Yazar: Hu Xuanfeng, Fosun Wealth Dijital Varlık İşletmeleri Direktörü, FinChain CMO, Hong Kong Blokzinciri Uygulamaları ve Yatırım Enstitüsü Yönetici Direktörü, Uzun Yangtze Delta Blokzinciri Endüstrisi Teşvik Merkezi Başkan Yardımcısı
Risk Uyarısı: Bu metin herhangi bir menkul kıymet alım-satım önerisi değildir ve hiçbir sektör veya şirketin hisse fiyatları hakkında kesin bir yargıda bulunmaz. Metinde geçen “fırsat”, “yeniden değerlendirme” ve “varlık haritası” ifadeleri, endüstri trendleri ile sermaye piyasalarının olası ilgi alanlarını ifade eder. Gerçek yatırım, değerleme, performans, siparişler, rekabet yapısı, finansal kalite ve risk toleransı ile bağımsız olarak değerlendirilmelidir.
Giriş: Sonraki ışık modülü kim olacak?
Optik modül, on kat yükseldikten sonra birçok kişi, AI zincirinin en iyi fırsatını kaçırdığını düşünüyor. InnoLight, Sunny Optical, TF-Communications ve Yuanjie Technology gibi üst düzey şirketler, geçen yıl sermaye piyasasının en belirgin hattı haline geldi. Özellikle Yuanjie Technology, 2026 yılında hisse senedi fiyatı bir süre için Kweichow Moutai'yi geçerek A hisseleri arasında yeni yüksek fiyatlı hisse senedi temsilcisi oldu. Bu olay, AI hesaplama donanımının bir teknoloji temasından gerçek bir sermaye piyasası fiyatlandırma olayına dönüştüğünü açıkça gösteriyor. [1]
Ancak gerçekten tartışmak istediğim, herkesin en çok ilgilendiği "bir sonraki ışık modülü kim olacak?" sorusu.
Bu cevabı bilmek için yüzeysel düzeyde bakmak yeterli değildir; temel bir mantığı anlamak zorundasınız. Her endüstri devrimi döngüsünde, sermaye piyasaları iyi hikâye anlatan şirketlere yüksek değerlemeler verebilir, ancak bu uzun sürmez. Gerçekten uzun vadeli sermaye değerlemesini alanlar, genellikle yeni bir engeli aşan şirketlerdir.
Yeni bir darboğazı kapanan, yeni fiyat belirleme hakkına sahip olur; yeni fiyat belirleme hakkına sahip olan, yeniden değerlenebilir. Işık modülü bu dalga, piyasanın ani olarak ışık iletişimiyi sevmesi değil, AI veri merkezlerinin önce “yüksek hızlı bağlantı” darboğazını öne çıkarmasıdır.
Birinci: AI, yeni bir bilgi altyapı devrimidir
Bugün birçok kişi AI'yi bir tema beklentisiyle görüyor: ChatGPT popüler oldu, bu yüzden büyük modellerin değerlemesi speküle ediliyor; NVIDIA yükseldi, bu yüzden GPU speküle ediliyor; ışık modülleri yükseldi, herkes ışık modüllerini takip ediyor; uygulamalar henüz büyük ölçüde kâr sağlamadı, bu yüzden AI bir balon olarak görülüyor.
Bu bakış açısı çok kısa vadeli ve neye takılırsa oya takılmaya daha kolay yol açar. Gerçekten yapılması gereken, ışık modüllerinin neden sermaye tarafından kabul gördüğünü derinlemesine değerlendirmek ve keşfedilebilecek hangi kuralların olduğunu anlamaktır.
Yapay zeka, yeni bir bilgi altyapı devrimidir. Telgraf, telefon ve mobil internet gibi, bilginin üretimi, iletimi, işleme ve kazanç elde edilmesi biçimini yeniden tanımlamaktadır.
Son kitabım olan "Token Ekonomisi: Akıllı Dönemin Yeni Gelişim Yolu" üzerinde çalışırken, her bilgi devriminin önce yeni bir ticari hesap birimi yarattığını keşfettim.
Telegraf çağında en önemli birim “kelime” idi; telefon çağında en önemli birim “dakika”ydı; mobil internet çağında en önemli birim “veri” idi; AI çağında ise en önemli birim Token, yani—kelime elemanıdır.
Token, görünürde AI'nın bilgiyi işlemek için kullandığı en küçük birimdir, ancak arkasında hesaplama gücü, elektrik, GPU belleği, depolama, ağ, model mimarisi ve çıkarım verimliliğinin toplam maliyeti yer alır. Bir AI'ya soru sorduğunuzda token tüketilir; bir şirket bir agent'e bir işlem çalıştırdığında yine token tüketilir. Gelecekte AI, müşteri hizmetleri, yatırım araştırması, tasarım, programlama, eğitim, tıp, finans ve üretim alanlarına girdiğinde, her görevin arkasında gerçek bir token maliyeti olacaktır.
Bu nedenle, AI zincirinin uzun vadeli servet dağılımı, yalnızca kimin GPU sattığına bakarak değil, kimin token ürettiğine, kimin token maliyetini düşürdüğünü, kimin tokenleri yönlendirdiğine ve kimin tokenleri kullanıcıların ödeme yapmaya razı olduğu sonuçlara dönüştürdüğünü görmekle ilgilidir.
İkinci: Tarih arka plan değil, endüstri dağıtım kuralıdır
AI'nin geleceğini anlamak için, son yüz yıldır süren bilgi endüstrisi tarihini anlamalısınız.
Telegram, telefon ve internet, görünürde üç farklı endüstri gibi görünse de, temelde aynı senaryoyu tekrar tekrar canlandırır: yeni birimler ilk başta pahalıdır, altyapı önce kazanç sağlar; birim maliyet düştükçe verimlilik katmanı devralır; sonunda giriş katmanı ticari değeri yeniden dağıtır.
Birinci sahne, telgraf çağıdır.
1866 yılında, transatlantik altıdeniz kablosu gerçek anlamda kullanıma girdi ve Avrupa ile Kuzey Amerika arasındaki bilgi iletimi haftalarca süren bir süreçten dakikalar içinde tamamlanan bir işleme dönüştü. Ancak başlangıçta telgraf çok pahalıydı; bir kelime 10 dolar, en az on kelime gönderilmeliydi. En kısa transatlantik telgrafın maliyeti, o dönemde yetkin bir işçinin on haftalık maaşına denk geliyordu. [2]
Bu anda ilk kazananlar, deniz altı kablolarını döşeyenler ve uluslararası telgraf ağını kontrol edenlerdi. Çünkü onlar, o dönemdeki küresel finans, ticaret, denizcilik ve diplomatik bilgi altyapısını elinde tutuyordu.
Ancak bir kelime çok pahalıysa, kesinlikle sıkıştırma teknolojilerinin ortaya çıkmasına neden olur. Ticaretçiler telegraf kodları ve ticari şifre kitapları kullanmaya başlar. Bir kelime artık sadece bir kelime değil, tam bir cümle, bir işlem talimatı veya bir ürün spesifikasyonunu temsil edebilir. Bugün AI model sıkıştırma, kantitleştirme ve tahmini dekodlama hakkında konuşuyoruz, çok ileri düzey gibi görünüyor, ancak temel mantık yeni değil. İnsanlar telegraf çağından beri aynı şeyi yapıyor: Aynı bilgi, daha az birimle iletilabilir mi?
Daha sonra giriş ortaya çıktı. Reuters tipik bir örnek. 1850'de, Paul Julius Reuter, Brüksel ve Aachen arasında hisse senedi fiyatlarını ve haberleri taşımak için 45 güvercin kullandı; bu yöntem, demiryolundan yaklaşık 6 saat daha hızlıydı; Kanalaltı kablosu kurulduktan sonra, finansal bilgileri, ticari haberleri ve piyasa durumlarını bankalara, gazetelere ve tüccarlara satmak için hemen telgraf ağına bağlandı. [3]
Reuters'in gücü, kabloları kurması değil, hangi bilginin önemli olduğunu ve daha hızlı bilgi için kimin para ödemeye razı olduğunu biliyor olmasıdır. Telgraf şirketleri karakter iletim ücreti kazanır, Reuters bilgi dağıtım hakkı kazanır. Biri kanal, diğeri bilginin değerini kazanır.
İkinci sahne, telefon çağıdır.
Telefon çağındaki ücretlendirme birimi dakika haline geldi. 1915'te, ABD'nin transkontinental telefon hizmetlerinin erken ticari aşamasında, New York'tan San Francisco'ya ilk üç dakika yaklaşık 20,70 dolar ücretlendiriliyordu, bu da bugünün parası ile yüzlerce dolar seviyesine denk geliyordu. [4] İlk kazananlar doğal olarak AT&T oldu. Telefon ağı güçlü fiziksel monopoli özelliğine sahiptir; hatlar, anahtarlar, tekrarlayıcı istasyonlar ve son kullanıcılar birlikte büyük bir ağı oluşturur.
Ancak daha sonra otomatik anahtarlar, sinyal amplifikatörleri ve iletişim cihazlarının yükseltilmesiyle telefon dakikası maliyetleri sürekli olarak düştü. Sermaye piyasaları, sistemin verimliliğini artıran cihaz şirketlerini yeniden değerlendirmeye başladı. Daha sonra telefon ağı üzerinde sarı sayfalar ortaya çıktı. Sarı sayfalar, konuşma ücreti almıyordu, bunun yerine ticari firmaların reklam ücretini alıyordu. Kullanıcılar firmaları ararken, firmalar da kullanıcılar tarafından bulunmak istiyordu; bu da bir ticari giriş noktası oluşturdu.
Üçüncü sahne, mobil telefon ve internet çağıdır.
Erken dönem kablosuz iletişimde, altyapı sağlayıcılar en değerliydi; daha sonra iletişim operatörleri numara, ağ, paket ve faturalandırma üzerinde kontrol kurarak çok popüler hale geldi, SMS, ses ve veri kullanımı miktarına göre ücretlendirildi. İnternet, kablolu ve kablosuz altyapılar üzerine kuruldu ve iletişim maliyetlerini ve yürütme verimliliğini büyük ölçüde düşürdü; veri çağı başladı. Veri birim maliyetinin hızlı bir şekilde düşmesiyle altyapı artık yüksek değerli değilken, kullanıcı giriş noktalarını yöneten şirketler giderek daha değerli hale geldi ve internet platformu devlerini yarattı. WeChat, Taobao, Meituan, Douyin, Xiaohongshu ve Pinduoduo, kullanıcıların zamanını, işlemlerini ve tüketim kararlarını ele geçirdi.
Operatörler baytları kontrol eder, internet platformları ise baytlar içindeki ticari niyetleri kontrol eder. Bu, üç nesil bilgi endüstrisinin ortak olarak sergilediği kuraldır: altyapı önce yükseliş gösterir, verimlilik katmanı devralır, giriş katmanı ise en yüksek değeri sonunda dağıtır. AI şu anda birinci aşamadan ikinci ve üçüncü aşamaya geçişin kritik noktasındadır.
Üçüncü: Neden ilk dalga GPU, HBM ve ışık modüllerine düşüyor
Geçen iki yıl içinde, AI'nın ilk dalga hareketinde NVIDIA, depolama ve ışık modüllerinin önce yükseliş göstermesi şaşırtıcı değil. Çünkü AI'nın ilk aşaması, büyük modellerin eğitimi ve hesaplama kümelerinin kurulmasıdır.
Büyük modelleri eğitmek için büyük miktarda GPU gerekir; GPU'lar, yani HBM olan yüksek bant genişliğine sahip bellek gerektirir; birçok GPU'nun birlikte çalışması için yüksek hızda bağlantı, yani ışık modülleri, anahtarlama çipleri, PCB'ler, bağlayıcılar ve ağ cihazları gerekir. Geleneksel veri merkezleri, birçok genel görevi işleyen bir dizi sunucudan ibarettir; AI veri merkezleri ise daha çok büyük bir süper bilgisayar gibi davranır. On binlerce, yüz binlerce GPU'nun bir bütün gibi çalışması gerekir; aradaki herhangi bir aşamanın yavaşlaması, tüm sistemi yavaşlatır.
GPU çok pahalıdır ve ağ yeterince hızlı değilse, GPU veri bekler. GPU'nun veri beklemesi, pahalı bir varlığın boşta kalması demektir. Bu nedenle ışık modüllerinin artışı, endüstriyel bir temele sahiptir; HBM'nin artışı, sermaye piyasalarının产业链 içindeki gerçek darboğazları satın almasıdır.
Ancak pazar, ilk darboğazlara sonsuza dek odaklanmayacaktır. GPU, HBM ve ışık modülleri gibi açıkça görünen unsurlar yeterince tartışıldıktan sonra soru, daha ileriye kayacaktır: Hesaplama gücü kurulduktan sonra nasıl kararlı bir şekilde çalıştırılır? Nasıl daha ucuza çalıştırılır? Kurumsal süreçlere nasıl entegre edilir? Kullanıcıların ödeme yapmaya razı olacağı bir sonuca nasıl dönüştürülür?
Dört: AI gelişiminin sonraki engeli: Elektrik, sıvı soğutma ve hesaplama kapasitesi endüstriyel gayrimenkul
Sonraki en kesin hat, benim düşünceme göre elektrik ve sıvı soğutma. Nedeni çok basit: AI veri merkezleri “veri odası işi”nden “enerji işine” dönüşüyor.
Daha önce veri merkezleri, birçok sunucunun bir binada yer aldığını düşünüyorduk. AI veri merkezleri böyle değil. AI veri merkezlerinin temel kısıtlamaları, artık elektrik bağlantısı, raf güç yoğunluğu, soğutma kapasitesi, enerji dağıtımı ve altyapı teslimidir. NVIDIA, GB200 NVL72'yi tanıtırken, 36 Grace CPU ve 72 Blackwell GPU'nun bir raf ölçekli, sıvı soğutmalı tasarım içinde birleştirildiğini vurgulamaktadır, yani tam raf düzeyinde sıvı soğutma sistemi. [5]
Bu, AI rekabetinin artık tek bir GPU rekabeti değil, tam bir raf, tam bir server odası ve tam bir veri merkezi sistemi rekabeti olduğu anlamına gelir. Gelecekte raf güç yoğunluğu, onlarca kilovat hatta yüzlerce kilovat seviyesine doğru ilerlemeye devam edecektir. Sıvı soğutma ve elektrik sağlama, arka plan destek sistemleri değil, hesaplama kapasitesi dağıtımının ön koşulları haline gelecektir.
Daha önemlisi, elektrik. Uluslararası Enerji Ajansı, "Enerji ve Yapay Zeka" raporunda, 2030 yılına kadar küresel veri merkezlerinin elektrik tüketiminin neredeyse iki katına çıkarak yaklaşık 945 TWh'ye ulaşacağını ve bu miktarın küresel toplam elektrik tüketiminin %3'üne yaklaşacağını ancak bunun altında kalacağını tahmin ediyor; burada AI en önemli büyüme driver'larından biridir. [6]
GPU sipariş verilebilir, ışık modülleri üretimi artırılabilir, sunucular monte edilebilir, ancak elektrik şebekesi, alt istasyonlar, iletim hatları, yedek güç ve soğutma sistemleri aylar içinde ortaya çıkartılamaz. AI ne kadar güçlüyse, enerji tüketimi o kadar yüksek olur; hesaplama yoğunluğu ne kadar fazlaysa, ısı o kadar artar; veri merkezleri ne kadar yoğunsa, elektrik ve soğutma talepleri o kadar ekstrem hale gelir.
Bu nedenle, transformatörler, UPS, dağıtım panelleri, anahtarlamalı güç kaynakları, ana hat kanalları, veri merkezi elektrik sistemleri, sıvı soğutmalı soğutma plakaları, CDU, pompa ve vanalar, ısı değiştiriciler, tüm kabin sıvı soğutma çözümleri ve veri merkezi altyapısı genel inşaat hizmetleri yeniden değerlenecektir. Bunlar geçmişte tümüyle geleneksel üretim endüstrisine dahil edilmişti, ancak AI’nın gelmesiyle artık hesaplama gücü tesliminin ön koşulu haline geldiler.
Bir adım daha ileri gidildiğinde, AI veri merkezleri, geleneksel IDC'den yeni bir tür endüstriyel emlak haline gelecektir. Geleneksel IDC, kabin sayısı, yükleme oranı, PUE, kira ve müşterilere bakar; AI veri merkezleri ise elektrik endekslerine, alt istasyona, uzun vadeli enerji sözleşmelerine, sıvı soğutma kapasitesine, yüksek hızlı ağ erişimine, büyük müşterilerle uzun vadeli anlaşmalara, GPU kümeleri bakım kapasitesine ve arazi genişletme alanına bakar.
Bu artık sadece “bina inşa edip sunucuları yerleştirmek” gibi bir iş değil. Daha çok demiryolu çağındaki istasyonlar, liman çağındaki iskeleler, havacılık çağındaki havaalanları, otoyol çağındaki merkezler gibi. Geleceğin en iyi AI veri merkezi şirketleri, sadece sunucu odalarını kiraya vermekle kalmayacak, aynı zamanda arazi, elektrik, soğutma, ağ, çip ve müşteri uzun vadeli sözleşmelerini nakit akışı, engel ve kıtlığa sahip bir altyapı varlığı haline getirecek.
Bu çizginin bir sonraki dönüşümü: veri merkezi varlıklarının finansalleştirilmesidir. AI veri merkezleri kararlı nakit akışları oluşturduğunda, REIT'ler, RWA'lar, altyapı fonları, gelir hakkı ürünleri ve uzun vadeli kira varlıkları haline getirilebilir. Geçmişte bulut hesaplama döneminde, veri merkezleri bulut sağlayıcılarının arka plan varlıklarıydı; AI döneminde, veri merkezleri “hesaplama endüstriyel emlakı” olarak yeniden değerlenecektir.
Beşinci: Eğitimden sonra, çıkarım maliyetleri mücadelesidir
Şu anda birçok kişi, NVIDIA'nın çok güçlü olduğunu düşünüyor ve AI çip fırsatlarının tümü NVIDIA tarafından tüketildiğini düşünüyor. Bu değerlendirme sadece yarısı doğrudur.
Büyük modellerin eğitim aşamasında NVIDIA'nın avantajı çok güçlüdür. Sadece GPU'su güçlü değil, CUDA, geliştirici ekosistemi, ağ sistemi, tüm sistem çözümleri ve yazılım araç zinciri de güçlüdür. Ancak AI büyük ölçekli çıkarım aşamasına girdikten sonra mantık değişir. Eğitim aşamasında en önemli şey modeli oluşturmaktır; çıkarım aşamasında ise modelin her gün milyonlarca kullanıcıya hizmet vermesidir. Eğitim daha çok sermaye harcamasına, çıkarım ise daha çok işletme maliyetine benzer.
AI, müşteri hizmetleri, ofis, programlama, finans, eğitim, sağlık ve üretim alanlarına girdiğinde, her gün milyonlarca çağrı üretir. Bu noktada, insanların fark etmeye başladığı şey, token ekonomisinin trafiğin ekonomisiyle farklı bir mantığı olduğu; trafiğin ekonomisinde marjinal maliyet azalır, bu nedenle kullanıcıları büyük ölçekli olarak kazanıp sonra gelir üzerinde düşünmek mümkündür, çünkü her yeni kullanıcının ağı maliyeti giderek düşer. Ancak token ekonomisi mantığı farklıdır; büyük model şirketlerine ve bulut sağlayıcılarına tamamen farklı bir ekonomik maliyet hissi verir: marjinal maliyet sabit kalır veya artar. Eğitim bir kez yapılan ve uzun vadeli getiri sağlayan bir yatırımdır, ancak çıkarım değildir. Her kullanıcıya AI hizmeti sunmak kayıpla sonuçlanıyorsa, bir görev günde milyonlarca, hatta milyarlarca kez çağrılırsa, hiçbir şirket bu yükü taşıyamaz. İşte bu yüzden ByteDance’ın büyük modeli DouBao bile ücretli hale gelmek zorunda kaldı.
Bu sırada yeni bir fırsat ortaya çıktı ve herkes maliyetleri nasıl düşürebilecekleri üzerinde düşünmeye başladı. Neden tüm görevler için en pahalı genel amaçlı GPU’lar kullanılıyor? Özel çipler kullanılamaz mı? Daha düşük güç tüketimli, daha yüksek verimli ve sabit senaryolar için daha uygun ASIC’ler kullanılamaz mı?
Bu, Broadcom, AMD, Google TPU gibi durumların dikkat edilmesi gereken nedenidir.
Reuters'e göre, Broadcom 2027 yılına kadar özelleştirilmiş AI çiplerinden elde edilebilecek gelir fırsatlarının 100 milyar doları aşabileceğini tahmin ediyor; bu, büyük teknoloji şirketlerinin özelleştirilmiş AI çipleri talebindeki hızlı artışın bir sonucu. [7] AMD, 2024 yıllık raporunda, veri merkezi AI iş birimindeki yıllık gelirinin 5 milyar doları aştığını açıkladı ve Meta, Microsoft, Oracle gibi müşteriler, AMD Instinct MI300 akseleratörlerini büyük ölçekli olarak kuruyor. [8] Google Cloud ise TPU v5e'nin maliyet verimliliği yönünde olduğunu ve aynı maliyetle daha yüksek sorgu miktarı sağladığını vurguladı. [9]
Yani, AI çiplerinin geleceği sadece bir biçimde olmayacak. NVIDIA güçlü olmaya devam edecek, ancak bulut sağlayıcıların kendi çiplerini geliştirmesi, özel ASIC’ler, çıkarım hızlandırma çipleri ve kenar AI çipleri kendi yerini alacak. Bu, NVIDIA’nın basitçe yerini almak değil, çıkarım dönemi için bir kısmını kazanmak. AI, eğitim döneminden çıkarım dönemine geçiyor ve maliyet optimizasyonu yeni fiyat belirleme gücü olacak.
Altıncı olarak, ışık modüllerinden sonra tam AI ağı gelir.
Çok sayıda kişi, ışık modülünün artışı tamamlandı认为 ve bu nedenle AI piyasasının bittiğini düşünüyor. Ben böyle düşünmüyorum. Işık modülü, AI ağı için yalnızca ilk görünür katmandır. Ardından anahtar chip'leri, anahtarlar, DPU, SmartNIC, CPO, silikon ışık, küme yönetimi ve ağ işletim sistemi gelmektedir.
AI veri merkezinin özü, birçok GPU'yu bir süper bilgisayara bağlamaktır. Buradaki en pahalı varlık GPU'dur; en kabul edilemez durum ise GPU'nun boşta beklemesidir. Ağ gecikmesi yüksekse, GPU veri bekler; değişim verimliliği düşükse, GPU veri bekler; iletişim mimarisi iyi değilse, GPU yine veri bekler.
Bu nedenle AI ağı的价值, sadece veri iletimi değil, tüm GPU kümelerinin kullanım oranını artırmaıdır. Normal internet veri merkezlerinde ağ biraz yavaşsa, kullanıcılar sadece yüklemede gecikme yaşar; AI veri merkezlerinde ağ biraz yavaşsa, milyarlarca dolarlık cihazların kullanım oranı düşebilir.
NVIDIA'nın Quantum-X800 InfiniBand platformu, uçtan uca 800 Gb/s ağ sunmayı hedefleyerek trilyon parametreli AI modellerini desteklemektedir; Spectrum-X Ethernet ise AI ağı performansını artırma ve büyük ölçekli GPU kümelerinin ölçeklendirilmesini sağlamayı vurgulamaktadır. [10] TrendForce, 800G ve üzeri optik transceiver modüllerinin AI sunucu kümeleri arasındaki bağlantıda talebinin hızla arttığını ve AI optik transceiver modülü piyasasının büyüme potansiyeline devam ettiğini de belirtmektedir. [11]
Gelecekte AI ağı 400G'den 800G'ye, ardından 1,6T'ye; geleneksel optik modüllerden CPO'ya; elektronik anahtarlama dan optoelektronik entegrasyona; normal ağa; AI fabric'a; tekil cihazlardan tam küme koordinasyonuna kadar geliştirilmeye devam edecektir. Sermaye piyasası artık sadece optik modül işini değil, AI kümesi bağlantı verimliliğini kimin artırdığını, GPU bekleme süresini kimin düşürdüğünü ve on binlerce GPU'lu kümelere daha fazla stabilite sağladığını görecektir.
Yedinci: Token daha ucuz hale geldikten sonra giriş, değişecektir.
AI çağında gerçek ölçekli uygulama, token maliyetinin sürekli düşüp düşmediğine bağlıdır. Token ne kadar pahalıysa, AI o kadar yaygınlaşmakta zorlanır; token ne kadar ucuzsa, AI o kadar kolayca işletmelerin süreçlerine ve günlük yaşama girebilir.
Stanford 2025 AI Endeksi raporuna göre, GPT-3.5 seviyesine ulaşan modellerin sorgu maliyeti, Kasım 2022'de milyon Token başına yaklaşık 20 dolar iken, Ekim 2024'te yaklaşık 0,07 dolara düşerek yaklaşık 18 ay içinde 280 katın üzerinde azaldı; farklı görevlerde LLM çıkarım fiyatları yıllık 9 kat ile 900 kat arasında büyük farklılıklar göstermektedir. [12]
Bu veri, AI endüstrisindeki gerçek uzun vadeli deflasyon gücü başlamaya başladığını gösteriyor. Aynı bir görevi daha az token, daha az GPU belleği, daha az elektrik ve daha az çıkarım süresiyle gerçekleştirebilen, değerli olur.
Bu tür şirketlere, token sıkıştırma okulunu adlandırıyorum.
Bu şirketler model şirketleri olabilir, çıkarım platformları, çip şirketleri, bulut sağlayıcıları veya kurumsal AI altyapı şirketleri olabilir. Önemli olan adı değil, aynı bir görevi daha düşük maliyetle, daha kısa bir çıkarım zinciriyle, daha az geçersiz çağrı ile ve daha kararlı sonuçlarla tamamlayabilme yeteneğidir.
Burada birkaç teknoloji türü önemlidir: MoE, kantitatif analiz, distilasyon, önbellekleme, tahmini dekodlama ve model rota yönetimi. Özellikle model rota yönetimi, tüm görevler için en pahalı modelin çağrılması gerekmez. Olgun bir AI sistemi, görevin zorluğuna, maliyet bütçesine, hız gereksinimlerine, gizlilik gereksinimlerine ve doğruluk gereksinimlerine göre otomatik olarak en uygun modeli ve yolu seçer. Ancak model rota yönetimi de büyük şirketlerin baskısı altında kolayca etkilenebilir ve rekabet avantajı sağlam değildir.
Maliyetler düştükten sonra giriş noktası sorunu daha da önemli hale gelecektir. Birçok kişi, AI çağının giriş noktasının bir model yönlendirme platformu olacağını, AI çağının Meituan’ı gibi olacağını düşünmektedir. Bu benzetme mantıklıdır, ancak yeterince derin değildir. Gerçek AI giriş noktası, bir model seçmenizi sağlayan bir platform olmayabilir; daha olası olanı, iş akışına gömülmüş bir sistemdir.
Ortak kullanıcılar, bir model yönlendirme platformunu her gün aktif olarak açmayacaktır. Kurumsal kullanıcılar da model çağırma amacıyla model çağırmayacaktır. Kullanıcılar görevi tamamlamak ister, şirketler süreç verimliliği ister, çalışanlar ise çalışma sonuçları ister. AI nihayetinde Office, Feishu, DingTalk, Enterprise WeChat, ERP, CRM, kod düzenleyiciler, tarayıcı, e-posta, arama, maliyet sistemleri, müşteri hizmetleri sistemleri ve işlem sistemlerine entegre olacak. İş akışını kim kontrol ederse, AI çağrım hakkını da o kontrol eder.
Microsoft, 2025 yıllık raporunda Copilot ürün ailesinin ticari ve tüketiciler için toplam aylık etkin kullanıcı sayısının 100 milyonu geçtiğini açıkladı ve Microsoft 365 Copilot'u iş süreçlerine daha da entegre etti. [13] Bu, AI girişiyle tekil bir uygulama olmak zorunda olmadığını, aksine mevcut iş akışlarındaki akıllı katman olabileceğini göstermektedir.
Programcı girişi, kod düzenleyici ve kod barındırma platformları olabilir; ofis girişi, Microsoft 365, Google Workspace, Feishu ve DingTalk olabilir; şirket yönetimi girişi, ERP, CRM ve finans sistemleri olabilir; bireysel giriş, cep telefonu işletim sistemi, tarayıcı, arama çubuğu ve akıllı gözlükler olabilir. AI çağının gerçek girişi, model listesi değil, iş akışı girişiyledir.
Sekiz: Kurumsal AI'nın gerçek zorluğu, süreçlere girmektir.
AI, bir iş akışı girişi olmak için bir ön koşul daha gerektirir: gerçek işletme süreçlerine girmelidir. İşletme AI'sı için en zor şey, bir sohbet botu entegre etmek değil, modelin işletme verilerini güvenli bir şekilde okuyabilmesi, iş süreçlerini anlayabilmesi, sistemleri çağırabilmesi, günlük kaydı bırakabilmesi, denetimlere açık olabilmesi ve insan onay mekanizmalarıyla entegre olabilmesidir.
Günümüzde birçok şirket, AI'yi çalışanların kendi kendine soru sorması, yazması ve özetlemesi aşamasında kullanıyor. Bu, bireysel verimliliği artırabilir, ancak organizasyonel yapıyı gerçekten değiştiremez. Gerçek şirket AI'si, Agent'ın süreçlere girmesidir.
Müşteri hizmetleri ajantı sadece sorulara cevap vermekle kalmaz, siparişleri kontrol eder, lojistiği inceler, iade koşullarını değerlendirir ve after-sales sistemini çağırır; maliye ajantı sadece raporlar hazırlamakla kalmaz, belgeleri okur, hesapları karşılaştırır, anomaliyi tanımlar ve onay görüşleri oluşturur; yatırım araştırması ajantı sadece haberleri özetlemekle kalmaz, verileri çeker, modeller kurar, şirketleri karşılaştırır ve riskleri takip eder; hukuk ajantı sadece sözleşmeler yazmakla kalmaz, maddeleri arar, riskleri tanımlar, olayları ilişkilendirir ve değişiklik izlerini korur.
Bu, veritabanı, vektör arama, yetki yönetimi, veri yönetimi, sistem entegrasyonu, iş akışı motoru, denetim günlükleri, güvenlik ve uyumluluk, kurumsal bilgi bankası ve Agent düzenleme platformu gibi tam bir altyapıyı gerektirir. Bu şeyler büyük modeller kadar çekici görünmese de, AI'nın gerçek anlamda işletmelere yerleşmesinin temelidir. Bir şirketin AI'yi ilk kez uygularken harcaması gereken para, bir yengeç alıp bazı token'ları çalıştırarak süsleyici görevler yapmak değil, güvenlik, veri, yetki, süreç, entegrasyon ve uyumluluk satın almak olmalıdır.
Burada daha büyük bir değişiklik gizli: AI uygulamalarının gerçek büyük kazançları, yazılım bütçelerinden ziyade insan kaynakları bütçelerinden gelebilir. SaaS araçlar satıyor, AI Agent ise sonuçlar satıyor. Araçlar insan tarafından kullanılmalı, Agent ise görevleri doğrudan yerine getiriyor.
Bir AI müşteri hizmetleri sistemi, sadece yazılım satıyorsa, tavanı müşteri hizmetleri yazılımı pazarıdır; ancak gerçek anlamda büyük ölçüde insan müşteri hizmetleri personelini yerine geçerse, tavanı müşteri hizmetleri dış kaynaklama ve kurumsal müşteri hizmetleri maliyetleridir. Bir AI hukuki sistem, sadece belge araçları satıyorsa, tavanı sınırlıdır; ancak başlangıç seviyesi avukatları, sözleşme incelemeleri ve dikkatli inceleme süreçlerini yerine geçebilirse, tavanı hukuki hizmet maliyetleri havuzudur.
Harvey, dikkat edilmesi gereken bir hukuki AI vaka örneğidir. TIME 2025, Harvey'nin değerinin yaklaşık 5 milyar dolar olduğunu, 300'den fazla müşterisi olduğunu, 53 ülkeyi kapsadığını ve ABD gelir sıralamasında ilk on hukuk firmasından yedisine hizmet verdiğini rapor etti. [14] Bu, AI uygulamalarının yüksek değerli bilgi işleri senaryolarında basit bir araç yerine geçmekten ziyade, profesyonel hizmetlerin işgücü maliyet havuzuna girdiğini göstermektedir.
Geleceğin gerçekten üstün AI uygulama şirketleri, sadece yazılım şirketi olduğunu söylemeyecek; bunun yerine müşterileri için ne kadar iş tamamlayacağını, ne kadar insan gücünü tasarruf edeceğini, ne kadar hatayı azaltacağını, ne kadar dönüşüm oranını artıracağını ve ne kadar teslimat döngüsünü kısaltacağını açıklayacaktır. Sermaye piyasaları geçmişte ARR'ye bakıyordu; gelecekte ise ne kadar büyük bir emek maliyeti havuzunu yenebileceğine bakacaktır.
Dokuz: Yerel AI ve hesaplama gücü finansalizasyonunu göz ardı etmeyin
İki tane daha çizgi var, şu anda en popüler olmasalar da uzun ve orta vadeli olarak göz ardı edilemezler. Birisi yerel AI. Bugün çoğu token hâlâ bulut veri merkezlerinde üretiliyor; bir modeli sorduğunuzda, temelde uzak bir veri merkezi sizin için hesap yapıyor. Ancak gelecekte tüm AI çıkarımları bulutta tutulamaz.
Neden basit: Bulut tabanlı çıkarım çok pahalı, birçok senaryoda düşük gecikme süresi gerekiyor ve birçok veri buluta yüklenemiyor; uç cihazlar da giderek daha akıllı hale gelecek. Bu nedenle gelecekte bazı token’lar buluttan yerel, yani uç tarafına taşınacak. Telefonlar AI çalıştıracak, PC’ler AI çalıştıracak, otomobiller AI çalıştıracak, robotlar AI çalıştıracak, akıllı gözlükler AI çalıştıracak ve yerel çalışma istasyonları da AI çalıştıracak.
Uç taraf AI başlatıldığında, yeni bir donanım döngüsü başlayacaktır. Uç taraf AI çipleri, NPU, düşük güç tüketimli bellek, güç yönetimi, soğutma, sensörler, kamera modülleri, mikrofon dizileri, AI PC'ler, AI telefonlar, AI gözlükler, robotlar ve araç içi akıllı hesaplama platformları yeni bir tedarik zinciri değerlendirmesine girecektir.
Ancak bu çizgi nesnel bir şekilde görülmelidir. Kenar AI yönü doğru, ancak şu anda gerçekten öne çıkan bir uygulama eksik. AI PC'ler ve AI telefonlar şu anda daha çok donanım üreticileri tarafından destekleniyor, kullanıcı tarafında değiştirilmemesi gereken bir ihtiyaç henüz oluşmadı. Bu nedenle kenar AI, ilk patlayacak ana hat olmayacak, ancak uzun vadeli olarak önemli bir ana hat olacak.
Diğer bir çizgi, hesaplama gücü finansalizasyonudur. AI altyapısı çok ağırdır. GPU pahalı, veri merkezleri pahalı, elektrik sözleşmeleri pahalı, inşaat süresi uzun ve sermaye tutulumu yüksektir. Tek başına teknoloji şirketlerinin kendi bilançolarıyla bu yükü taşımak en iyi çözüm olmayabilir.
Gelecekte birkaç yeni finansal varlık türü ortaya çıkabilir: GPU kira sözleşmeleri, hesaplama gücü kazanç hakları, veri merkezi REIT'leri, AI altyapı fonları, elektrik uzun vadeli satın alma anlaşmaları, GPU teminatlı finansman, çıkarım gelirine dayalı yapılandırılmış finansman ve RWA'ya dönüştürülmüş hesaplama gücü varlıkları.
Benim çalıştığım Fosun Wealth dijital varlık birimi, Hong Kong'da en profesyonel RWA emisyon ekiplerinden biridir. İlk elden iş analizlerime göre, hesaplama gücü varlıkları RWA'nın yüksek finansal varlık değeri ve gelecekteki küresel uyumlu ticareti vardır. FinChain Star Chain ve Star Road, Bitcoin hesaplama gücünden AI hesaplama gücine kadar, büyük geleneksel hesaplama gücü üreticilerinin tokenize edilmiş uyumlu finansal yeni yollarını sağlamaktadır.
Yurtdışında daha başarılı hesaplama gücü finansalleştirme örnekleri mevcuttur; CoreWeave en tipik örneklerden biridir. Mart 2026'da CoreWeave, 8,5 milyar dolarlık gecikmeli çekimli vade kredisi imzaladığını duyurdu ve bunu ilk yatırım düzeyinde GPU destekli finansman olarak tanımladı. [15] Bu, GPU'ların, kabinlerin ve hesaplama gücü sözleşmelerinin, finansal piyasalarda teminat olarak verilebilir ve finanse edilebilir altyapı varlıkları olarak yeniden değerlenmeye başlandığını göstermektedir.
Bu, demiryolu, telekomünikasyon ve bulut hesaplama ile çok benzer. Demiryolu çağında, demiryolu şirketleri demiryollarını inşa etmek için tahvillerle finanse edildi; telekomünikasyon çağında, operatörler ağı kurmak için uzun vadeli sermaye kullandı; bulut hesaplama çağında, bulut sağlayıcıları veri merkezlerini inşa etmek için büyük sermaye harcamaları yaptı. AI çağında, GPU'lar, kabinler, elektrik sözleşmeleri ve gelecekteki çıkarım gelirleri de finansal piyasalar tarafından yeniden paketlenecek, fiyatlandırılacak ve dolaşıma sokulacaktır.
Onuncu: En üst seviye fırsat: AI-native şirketler kar tablosunu yeniden yazacak.
Önceden anlatılanlar tüm zincirlerdi. Ancak AI'nın en büyük uzun vadeli etkisi, yalnızca zincirler değil, organizasyon yapılarının yeniden yazılmasıdır.
Geçmişte şirketler insanlarla bölümlerden oluşurdu. Satış, müşteri hizmetleri, maliye, hukuk, yatırım araştırması ve operasyon bölümleri; her bir bölümde pozisyonlar, süreçler, onaylar ve performans ölçümleri vardı. AI Agent’ların girmesiyle organizasyon değişecektir: Bir kişi birden fazla Agent’ı yönetebilir, bir bölüm Agent iş akışları ile sıkıştırılabilir, arka plan pozisyonları otomatikleştirilebilir, yönetim çapı genişleyebilir ve şirket insan yoğunluğuna dayalı bir organizasyondan insan-makine iş birliğine dayalı bir organizasyona dönüşecektir.
Bu, gelecekte sermaye piyasalarının bir şirketin yeniden değerlenmesi anlamına gelir: AI-native şirketler. Bu, sadece birkaç AI aracını satın almak veya çalışanlara ChatGPT kullanarak metin yazdırmak değildir; bunun yerine, organizasyon yapısı baştan itibaren AI ile yeniden tasarlanır. Daha az insan, daha yüksek gelir, daha yüksek kişi başına çıktı, daha düşük marjinal maliyet ve daha hızlı teslimat hızı.
Bu nedenle AI'nın en büyük sermaye piyasası etkisi, sadece "AI zincirinde kimlerin fiyatı yükselecek?" değil, aynı zamanda "tüm sektörlerde, kimler AI ile kendi kâr tablolarını yeniden yazabilecek?" sorusudur. Geleceğin piyasaları iki tür şirketi ödüllendirecektir: birincisi AI altyapısını ve AI yeteneklerini satan şirketler; ikincisi, kendi maliyet ve gelir yapılarını AI ile yeniden yapılandıran şirketler. İkinci tür şirketler, görünüşte mutlaka AI şirketleri olmayabilir, ancak organizasyonel verimlilikleri, kâr marjları ve kişi başına çıktıları temel düzeyde değişecektir.
Sonuç: Yapay zeka seyrekliği yeniden tanımlıyor
Buraya kadar sadece GPU, ışık modülleri, elektrik, sıvı soğutma, ASIC, veri merkezleri ve uç cihazları görüyorsanız, hâlâ AI'yi bir teknoloji zinciri olarak görüyorsunuz. Daha derin değişim, AI'nın neyin kıymetli olduğunu yeniden tanımlamasıdır.
Geçmişte eksik olan GPU idi, bu yüzden NVIDIA arttı; daha sonra eksik olan HBM ve ışık modülleri oldu, bu yüzden depolama ve ışık modülleri arttı; şimdi eksik olan elektrik, sıvı soğutma, AI ağı, çıkarım çipleri, veri boru hatları, iş akışı giriş noktaları, kurumsal veriler ve organizasyonel yürütme gücü.
Bu AI döngüsünü parçalara ayırırsanız, ilk aşamada hesaplama gücü altyapısına, ikinci aşamada hesaplama gücünün stabil ve ucuz bir şekilde çalışıp çalışmayacağına, üçüncü aşamada ise hesaplama gücünün işletmelerin süreçlerine entegre olup, gerçek gelir ve kâr haline gelip gelmeyeceğine yatırım yapılır.
Işık modülleri on kat yükseldi, bu hikâyenin sonu değil, sermaye piyasalarının ilk kez AI altyapısının fiziksel darboğazını net bir şekilde görmesi. Daha büyük yeniden değerlendirme, henüz yeterince fiyatlanmamış sonraki darboğazlarda gerçekleşecektir.
Elektrik, sıvı soğutma, AI veri merkezleri, özelleştirilmiş ASIC, AI ağları, token sıkıştırma, model yönlendirme, kurumsal veri hatları, iş akışı giriş noktaları, uçta AI, hesaplama gücü finansallaştırılması ve AI-native şirketler, bu yönler AI endüstri zincirinin bir sonraki servet haritasını oluşturacaktır.
Elbette, bu her şirketin artacağı anlamına gelmez, her kavramın satın alınması değerli olduğu anlamına da gelmez. Her endüstri devrimi döngüsünde, zenginlik eşit olarak dağıtılmaz. Sermaye piyasaları tarafından uzun vadeli olarak ödüllendirilebilecek şirketler, sadece kritik engelleri aşan, müşterilere, siparişlere, teknolojik engellere, maliyet avantajlarına ve ekosistem konumuna sahip olanlardır.
AI'nin ilk dalgası, kimin hesaplama gücü kurabileceğidir; AI'nin bir sonraki dalgası, kimin hesaplama gücünü destekleyebilecek, optimize edebilecek, yönetebilecek ve sonunda bu gücü gerçek ticari sonuçlara dönüştürebileceğidir.
Notlar ve Kaynaklar
Metinde yer alan tarihsel gerçekleri, açık verileri ve endüstriyel vaka örneklerini desteklemek için aşağıdaki kaynaklar kullanılmıştır. Finansal medya editörlerinin kontrolü kolay olsun diye, resmi kurumlar, şirket duyuruları, yetkili medya kaynakları veya birinci el verilere öncelik verilmiştir.
[1] Yuanjie Teknolojisi'nin gün içindeki hisse fiyatı Konya Şarabı'nı geçerek A Şirketleri Pazarı'nın yeni en yüksek fiyatlı hisse senedi temsilcisi olma: Sina Finans, 2026-04-17, “Konya Şarabı'nı Geçti, A Şirketleri Pazarı'nın Yeni Şampiyonu Doğdu”. https://finance.sina.com.cn/wm/2026-04-17/doc-inhuupte2305062.shtml
[2] 1866 transatlantic telegraph rates: PBS American Experience, “How the Early Cable Was Used”, 1866 yılında transatlantik telgrafın başlangıç ücretinin her kelime için 10 dolar ve en az 10 kelime ile gönderim olduğu, bu da becerikli bir işçinin on haftalık maaşına denk geldiğini belirtmektedir. https://www.pbs.org/wgbh/americanexperience/features/cable-how-early-cable-was-used/
[3] Reuters güvercin olayı hakkında: Reuters, “Reuters'te Hızın Uzun Tarihi”, Reuters'in erken dönemlerde finansal bilgileri güvercinlerle ilettiğinden bahsediyor. https://www.reuters.com/article/business/the-long-history-of-speed-at-reuters-idUSKBN2761WD/
[4] 1915 yılında ABD kara boyunca telefon ücretleri hakkında: JSTOR Daily, “AT&T: İlk Sosyal Ağın Doğuşu”, 1915 yılında 3 dakikalık kıyıdan kıyıya telefon görüşmesinin ücretinin 20,70 dolar olduğunu belirtmektedir. https://daily.jstor.org/birth-first-social-network/
[5] NVIDIA GB200 NVL72 hakkında: NVIDIA'nın resmi sayfasına göre, GB200 NVL72, 36 adet Grace CPU ve 72 adet Blackwell GPU'yu birbirine bağlayan, raf ölçekli ve sıvı soğutmalı bir tasarıma sahiptir. https://www.nvidia.com/en-us/data-center/gb200-nvl72/
[6] Küresel veri merkezleri elektrik tüketimi hakkında: Uluslararası Enerji Ajansı, “Yapay Zekânın Enerji Talebi”, 2030 yılına kadar küresel veri merkezleri elektrik tüketiminin yaklaşık 945 TWh olacağını ve bunun küresel toplam elektrik tüketiminin %3'ünden azını oluşturacağını tahmin etmektedir. https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
[7] Broadcom özel AI çipleri hakkında: Reuters, 2026-03-04, “Broadcom, ikinci çeyrek gelirini tahminlerin üzerinde bekliyor”, Broadcom'ın 2027 yılına kadar AI çip gelirlerinin 100 milyar doları aşacağını bildiriyor. https://www.reuters.com/technology/broadcom-forecasts-second-quarter-revenue-above-estimates-2026-03-04/
[8] AMD veri merkezi AI iş birimi hakkında: AMD 2024 Yıllık Raporu, veri merkezi AI iş biriminin yıllık gelirinin 5 milyar doları geçtiğini açıklıyor ve Meta, Microsoft, Oracle gibi şirketlerin AMD Instinct MI300 akseleratörlerini kullandığını belirtiyor. https://ir.amd.com/financial-information/sec-filings/content/0001193125-25-067185/0001193125-25-067185.pdf
[9] Google TPU v5e maliyet verimliliği hakkında: Google Cloud Blog, “AI çıkarımı için GPU’lar ve TPU’ların dolar başına performansı”, TPU v5e’nin aynı maliyetle sorgu miktarını artırdığını belirtiyor. https://cloud.google.com/blog/products/compute/performance-per-dollar-of-gpus-and-tpus-for-ai-inference
[10] NVIDIA AI Ağ Platformu Hakkında: NVIDIA Quantum-X800, resmi sayfasında end-to-end 800 Gb/s InfiniBand ağı olarak tanımlanmaktadır. https://www.nvidia.com/en-us/networking/products/infiniband/quantum-x800/
[11] AI ışık alıcı-verici modül pazarı hakkında: TrendForce, 2026-04-20, “Dünya çapında AI Optik Transceiver Pazarı 26 Milyar ABD Dolarına Ulaşacak”, 800G ve üzeri optik transceiver modüllerine olan talebin hızla arttığını belirtiyor. https://www.trendforce.com/presscenter/news/20260420-13017.html
[12] AI çıkarım maliyetlerindeki düşüş hakkında: Stanford HAI, “AI Index 2025: 10 Grafikle AI’nın Durumu”, GPT-3.5 seviyesine ulaşan model sorgu maliyetlerinin yaklaşık 18 ayda 280 katından fazla düştüğünü göstermektedir. https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
[13] Microsoft Copilot kullanıcı sayısı hakkında: Microsoft Yılın Raporu 2025, Copilot ürün ailesinin ticari ve tüketicilerde toplam aylık etkin kullanıcı sayısının 100 milyonu aştığını açıklamıştır. https://www.microsoft.com/investor/reports/ar25/index.html
[14] Harvey Hukuki AI Vakası: TIME 2025 Küresel En Etkili Şirketler Listesi, Harvey'nin değerinin yaklaşık 5 milyar dolar, müşterilerinin 300'den fazla ve 53 ülkeyi kapsadığını bildiriyor. https://time.com/collections/time100-companies-2025/7289586/harvey/
[15] CoreWeave GPU destekli finansmanı hakkında: CoreWeave yatırımcı ilişkileri duyurusu, 2026 yılında 8,5 milyar dolarlık gecikmeli çekimli vade kredisi imzaladığını duyurdu ve bunu ilk yatırım kalitesinde GPU destekli finansman olarak tanımladı. https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-Landmark-8-5-Billion-Financing-Facility-Achieving-First-Investment-Grade-Rated-GPU-backed-Financing/default.aspx
Açıklama: Bu metin, endüstriye yönelik uzun bir görüştür; notlar, gerçeklerin kaynaklarını açıklamak için kullanılır ve herhangi bir yatırım önerisi oluşturmaz.