Yazar: qinbafrank
Şubat'ta "Bu Sermaye Harcamaları Savaşı Ne Anlama Geliyor?" başlıklı makalede, hesaplama zincirindeki kritik unsurların hâlâ en büyük değeri elde ettiğinden bahsedilmişti: çip, paketleme ve test, depolama, ışık modülleri vb.; kapasitesi hızlıca genişletilemeyen ve çok yüksek bir koruma duvarına sahip olanlar, büyük sermaye harcamalarının avantajlarından yararlanacaktır;
Verimlilik artırma potansiyeli hâlâ büyük: Öğrenme uçlarında distilasyon, kuantizasyon, MoE, özel çipler, sıvı soğutma, füzyon (uzun vadeli) gibi teknolojiler, birim hesaplama gücünün enerji ve maliyetini 10–100 kat daha azaltabilir. Bu aşamalarda fırsatlar aranmalıdır.
Son zamanlarda Morgan Stanley, JPMorgan Chase, Bank of America, Goldman Sachs, UBS, Citigroup, Bernstein ve HSBC gibi birçok yatırım bankası, AI/yarı iletken/elektrik/hafıza ile ilgili güncellenmiş raporlar yayınladı; AI donanımının darboğazı artık yalnızca "GPU tedariki" tek boyutundan, elektrik, çip, hafıza, ekipman ve malzeme olmak üzere beş boyutlu ortak bir sıkışıklığa yayıldı.
AI talebi, geleneksel elektrik planlamasını, yarı iletken ekipman kapasitesini, depolama fiyat modellerini ve robot kurulum varsayımlarını aşmıştır.
Morgan Stanley'ın küresel tema araştırması geri dönüşümü, küresel haftalık büyük dil modelleri token tüketiminin 3 ay içinde 6,4 trilyondan 22,7 trilyona, yani %250 artışla yükseldiğini gösteriyor; ABD'de 2025-28 yılları arasındaki veri merkezi elektrik açığı 55 gigavat; JPMorgan'ın veri merkezi yüksek performanslı hesaplama projeleri borçları için ilk kapsamlı analizinde, "sonraki 5 yıl için 122 gigavat finansman ihtiyacı" rakamı doğrudan verildi; ABD'nin 5 yıllık elektrik planlaması 101 gigavattan 230 gigavata yükseldi ve yeni projelerin %44'ünün şebekeye bağlanma bekleme süresi 4 yıldan fazla; Bank of America'nın Alphabet'e yönelik en son hedef fiyat raporunda, 2026 yılı sermaye harcamaları doğrudan 181,5 milyar dolara çıkarıldı ve yıllık bazda iki katına çıktı; öz sermaye akışı %62 düştü. Bu üç veri seti aynı çerçeve çıktısı değil, üç bağımsız kurumun farklı araştırma yollarıyla oluşturduğu bağımsız resimlerdir.
Yarı iletken zinciri (özellikle AI hesaplama gücü alanında) darboğazlarının evrimi, “hesaplama (GPU) → depolama (HBM vb.) → ışık bağlantısı → elektrik/sıvı soğutma” şeklinde net bir sıralama ile ilerlemektedir. Bu, 2025-2026 yılı için endüstri genelindeki uzlaşmadır. AI eğitim/çıkarım kümeleri, tek bir kabinde (yüzlerce GPU) üzerinden süper ölçekli (binlerce ila on binlerce GPU) boyuta genişledikçe, her darboğaz çözüldükçe bir sonraki fiziksel/tedarik zinciri sınırı hemen ortaya çıkar ve “Leontief tipi” tamamlayıcı kısıtlamalar oluşturur (birisi eksikse ürün piyasaya sürülemez).
Bu gelişimin neden ortaya çıktığını, mevcut durumu ve arkasındaki fiziksel/mühendislik nedenlerini anlamak gerekir:
1. Birinci aşama darboğazı: GPU hesaplama (2022-2024 yılları arasında hakim) Temel sınırlama:
Yüksek performanslı GPU'lar (NVIDIA Hopper H100 → Blackwell B200 → Rubin) kendi çip üretimi + ileri paketleme kapasitesine sahiptir.
Neden darboğaz? AI büyük modelleri, büyük ölçekli paralel hesaplama gerektirir; TSMC'nin 4nm/3nm/2nm lojik üretim teknolojisi ve CoWoS (2.5D/3D paketleme) kapasitesi bir zamanlar en büyük darboğaz haline geldi. Ön uçta wafer yeterli olsa bile, arka uçta lojik çip ile HBM'yi yığıp paketleme kapasitesi yetmezse, tam bir GPU üretilemez.
Durumun hafiflemesi: TSMC, CoWoS üretim kapasitesini 2024-2025 yılları arasında iki katına çıkarmaktadır; NVIDIA Blackwell büyük ölçekli olarak teslim edilmiştir. Ancak bu sadece “hesaplama” aşamasının çözülmesidir ve hemen ardından yeni sorunlar ortaya çıkmaktadır.
2. İkinci aşamanın darboğazı: Depolama (HBM yüksek bant genişliği belleği, 2024-2025'te en çok eksik olan)
Ana kısıtlama: HBM3/HBM3e/HBM4 üretimi.
Neden yolculuk bir darboğaz haline geldi: GPU hesaplama gücü arttı, ancak model parametreleri patlayıcı bir şekilde arttı (trilyon hatta on trilyon parametre), veri taşıma (bellek bant genişliği) “bellek duvarı” oldu. HBM, sıradan DDR belleğinden 20 kat daha hızlı saniyede birkaç TB veri aktarabilir. HBM, lojik çipe yakın olduğu için veriler uzun mesafeler kat etmek zorunda kalmaz ve bu da enerji tüketimini azaltır.
B200 GPU başına 192 GB ve üzeri HBM3e gereklidir; tek bir raf (NVL72) içindeki HBM toplam kapasitesi 30-40 TB'a ulaşmıştır ve bant genişliği ihtiyacı geleneksel DRAM'ı çok aşmaktadır.
Tedarik zinciri durumu: Şu anda yalnızca SK Hynix, Samsung ve Micron, HBM'yi ölçeklenebilir şekilde üretmektedir; süreç karmaşıktır (silikon geçişleri TSV + yığınlama). 2025 yılındaki tüm üretimi satılmıştır ve 2026 yılında da talep, arzı aşacaktır; fiyatlar yıllık bazda %246 artmıştır. GPU çipleri hazır olsa bile, HBM olmadan montaj ve teslimat yapılamaz; bu da tüm AI kümelerinin kurulumunu ertelemektedir.
Sonuç: Depolama, "ürün"ten stratejik bir kritik noktaya dönüşüyor ve sermaye harcamalarının %30'una kadar çıkabiliyor.
3. Üçüncü aşamanın darboğazı: Işık bağlantıları (2025-2026 yılında geçiş yapılıyor)
Temel sınırlama: Bakır kabloların (NVLink/NVSwitch) bant genişliği, mesafesi, güç tüketimi ve ağırlığındaki fiziksel sınırları.
Neden zorunlu olarak ışığa geçilmeli: Tek bir kabin içinde (72 GPU) bakır kablolarla hâlâ mümkün olsa da, birden fazla kabin ve hatta binlerce GPU'nun birbirine bağlanmasına genişletildiğinde, bakır kabloların sinyal zayıflaması ciddi boyutlara ulaşıyor (1,8 TB/s bant genişliğinde etkili mesafe <1 metre), ağırlık patlaması yaşıyor (NVL72 kabininde bakır kablolar 5.000'den fazla, toplam ağırlık 1,36 ton) ve yüksek güç tüketimi mevcut ( takılabilir ışık modülleriyle bakır kabloların yerini almak ekstra 20.000 watt güç tüketimine neden oluyor). Sinyal bütünlüğü, gecikme ve soğutma, daha büyük kümeleri destekleyemiyor.
Çözüm: Optik bağlantıya geçiş (CPO ortak paketlenmiş optik + silikon fotonik teknoloji). Optik motoru doğrudan GPU/ASIC'in yanına paketleyin, ölçeklendirmek için fiber optik kullanın, daha yüksek bant genişliği yoğunluğu, daha düşük bit başına güç tüketimi ve daha uzun mesafe.
NVIDIA, 2026 GTC'de ışık teknolojisi şirketlerine büyük yatırımlar yaparak 800G/1.6T ışık modülleri talebinde patlama yaşanmasını bekliyor. Lite, Broadcom, Coherent, Ayar Labs gibi şirketler yeni kazananlar oluyor.
Mevcut ilerleme: Bakır kablolar sınırına ulaştı, ışık bağlantısı "tercih edilebilir" hâlinden "zorunlu" hâle gelerek AI veri merkezi performansının tavanını aşıyor.
4. Dördüncü aşama darboğazı (şu anki en ileri seviye): Elektrik + sıvı soğutma (2026 itibarıyla nihai fiziksel kısıt). Temel kısıtlamalar: Güç tüketimi duvarı + ısı dağıtımı duvarı + elektrik şebekesi erişimi.
Neden son darboğaz? Her GPU 300W’dan 700-1200W’a, tek bir raf 10-20kW’lık (CPU dönemi) seviyelerinden 120-200kW+ ve daha üstü seviyelere yükseliyor. Geleneksel hava soğutmanın fiziksel sınırı yalnızca 20-50kW; gürültü, hava akımı ve enerji tüketimi kabul edilemez düzeyde.
Elektrik tarafı: Veri merkezleri GW seviyesinde elektrik gücü gerektirir, şebekeye bağlanma sırası yıllara kadar uzayabilir; transformatörler, katı hal transformatörleri gibi ekipmanların teslim süresi 100 haftaya kadar uzamıştır. Microsoft CEO'su, "GPU var ama elektrik prizi yok" dedi.
Sıvı soğutma tarafı: Doğrudan Çip Sıvı Soğutma veya bulaştırma sıvı soğutma teknolojilerine, mikroakışkanlık, soğutma plakaları vb. teknolojilerle birlikte geçiş yapılmalıdır. TSMC, CoWoS platformunda >2,6 kW TDP'yi destekleyen silikon tabanlı sıvı soğutmayı gösterdi. Vertiv (VRT) gibi sıvı soğutma/ısı yönetimi sağlayıcıları altyapının yeni çekirdeği haline geldi.
Zincirleme tepki: PUE (elektrik verimliliği) gerekliliği <1,2, atık ısı geri kazanımı, nükleer enerji/ yeni enerji kaynaklarının şebekeye bağlanması yeni konular haline geliyor. Tüm önceki aşamalar çözülse bile, kabinlerin kurulup çalıştırılması için elektrik ve soğutma yoksa mümkün değildir.
AI hesaplama zincirinin darboğazlarının转移ının temel mantığı, AI hesaplama bir “tek nokta” sorunu değil, sistem düzeyinde bir Leontief üretim fonksiyonudur—GPU, HBM, bağlantı, elektrik ve soğutma, en zayıf bileşenle eşleştirilmelidir. Hyperscaler’lar (Google, Microsoft, Meta vb.) bir sorunu çözdükçe, sermayeyi ve yeniliği hemen bir sonraki aşamaya itiyor.
Şu anda (2026 yılında) "optik bağlantıların hızla uygulanması + elektrik/ sıvı soğutmanın büyük ölçekli ticari kullanımı" geçiş dönemindedir; gelecekte yeni bir darboğaz (örneğin lazer, fiber malzemesi veya elektrik şebekesi transformatörü) ortaya çıkabilir, ancak bu "hesaplama → depolama → ışık → elektrik/soğutma" zinciri, endüstride kabul görmüş bir yol haline gelmiştir.
Bu, yatırım mantığının NVIDIA/TSMC'den HBM üçlüsüne (SK Hynix vb.), optik üreticilere (Lumentum, Coherent), sıvı soğutma/elektrik altyapısına (Vertiv, ilgili güç şirketleri) geçişini açıklıyor.
Her bir darboğaz taşıması, yarı iletken + veri merkezi endüstri zinciri boyunca değerin dağılımını yeniden şekillendiriyor.