Yazar: Huohuo
Amazon AGI Örgütü'nde işten çıkarmalar, AWS'in AI değerleme dayanağı değişecek mi?
Kısa özet
Amazon, AGI organizasyonunun bazı pozisyonları iptal ettiğini doğruladı ve büyük AI modellerinin hâlâ öncelikli olduğunu belirtti.
Piyasa, bu düzeltmenin kendi geliştirilen modelin düşürülmesi mi, yoksa müşteriye yönelik ödemeli projelere yeniden odaklanma mı olduğuna dair fikir ayrılığı yaşıyor.
· İlgili varlık: AMZN, AWS, Anthropic, AI bulut altyapı zinciri.
Amazon, 22 Temmuz'da AGI organizasyonunda bazı pozisyonların kaldırıldığını onayladı ve şirketin büyük AI modelleri inşa etmeye devam ettiğini, bunun en önemli işlerinden biri olduğunu belirtti. Reuters'in aktardığı rapora göre, Amazon bu düzenlemeyi kaynakları müşterilerin gelecekteki en önemli alanlarına odaklamak olarak açıkladı.
Bu işten çıkarmaların tam sayısı açıklanmadı ve bunun Amazon'un AGI'den vazgeçtiği olarak doğrudan yorumlanamaz. Daha çok, büyük teknoloji şirketlerinin hâlâ milyarlarca dolarlık AI altyapısına yatırım yapmaya devam ederken, en uzun vadeli AI hedeflerine en yakın ekiplerin organizasyonel daralmayı kabul etmeye başlamasıdır.
Yatırımcılar için soru, Amazon'un kaç kişiyi işten çıkardığı değil, AWS'in AI değerlemesinin yeniden değerlendirilmesi. Geçmişte pazar, büyük teknoloji AI'larına yüksek ödemeler yapmaya razıydı; model kapasitesi ne kadar güçlüyse, gelecekteki gelir o kadar büyük olurdu. Şimdi daha gerçekçi soru, bu yatırımların ne zaman müşteri ödemelerine, bulut gelirlerine ve kar marjı iyileşmesine dönüşecektir.
AGI (Genel Yapay Zeka), AI'nın insanlar gibi çoklu alanlarda öğrenme ve sorun çözme yeteneğine sahip olmasının henüz gerçekleşmemiş uzun vadeli bir hedefi olarak basitçe anlaşılabilir. Uzak hayalleri temsil eder, ancak hemen gelir haline gelmeyebilir. AWS, AI yeteneklerini şirketlerin şimdi satın alabilecek, kullanabilecek ve özelleştirebileceği hizmetlere dönüştürmektedir.
Yapay zekaye yapılan yatırım ne kadar büyükse, organizasyonun tercihleri o kadar sert olur.
Bu işten çıkarmaların anahtarı, Amazon'un model yapmaya devam edip etmemesinde değil. Resmi açıklama zaten sınırları belirledi: Büyük modeller hâlâ öncelikli, ancak kaynaklar müşterilerin en çok ilgilendiği ve öncelikli projelere yönlendirilecek.
Organizasyon hareketleri, AI yatırımlarının durmadığını ancak kabul edilen hata payının azaldığını gösteriyor. Aralık 2025'te Amazon, AI ile ilgili liderliği yeniden yapılandırdı ve Andy Jassy, Peter DeSantis'ın AI modelleri, çipler ve kuantum hesaplama ile ilgili yeni organizasyonu yöneteceğini duyurdu. Rohit Prasad, 2025 yılının sonunda ayrıldı ve Pieter Abbeel, AGI içindeki öncü modeller araştırmasını yürüttü. Reuters'in aktardığı raporlara göre, AGI Lab lideri David Luan, Şubat 2026'da ayrıldı.
Bu değişiklikler bir araya getirildiğinde, Amazon AI silahlanma yarışından çekilmiyor, iç yatırım portföyünü yeniden sıralıyor. Uzun vadeli araştırmalar hâlâ hikâye değeri taşımaya devam ediyor, ancak müşteri, gelir ve ürünleştirmeye daha yakın projeler daha yüksek öncelik kazanıyor.
Bu, büyük teknoloji AI ticaretinin ortak arka planıdır. Geçen iki yıl boyunca, pazar ana olarak kimin harcama cesareti, kimin hesaplama gücü ve kimin modeli olduğunu ticaret etti. Şimdi, sermaye harcaması kendi başına yeterince nadir değil, yatırımcılar getiri oranını sormaya başlıyor: model takımları, çipler, veri merkezleri ve becerikli personel sonunda gelir haline gelebilecek mi?
Nova Forge, ticari bir tutamaç sunuyor
Bu değişikliği anlamak için, AWS'nin 2025 yılında re:Invent etkinliği sırasında yayınladığı Nova Forge'ye bakmanız gerekir. Bu, sıradan bir sohbet botu değil, şirketlerin özelleştirilmiş modelleri eğitmelerine yardımcı olan bir hizmet setidir.
Geleneksel yollarla bir şirket, kendi endüstrisine uygun ileri modelleri ya sıfırdan eğitmek zorunda kalır ki bu çok yüksek maliyetlidir; ya da mevcut modelleri ince ayarlamak zorunda kalır ki bu da yetenek ve kontrollülük açısından sınırlıdır. Nova Forge’in yaklaşımı, müşterilerin Amazon Nova modelinin eğitim sürecindeki kontrol noktalarından (eğitim ortası arşivleri) başlayarak, farklı eğitim aşamalarında kendi verilerini ve Amazon’un derlediği veri kümelerini karıştırmalarını sağlar.
Amazon bunu açık eğitim olarak adlandırıyor. Basitçe söylemek gerekirse, şirketler bir büyük modeli sıfırdan oluşturmak yerine, Amazon'un belirli bir aşamaya kadar eğittiği model temelini kullanarak kendi endüstri bilgilerini önceden entegre ediyor. Bu sayede temel yetenekler miras alınırken, alan özgü uzmanlık kazanmak da daha kolay oluyor.
Bu yol, AWS'nin model yeteneklerini bulut hizmeti ürünleri haline getirmeye çalışması nedeniyle önemlidir. Müşteriler yalnızca bir model arayüzünü çağırmakla kalmaz, aynı zamanda AWS üzerinde kendi modellerini eğitir, barındırır, dağıtır ve optimize eder. Ürün başarılı olursa, bu, hesaplama tüketimi, platform bağlılığı ve sonraki bakım gelirleri getirebilir.
Ancak mevcut bilgiler, kesilen AGI kaynaklarının Nova Forge'e yönlendirildiğini kanıtlamamaktadır. Daha güvenli değerlendirme, AGI organizasyonel调整 ile Nova Forge gibi müşteri odaklı ürünlerin aynı anda ortaya çıkmasının, Amazon'un ticarileştirme projelerine daha fazla ağırlık verme eğiliminde olduğunu göstermesidir.
AWS'in rekabet odak noktası müşteri özelleştirmeye kayıyor
Amazon, temel model yarışmasında her zaman özel bir konumda bulunmuştur. Hem Nova'yı kendi içinde geliştirmekte, hem Anthropic'e yatırım yapmakta, hem de AWS'yi bulut platformu olarak nötralitesini ve model ekosistemini korumaktadır.
Bu, AWS'nin sadece en güçlü küresel modelle zafer kazanmayacağını belirler. Kurumsal müşteriler için model sıralaması önemlidir, ancak tek kriter değildir. Daha gerçekçi sorular şunlardır: Kurumsal iç verilere erişilebilir mi? Güvenlik ve uyumluluk gereksinimleri karşılanabilir mi? Eğitim maliyetleri azaltılabilir mi? Mevcut bulut hizmetleriyle birlikte çalışabilir mi?
Nova Forge, tam olarak bu rekabet mantığını karşılıyor. Mücadele alanını genel model yetenek sıralamasından, şirketlerin kendi modellerini daha düşük maliyetle eğitebilme yeteneğine taşıyor. Eğer bu yol başarıyla izlenirse, AWS, AI gelirlerini tekil bir tüketiciler için AI ürünü üzerine değil, bulut hesaplama ana işine entegre edebilir.
Bu, Amazon'un AGI hikayesini korurken bazı pozisyonları daraltma nedenini de açıklar. İlkisi uzun vadeli teknolojik hayal gücüne devam eder, ikincisi ise ekibin kaynaklarını müşteri ihtiyaçları tarafından daha kolay doğrulanabilir yönlerde kullanmaya zorlar.
AMZN için piyasa nihayetinde Amazon'un AGI ekibine sahip olup olmadığına bakmayacaktır. Daha önemlisi, AWS'nin AI hizmetlerinin müşteri harcamalarını artırdığını, bağlılığı güçlendirdiğini ve kar marjını açıkça düşürmediğini kanıtlayabilmesidir.
Siparişler ve kar marjı cevabı verecektir
Bu işten çıkarmalar, ya Amazon AI'nın başarısızlığı ya da önemsiz bir rutin optimizasyonu olarak kolayca yazılabilir. Mevcut bilgiler bu tür sonuçlara destek vermiyor.
Daha mantıklı olan, Amazon'un hâlâ yapay zeka silahlanma yarışında olduğudur; ancak iç bütçeler ve yetenek dağılımı, müşterilere satılabilecek yöne doğru kaymaktadır. Bu değişim, AMZN'nin yapay zeka priminin yalnızca model hikayelerine değil, AWS'nin ticarileştirme sonuçlarına bağlı hale gelmesi nedeniyle yatırımcılar için anlamlıdır.
Doğrulama noktaları birkaç spesifik konuya düşecektir. Nova Forge gerçek kurumsal müşteriler elde edebilecek mi, müşteriler sürekli ödeme yapmaya istekli olacak mı, eğitilen modelin genel fine-tuning'e göre daha fazla maliyet verimliliği sağlayıp sağlamayacağı, bunlar onun etkili bir ürün olup olmadığını belirleyecektir.
Diğer bir değişken, becerikli insan kaybıdır. AGI organizasyonu sadece önemsiz pozisyonları optimize ediyorsa, etkisi sınırlıdır; ancak temel araştırma ve mühendislik personeli ayrılırsa, Amazon'un kendi geliştirdiği modellerinin uzun vadeli rekabet gücü zayıflar. Resmi açıklamalar ile organizasyonel gerçeklik arasındaki gerilim, nihayetinde ürün kabul oranı, AWS AI gelirleri ve sonraki finansal raporlardaki sermaye harcamalarının getirisiyle karşılanacaktır.
Twitter：https://twitter.com/BitpushNewsCN
BitPush TG iletişim grubu: https://t.me/BitPushCommunity
BitPush TG aboneliği: https://t.me/bitpush