Yapay Zeka Endüstrisi Gelişimi, Hakim Tasarım Geride Kalırken 'Farklılaşma Bölgesine' Giriyor

Metin yaklaşık 18.000 kelimeden oluşmaktadır ve temel yapısı şöyledir:

AI gelişimine yönelik doğrudan ya da soyut yargılar, karar vermeyi etkili bir şekilde yönlendirmek için zor olabilir.

• İki klasik endüstriyel evrim analiz aracı (Utterback + Klepper)

• Birleşik çerçeve analizi ile: Şu anda AI endüstrisi hangi aşamada?

• Sorulması gereken yeni bir soru: Gelecek ritmi nasıl olacak?

• Yapay Zeka endüstrisinin evriminin zaman ölçeği: Üretim endüstrisi döneminden dijital döneme

• AI değişiminin belirli zaman koordinatları (tahmin)

• En son trendleri ters doğrulama

Cihazınızı açın, AI ile ilgili haberler neredeyse her gün sizi sarıp sarmalıyor: Bir model yeni yayınlandı ve performansı yeniden aşıldı; bir şirket yeni finansmanı kapattı ve değerlemesi yeniden rekor kırıyor; bir platformun kullanıcı sayısı yeni bir rekora imza attı; bir sıralamada, dün lider olan bugün geçildi. Bilgi yoğunluğu ve hızı, daha önceki herhangi bir teknolojik değişiklikten çok daha yüksek.

Temmuz'da sona eren WAIC konferansına girerken bu his devam ediyor. Salon, sürekli güncellenen verileri, sürekli aşılanan performansları ve sürekli değişen teknik parametreleri ve ürün formlarını içeriyor; öncü laboratuvarlardan, büyük şirketlerden ve girişimcilerden, geleneksel sektör oyuncularına, son kullanıcı üreticilerine ve araştırma kurumlarına kadar, farklı türdeki daha fazla şirket bu büyük teknoloji endüstri devrimine yoğun bir şekilde dahil oluyor.

Bu kadar yoğun bilgi ve bu kadar çok katılımcı, doğal olarak iki yaygın tepkiye yol açar.

Birisi kaygı—geri mi kalıyorum? Şirketim bir şeyi mi kaçıyor? Bu hafta harekete geçmezsem, gelecek hafta geç kalır mıyım?

Diğeri, dürtüsel değerlendirme: Kim zaten kazandı? Kim zaten dışarıda kaldı? Bu endüstrinin yapısı neredeyse belirlenmiş mi?

İki tepkinin arkasında aslında aynı soru var: AI endüstrisi şu anda hangi aşamada? Bu kararı nasıl rasyonel bir şekilde verebiliriz?

Şu anda bazı popüler ifadeler de var—örneğin, "Yapay Zeka belirli bir yeni aşamaya girdi". Bu yargılar, kendi bakış açılarına göre mantıklı ve temellidir. Ancak titiz stratejik kararlar ve planlamalar yapmak zorunda olan kurumsal karar vericiler için, önce daha temel sorulara net cevaplar vermek gerekebilir: Önceki aşamanın sona erdiğini nasıl anlıyoruz? Yapay Zeka'nın gerçekten belirli bir yeni aşamaya girdiğini nasıl kesinleştiriyoruz? Bu aşamanın spesifik özellikleri nelerdir? İçsel olarak hangi kurallar geçerlidir? Tam bir döngü hangi aşamalardan oluşur? Bu sorulara daha titiz ve bilimsel bir analiz çerçevesiyle daha güvenilir sonuçlar ulaşmak gerekir—bu, şu anda Yapay Zeka değişiminde kolayca gözden kaçırılan ancak maliyeti yüksek olabilecek bir sorundur. Çünkü endüstri aşamasına yanlış bir değerlendirme yapmak, kaynak yatırımı yönünü, tempoyu ve önceliklerini doğrudan etkiler—aşama yanlış algılanırsa, tüm eylemler sapabilir.

Mevcut AI tartışmalarında, endüstrinin bulunduğu aşamayı analiz eden ve yargılayan birçok akademisyen bulunmaktadır. Bunlardan biri, Harvard İşletme Okulu profesörü Karim Lakhani’nin 2026 yılında 3 ayda kişisel Substack hesabında yayımladığı uzun makale olan “From Ferment to Dominant Design”tir. O, endüstriyel yenilik araştırmalarında yüksek itibara sahip iki akademisyen—James Utterback (Massachusetts Teknoloji Enstitüsü) ve Steven Klepper (Carnegie Mellon Üniversitesi)—in onlarca yıl boyunca, çeşitli endüstrilerin tam tarihsel verilerine dayanarak oluşturdukları analiz araçlarını kullanarak AI büyük modelleri rekabetini aşamalı olarak değerlendirmiş ve birkaç orijinal gözlem ortaya koymuştur (sonraki bölümlerde genişletilecektir). Temel sonucu, AI’nın şu anda geç akış aşamasında olduğunu ve hâlâ baskın tasarımın belirlenmediğini öne sürmektedir; endüstri düzeni, verilmiş bir sonuç olarak değil, henüz belirsiz bir soru olarak görülmelidir. Bu sonuç, bu makalenin yönüyle uyumludur ve yazarın bu çerçeveyi hazırlarken benimsediği önemli görüş kaynaklarından biridir.

Bu makale, iki akademik figürün klasik çerçevesini tamamen genişleterek dijital/AI çağına yönelik uzatılmış bir analiz çerçevesi sunar, 2026 yılına ait en yeni endüstri verilerini ve ilerlemelerini birleştirerek, mevcut AI endüstrisi gelişiminin hangi aşamada olduğunu titizlikle değerlendirir ve ardından Lakhani Profesör'ün cevaplamadığı ancak şirket karar vericileri için son derece kritik olan bir soruyu sorar: Endüstri gelişiminin genel kurallarına göre, ana tasarımın belirlenmesi ve derin bir yeniden yapılandırma ortaya çıkana kadar gelecekteki tempolar nasıl olacaktır?

Bu, makalede bahsedilen "Yapay Zeka endüstrisinin evriminin zaman ölçeği"dir—nerede olduğumuz ve geleceğin tempusu.

Bu iki klasik araç, endüstriyel inovasyon araştırmaları alanının en etkili kamu akademik varlıklarıdır. Değerleri soyut teorilerde değil, büyük miktarda tarihsel veriden çıkarılmış ve defalarca deneysel olarak sınanmış kurallarda yatmaktadır.

Utterback'ın endüstriyal evriminin üç aşaması: "Ürün boyutundan" bakıldığında

James Utterback, Massachusetts Institute of Technology Sloan Yönetim Okulu profesörü ve endüstriyel inovasyon ile teknolojik evrim alanlarının öncü araştırmacılarından biridir. 1975 yılında William Abernathy ile birlikte gerçekleştirdiği klasik çalışma, onlarca imalat sektörünün teknolojik evrim tarihini incelemiş ve 1994'te yayımlanan kapsamlı eseri olan "Yeniliklerin Dinamiklerini İyileştirme" adlı kitapta, neredeyse tüm sektörlerin teknolojik evriminin tanımlanabilir bir üç aşamalı sıralamaya uyduğunu sistematikleştirmiştir.

Sıvı faz —— Herkes deniyor. Ürün nasıl olmalı, müşteri gerçekten ne istiyor, “yeterince iyi” nedir, henüz cevaplar yok. Çeşitli tasarımlar birbirleriyle rekabet ediyor, giriş engeli düşük ve yenilik ürün düzeyinde yoğunlaşmış durumda. Temel soru: Ürün ne olmalı?

Geçiş aşaması — Bazı tasarım seçimleri sabitlenmeye başlar ve bir baskın tasarım ortaya çıkar. Yenilik odak noktası, "ürün ne olmalı" yerine "ürünü daha ucuz, daha güvenilir ve daha ölçekli nasıl yapabiliriz" yönüne kayar—ürün yeniliğinden süreç yeniliğine. Temel soru şu hale gelir: Müşteriler aslında en çok neyi önemsiyor?

Özel Aşama — Ürün tasarımı temel olarak sabitlenmiştir, rekabet verimliliğe yönelmiştir—kim daha ucuz, daha güvenilir ve daha ölçeklenebilir yapıyor. Yenilik artımlı hale gelir, endüstri yüksek ölçüde yoğunlaşır. Temel soru şuna dönüşür: Kim daha güvenilir, daha ucuz ve daha ölçeklenebilir bir şekilde teslim edebilir?

Bu modelin temel içgörüsü, üç aşamada "kim önde" olduğunun tamamen farklı olduğudur. Akış aşamasındaki kazanan becerileri (deneme, hız, hayal gücü, hata toleransı), uzmanlaşma aşamasındaki kazanan becerileriyle (ölçek, maliyet, disiplin, güvenilirlik) tamamen farklıdır. Bir şirketin akış aşamasında önde olması, uzmanlaşma aşamasında da önde kalma yeteneğine sahip olduğu anlamına gelmez—bu da birçok endüstri değişikliğinde "önceki liderlerin neden sonunda dışlanmasının" derin nedenidir.

Bir başka nokta, Utterback'in daha sonra Suárez (1993) ile birlikte, endüstriyel evrimin her zaman üç aşamayı tamamlamadığını; bazı endüstrilerin nihayetinde ana tasarım (A yolu) oluşturabileceğini, bazılarının ise uzun süre çoklu yol paralellikte (B yolu) kalabileceğini belirtti.

2.1.1 Ana Kavram: "Öncü Tasarım" nedir ve AI çağında hâlâ var mı?

Üç aşamada, доминант дизайн (Dominant Design) en temel kavramdır ve bunun hakkında bir açıklama yapmak gerekir.

Ana tasarım, "bir şirketin ürünü galip gelmek" değil, "bir teknoloji kombinasyonu ve ürün formatının tüm endüstride gerçek standart haline gelmesidir". Bir kez kurulduğunda, sonraki katılımcılar rekabete girmek için bu tasarımı temel almak zorundadır—bundan sapmış ürünler neredeyse kaçınılmaz şekilde kenara itilir.

En klasik örnek, 1908 yılında Ford T modelidir—burada kazanan, "Ford markası" değil, "benzinli içten yanmalı motor + ön motor + arka tekerlek tahriki + akış hatı üretimi" kombinasyonudur ve bu kombinasyon, otomobil endüstrisindeki sonraki on yıllar boyunca varsayılan cevap haline gelmiştir. Bundan sonraki otomobil üreticileri, "otomobil nasıl olmalı?" sorusunu tekrar sormak yerine, bu egemen tasarım çerçevesi içinde kimin daha iyi yaptığına yönelik rekabet etmiştir.

Ana tasarım belirlendikten sonra endüstrinin oyun kuralları sessizce değişir: yenilik odak noktası, "ürün ne olmalı"dan "ürünü daha ucuz, daha güvenilir ve daha ölçekli nasıl yapabiliriz" yönüne kayar—ürün yeniliğinden süreç yeniliğine. Bu, geçiş dönemi ile özel dönem arasındaki en kritik ayrım noktasıdır.

Bir doğal soru: AI çağında hâlâ öncü tasarım olacak mı?

Yazarın görüşüne göre: Cevap evet, ancak biçimleri imalat çağınınkinden farklı olacaktır. Sanayi, ölçekli teslimat, ekosistem koordinasyonu ve kullanıcı beklentilerinin istikrarı gerektirdiği sürece, mutlaka bir "gerçek standart" oluşacaktır—bu, sanayinin ekonomik gerekliliğidir. İnternet çağında tempo daha hızlı olsa da, TCP/IP, HTTP, HTML, Chromium çekirdeği gibi katmanlı lider tasarım ortaya çıkmıştır.

Ancak AI çağının önde gelen tasarımı, "tek bir ürün formatının hakim olduğu" yerine, "katmanlı, çoklu ve birleştirilebilir" olma olasılığı daha yüksek: teknoloji yığınındaki farklı katmanlarda kendi gerçek standartları ortaya çıkacak ve arayüzlerle ve protokollerle birbirine bağlanacak.

Yani, AI çağının önde gelen tasarımı "bir sonraki T-model araba" değil, daha çok "TCP/IP + HTTP + HTML" gibi katmanlı bir protokol yığını olabilir—her katman kendi içinde kararlıdır ve katmanlar arasında standart arayüzlerle iş birliği yapar. Şu anda ortaya çıkan MCP (Model Context Protocol, model bağlam protokolü), A2A (Ajan-ile-Ajan) ağları ve gerçek standart API çağrı kuralları, bu tür "bir sonraki nesil önde gelen tasarım"ın ilk örnekleri olabilir. Önde gelen tasarım kaybolmamıştır, sadece biçimini değiştirmiştir.

2.1.2 Tarihsel veriler doğrulanıyor

Utterback'ın üç aşamalı modeli, birçok öncü tasarımın kurulum sürecini doğru bir şekilde betimlediği için güvenilirdir:

Otomobil endüstrisi: 1908'de Ford T modeli ana tasarımını belirledikten sonra, otomobil endüstrisi hızla akış aşamasından geçiş aşamasına geçti.

• Televizyon endüstrisi: Erken dönem siyah-beyaz televizyonlar ve çeşitli renkli çözümler birlikte var oldu; 1953'te NTSC renkli televizyon standardı kabul edildikten sonra geçiş dönemine girildi.

• Kişisel bilgisayarlar: 1970’lerin sonunda Apple II, TRS-80, Commodore gibi çeşitli mimariler ortaya çıkmıştır; 1981 yılında IBM PC mimarisi + Wintel ittifakının ortaya çıkmasıyla nihai tasarım standardı belirlenmiştir.

• Akıllı telefonlar: 2007 yılında iPhone'un piyasaya sürülmesinden önce, piyasada BlackBerry, Nokia Symbian, Windows Mobile gibi çeşitli tasarımlar vardı. iPhone + iOS/Android kombinasyonu ana tasarım haline geldikten sonra, diğer yollar hızla ana akımdan çekildi.

Ortak özellik: Tümü, birden fazla yolun aynı anda var olduğu bir akış aşamasından sonra belirli bir kombinasyonun önde gelen tasarım haline gelmesidir. Bu kuralın tutarlılığı, Utterback modelinin deneysel temelidir.

2.2 Klepper’ın endüstri nüfus dinamikleri: “Şirket boyutu”ndan bakıldığında

Steven Klepper, Carnegie Mellon Üniversitesi Ekonomi Profesörü ve endüstri organizasyonu ile şirket evrimi araştırmalarının öncü bilim insanıdır. 1982 yılında Klepper, Michael Gort ile birlikte endüstri ekonomisi bağlamında ilk resmi endüstri yaşam döngüsü matematiksel modelini (akademik dünyada genellikle G-K modeli olarak bilinir) ortaya çıkarmış ve ardından bağımsız olarak bu alanı derinleştiren bir dizi çalışma yayımlamıştır. Onlarca yılın sistemli verilerine dayanarak Klepper, üretim ve gelişim sürecinde şirketlerin giriş ve çıkışlarında tutarlı bir pattern keşfetmiştir:

Yükselişe girin → Şirket sayısı zirveye ulaşır → Büyük yeniden yapılandırma → Az sayıda öncü şirket hakim olur.

Bu kuralın deneysel temeli, 1895-1966 yılları arasında ABD otomobil endüstrisine giren tüm şirketlerin kökenini, konumunu ve üretim yıllarını tamamen izlemesidir. Veriler şöyledir:

Burada şaşırtıcı bir paradoks var:

Zirveden 1960’lara kadar derin entegrasyon yaklaşık 50-60 yıl sürdü, ancak bu süre içinde ABD otomobil yıllık üretimi logaritmik ölçekte yüzlerce kat arttı. Başka bir deyişle, endüstri son derece büyük hale geldi, ancak şirket sayısı son derece azaldı. Endüstri mücadele etmedi, gelişiyor idi; zayıflar öldü, talep değil.

Klepper, aynı kuralı birçok endüstride doğruladı ve bu "yükseliş-zirve-düşüş" şeklinin otomobil endüstrisine özgü bir durum olmadığını gösterdi — televizyon endüstrisi (1950’lerin başlarında 80’den fazla katılımcı, ardından nispeten hızlı bir yeniden yapılandırma yaşadı), yazma makinesi, vakum tüpleri, lastik, penisilin gibi alanlar da aynı temel şekli gösterdi. Bu, Klepper’in teorisine sağlam bir deneysel temel sağladı.

2.2.1 Bir ana teori: Yetenek farklılıkları birleşim teorisi

Klepper, yukarıdaki fenomeni yetenek farklılıkları karma teorisiyle açıkladı:

Karıştırma, piyasanın ani bir kararı değil, zamanla şirket yetenekleri farkının birikiminden doğan kaçınılmaz bir sonuçtur.

Farklı şirketlerin yenilik, büyüme ve maliyet azaltma becerilerindeki farklılıklar, zamanla üssel olarak büyüyecek ve zayıflar hayatta kalma çizgisinin altına düşene kadar devam edecektir. Bu teorinin üç ana noktası vardır:

Birinci, yetenek farklılıkları genellikle erken dönem rastlantılarından kaynaklanır. Şirketlerin endüstriye girdiği ilk yıllarında, tüm şirketlerin yetenekleri aslında neredeyse aynıdır; ancak kritik kararlar, kritik insan kaynakları ve kritik fırsatlar yönünden yapılan bir ya da iki farklı seçimle şirketler arasında yetenek farklılıkları başlar. Bu farklılıklar başta neredeyse önemsiz görünür.

İkinci olarak, yetenek farkları kendi kendini güçlendirir ve üssel olarak büyür. Biraz daha yetenekli şirketler daha fazla pazar payı kazanır → daha fazla kaynak ve öğrenme fırsatı → yetenekleri daha da öne çıkar—bu, pozitif geri bildirim döngüsüdür. Biraz daha zayıf şirketler ise tam tersine negatif geri bildirim döngüsüne girer. Yıllar geçtikçe, başta "önemsiz" görünen farklar, "kaldırılamaz" bir uçuruma dönüşür.

Üçüncü olarak, farklar "kritik fark" seviyesine biriktiğinde, zayıflar dışlanır. Eleme süreçlerinin tohumları, akış döneminin erken aşamasında zaten atılmıştır—yüzde yüz herkes koşuyormuş gibi görünse de, aslında şasisinin bileşik hızı tamamen farklıdır.

Yukarıdaki araştırma, işletmelerin yöneticileri için dikkat çekici bir sonuç ortaya koymaktadır: Finansal raporlar kötüleşmeden önce kapasite geliştirme çalışmalarına başlamak geciktirilirse, görünür yeniden yapılandırma sinyalleri ortaya çıkmadan önce kapasite yükseltme girişimleri başlatılırsa, fırsat penceresi kapanmıştır. Gerçekten kimin yeniden yapılandırmayı aşacağını, şirketin erken aşamada "kapasite bileşik hızını" en önemli stratejik değişken olarak ele alıp almadığı belirler.

2.2.2 Diğer bir tersine gelen önemli gözlem: Giriş penceresi, karıştırma sinyalinden daha önce kapanır

Klepper, yetenek farklılıkları sentez teorisinin yanı sıra, endüstrinin "giriş penceresinin", "yeniden yapılandırma sinyallerinden" daha erken kapanması gibi karşıt fikirli ancak son derece önemli bir gözlem de yapmıştır.

Otomobil endüstrisine ait verilere geri dönersek: 1907-1910 yılları arasında şirket sayısı zirveye ulaştıktan sonra, 1910 sonrası yeni şirketlerin giriş oranı keskin bir şekilde azaldı—bu dönemde henüz net bir piyasa temizlenme sinyali yoktu, endüstri hâlâ hızlı bir şekilde büyüyor ve medya "belirli bir şirket çekildi" haberlerine başlamamıştı. Gerçekten belirgin bir piyasa temizlenmesi (şirket sayısı on yıllarca sürekli azalma) 1920 sonrası başlamıştı. Yani:

• Yaklaşık 1910 yılı civarı — dışarıdan bakıldığında hâlâ “refah sahnesi, herkes otomobil yapıyor” görünümü sürüyor, ancak yeni girmek için açılan pencere aslında kapanmaya başlamıştır (gerçekten katılmak isteyen yeni oyuncular giderek azalmaktadır)

• 1920-1960 yılları arasında – karıştırma sinyalleri ortaya çıkmaya başladı, medya entegrasyonu haber yaptı, bu noktada sıradan gözlemciler “Ah, sektör entegre oluyor” diye fark etti.

Gözlemciler tepki verdiğinde, girişi kapanmış olan 10-15 yıl geçmişti.

Bu gözlem güçlü bir gerçeklik anlamı taşır: İşletmeler, "görünür bir yeniden yapılandırma sinyali" ortaya çıkana kadar bir endüstriye veya seviyeye girmeye karar vermemelidir—çünkü sinyal ortaya çıktığında, giriş penceresi zaten kapanmıştır. Gerçekten akıllı bir giriş kararı, "yüzeyde hâlâ refah varken ve herkes girerken" zaten "pencerenin kapanmakta olup olmadığı" konusunda bağımsız bir değerlendirme yapmış olmalıdır.

Bu gözlem, sonraki bölümlerde AI zaman koordinatları tartışılırken yeniden ele alınacaktır—AI büyük modellerinin giriş penceresi, çoğu gözlemcinin beklentisinden daha erken kapanabilir.

2.3 Her iki araç da kendi boşluklarına sahiptir; birlikte kullanılması, endüstri aşaması değerlendirmesinde daha bilimsel bir sonuç oluşturur.

İki araç da ayrı ayrı kullanıldığında açıkça belirgin boşluklar yaratır—Utterback, "ürün tasarımı nasıl evriliyor" konusunda bilgi verir, ancak hangi şirketlerin hayatta kalacağını söylemez; Klepper, "şirketlerin nasıl elenmesi" gerektiğini anlatır, ancak ürün sürecinin nasıl değişeceğini açıklamaz. Sadece bir araç kullanmak, endüstriyel evrimin sadece yarısını görmenizi sağlar.

Bir endüstrinin tam evrimi, aynı anda "teknik tasarımın konsensüsü" ve "şirket nüfusunun yeniden yapılandırılması" süreçlerini içerir — ilki için Utterback'in aracı, ikincisi için Klepper'in aracı kullanılır. Bu iki süreç ilişkilidir ancak tamamen senkronize değildir — hakim tasarımın belirlenmesi genellikle şirket sayısının zirve yaptığı noktadan sonra ve yeniden yapılandırma hızlanmadan önce gerçekleşir.

Otomobil endüstrisi şu şekildedir: 1907-1910 yılları arasında şirket sayısı 275'e ulaşarak zirve yapmıştır, 1908'de Ford T modeli ana tasarımını belirlemiş, 1910 sonrası giriş oranları keskin bir şekilde düşmüş ve 1920 sonrası toplam şirket sayısı önemli ölçüde azalmıştır. Bu iki süreç birbirini etkilemiş ve endüstrinin gelişim ritmini birlikte tanımlamıştır.

İki aracı birlikte kullanmak, endüstriyi hem "ürün boyutunda" hem de "şirket boyutunda" incelemektir—herhangi bir endüstrinin evrim aşamasına ilişkin bir değerlendirme, yalnızca iki boyutta yapılan gözlemler birbirini doğruladığında daha güvenilir ve daha bilimsel olur.

3.0 Analiz Kapsamı Açıklaması

"AI Devrimi" çok büyük bir kavramdır. Bu makaledeki analiz, temel büyük modeller, bu modeller etrafında gelişen uygulamalar ve ürün formları (diyalog/programlama/Agent/yardımcı/çok modallik/bedensel zeka için model tabanlı kısımlar) ile sıkı ilişkili tamamlayıcı varlıklar (bulut, hesaplama gücü, çip, araç zinciri, değerlendirme sistemleri) dahil olmak üzere birlikte evrilen bir bütünü—yani "AI Büyük Modelleri ve Uygulamaları ile İlgili Ürünler"—odaklanmaktadır. Bu üç bölüm, bağımsız üç endüstri değil, aynı endüstrinin evrim sürecinin üç birbirine bağlı katmanıdır.

Bu analiz kapsamı dışındadır: Bağımsız fiziksel yapıya veya bağımsız endüstriyel mantığa sahip olan kısımlar—örneğin insansı robotların mekanik/Donanım temel yapısı, AI+ sağlık/hukuk/eğitim gibi dikey endüstriler—bu alanlar kendi bağımsız endüstri kurallarına sahiptir ve bu makalenin zaman koordinatları doğrudan uygulanamaz.

3.1 Utterback'un kamerasından bakıldığında: Her kat hâlâ akış aşamasında

Utterback'ın üç aşamalı modelini mevcut AI büyük modelleri ve uygulamalarına uyguladığınızda, neredeyse her önemli düzeyde hâlâ tartışmalar devam etmektedir.

Mimari Katmanı: Transformer son durum mu olacak, yoksa Karışık Uzmanlar (MoE), Durum Uzayı Modelleri (Mamba ailesi), Dünya Modelleri, çıkarım zamanı hesaplama veya Ajan yerel mimarilerinden biri mi galip gelecek? 2026 yılında önde gelen üreticiler MoE yolunda büyük yatırımlar yaparken, dünya modelleri ve ajan yerel gibi alternatif yönler akademik ve endüstriyel alanda sürekli önemli ilerlemeler kaydediyor; Ölçekleme Yasası'nın marjinal getirilerindeki azalma üzerine yapılan açık tartışmalar, endüstrinin "başka temel olasılıklar olup olmadığı"nı yeniden gözden geçirmesine neden oluyor. Mimari yollar henüz kapanmamıştır.

Ürün formatı katmanı (AI, kullanıcılar ve işletmeler eline hangi ürün formatıyla ulaşacak) — Şu anda en az altı farklı format rekabet halinde:

Altı farklı biçim birbirini örtüşüyor ve birbirleriyle rekabet ediyor; bunlardan hiçbirisi kendi zaferini iddia edemiyor—bu, akış sürecinin "çoklu ürün biçimlerinin eş zamanlı varlığı" özelliğinin tipik bir örneğidir.

Rekabet boyutu: çıkarım gücü, kodlama, maliyet, gecikme, bağlam uzunluğu, çok modallik, Agent yetenekleri / bağımsız görev süresi, güvenilirlik / illüzyon oranı, güvenlik / kontrol edilebilirlik—hangi boyut nihayetinde piyasa tarafından "en önemli" olarak tanımlanacak? Her üretici kendi güçlü olduğu boyutta liderlik iddiasında bulunuyor, ancak piyasa "hangi boyutun en önemli olduğu" konusunda hâlâ fikir birliğine varmadı. Özellikle "bağımsız olarak ne kadar uzun süre çalışabilme" yeni boyutu—2025'te kenar konu iken 2026'da WAIC ana forumunun temel göstergesi haline gelmesi sadece bir yıl sürdü—bu da rekabet boyutlarının henüz şekillenmediğinin bir işareti.

Utterback'un kamerasından bakıldığında, AI büyük modelleri ve uygulamaları hâlâ akış halinde görünüyor—çoklu yollar eş zamanlı olarak var, ürün kavramları belirsiz ve rekabet boyutları belirlenmemiş.

3.2 Klepper'in kamerasından bakıldığında: Yüksek giriş dönemi, ancak yetenek farklılaşması zaten gizli bir şekilde oluşmuş durumda

Klepper'ın endüstri nüfus dinamiklerinden AI büyük modeller endüstrisine bakıldığında, "çelişkilerin bir arada varlığı" gözlemlenmektedir.

Bir yandan, küresel AI büyük modelleri şirketleri hâlâ yüksek giriş aşamasında—OpenAI, Anthropic, Google, Meta, xAI, Mistral, Çin’in Baidu, Alibaba, Tencent gibi şirketleriyle birlikte. DeepSeek Ayın karanlık yüzü, Zhipu, ByteDance ve birçok belirli senaryoya odaklanan startup'lar gibi. Yeni katılımcılar hâlâ sürekli olarak ortaya çıkıyor ve yoğun deneme yapma özelliği taşıyor.

Öte yandan, öncü şirketlerin kapasite dengesizliği gizli bir şekilde artıyor—hesaplama gücü (kim büyük ölçekli eğitim maliyetini karşılayabiliyor), dağıtım (kim giriş noktalarını kontrol ediyor), kurumsal müşteriler (kim endüstriye güven biriktiriyor) ve organizasyonel öğrenme hızı (kim her teknoloji ilerlemesini daha hızlı bir şekilde ürün ve ticari kapasiteye dönüştürüyor). Bu, "kapasite farklarının bileşik olarak birikmesi" sürecinin tam da gerçekleştiği sahne—bugün görülen öncü ve öncü olmayanlar arasındaki farkların çoğu, geçen 3-4 yıl içinde bileşik olarak birikmiş sonuçlar.

Klepper'in kamerasından bakıldığında, AI büyük modeller endüstrisi "yüksek giriş aşamasında, ancak yetenek farklılaşması başlamıştır" durumunda—bu, otomobil endüstrisinin 1900-1910 yılları, şirket sayısı hâlâ zirve noktasına doğru yükselişte olmakla birlikte bazı oyuncuların zaten sessizce fark yaratmaya başladığı noktaya denk gelmektedir.

3.3 Öncü Tasarımın Titiz Denetimi: Beş Destekleyici Faktör

Önceden Utterback + Klepper temelinde bir yargıya varılmıştı: AI büyük modelleri ve uygulamaları geç akış aşamasındadır. Bu yargı, tekrar doğrulanabilir bir testle kontrol edilmeye değer—yazar, Utterback, Suárez, Christensen gibi bilim insanlarının araştırmalarını ve tartışmalarını birleştirerek öncü tasarımın beş teşvik faktörünü düzenledi. Tarihsel olarak, öncü tasarımın kurulması genellikle bu faktörlerden en az 3-4'ünün aynı anda mevcut olmasını gerektirir:

• Faktör 1: Teknik olarak uygulanabilirlik—bir tasarım, genel performans ve mühendislik uygulanabilirliği açısından net bir konsensüse ulaşmış, endüstri bu yöne doğru toplanmış ve teknoloji yolunda "kabul edilmiş çözüm" haline gelmiştir.

• Faktör 2: Tamamlayıcı varlıkların olgunlaşması—Bu tasarım etrafında tedarik zinciri, standartlar, araç zinciri, eğitim sistemi ve geliştirici ekosistemi kurulur ve ekosistem kilitlenmesi oluşur

• Üçüncü Faktör: Ölçek ekonomisinin ortaya çıkışı—bu tasarımın ölçekli teslimi, "maliyet düşüşü + birim ekonomi pozitif + iş modeli çalışır hale gelir" olumlu bir döngü oluşturur; yatırım-çıktı-yeniden yatırım döngüsü çalışmaya başlar

• Faktör 4: Öncü firmaların desteklemesi—Pazar üzerinde etkili az sayıda şirket bu tasarımı seçip tanıttı ve piyasa payı ile ekosistem etkisiyle gerçek standartı oluşturdu.

• Faktör 5: Hükümet/düzenleyici müdahale — standartlaştırılmış yasal düzenlemeler, sertifikasyon sistemleri ve düzenleyici çerçeveler aracılığıyla birlikte hareket etmeyi zorunlu hale getirme veya yönlendirme

Ford T model, 1908 yılında otomobil tasarımının önde gelen hale gelmesinin nedeni, teknik olarak mümkün olmasından (içten yanmalı motor + ön motor kombinasyonunun en uygunluğu), tamamlayıcı varlıklara (benzin istasyonları, bakım ağı) hızlı şekilde uyum sağlanması, ölçek ekonomilerinden (hattın maliyetleri düşürmesi), lider üreticiden (Ford'un payı bir zamanlar yüzde yarının üzerindeydi) ve hükümet düzenlemelerinden (yol standartları, ehliyet sistemi) — beş faktörün neredeyse aynı anda karşılanmasıydı.

AI büyük modellerinin ve uygulamalarının mevcut durumunu bu beş faktörle tek tek kontrol ettiğinizde, yalnızca 1 bölüm karşılanıyor, diğer 4 bölüm hâlâ uzakta—bu, makalenin "AI büyük modelleri ve uygulamaları hâlâ geç akış aşamasında" sonucuna varmasının somut dayanağıdır: duyguya değil, her bir kriteri tek tek karşılaştırarak.

Yani, öncü tasarımın gerektirdiği "en az 3-4 faktörün aynı anda mevcut olması" sınırını AI şu anda çok uzakta bırakıyor.

3.4 Kombine aşama değerlendirmesi: Geç akış döneminden erken geçiş dönemine doğru hareket eden "ayrılma bandı"

Yukarıdaki analiz ve beş faktör testi doğrultusunda, şu anda AI büyük modelleri ve uygulamaları geç akış aşamasındadır ve erken geçiş aşamasına doğru hareket etmeye başlamıştır—yazar bu duruma "ayrılma bandı" adını vermektedir.

"Differentiation Band"ın temel anlamı, ürün katmanlarının hâlâ açık olduğunu ve yetenek ayrışmasının başladığını özetler.

"Bölünme bölgesi", bağımsız yeni bir aşamayı ifade etmez; Utterback'in üç aşamalı teorisinde, akış aşaması ile geçiş aşaması arasındaki geçiş bölgesini tanımlar ve AI'nın nihayetinde geçiş aşamasından özel aşamaya doğru konsantrasyon sağlayacağını öngörmez; mevcut nesnel olarak var olan bir çift yönlü yapıyı yakalamak için bir tanımlayıcı kavramdır:

Bir yüz: Ürün boyutunda, mimari, biçim ve rekabet boyutları hâlâ açık—çoklu yollar beraber var, ana tasarım henüz ortaya çıkmadı, akış halinde olan aşama hâlâ devam ediyor.

Diğer taraftan: Kurumsal boyutta, lider ve lider olmayanlar arasındaki kapasite farkı zaten başlamıştır—hesaplama gücü, dağıtım, kurumsal müşteriler ve organizasyonel öğrenme hızı farkları gizli bir şekilde açılmaya başlamıştır; bu erken geçiş dönemine ait bir parçadır.

İki taraf aynı anda üst üste gelir ve "ayrılma bölgesi" oluşur. Bu kaos değildir, çünkü görülebilir desenler ve birikmiş asimetri zaten mevcuttur; aynı zamanda karar verilmiş de değildir, çünkü sonunda kimin kazanacağını belirleyen kriterler henüz sertleşmemiştir. Bir cümleyle açıklayalım: Dışarıdan hâlâ refah görünüyor, ancak kapasite farklılıklarının birikimi zaten başlamıştır.

Aynı analiz çerçevesine dayanarak Karim Lakhani Profesörün 2026 Mart'taki uzun makalesinde ortaya koyduğu üç orijinal gözlem, "farklılaşma bandı" iç mekanizmalarının daha da detaylandırılması olarak değerlendirilebilir.

Lakhani'nin Birinci Gözlemi: Açık mimari × rekabet asimetrisi aynı anda var olabilir — mimari düzeydeki açıklık ve kurumsal düzeydeki farklılaşma bir arada bulunabilir. Lakhani, bu duruma "Yapılandırılmış Fermantasyon (Structured Ferment)" adını verdi; bu, makaledeki "Farklılaşma Kuşağı" ile aynı fenomeni ifade eder — ancak bu makale "kapasite farklılaşması" dinamiklerine daha çok odaklanırken, Lakhani "fermantasyon"un çoklu yollarla eşzamanlı varlığını vurgular.

Lakhani'nin İkinci Gözlemi: Katmanlı Merkezi Hipotezi — Geleceğin AI endüstri yapısı, "tek bir kazananın tümü ele geçirmesi" yönünde birleşmeyecek; bunun yerine teknoloji yığınındaki farklı katmanlarda başlıca liderler ortaya çıkacak: öncü model katmanı, kurumsal entegrasyon katmanı, açık ekosistem katmanı ve özel tamamlayıcı katmanlar (bulut, çip, araç zinciri, güvenlik).

Lakhani'nin Üçüncü Gözlemi: Çoklu model orchestrasyonu, yeni bir endüstri modelidir—gerçek iş görevleri, bir zincir halinde parçalanmaktadır: fikir üretme, arama, taslak oluşturma, kodlama, kontrol, biçimlendirme, teslim; farklı modeller bu zincirin farklı aşamalarında farklı yeteneklere sahiptir. Gerçek kazanan, "hangi modelin en güçlü olduğu" değil, "doğru görev için doğru anda doğru akıllı sistemi çağıran kimse" olabilir.

3.5 Şu aşamanın özel özelliklerinin özetlenmesi

Yukarıdaki analizler doğrultusunda, mevcut "ayrılma bandı" aşamasının spesifik özellikleri şu şekilde özetlenebilir:

Peki, eğer AI büyük modelleri ve uygulamaları "farklılaşma bandında" (geç akış aşamasından erken geçiş aşamasına doğru ilerliyor) ise, endüstri gelişiminin genel kurallarına göre, lider tasarımın belirlenmesi ve derin yeniden yapılanma ortaya çıkana kadar gelecekteki tempoyu nasıl tahmin edebiliriz?

Bu, kurumsal karar vericiler için kritik bir sorundur. Çünkü zaman hissi doğrudan eylem hızını belirler—pencere 20 yıl ise, dikkatli bir şekilde planlama yapılabilir; pencere yalnızca 3-5 yıl ise, birçok eylem hemen başlatılmalıdır.

Bir sonraki doğal çıkarım, Utterback ve Klepper’in tarihsel verilerine dayanmaktır: Otomobil endüstrisi, akış aşamasından hakim tasarımın belirlenmesine yaklaşık 15-20 yıl, zirveden derin entegrasyona ise 50-60 yıl sürdü—eğer AI da bu zaman ölçeğini takip ederse, hâlâ uzun bir yol kat etmemiz gerektiği görülüyor.

Ancak burada çok önemli bir soru var—Utterback ve Klepper’in iki aracı da imalat endüstrisine dayanmaktadır. İmalat endüstrisinin endüstriyel evrim zaman ölçeği, dijital/AI çağına doğrudan uygulanabilir mi? Eğer değilse, gerçek zaman ölçeği nedir? Bu, sonraki cevaplanacak sorudur.

Üretim endüstrisi ile dijital çağ arasındaki yapısal farklar — ve neden hızlanıyor

Üretim endüstrisinin evrimi doğal olarak yavaştır, çünkü birkaç ortak özelliği vardır:

Fiziksel ürünler, fabrika, tedarik zinciri ve kanallar gerektirir — genişleme fiziksel sınırlara sahiptir

Ölçek ekonomisi oluşturmak, büyük sermaye ve zaman gerektirir—fabrika inşası ve tedarik zinciri kurulumu uzun dönemli işlemlerdir.

Kullanıcı kabulü, fiziksel dağıtım hızına bağlıdır—bir araba, üretildikten sonra kullanıcıya ulaşana kadar haftalar hatta aylar sürebilir.

Teknolojik gelişim, üretim süreci, malzeme ve üretim ekipmanlarının yenilenme hızıyla sınırlıdır—her nesil iyileştirme için üretim hattı yeniden kurulmalıdır.

Bu özellikler nedeniyle otomotiv endüstrisindeki doluluk dönemi yaklaşık 20 yıl sürdü; lider tasarımından derin entegrasyona kadar ise yine birkaç on yıl geçti. Bu zaman ölçekleri, endüstriyel gelişimin "evrensel bir kuralı" değil, imalatın özel fiziksel ve sermaye kısıtlamalarının sonucudur.

Bu sınırlamalar dijital olarak kırıldığında, dört özellik aynı anda temel değişiklikler geçiriyor ve endüstriyel evrim zaman ölçeği doğrudan kısaltılıyor:

Dağıtım neredeyse sıfır marjinal maliyetlidir—bir uygulama aylar içinde küresel bir kitleye ulaşabilir, ChatGPT 100 milyon kullanıcıya yalnızca yaklaşık 2 ayda ulaşmış ve tarihte kabul hızı en yüksek tüketici ürünlerinden biridir.

Ölçek ekonomisi, ağ etkisi ve veri döngüsüyle değiştirildi—üretim sektöründeki ölçek ekonomisi fabrikaların yıllarca birikimiyle oluşurken, dijital sektördeki ölçek etkisi 1-2 yıl içinde üstel büyüme sağlayan kendi kendini besleyen bir döngü kurabilir.

Kullanıcı kabulü, fiziksel dağıtım yerine bant genişliği ve cihazlarla sınırlıdır — "haftalarca aylarca" yerine "dakikalar içinde indirip kullanabilirsiniz".

Teknolojik gelişim, süreç ve ekipmanlardan ziyade insan kaynakları ve hesaplama gücüyle sınırlıdır—öncü şirketler, çok kısa sürede devasa sermaye, hesaplama gücü ve insan kaynakları biriktiriyor (2026 yılında ABD’nin beş büyük teknoloji şirketinin AI altyapısına yapacağı toplam yatırım 700 milyar dolar seviyesinde olacak). Bu sermaye birikim hızı, imalat çağında hayal edilemezdi.

Bu dört temel değişikliğin dışında, dijital çağın iki ek hızlandırma faktörü daha vardır:

• Geri bildirim döngüsünün hızlanması—dijital ürünler gerçek zamanlı A/B testleri yapabilir, geri bildirimler "yıl"dan "gün hatta saat"lere indirgenir, "öğrenme hızı" bununla birlikte hızlanır ve yeteneklerin bileşik zamanı büyük ölçüde kısaltılır)

• Küresel senkronize rekabet — dijital endüstri baştan beri küresel bir pazardır, daha fazla oyuncu, daha hızlı rekabet ve daha keskin bir yeniden yapılandırma.

Ana soru: Bu farklılıklar, dijital çağın zaman ölçeğini imalat çağına kıyasla kaç kat sıkıştırır?

Altı dijital çağ endüstrisinin gelişim hızları karşılaştırması

Akış döneminden geçiş dönemine geçişini tamamlamış bazı dijital endüstrileri inceleyelim:

Akıllı telefonlar (2007-2012) — 2007'de iPhone piyasaya sürüldü, 2008'de Android katıldı, 2010 civarında iOS + Android ikili liderlik yapısı netleşti, 2013 civarında Nokia, BlackBerry ve Windows Phone temel olarak ana akımdan çekildi. Akış aşamasından geçiş aşamasının sabitlenmesine: yaklaşık 5 yıl.

Sosyal Ağlar (2004-2012) —— 2004'te Facebook yayınlandı, 2004-2008 yılları arasında birçok platform rekabet etti (MySpace, Facebook), 2010 civarında Facebook küresel liderlik pozisyonunu kazandı. Akış döneminden geçiş dönemine sabitlenme: yaklaşık 6-8 yıl.

Web tarayıcılar (1994-2000) — 1994'te Netscape piyasaya sürüldü, 1995-1998 arasında tarayıcı savaşı (Netscape vs IE), 1999-2000 yıllarında IE piyasayı支配 etti. Akış döneminden geçiş dönemine sabitlenme: yaklaşık 5-6 yıl.

Bulut hesaplama IaaS (2006-2015) —— 2006'da AWS piyasaya sürüldü, 2010-2013 yılları arasında birçok oyuncu rekabet etti, 2016-2018 yılları arasında üç öncü sağlayıcının pozisyonu netleşti (AWS, Azure, GCP). Akış aşamasından geçiş aşamasının sabitlenmesine: yaklaşık 8-10 yıl.

Elektrikli otomobiller (2010-?) —— 2010 civarında Tesla öncülük etti, 2015-2020 yılları arasında birçok yeni oyuncu ortaya çıktı, 2025 civarında liderlik yapısı başlangıçta oluştu ancak hâlâ geçiş sürecinde. Şekillenmesi beklenen dönem: yaklaşık 12-15 yıl (fiziksel üretim içerdiğinden, saf dijital endüstrilere göre biraz daha yavaş—bu da bize, AI'da fiziksel yapıya sahip olan kısımların, örneğin gövdeli akıllılık için mekanik/hardware temel bileşenlerin, saf dijital kısımlara göre açıkça daha yavaş olacağını hatırlatıyor).

Zaman ölçeği sıkıştırılmış kantitatif değerlendirme

Yukarıdaki beş endüstri süresi verisinden nasıl bir sıkıştırma oranı elde edilir? Yazar, bir mantıksal çıkarım yöntemi tasarladı.

İlk adım: Temel endüstriyi seçin

Temel endüstri üç koşulu karşılamalıdır:

Tam yapı: Akış süresini geçin → Geçiş süresi → Özel dönem tamamlayın

Kontrol edilebilir veriler: Kurumsal giriş ve çıkış, öncü tasarım belirleme, derin entegrasyon ve doğrulanabilir tarihsel veriler

Yeterince uzun bir zaman aralığı: sıkıştırılmamış orijinal zaman ölçeği sunar.

Klepper sistemi tarafından izlenen ABD otomobil endüstrisi verileri, 1895-1966 yılları arasında bu üç koşulu aynı anda karşılamaktadır.

Ancak şu soruyu sormak gerekir: Üretim sektörü içindeki endüstriyel döngüler kendileri bile eşit değildir (televizyonlar T1 yaklaşık 6-8 yıl, otomobiller T1 yaklaşık 15-20 yıl, ikisi arasında zaten yaklaşık 2 katlık bir fark var), otomobilleri neden "üretim sektörü çağı"nın temel referansı olarak kabul ediyoruz?

Bu, 5.1'deki analiz çerçevesiyle incelenebilir — altı yapısal faktör (fiziksel dağıtım, ölçek ekonomileri, kullanıcı kabulü, teknolojik gelişim, geri bildirim döngüleri, küresel rekabet) çerçevesi, yalnızca "üretim vs dijital" arasındaki farkları değil, aynı zamanda "üretim içindeki" farkları da açıklayabilir. Televizyon (1946'da başlamış), otomobil (1895'te başlamış)den 2-3 kat daha hızlı gelişmiştir, çünkü televizyon, önceki endüstri (radyo) tarafından bu altı faktörde birikmiş olan varlıkları devralmıştır — dağıtım ağı, elektron tüpü üretim süreci, kullanıcı algısı ve teknolojik altyapı sıfırdan inşa edilmesine gerek kalmadan hazır hale gelmiştir.

Bu analiz, zaman ölçeğinin sıkıştırılmasının "üretimden dijital çağa" tek bir sıçramayla değil, çok nesiller ve çok faktörün birikimli olarak sürekli hızlanan bir süreç olduğunu ortaya koyuyor. Otomobilin temel referans olarak seçilmesinin nedenleri, sadece "yapısal bütünlük + veri erişilebilirliği + uzun süreklilik" gibi yüzeyel koşullar değil, otomobilin "sıfırdan inşa edilen" en tam örnek olmasıdır: Altı faktör de tamamen sıfırdan başlamak zorundadır, önceden var olan bir endüstri tarafından desteklenemez ve önceden birikmiş hızlanmaların etkisi olmayan orijinal zaman ölçeğini temsil eder. Otomobil üzerinden elde edilen sıkıştırma kat sayısı, "dijital çağın birikimli hızlanmasının maksimum değeri"ni yaklaşık olarak belirlemeye yardımcı olur.

İkinci adım · Beş dijital endüstriyle karşılaştırın

Araç T1 (15-20 yıl) baz alınarak:

Üçüncü Adım: AI'yi Altı Faktör Çerçevesiyle Sınıflandırın

Altı faktör çerçevesine geri dönelim—bir endüstrinin altı faktörde önceden birikim hızının ne kadar arttığı, sıkıştırma kat sayısını doğrudan belirler. Bu mantıkla tablodaki verilere bakın:

Elektrikli otomobiller: Fiziksel üretim, tedarik zinciri ve donanım iterasyonu olmak üzere üç bağımsız zincirin kurulması gerektiğinden en az sıkıştırılmış (1,3-1,5 kat).

Tarayıcılar, bulut hesaplama gibi tamamen dijital endüstriler: PC dönemi ve internetin erken dönemlerinin birikimlerini taşıdıkları için 2-3 kat sıkıştırıldı;

Akıllı telefon uygulama ekosistemi: Dijital altyapı son derece olgunlaştıktan sonra ortaya çıktığı için en büyük sıkıştırma oranına (3-4 kat) sahip—altı faktörün neredeyse tümü öncü kısıtlamaları çözülmüştür.

Peki, AI büyük modelleri ve uygulamaları hangi kategoriye girer? Yazarın analizine göre:

Sayısal çağın en sonunda ortaya çıktı—bulut hesaplama, internet, mobil cihazlar, geliştirici ekosistemi ve veri altyapısı zaten yüksek düzeyde olgunlaştı; aynı zamanda AI kendi kendini hızlandıran iki önceden görülmemiş döngü de getirdi—ağ etkisi ve veri döngüsü (daha çok kullanıldıkça→daha fazla veri→model daha güçlü→daha fazla kişi kullanır).

Altı faktör çerçevesine göre, AI'nın sıkıştırma oranı 3-5 kat arasında olmalıdır: Alt sınır 3 kat, tabloda doğrulanmış "geç hızlanma" sektörlerine (tarayıcılar, akıllı telefon uygulama ekosistemleri) dayanmaktadır; üst sınır 5 kat, AI'nın benzersiz çift kendini hızlandıran döngüsü göz önünde bulundurularak yapılan dışsal tahmindir—bu tür bir durum geçmişte örneklenmemiştir ve mantıklı ancak doğrulanması beklenen bir tahmindir.

Nesiller arası genel bakış ve kapsamlı tahmin

Yukarıdaki analizden, tam bir nesil arası karşılaştırma genel bakışı çıkarılabilir:

Toplam tahmin: İmalat çağından dijital çağa geçişte endüstriyel evrimin zaman ölçeği yaklaşık olarak 3-5 kat sıkıştırılmıştır; AI büyük modellerinin ve uygulamalarının gerçek sıkıştırma oranı bu aralığın orta-üst kısmında beklenmektedir.

[Gerekli dürüstlük açıklaması]: Yukarıdaki karşılaştırmalı örneklem, yalnızca öncü tasarımının belirlenmiş dijital endüstrileri dahil etmiştir; VR/AR, metaverse, Web3/blockchain uygulamaları gibi hâlâ konsensüsa varmayan endüstriler dahil edilmemiştir—bu endüstrilerin tümü, 3-5 kat sıkıştırma beklentisini çok aşmıştır ve hâlâ hareketli aşamadadır. Yani, "3-5 kat sıkıştırma" varsayımı, AI'nın "konsensüsa varmış dijital endüstrilerin yolunu" izleyeceğini öngörür. Bu yol öncülüğü değişirse, 3-5 kat sıkıştırma beklentisi uygun şekilde ayarlanmalıdır.

Zaman ölçeğinin yaklaşık 3-5 kat sıkıştırıldığını göz önünde bulundurarak, AI büyük modellerinin ve uygulamalarının spesifik zaman koordinatlarını analiz edebiliriz; bunun kesin bir tahmin olmadığını, ancak tarihsel karşılaştırmalara dayalı mantıklı bir tahmin olduğunu belirtelim. Bu tahmini yapabilmemizin ön koşulu ise: AI büyük modellerinin B yörüngesi (kalıcı çeşitlilik) yerine A yörüngesini (öncü tasarım oluşturmak) izlemesidir.

Yazarın genel değerlendirmesine göre: AI büyük modellerinin A yolunu izleme olasılığı, B yolunu izlemesinden önemli ölçüde daha yüksek—ancak biçim, "tekil T-tipi araba" değil, "katmanlı protokol yığınına dayalı çok katmanlı öncü tasarım" şeklindedir.

Önceki 2.1.1 bölümünde "endüstriyel faaliyetlerin ekonomik gereksinimleri + internet katmanlı protokol yığını" açısından bu noktayı kanıtladık. Aşağıdaki üç güncel gözlenebilir sinyal de bu yargıya güçlü bir şekilde destek vermektedir:

Teknik araç seti yüzeyde konsensüse ulaşmıştır—Transformer mimarisi, ön eğitim + sonrası eğitim (SFT + RLHF/DPO), çok modlu entegrasyon, araç çağrısı/Agentleştirilmiş yapılar, neredeyse tüm öncü modeller tarafından ortak olarak benimsenmiştir. Bu, tarihte öncü tasarımın önündeki standart durumdur.

Alt katmanlar kendi içinde öncü tasarımları ortaya çıkarıyor—programlama ajan katmanı Claude Code / Cursor / Copilot / Windsurf modeline doğru konsente oldu; çok modalli doğrudan ürünler "difüzyon modeli + uzun zaman serisi sadakati" yoluna doğru konsante oldu; kurumsal Copilot katmanında Microsoft 365 Copilot gerçek standart haline geldi. "Tüm AI" birlikte konsantre olmaya gerek yok, alt katmanlar bağımsız olarak küçük öncü tasarımlar oluşturuyor.

Protokol katmanı öncü tasarımı ortaya çıktı—MCP (Anthropic, 2024 sonunda önerildi, 2026'da OpenAI / Google / Microsoft tarafından sırayla entegre edildi), A2A ağı—protokol katmanının öncü tasarımı genellikle ürün katmanından daha kalıcıdır (TCP/IP'nin herhangi bir tarayıcı kadar kalıcı olduğu gibi).

[Gerekli dürüstlük açıklaması]: İki ters sinyal bir kez geçerli hale geldiğinde, bu makalenin zaman koordinatı yeniden ayarlanmalıdır:

Ters sinyal 1: "Daha büyük, daha güçlü" formülü geçersiz hale gelebilir. Geçtiğimiz beş yıl boyunca AI yetenekleri, temel olarak "daha büyük modeller + daha fazla veri + daha güçlü hesaplama gücü" (Ölçekleme Yasası) gibi basit bir formülle ilerledi. Eğer 2027-2028 yıllarında bu formülün sonuna gelinir ve kısa vadeli güçlü bir alternatif yol ortaya çıkmazsa, endüstri, dünya modelleri, Mamba, Agent doğrudan mimarileri gibi tamamen farklı yolları denemek zorunda kalacaktır; şu anda gözlemlenen "teknik yakınsama" kırılabilir.

İkinci ters sinyal: "Çoklu grupların paralel çalışması"ndan "her grubun kendi öncü tasarımı"na geçiş. Şu anki çoklu grupların paralel çalışması, "yetkinlik ayrışması"nın normal bir göstergesidir—gerçek risk, bu ayrışmanın "tamamen birbirine bağlanamaz hale gelmesine" ilerlemesidir. Bu yönde iki güç vardır: Birincisi, vücutlu akıl (akademik olarak VLA modeli olarak adlandırılır)—fiziksel geri bildirimleri gerçek zamanlı olarak algılamak ve işlemek zorunda olduğu için, temel mimarisi sohbet büyük modellerinden tamamen farklı bir yola sapabilir; ikincisi, Çin ve ABD'nin büyük grupları, mimari, protokol, ekosistem ve düzenlemeler açısından uzaklaşmaya devam etmektedir. "Birleşik öncü tasarım"tan "birkaç grubun kendi öncü tasarımı"na geçiş yapılırsa, zaman koordinatı değişebilir.

Üç ana zaman çizgisi (senaryo)

Önceki analizi sürdürerek, AI büyük modellerinin endüstriyel başlangıcını 2020 yılında GPT-3'ün piyasaya sürülmesi olarak belirlersek (bu, sektörün genel olarak kabul ettiği bir noktadır: Transformer mimarisi olgunlaştı, ilk kez ortaya çıkaran yetenekler sergiledi, ilk kez kurumsal ticari API oluşturuldu), bu başlangıç noktasından ileriye doğru, 2020 ile 2035 yılları arasında dört aşamadan oluşan bir zaman çizelgesi çizebiliriz:

Genel şemayı aşağıya doğru detaylı şekilde genişletirsek, kurumsal karar vericiler için üç ana zaman çizgisi, ek analiz ve dikkat gerektirir (analiz kapsamı: AI büyük modelleri ve uygulamaları; bağımsız fiziksel biçim veya bağımsız endüstri mantığına sahip olan kısımlar, kendi gelişim hızlarına göre ayrı ayrı değerlendirilmelidir).

Zaman Çizelgesi 1: Ana Tasarım Ortaya Çıkıyor Penceresi — Katmanlı Ortaya Çıkma, 2026-2032 arasında aşamalı olarak yayılma

Farklı alt katmanların yakınsama ritmi aynı değildir ve büyük farklılıklar gösterir. Şu anda gözlemlenebilir sinyallere dayanarak, bir tahmin yapmak mümkündür (kesin bir zaman çizelgesi değil):

• Daha erken ortaya çıkıyor (2026-2028 civarı) — Protokol katmanı (MCP / A2A / API çağrısı standartları) ve programlama ajan katmanı. Protokol katmanındaki güncellemelerin maliyeti nispeten düşük, çapraz üretici fikir birliği hızlı şekilde oluşuyor ve zaten gerçek standart çatısı ortaya çıkmış durumda; programlama ajan katmanında net bir ürün konsensüsü oluşmaya başlamıştır (Claude Code / Cursor / Copilot / Windsurf / Tongyi Lingma vb.

• Orta vadeli ortaya çıkış (2027-2029 yaklaşık olarak) —— Ürün formatı ana hattı üç katmanlı: Genel diyalog asistanı, çok modalli doğrudan ürün (yayılma modeli + uzun süreli sadakat rotası), gömülü yardımcı sürücü (kurumsal iş akışları için format). Bu üç katmanda belirgin bir liderlik yoğunlaşması sinyali ortaya çıktı; lider ürünlerin müşteri içindeki nüfus oranı hızla artıyor; ancak tam olarak şekillenmesi 2-3 yıl daha alacak.

• Geç ortaya çıkacak (2028-2030 civarı) — Ofis / Masaüstü Agent çalışma masası katmanı (WorkBuddy, Coze / Kozu, BaiLian vb. ile temsil edilir). Anahtar motoru ekosistem bağımlılığıdır; giriş noktası, iş birliği ofis süreçleri ve ekosistem konumu sayesinde hızlı bir şekilde yakalama yapar; ancak kurumsal üretim dağıtım hala "bireysel verimlilik"ten "örgütsel verimlilik"e geçişin erken aşamasındadır ve tam olarak sertleşmesi 2028-2030 civarında beklenmektedir.

• En geç ortaya çıkacak (2030–2032 ve sonrası) — Genel amaçlı özgün Agent katmanı (Manus, Operator türü), çoklu Agent iş birliği modeli, mimari katmanda temel yenilikler, bedensel akıl "beyin" katmanı (VLA modelleri). Genel amaçlı özgün Agent ve çoklu Agent iş birliği, güvenilirlik, maliyet yapısı, sorumluluk sınırları, çapraz alan protokolleri gibi derin sorunlarla karşı karşıya kalacak ve sadece dijital katmanda olan hızdan açıkça daha yavaş bir konsantrasyon gösterecek; mimari katmanda şu anda "araç seti yüzeyel konsantrasyonu" (Transformer + MoE + sonrası eğitim + hafıza mimarisi) olarak ortaya çıkıyor, gerçek temel yeniliklerin 2030 yılından sonra bekleniyor.

[Gerekli dürüstlük açıklaması]: Yukarıdaki katmanlamalar, mevcut sinyallere dayalı akılcı bir tahmindir—zaman çizelgesi değil, zaman hissi verilmiştir. 2030 yılına kadar yapı, form ve rekabet boyutları hâlâ gelişmektedir; 2030 yılından sonra oyun kuralları "katmanlı" bir şekilde yeniden başlayabilir.

Zaman Çizelgesi 2: Pencere Kapanışı · Tahmini 2026-2030 (Ön uç model katmanı ilk kapanacaktır)

Klepper'in temel gözlemi, "giriş penceresinin karıştırma sinyalinden daha önce kapanması" — otomobil endüstrisinde 1910 yılında giriş oranındaki düşüş ile 1920-1960 yılları arasındaki karıştırma belirtileri arasında 10-15 yıllık bir gecikme var. Dijital çağa göre bu süre 3-5 kat sıkıştırılırsa, bu boşluk 2-5 yıla kadar sıkışır — yani giriş penceresinin kapanışı, derin karıştırma öncesinde yaklaşık 2-5 yıl öncesidir, yani 2026-2030 yılları arasındadır.

Ancak kapanmanın farklı aşamalarını katmanlı bir şekilde değerlendirmek gerekir:

• Öncü model katmanı: En erken kapanan katmandır; öncü model katmanına sadece yeni girenler tarafından girilebilir, 2027-2028 sonrası çok zor hale gelecektir—hesaplama gücü, becerikli insan kaynakları ve şirket güveni birleşimi neredeyse sona ermiştir; 2026 yılında küresel öncü model katmanına yönelik sermaye yatırımlarının az sayıda aktöre yoğunlaştığı gözlemlenmektedir.

• Protokol katmanı ve araç zinciri katmanı: Daha erken kapanır; MCP/A2A gibi protokol standartları baskın hale geldiğinde, geç girenler yeni bir sistem kurmak yerine ekosisteme entegre olmalıdır.

• Uygulama katmanı ve ürün formatı katmanı: İleri seviye ürünlerin hızlı ticarileştirilmesi nedeniyle programlama aracısı katmanı için pencere hızla kapanıyor; ancak çok modlu doğrudan ürünler, ofis / masaüstü Agent gibi uygulama katmanlarında hâlâ nispeten geniş giriş alanları mevcut ve 2028-2032 yılları arasında hâlâ fırsatlar var.

• Dikey sektör entegrasyon katmanı: Uzun vadeli açık; AI + sağlık / hukuk / eğitim gibi dikey sektörlerin entegrasyon penceresi, 2035 sonrasıye kadar sürebilir

Farklı stratejik konumlar, giriş penceresinin aciliyetini belirgin şekilde etkiler — öncü model katmanına yatırım yapma penceresi en kısadır, uygulama katmanı ve dikey entegrasyon için pencere nispeten daha uzundur.

Zaman Çizelgesi 3: Derin Karıştırma Başlıyor · Tahmini 2030-2035 (öncü model katmanında gerçekleşiyor)

Klepper'in yetenek bileşik mekanizması dijital çağda daha hızlı çalışıyor—8-10 yıl, imalat çağının 30 yıllık bileşik etkisine ulaşabilir. İşletmeler arasındaki yetenek farkı bu zaman penceresi içinde üssel olarak, geri dönüşümsüz bir şekilde genişleyecektir.

Ancak derin karıştırmanın şiddeti katmana göre ayrılır:

En önde gelen model katmanında en derin karıştırma: yeteneklerin birleşimi, hesaplama kapasitesi sermaye bariyerleri, şirket güveninin odaklanması—belki de birkaç öncüye doğru yoğunlaşacak

Uygulama katmanı ve ürün format katmanında yeniden yapılandırma hafif olacak: Her katmanda birkaç ana oyuncu kalabilir, uzun kuyruk daha fazla olacak.

Protokol katmanında karıştırma neredeyse gerçekleşmez: Bir kez kararlı hale geldikten sonra, standart standarttır.

Dikey sektör entegrasyon katmanının yeniden yapılandırılması ve geleneksel sektör mantığına bağlanması: AI yalnızca değişkenlerden biridir; sektörün kendi yeniden yapılandırma hızı öncülük edecektir.

Kurumsal giriş penceresinin aciliyeti

Bu üç zaman çizgisini birlikte değerlendirdiğinizde, bir ana çıkarım:

AI büyük modelleri ve uygulamalarını stratejik odak noktası olarak alan şirketlerin, kendi stratejik ayarlamaları için gerçekçi olarak yalnızca 2-4 yıl süreleri olabilir—2030 yılına kadar tasarımı (özellikle ürün formu düzeyinde) öne çıkarmak için kendi konumlarını oluşturmak, 2028 yılına kadar yön belirlemeyi ve giriş noktalarını seçmeyi gerektirir; bunun tersine düşünüldüğünde, 2026-2027 yılları en kritik iki yıldır.

Ancak bu zaman çizelgesinin bir ön koşulu vardır: ölçek ekonomisi ve iş modeli, 2027-2030 yılına kadar kritik bir geçiş yapmalıdır. Yedinci bölümdeki ters doğrulama ise, "ölçek ekonomisi ve iş modeli henüz oluşmamıştır" ifadesinin 2026 yılında en gerçekçi gözlemlerden biri olduğunu gösterecektir. Eğer iş modeli sorunu 2028 yılından sonra da çözülemazsa, öncü tasarımın ortaya çıkma penceresi 2-3 yıl geriye kayabilir—yani yukarıdaki zaman koordinatları, "AI'nın A yolunu izlemesi + ölçek ekonomisinin 3-4 yıl içinde geçiş yapması" gibi iki ön koşula dayanır; bunlardan herhangi biri değişirse, zaman koordinatları yeniden ayarlanmalıdır.

Bağımsız fiziksel biçimlere veya bağımsız endüstri mantıklarına sahip bölümler için (vücutlu akıllı donanım, AI + dikey endüstri vb.) zaman çizelgeleri kendi tempolarına göre ayarlanmalıdır—ancak "kapasite birleştirme hızındaki farklılıkların üssel şekilde büyümesi" temel kuralı tüm katmanlar için geçerlidir.

Bu, "Yapay Zeka endüstrisinin evriminin zaman ölçeği"dir—bir analiz çerçevesine dayalı olarak elde edilen katmanlı, koşullu ve kesin bir zaman hissi.

En titiz analiz, en son verilerle sınanabilir olmalıdır. 2026 yılı AI endüstrisindeki gözlemlenebilir eğilimlerden, ürün, şirket, ticaret ve saha olmak üzere dört açıdan önceki "farklılaşma bandı" değerlendirmesine dair altı ana sinyali tersine doğrulayın.

Doğrulama 1: Yapısal düzeyde hâlâ açık.

2026 yılı için mimari evrim hala çoklu yollarla ilerliyor: Transformer hakimiyet altında, Karışık Uzmanlar (MoE) Gemini 3.1 Pro’da, DeepSeek V4 gibi modellerde tamamen uygulanır; çıkarım sırasında hesaplama, GPT, Claude gibi yeni sürümlerin temel rekabet boyutu haline gelir; durum uzayı modelleri (Mamba ailesi) ve Agent doğrudan mimarisi 2025-2026 yıllarında yeni araştırmalarla devam eder; dünya modelleri yönünde Fei-Fei Li, Yann LeCun gibi önde gelen akademisyenler tarafından desteklenir. Bağlam penceresi on binlerce ile iki milyon Token aralığında hızla ilerlemektedir; Ölçekleme Yasası'nın marjinal getirilerindeki azalma 2026 yılında açıkça tartışılmaya başlanmıştır—bu, teknoloji yolunun yeniden değerlendirildiğini göstermektedir.

Sonuç: Yapısal düzeyde hâlâ akış halinde olduğu açıkça görülüyor. Öncü tasarımın teknik uygunluk faktörleri henüz karşılanmamıştır—bu, "farklılaşma bandında" ürün boyutunun hâlâ açık olduğunu gösteren doğrudan kanıttır.

İkinci doğrulama: Kurumsal düzeyde gerçekten ayrılma gerçekleşti—ancak yapı çoklu çatı altında devam ediyor

2026 öncesi model katmanı gerçek durumu, mutlak bir liderin olmadığı çoklu çatı yapısıdır:

Amerika'nın önde gelen grubu: OpenAI, Anthropic, Google; Meta (Llama serisi), xAI gibi şirketler bunu takip ediyor.

• Çin Açık Rotası Grubu: DeepSeek Qwen Kimi ZhiPu, Doubao Hünyuan ve diğerleri, maliyet, açık kaynak, çok dilli ve dikey senaryo boyutlarında bağımsız rekabet avantajı oluşturuyor

• Avrupa/ Diğer Blok: Mistral, açık kaynak ekosisteminde yer almaktadır

Aynı zamanda gözlemlenebilen farklılaşma sinyalleri oldukça net: ChatGPT'nin kullanıcı akışı payı, önceki mutlak hakimiyetinden önemli ölçüde geriledi, Gemini'nin kullanımı yıllık bazda katlanarak arttı, Anthropic kurumsal ve geliştirici senaryolarında hızlı bir büyüme kaydetti ve ARR'si on milyar dolar seviyesine ulaştı, kar marjı on milyar dolarlık bir ölçeğe girdi.

Sonuç: Bu, "farklılaşma bandı" tanımına tamamen uygun — ürün boyutunda hâlâ açık, çoklu阵营 var (yapı belirsiz, rota belirsiz), ancak şirket boyutunda, öncü ve öncü olmayanlar arasındaki kapasite farkı açıkça artmaya başlamıştır. Dikkat edilmesi gereken nokta, "kapasite farklılaşması"nın "az sayıda şirketin kazanması" anlamına gelmediği — bunun yerine "birden fazla阵营'in kendi aralarında uzaklaşması" olabilir.

Doğrulama 3: Endüstri yapısı, "katmanlı yoğunlaşma + çoklu model düzenleme" yönünde evriliyor

Lakhani, 2026 yılında güçlü bir gerçeklik doğrulaması alan "katmanlı odaklanma" ve "çoklu model orchestrasyon"u tahmin etti:

• Öncü model katmanı: Birden fazla önde gelen üretici ve birden fazla grup aynı anda konumlanıyor (bkz. 7.2)

• Kurumsal entegrasyon katmanı: Microsoft (+OpenAI), Google Workspace AI, Salesforce Einstein vb. sırasıyla yerleştiriliyor.

• Açık Ekosistem Katmanı: DeepSeek (Düşük maliyetli çıkarım), Llama, Mistral sırasıyla sabitlenmiştir

• Özel katman: NVIDIA (GPU), AMD/Intel, Cerebras/Groq (yeni mimari çipler) sırasıyla yer alıyor—bu katmanın girişi 5.1 bölümünde anlatılan sermaye birikimi nedeniyle sınırına ulaşıyor

Aynı zamanda, çoklu model düzenlemesi "gelişmekte olan bir model"den ana akım kullanım haline gelmiştir—kullanıcılar artık "hangi model en güçlü?" sorusunu değil, "hangi model hangi senaryoda en güçlü?" sorusunu soruyor: Claude ile yazma ve programlama, Gemini ile arama ve analiz, ChatGPT ile görüntü oluşturma ve genel diyalog yapmak artık normal hale gelmiştir.

Sonuç: Katmanlı topluluk hipotezi ve çoklu model düzenleme her ikisi de geçerlidir—ve katmanlı toplulukların evrimi beklenden daha hızlıdır.

Doğrulama 4: Zaman ölçeği önemli ölçüde sıkıştırılıyor

Zaman ölçeğinin sıkıştırılmasına dair ana kanıtlar, "kabul hızı, sermaye akışı, maliyet düşüşü, kapasite iterasyonu" dört eğrisinden gelmektedir:

• Kabul hızı: ChatGPT, 100 milyon kullanıcıya 2 ay içinde ulaştı ve tarihin en hızlı kabul gören tüketici ürünleri arasındadır.

• Sermaye akış hızı: Anthropic, kuruluşundan ARR'nin on milyar dolar seviyesine ulaşmasına yaklaşık 4 yıl sürdü—üretim eraında bu on yıllarca sürerdi

• Maliyet düşüş hızı: Son 3 yıl içinde ana akım büyük modellerin Token fiyatları yaklaşık iki basamak düşmüş, önde gelen açık kaynak ve düşük maliyetli modellerin çıkarım fiyatları "cent seviyesi / milyon Token" aralığına girmiştir.

• Kapasite geliştirme hızı: GPT-3'ten GPT-5 serisine kadar 6 yıldan az süre—üretim endüstrisi döneminde bir ürünün geliştirilmesi genellikle 5-10 yıl sürer

Sonuç: Zaman ölçeği sıkıştırması yalnızca geçerli değil, bazı belirli eğrilerde (kabul, maliyet, kapasite iterasyonu) sıkıştırma oranı 5-10 katına ulaşmaktadır. Ancak dikkat edilmelidir—belirli eğrilerin sıkışma hızı, endüstrinin genel gelişim hızından daha hızlıdır, çünkü endüstrinin genel gelişimi, iş modelinin işleyişine, düzenlemelerin sabitlenmesine ve ekosistemin olgunlaşmasına gibi daha yavaş değişkenlerle sınırlıdır ve hâlâ 5.3 bölümünde belirtilen 3-5 kat ortalamasında kalmaktadır. Başka bir deyişle, AI endüstrisinin gelişiminin "sinyal tarafı" (eğriler) açıkça hızlanmışken, "yapısal tarafı" (ana tasarımın belirlenmesi) daha uzun bir birikim süresine ihtiyaç duymaktadır.

Doğrulama 5: Ölçek ekonomisi ve kararlı iş modeli henüz kurulmamıştır

Öncü tasarımın beş temel faktöründen biri, ölçek ekonomisinin ortaya çıkmasıdır—bir tasarımın ölçekli teslim maliyeti yeterince düşükse, karlı bir iş modeli net bir şekilde belirginse ve "giriş-çıktı-yeniden giriş" olumlu bir döngü oluşturuyorsa, öncü tasarım gerçekten sabitlenebilir. Bu kritere göre 2026 yılındaki AI büyük modellerini ve uygulamalarını değerlendirdiğimizde, ölçek ekonomisi ve iş modeli hâlâ tam olarak oluşmamıştır:

• Eğitim ve çıkarım maliyetleri hâlâ şiddetli şekilde değişmektedir—Token fiyatı son üç yılda yaklaşık iki basamak düşmüştür; önde gelen açık kaynak ve düşük maliyetli modellerin çıkarım fiyatı "cent seviyesi / milyon Token" aralığına girmiştir; maliyet eğrisi hâlâ hızlı bir şekilde kaymaktadır ve henüz "stabil" denilemez.

• Öncü şirketler hâlâ büyük ölçekli sürekli yatırımlar yapıyor—OpenAI, Anthropic gibi önde gelen model şirketleri genellikle yüksek yatırım ve yüksek finansman aşamasındadır; Anthropic'in ARR'si 100 milyar dolar seviyesine ulaşmış olsa da, eğitim ve hesaplama kaynaklarına yapılan yatırımla karşılaştırıldığında hâlâ "yatırım, çıktıdan çok daha fazla" aşamasındadır.

• Kurumsal ROI üzerindeki AI etkisi beklentilerden daha yavaş gerçekleşiyor — birçok kurumsal AI projesi hâlâ POC veya pilot aşamasında; AI'nın tam verimlilik artışı ve ROI/ROE pozitif büyümesine dönüştürülmesi hâlâ keşfediliyor; McKinsey'in "State of AI" ve MIT NANDA'nın "GenAI Divide" gibi 2025-2026 yılları için yapılan endüstri araştırmalarına göre, çoğu kurumsal AI yatırımı henüz net pozitif finansal getiri sağlamamıştır.

• Kararlı bir iş modeli hâlâ keşfediliyor — abonelik ücretleri, Token bazlı faturalama, sonuç bazlı Agent ücretlendirme, kurumsal özelleştirme, API payı, açık kaynak + hizmetler… Her bir iş modelinin temsilcileri var, ancak hepsi “ölçeklenebilir kar + bileşik büyüme” durumuna ulaşamadı.

Sonuç: AI büyük modellerinin ve uygulamalarının "girişim-çıktı-yeniden girişim" olumlu döngüsü henüz kurulmamıştır—bu, "ölçek ekonomisi" faktörlerinin karşılanmadığının doğrudan bir göstergesidir. Ölçek ekonomisi ve iş modeli henüz kararlı değilse, bu kesinlikle ayrışma bölgesindedir, çünkü bu, geçiş döneminden özel döneme doğru yakınsamanın ön koşuludur.

Doğrulama 6: WAIC 2026——"Daha üst düzey insanlar, daha büyük fikir ayrılıkları yaşar"

Şu anda sona eren WAIC 2026, 2026 yılının Temmuzunda "insan" açısından bir doğrulama sağladı.

Dört öncü konu (fiziksel akıl, bilimsel akıl, hesaplama altyapısı, ajan yönetimi) aynı zamanda "bir sonraki aşama" yönü olarak görülüyor—çoklu dalların eş zamanlı varlığı ve tek bir yolun üstünlüğü, akışkan dönemin tipik biçimidir. Soruyu açıklayan bir sahne ise, 2024 Turing Ödülü sahibi Richard Sutton ile Step Intelligence CEO'su Yin Qi'nin neredeyse aynı anda tamamen karşıt iki değerlendirme vermesidir:

Sutton: "Yapay zeka hâlâ zayıf ve güvenilir değil", "insan bilgisinin aktarılması" yolu "şu anda sınırına ulaşmıştır", gelecekte "deneyim çağına" geçilmesi gerekir

• Inqi: "2026 model yetenekleri kritik bir eşiği aşmaya başlıyor", "endüstri AGI tepe noktasının dibinde duruyor", agenter "üretim gücünün en küçük birimi" olacak

Aynı mekânda, aynı anda, iki çok temsili kişi, "Aslında neredeyiz?" sorusuna neredeyse tamamen karşıt cevaplar verdi. Aynı zamanda Yoshua Bengio, "toplum, daha yetenekli ve daha bağımsız sistemler için hazır değil" uyarısında bulundu; Tsinghua Üniversitesi'nden Xue Lan ve Berkeley'den Mark Nitzberg, sırasıyla "değer yargıları" ve "yaşam-ölüm kararları" için sınırlar belirledi—düzenleyici ve yönetim katmanları ise hâlâ prensipleri tartışıyor, uygulama standartlarını değil.

Sonuç: Eğer AI gerçekten "ikinci yarısına" veya "ana tasarımın belirlendikten sonraki uygulama aşamasına" girmişse, önde gelen araştırmacılar ve önde gelen girişimciler, "tam olarak neredeyiz" gibi en temel soruda bu kadar net bir fikir ayrılığı yaşamazdı. Bu, hala "ayrılma bölgesi"de olduğumuzun güçlü bir somut kanıtıdır.

Kapsamlı doğrulama: Bu, "divergence band"tır.

İlk altı doğrulama birlikte incelendiğinde—bunlar altı ayrı olay değil, aynı sonucun altı bağımsız bakış açısıdır ve birbirini doğrular. Tek bir cümleyle özetleyelim:

AI büyük modelleri ve uygulamaları şu anda "ayrılma bölgesindedir"—ürün katmanlaması hâlâ açık, yetenek ayrılması başlamıştır, ancak ticari model henüz işleyememiştir. Bu, tek bir açıdan yapılan bir tahmin değil, üçüncü bölüm (aşama değerlendirmesi), altıncı bölüm (zaman koordinatları) ve bu bölüm (2026 eğilimleri) tarafından üç kez doğrulanmış bir sonuçtur.

İlk iki soruya geri dönelim—nerede bulunuyoruz ve gelecekteki tempoyu nasıl olacak.

Geçmiş iki klasik analiz aracının birleşik çerçevesi, öncü tasarımın beş faktörüne dayalı titiz bir test ve 2026 yılındaki en yeni trendlerin ters doğrulaması, mevcut AI büyük modellerinin ve uygulamalarının net bir yanıtı verir.

Nerede olduğumuz——AI büyük modelleri ve uygulamaları, geçiş dönemine doğru ilerlerken "ayrılma bölgesine" girmiştir. Öncü tasarımın oluşumunu sağlayan faktörler şu anda yalnızca 1'i (kısmen) karşılanmıştır; endüstri yapısı, "tek bir kazanan" yerine "katmanlı yoğunlaşma" şeklinde evrilebilir.

Geleceğin ritmi nasıl olacak—katmanlı zaman koordinatlarına göre, ana tasarım 2027-2030 yılları arasında çeşitli alt katmanlarda ortaya çıkabilir, derin yeniden yapılandırma 2030-2035 yılları arasında belirginleşir ve işletmelere yönelik stratejik ayarlanma süresi yaklaşık 2-4 yıl düzeyindedir.

Katmanlılık, farklı stratejik konumların (öncü model katmanı / uygulama katmanı / dikey entegrasyon katmanı) aciliyet düzeylerinin farklı olduğunu anlamına gelir, ancak "kapasite farklarının birikimi" temel prensibi tüm katmanlar için geçerlidir. Burada verilen, katmanlı ve koşullu bir zaman hissidir, kesin bir zaman çizelgesi değildir—somut evrim tempoları, Scaling Law, takımlar arası eğilimler gibi öncüllerin değişmesiyle ayarlanacaktır.

Kurumsal karar vericiler için bu iki değerlendirme birlikte bir zaman koordinatı oluşturur. Bu koordinatın üzerinde, böyle bir aşamada ve böyle bir zaman penceresinde şirketin nasıl düşünmesi, nasıl hareket etmesi ve nasıl kendini ayarlaması gerektiği sorusu daha temel bir sorudur.

Bu soruyu bir sonraki makalede ele alacağım…

Bu yazı, WeChat hesabından "Tencent Araştırma Enstitüsü" (ID: cyberlawrc) tarafından yayımlanmıştır, yazar: Li Hongsheng