Anthropic'ın 1 trilyon dolarlık geliri, hesaplama fiyatlarını 10 kat artırabilir

Yapay zeka ajanları insan bilgi emeğini yakalamaya ve hatta yerini almaya başladığında, hesaplama gücü fiyatı nasıl yeniden belirlenmelidir?

En son blog yazısında, ünlü teknoloji podcast'i Dwarkesh Patel, bir tahminde bulunuyor: Eğer AI laboratuvarlarının geliri sürekli hızlı bir şekilde artmaya devam ederse (örneğin Anthropic, gelecek yıl sonuna kadar 1 trilyon dolar gelir elde ederse) ve hesaplama gücü arzı yılda yaklaşık 3 kat artarsa, hesaplama gücü fiyatları 10 katın üzerinde artabilir.

Geçmiş birkaç on yılda, hesaplama gücü bir „araç“ olarak görülüyordu. Bilgisayarlar daha hızlı, sunucular daha fazla, bulut hesaplama daha ucuz oluyordu.

Ancak AI çağında bir paradigmalar dönüşümü yaşanıyor: GPU'lar artık sadece makinelerin parçaları değil, dijital işgücünün taşıyıcısı olabilir.

Bir H100, neredeyse en iyi programcı seviyesinde bir AI Agent'ı barındırabiliyorsa, değeri "sunucu saat fiyatı" yerine, yerini alan insan emeğinin değerine göre hesaplanmamalıdır.

Sürekli uyanık, anında yanıt veren ve insan seviyesindeki en üst düzey teknik becerilere sahip bir "dijital yazılım mühendisi" hayal edin, bunun için ne kadar yıllık maaş ödemek isterdiniz?

Silicon Valley'de yazılım mühendislerinin ortalama piyasa yıllık maaşı 250.000 doların üzerindedir. Ancak, bu kadar zekâlı bir ajanı çalıştırmak, yalnızca bir adet NVIDIA H100 GPU'nun hesaplama gücünü gerektirebilir.

Şimdi bir hesap yapalım:

Eğer bu H100, yıllık 250.000 dolar maaş alan bir insan programcının tamamen yerini alabiliyorsa, saf ticari ve ekonomik mantık çerçevesinde, bu H100'ün teorik yıllık kira bedeli 250.000 doların üzerinde olmalıdır.

Ancak şu anda pazarda H100'un spot kira fiyatı, yıllık bazda sadece yaklaşık 16.000 dolar. İkisi arasında 15 katlık fark var.

Bu, insanlık tarihinin en büyük «işgücü arbitraj kara deliği» olacak.

Sanal dünyanın zeka çoğalma hızı, fiziksel dünyanın üretim sınırını çoktan aştığında, çatışma patlak verir:

Sayısal zekânın değer artışı, fiziksel hesaplama altyapısının genişleme hızını çoktan geride bırakıyor.

Bu 15 katlık değerlemeler arasındaki fark, şiddetli bir geri tepmeye neden olacak: Gelecek yıllarda, hesaplama gücü的真实 fiyatı, 10 kat veya daha fazla bir süper enflasyonla karşı karşıya kalabilir.

Doğal olarak, bir soru var: Yazılım mühendislerinin yıllık maaşları gelecekte büyük ölçüde düşecek mi?

Bu soruyu Dwarkesh Patel de göz önünde bulundurdu:

Ancak eğer işgücü hakkında standart ekonomi teorisine inanırsak, hesaplama gücü marjinal değeri (ve dolayısıyla hesaplama gücü marjinal fiyatı) aşırı derecede yüksek hale gelmelidir.

Geçtiğimiz yıllarda AI endüstrisi, daha büyük modeller, daha fazla veri, daha fazla GPU ve daha güçlü yetenekler mantığına dayanıyordu.

Ancak şimdi yeni bir çelişki ortaya çıkıyor: AI'nın büyüme hızı, hesaplama kapasitesi sağlama hızını aşmakta.

Anthropic örneğinde, geçen yıl ticari geliri yaklaşık 10 kat arttı.

Bu artış hızı devam ederse, yıl sonuna kadar yıllık geliri 100 milyar ile 150 milyar dolar arasına ulaşabilir. Eğer bu trend devam ederse, bir sonraki yıl, trilyon dolarlık bir "para vizyonu"nu nasıl destekleyecekleri sorusuyla karşı karşıya kalacaktır.

Yalnızca bir cevap var: Daha fazla akıl. Daha fazla akıl, daha fazla eğitim, daha fazla çıkarım ve daha fazla GPU anlamına gelir.

Ancak sorun şudur: İşlem gücü arzı aynı hızda artmamıştır.

Şu anda endüstrinin öncü laboratuvarlarının fiziksel hesaplama gücü genişlemesi, yılda yaklaşık 3 kat artışla sınırlı kalıyor.

Böylece büyük bir uyumsuzluk ortaya çıktı:

Sayısal dünya 10 kilometre koşmak istiyor, ancak fiziksel dünya sadece 3 kilometrelik yol sunuyor. Kalan mesafe nasıl karşılanır?

Sadece üç seçenek var: Birincisi, kar marjını artırmak. İkincisi, hesaplama gücü fiyatını artırmak. Üçüncüsü, daha fazla hesaplama gücünü çıkarım işlerine yatırmak.

Üçüncü yol, aslında birçok AI laboratuvarının en az görmeyi istediği şeydir.

Akıl yürütmeyle para kazanmak, temelde şunu kanıtlamak içindir: "AI iş modeli geçerlidir."

Daha fazla finansman sağlayın, daha fazla GPU satın alın ve bir sonraki nesil modeli eğitmeye devam edin.

Silikon Vadisi'nin gerçek döngüsü şudur:

Kazanmak, daha fazla hesaplama gücü satın almak için bir araçtır.

Çünkü tüm laboratuvarların gerçekten inandığı şey şudur: bugünün en ileri modeli, bir yıl sonra, güçlü ancak eski bir telefon gibi olabilir.

Bu, çözümü iki önceki seçeneğe geri getiriyor: kar marjındaki sıçrama ya da hesaplama gücü birim fiyatındaki artış.

Bu farkı tamamen kar marjı ile karşılamak için, ön uç laboratuvarlarının gelecek yıl sonuna kadar kar marjı %95 civarındaki orta-yüksek aralığa ulaşması gerekir.

Ticaret tarihi boyunca, nadir sayıda mutlak teknolojik monopollü düğüm dışında, bu neredeyse hayal gücüdür.

Bu yüzden, tüm ipuçları ve mantık nihayet aynı çıkışa ulaştı: hesaplama gücü birim fiyatı, hiç olmadığı kadar büyük bir artışa hazırlanıyor.

Çok sayıda kişi henüz fark etmemiş: AI rekabeti altyapı çağına girmektedir.

Geçmişte internet savaşları kullanıcıları, trafiği ve giriş noktalarını kazanmak üzerineydi. Ancak AI çağında rekabet edilenler: elektrik, çipler, veri merkezleri ve süper hesaplama kümeleri.

Neden? Çünkü en üst düzey AI laboratuvarları standart bulut sunucularına dayanamaz.

Şunları gerektirir: özel GPU kümeleri; kararlı ağ altyapısı; çok yüksek kullanım oranı; veri ve model güvenliği.

Bu, sıradan bir sunucu kiralamak değil, geleceğin akıllı üretim hattını kiralamaktır.

Bir tipik örnek, Google ve Anthropic'un SpaceX'ten büyük ölçekli GPU kaynakları kiralamasıdır.

Raporlara göre, Google'ın yaklaşık 110.000 GPU kümesinin aylık kirası 900 milyon doları aşmaktadır.

Her bir GPU'nun saatlik kira maliyeti, mevcut piyasa spot kira fiyatının neredeyse iki katıdır. Şu anki spot fiyatının, bu yılın başındaki en düşük seviyeden %40 daha yüksek olduğunu unutmayın.

Neden?

Çünkü en üst düzey hesaplama gücü giderek enerji, elektrik şebekesi gibi stratejik kaynaklara benziyor.

Sanayi Devrimini hayal edin, bir fabrikanın buhar makinesi var, diğer fabrikanın yok.

Aradaki fark %10 değil, tamamen farklı bir üretim yöntemi.

Yapay zeka çağındaki GPU'lar, bu yeni "buhar makinesi" haline gelmektedir.

Neden hesaplama gücü fiyatı bu kadar kontrol dışı hale geldi?

Cevap, tedarik tarafındaki fiziksel formülde—bu formül, TSMC ve litografi devlerinin fiziksel sınırları tarafından sertçe kilitlenmiştir.

Sektörde yaygın olarak dile getirilen "yıllık hesaplama gücü üç kat artar" efsanesi, üç çarpanın sınırında zorla bir araya getirilmesinden ibarettir:

İşlem gücü yıllık büyüme oranı (3x) ≈ 1,4x (Moore Yasası iterasyonu) × 1,2x (yeni çip fabrikası inşası) × 1,8x (ileri üretim süreci kapasitesi için rekabet).

Ve bu üç çarpanın her biri tavanına yaklaşıyor.

Moore Yasası: Her küçük ilerleme, önceki adımdan daha zordur; sızıntı ve atomik sınırlar, iterasyonları ince bir buz üzerinde yürüyormuş gibi yapar.

Yeni bir çip fabrikasının inşası uzun sürer, yüksek NA EUV litografi makinesinin teslimat hızı tüm zinciri tıkıyor ve en az 2030 yılına kadar çözümü yok.

Geçen iki yıl boyunca, hesaplama gücü artışı için tek motor, üretim kapasitesi için rekabetti—AI çipleri, mobil cihazlar ve PC'lerden TSMC'nin ileri üretim süreçlerini ele geçirdi.

Ancak bu son çarpan hemen sıfıra doğru düşecek. 2027 sonuna kadar AI çipleri, TSMC'nin N3 kapasitesinin %86'sını tüketecek; %60'tan %86'ya—bu artış değil, fiziksel anlamda tam doygunluk, hiçbir yer kalmamış olacak.

Üç çarpan, ikisi zirve yaptı, sonuncusu yakında duvara çarpcak. İşlem gücü arzı hikayesi tamamen anlatıldı.

Daha pahalı hesaplama gücüne sahip olunca, daha ucuz modelleri kullanmak kimse tarafından tercih edilmiyor.

Duygusal olarak: Hesaplama gücü pahalılaştıysa, hafif modelleri ve açık kaynaklı kırpılmış sürümleri kullanın, harcamaları sınırlayın.

Ancak AI ekonomisi tam tersidir.

Temel mantık Alchian-Allen etkisidir: Tüm ürünler üzerine sabit bir ek maliyet eklendiğinde, pahalı olanlar daha avantajlı görünür.

Yapay zekâda bu "ek maliyet", herhangi bir model kullanılsın diye ödenen hesaplama gücü amortismanıdır.

Hesap yapın: H100 saatte 20 dolar.

• En güçlü model: 1 saatte tamamlandı, 25 USD (20 hesaplama gücü + 5 prim).
• Ortalama model: Lisans ücreti 0, ancak zeka yetersiz, 2 saat boyunca tekrarlı deneme-hata yaptı, 40 dolar.

Sonuç: Ortalama bir model kullanmak daha pahalıya mal olur. Bu, geçersiz denemelerde hesaplama gücü ve daha değerli olan zaman kaynağı harcar.

Bu yüzden, hesaplama gücü ne kadar pahalıysa, en güçlü model o kadar fazla aşırı fiyat talep etmeye cesaret edebilir. Hesaplama maliyetini ne olursa olsun ödemek zorundaysanız, en akıllı olanı kullanmak için biraz daha fazla harcamak gerçek tasarruftur.

Ortalama bir model, hayatta kalma şansı yok.

Sonuç olarak, toplumun tüm sermayesi, mutlak olarak en güçlü modelleri oluşturan birkaç trilyonluk büyük şirkete siyah delik gibi çekilecektir.

Elbette, bazıları da karşı çıkıyor.

Yorum bölümünde Eric Xu, ilginç bir itirazda bulundu: 250.000 dolarlık yıllık kira mantığı, yalnızca dijital alanda geçerlidir. Klinik denemelerin onay süresi veya kamu alımlarının karar süreçleri gibi fiziksel dünyaya dokunulduğunda, AI'nın gelir potansiyeli asla 250.000 doları aşmayabilir ve 50.000 dolar civarında olabilir.

Üst düzey yazılım mühendisi Trevor, düşük kaliteli içeriklerin en üst düzey modellere gerek duymadığını, doğrudan kaybolmak yerine daha ucuz alternatiflere yönleneceğini belirtti. Başka bir deyişle, temizlenebilecek olan fiyat olabilir, içerik kendisi değil.

Tarih ayrıca Dwarkesh’in tarafında değil. 1980 yılında Stanford’lı biyolog Paul Ehrlich ve ekonomist Julian Simon, beş metalin on yıl sonra fiyatlarının artıp artmayacağını tahmin etmek için bahis yaptı.

On yıl sonra, beşisi de düştü, Ehrlich yenildi ve ödeme yaptı. "Kaynaklar mutlaka pahalılaşacak" diyenler, tarihte bunun için bahse girenlerin çoğu kaybetti.

Dwarkesh'in yanıtı: Hammadde fiyatlarındaki esneklik, temel mallara göre çok daha düşük. Bakır madenleri yüksek fiyatlarla üretimi artırabilir, ancak EUV litografi cihazları değil—TSMC'nin kendisinin serbest bırakabileceğine dair fazla kapasitesi yok. Bu yıllarda, yıllık sadece 3 kat artan arzda hiçbir alternatif yok.

İlginç olan, Dwarkesh'in kendi kendine bunu kabul etmesi: Bu tahmin, tarihte benzerleri neredeyse tamamen yanlış çıktı.

Belki de bir gün hesaplama gücü kum kadar ucuz hale gelecek, ancak o gün gelene kadar en sert hesaplama gücü yarışına ve hesaplama gücü enflasyonuna tanık olmak zorunda kalacağız.

Kaynaklar:

https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive

https://x.com/dwarkesh_sp/status/2082482530209411419

Bu yazı, WeChat public account "Yeni Zhiyuan" tarafından yayınlanmıştır; yazar: ASI Vahiyleri; editör: David