağılmasıyla birlikte güvenlik yazılımı talebi genişliyor.

Bu senaryonun çok katı bir gerçek temeli vardır: Şu anda işletmelerin %63'ü hem açık ağırlıklı hem de kapalı kaynak modelleri aynı anda kullanmaktadır.

Bu rakam çok açıklayıcı. İşletmelerin seçimi, "hangi fırkaya inanmak" değil, "hangi görev için hangisinin daha ucuz ve daha kararlı olduğunu seçmek". Bu, bir satın alma davranışı, bir yol mücadelesi değil.

Ağırlık performansı, öncü seviyeye yavaşça yaklaşırken, temel modellerin zekâsı yaygın olarak erişilebilir hale geliyor. Modellerin API fiyatları önemli ölçüde düşüyor ve şirketlerde benimseme dalgası yaşanıyor.

Yapay zeka altyapısı merkeziyetsizleşmeye doğru ilerliyor: özel veri merkezleri, egemen bulut, yerel dağıtım ve kenar cihazları için talep büyük ölçüde artıyor. Yenilik odak noktası, ön eğitimden ince ayar, çıkarım optimizasyonu, Agent ve uygulama tabanlı çözümlere doğru kayıyor.

Bu senaryoda, güvenlik yazılımı en büyük kazananlardan biridir. Bu da oldukça anlaşılır—ağırlıkların serbestçe akabildiği bir dünyada, saldırı yüzeyi geometrik olarak genişler.

Bireysel hisse senedi düzeyindeki ayrışma ilginç: AVGO, kapalı kaynak senaryosunda en büyük tekil faydalı olabilir; DELL, HPE gibi yerel altyapı sağlayıcıları ve Apple gibi kenar cihaz üreticileri, açık senaryoda değerlerini daha kolay serbest bırakabilirler. Bulut sağlayıcıları ise yükün nereye yönleneceğine bakmalı—eğer açık senaryo geçerliyse, Microsoft’un karma bulut ve yerel dağıtım yetenekleri avantajı daha net; Amazon ve Google, bu senaryoda "diğer faydalılar" kategorisine indirgenir.

Beşinci: 24/7 Kazanç Sağlayıcılar: Neden NVIDIA ve Elektrik

Üç senaryo tamamlandıktan sonra Morgan Stanley, tüm senaryoları kapsayan iki çizgi belirledi.

Birinci NVIDIA.

Mantık karmaşık değil, ancak sağlam: Güç, süper büyük veri merkezlerinde toplanmış olsun ya da kurumsal veri odalarına ve kenara dağıtılsın, GPU talebinin temel mantığı değişmiyor.

Odaklanmak, birkaçının büyük miktarlar satın almasıdır; dağılmak, on binlerce kişinin küçük miktarlar satın almasıdır. Toplam miktar azalmaz, hatta yaygınlık arttıkça daha da büyür.

Dikkat edilmesi gereken nokta, büyük bankanın son zamanlarda AI kümelerinin maliyet tahminini yükseltmesidir—NVIDIA Vera Rubin sisteminin fiyatı, önceki tahminlere göre yaklaşık %20 daha yüksek olan her gigawatt başına 49 milyar dolar olarak belirlenmiştir.

Bu rakam burada biraz tuhaf görünüyor. Bir tarafta modeller ucuzluyor, diğer tarafta birim hesaplama gücüne yönelik sermaye harcamaları artıyor. İkisi de çelişmiyor: çıkarım tarafındaki marjinal maliyetler düşüyor, eğitim ve dağıtım tarafındaki sabit varlık yatırımları artıyor. İlk durum talebin genişlemesini tetikliyor, ikincisi ise arzda yer almak için kimin haklı olduğunu belirliyor.

İkinci madde, yerinde güçtedir (on-site power).

Nedeni, elektrik talep eğrisinin aynı anda "merkezi" ve "dağıtılmış" olmak üzere iki yapıyı da kapsamasıdır. Yük nasıl dağılırsa dağılsın, AI genişlemesi, enerji tüketimini ve güç kapasitesini eş zamanlı olarak yükseltmeyi gerektirir.

Elektrik, tüm AI hikayesinde en sert kısıtlamadır. Modeller açık kaynaklı olabilir, ağırlıklar indirilebilir, çipler değiştirilebilir, ancak elektrik açık kaynaklı olamaz. Bir gigavat, bir gigavattır; kimse yeni bir tane çıkaramaz.

Bu, üç senaryo arasında en kesin hat olabilir. Biraz sıkıcı kadar kesin.

Altıncı, bu raporun gerçek değeri sonuç değil, çerçevedir.

Kendi görüşünüzü belirtin.

Morgan Stanley'ın bu raporu sadece başlığına bakarsanız — "Açık ağırlıkların liderleri zayıflatmak yerine yaygınlaştırdığı" — kolayca bir piyasa yatırımcılarını sakinleştirmek için söylenmiş bir cümle gibi görünebilir. Ancak gerçekten değerli olan, soruyu farklı bir şekilde sormasıdır.

Piyasa sorusu şu idi: AI talebi verimlilik artışı nedeniyle azalacak mı?

Morgan Stanley'ın sorduğu soru şuydu: AI talebi kesinlikle azalmayacak, soru sonunda değerin tedarik zincirinin hangi katmanında kalacağı—hesaplama gücü, bulut, yazılım düzenlemesi ve yönetimi mi, yoksa yerel ve kenar dağıtılmış altyapısı mı?

Bu iki sorunun farkı,ayıp düşürme düşüncesi ve yapısal düşünce arasındaki farktır.

Bence Morgan Stanley'ın yönü doğru, ancak dikkat edilmesi gereken iki nokta var.

Birincisi, Jevons paradoksu otomatik olarak geçerli değildir.

Jevons etkisinin geçerli olması için talebin yeterli esneklik alanına sahip olması gerekir. Kömürün neden daha fazla tasarruf edildikçe daha çok tüketildiği, 19. yüzyıl İngilteresi'nde hâlâ mekanize edilmemiş birçok endüstrinin varlığından kaynaklanır. AI durumu benzer ancak tamamen aynı değildir—işletmelerin AI'yi entegre edebileceği senaryolar gerçekten çoktur, ancak bunu yaptıktan sonra ölçülebilir bir getiri elde edip edemeyecekleri başka bir meseledir.

Eğer büyük şirketler yapay zekâyı yalnızca "meşgul görünüp getirisi açık olmayan" alanlarda kullanırsa, talebin genişlemesi bir tavanla karşılaşacak ve bu tavan belirli bir çeyreklikte aniden ortaya çıkacaktır. Jevons paradoksu, enerji dönüşüm verimliliğini tanımlar, ancak dönüşümün değer ürettiğini garanti etmez.

İkinci olarak, "NVIDIA'nın tam gün yararlandığı" sonucu, biraz çok rahat bir şekilde doğru görünüyor.

Mantıksal olarak eleştirmek zor——GPU talebi mimari rotadan etkilenmez. Ancak doğru bir değerlendirme ile iyi bir yatırım kararı arasında fiyat bulunur. Piyasa, bu "24/7" beklentisini yeterince fiyatlandırdı mı? Rapor bunu cevaplamıyor ve cevaplamamalı.

Mantıksal olarak tamamen tutarlı bir long argüman, sıklıkla kalabalık işlemlerin temelini oluşturur. Bu, ters görüş ifade etmek değil, bir uyarı: sonucun kesinliği, olasılıkların çekiciliğini eş anlamına gelmez.

Yedinci olarak, bu olay şirketler için aslında daha basittir

İkincil piyasa değerlemelerinin dışına çıkıp bir şirketin satın alma açısından baktığınızda, bu raporun verdiği ders çok daha basittir.

İşleri hem iki tarafta da kullanan şirketlerin oranı %63, bu rakam zaten cevabı veriyor: Taraftan ziyade senaryoyu seçin.

Yüksek frekanslı, öngörülebilir, veriye duyarlı ve görev sınırları net olan işler—açık ağırlıklı kendi kurulumunuzla gerçekleştirebilirsiniz; bu, özellikle 30 milyar parametre altındaki ölçeklerde, geri dönüş süresi çok kısa olup cazip hale gelir.

Karmaşık çıkarımlar, uzun menzilli Agentler ve sürekli olarak önde gelen yetenek yükseltmelerini takip etmeyi gerektiren görevler—kapalı kaynak API’ler için güvenilirlik ve yenileme hızı için ödeme yapmak utanç verici değildir.

Gerçekten yatırılması gereken, aradaki katman: düzenleme, rota belirleme, değerlendirme, yönetimsel kontrol. Bir isteğin hangi yolu izlemesi gerektiğini nasıl belirlersiniz? Modeli değiştirdikten sonra çıktı kalitesinin düşmemesini nasıl garanti edersiniz? Ağırlıkların serbestçe indirilebildiği bir dünyada veri sınırlarını nasıl kontrol altına alırsınız?

Morgan Stanley, bu katmanı karışık senaryolar altında temel faydalı taraflar arasında listeliyor; bu değerlendirme, herhangi bir hisse senedi önerisinden daha pratik görünüyor. Çünkü bu katman, şirketlerin kendi kendine kurması gereken bir yetenektir, satın alınamaz.

Ayrıca güvenlik konusunda dikkatli olun. Açık kaynak ağırlıklar, model dağıtımını merkeziyetsizleştirirken saldırı yüzeyini de merkeziyetsizleştirir. Daha önce sadece birkaç API anahtarını yönetmeniz yeterliydi, şimdi bir dizi yerel olarak çalışan ağırlık dosyasını, ince ayar verilerini ve çıkarım uç noktalarını yönetmeniz gerekiyor. Güvenlik yazılımları, bu üç senaryoda da adı geçen bir rastlantı değildir.

Sekiz: Sonlandırma

Kimi K3'in yayınlandığı gün, yarı iletken hisseleri birlikte düştü. Bugün geriye dönüp baktığımızda, bu daha çok piyasanın bir kas hafızası gibi görünüyordu, düşünme gibi değil.

Açık ağırlık, masayı deviren kişi değil, masayı uzatan kişidir.

Masa uzatıldığında, eski ana konumda oturanlar itilir mi? Olabilir, ancak bu, ağırlık açılımı nedeniyle değil, kendi ön hatlarını koruyamaması nedeniyledir. Bu iki farklı şey.

Morgan Stanley'ın bu raporunun en dürüst yanı, sonucun ne olduğunu size söylememesi, sadece her olası sonucunda kimin pozisyonunun değişmeyeceğini söylemesidir.

NVIDIA ve elektrik.

İlki fikir birliği, ikincisi fiziksel.

Aralarında fiyat hareketlerine, taraftar değiştirmelere ve yeniden değerlemelere takılan şirketlerin kaderi senaryoya bağlıdır. Bu cümle boş bir söz gibi görünse de, herkesin kesin bir cevap istediğini bir piyasada, "bu senaryoya bağlı" demek en pahalı dürüstlük türüdür.

Modeller, bu bir trend olmakla birlikte, nesillerle birlikte daha ucuza düşecektir.

Hesaplama gücü katman katman yayılacak, bu da bir trend ve durdurulamaz.

Ancak ucuzluk ve çeşitlilik bir araya geldiğinde asla daralma anlamına gelmez.

Jevons, 1865'te bu konuyu anladı. Yüz altmış yıl geçti ve insanlar hala aynı sezgisel hata nedeniyle ders ücreti ödüyor.

Gerçekten ilginç.

Kaynak alıntı

1. Morgan Stanley, *Açık Ağırlıklı Modeller ve Üç Gelecek Senaryosu* (araştırma raporu), 2026 Ağustos
2. Gelonghui / Sina Finans: "Morgan Stanley: Açık ağırlık modelleri AI maliyetlerini düşürüyor, 'Jevons paradoksu' hesaplama talebini sürekli artırabilir", 4 Ağustos 2026
3. BigGo Finance: *Yapay Zeka Kabulünü Hızlandırmak İçin Açık Ağırlıklı Modeller: Morgan Stanley Üç Senaryo Belirliyor, Nvidia ve Power Chain'i Faydalı Olarak Adlandırıyor*, 4 Ağustos 2026
4. Huo Xing Cai Jing: Morgan Stanley: Açık Ağırlıklı AI Modellerinin Yükselişi, AI Yayılmasını Maliyetleri Düşürerek Hızlandıracaktır, 4 Ağustos 2026
5. Blockspace Media: *Morgan Stanley, açık ağırlıklı Yapay Zekânın hesaplama ve enerji talebini artırabileceğini söylüyor*, 2026年8月
6. MIT, açık modeller ile kapalı kaynak modeller arasındaki fiyat farkı üzerine araştırmayı (2025 Aralık'ta tamamlandı, Morgan Stanley raporu tarafından alıntılandı)
7. Carnegie Mellon Üniversitesi, açık model dağıtımının geri ödeme döngüsü ile ölçek ilişkisi üzerine araştırması (Morgan Stanley raporuna atıf yapılmıştır)
8. Morgan Stanley İncelemeleri: *Yapay Zeka Altyapısındaki Fırsatlar* (Vera Rubin sisteminin her gigavat maliyet tahmini artırıldı)