Goldman Sachs ve SemiAnalysis, AI altyapısı değerlemesi ve geleceğin kazananları konusunda çatışıyor

Geçen iki yıl boyunca, AI trading neredeyse küresel hisse senedi piyasalarını yönetti.

NVIDIA, yarı iletken ekipmanları, HBM, ileri paketleme, veri merkezleri, elektrik ekipmanları, transformatörler, soğutma, gaz türbinleri gibi AI altyapı zincirine dahil edilebilen tüm varlıklar, piyasa tarafından tekrar tekrar yeniden değerlendirildi. Bu işlem geçersiz hale gelmedi, aksine yatırımcıların daha zor bir soruyla yüzleşmeye zorlandığı seviyelere yükseldi: AI zincirinin ilk aşamasının kazananları, piyasa tarafından en üst seviyeye kadar ödüllendirildi; bir sonraki aşama hâlâ yükseliş gösterebilir mi?

Goldman Sachs ve SemiAnalysis’ın iki raporu, tam olarak bu kavşakta yer alıyor.

Goldman Sachs' James Covello'nun değerlendirmesi daha soğuk: AI altyapısının ilk aşaması tamamen fiyatlandı; çipler ve “kovayı satan” zinciri çok fazla kesin kâr aldı, ancak kurumsal ROI hâlâ genel olarak çalışır hale gelmedi ve bulut sağlayıcıların nakit akışı baskısı artıyor. Bu mantığa göre, sonraki daha iyi göreli işlem, yarı iletkenleri takip etmek değil, büyük ölçekli bulut sağlayıcıları uzun pozisyon almak ve düşük spektrumlu yarı iletkenleri tercih etmek.

SemiAnalysis'ın verdiği cevap neredeyse tam tersi: Eğer Agentic AI, token'ları üretim araçlarına dönüştürürse ve model laboratuvarlarının brüt kar marjı iyileşmeye başlarsa, öncü modeller hâlâ fiyat belirleme hakkına sahipse, AI altyapısı "yeterince yükseldi" değil, yeni bir token değeri döngüsüne tam olarak uyum sağlamamıştır. NVIDIA, TSMC, bellek, Neocloud ve model laboratuvarları hâlâ artan değerin bir kısmını alma nedenine sahiptir.

Bu, AI'nin geleceği hakkında bir tartışma değildir.

AI sermaye harcamaları hâlâ artıyor ve AI altyapı hisseleri soğumuyor. Gerçek soru şu hale geldi: Çip katmanı, ilk kârları muhasebe kayıtlarında tutmuş durumda ve şimdi piyasa, bu kârın yeterince fiyatlanmış olup olmadığını tartışıyor; Agentic AI token değerini daha da artırırsa, bir sonraki artı kâr, donanım katmanında kalacak mı, yoksa model laboratuvarlarına, bulut sağlayıcılarına ve kurumsal yazılım katmanlarına yeniden dağıtılmaya başlayacak mı?

Goldman Sachs raporunun en çarpıcı noktası, AI kullanıcı büyümesini sorgulamak değil, teknolojik ilerlemeyi reddetmek değil.

Covello, iki şeyi kabul etti: Tüketici tarafından AI'nın benimsenme hızı, beklenenden daha hızlı; bulut sağlayıcılar, hisse senedi baskılarına rağmen AI sermaye harcamalarını beklenen kadar azaltmadı, aksine yatırımlarını artırmaya devam etti. AI soğumadı, sermaye harcamaları da gerilemedi.

Ancak Goldman Sachs daha ileriye bakıyor.

Tüketici, AI'yi çoğu zaman ücretsiz seviyede kullanıyor. Kullanıcı büyümesi, ürünün çekiciliğini kanıtlayabilir ancak GPU, veri merkezleri, elektrik, ağ ve model çıkarımı maliyetlerini doğrudan ödemek için yeterli değildir. AI ekonomisinin döngüsünü kapatmanın anahtarı kurumsal pazardır: Kurumlar, AI'dan maliyetleri azaltıp gelirlerini ve üretkenliklerini artırma konusunda sürekli ödeme yapmaya istekli mi, bugünün sermaye harcamalarını uzun vadeli olarak taşıyabilecek mi?

Goldman Sachs'ın yanıtı daha dikkatli oldu.

Rapor, işletmelerin üretken AI üzerine büyük yatırımlar yaptığını, ancak birçok organizasyonun henüz doğrulanabilir bir getiri elde edemediğini belirtiyor; aynı zamanda küresel IT harcamaları hâlâ artıyor ve AI toplam düzeyde işletmelerin teknoloji bütçelerini düşürmedi. Yatırımcılar için bu, çok gerçekçi bir sorunu ifade ediyor: işletmeler AI satın alıyor, AI deniyor, AI hakkında konuşuyor, ancak AI hâlâ kar tablosuna yaygın olarak girmemiş durumda.

Bu, AI altyapı zincirinin kârıyla net bir karşıtlık oluşturuyor.

Çip şirketleri kâr elde etmeye başladı, depolama, enerji ve veri merkezi ile ilgili şirketler piyasa tarafından tekrar değerlendiriliyor. Bulut sağlayıcılar ise diğer tarafta sermaye harcamalarını üstleniyor. Veri merkezi inşaatı, GPU satın alımı, enerji bağlantısı, ağ cihazları ve sunucu rafı gibi bu harcamaların tümü öncelikle bulut sağlayıcıların maliyetlerine yansıyor. Goldman Sachs raporuna göre, büyük ölçekli bulut sağlayıcılar, işletim nakit akışlarındaki fazlalığın bir kısmını tüketti ve veri merkezi inşaatını borçla finanse etmeye başladı; 2025 yılında veri merkezi borç ihracatı iki katına çıkarak 182 milyar dolara ulaşacak.

Bu, Goldman Sachs'ın gördüğü dengesizlik.

Normal yarı iletken döngüsünde, çip şirketlerinin büyük kazanç elde etmesi, genellikle müşterilerin de genişlediğini gösterir. Müşteriler para kazandıkça çip alımını sürdürür ve çip şirketleri de refah içinde kalır. Bu AI döngüsü ise daha tuhaf: çip zincirindeki karlar en net şekilde görülüyor, ancak müşteri ve uygulama katmanlarındaki getiriler hâlâ aynı derecede net değil.

Bu nedenle, Goldman Sachs'ın kararı "AI kullanışsız" değil, "şu anki dağıtım yönteminin uzun vadeli olarak doğrusal olarak dışa vurulması zor" oldu.

Yarı iletken şirketleri, ilk aşamanın en kesin kârını elde etti. Soru şu: Alt zincir müşterilerinin, üst zincirdeki bu kadar yüksek sermaye harcamalarını ve kâr yoğunluğunu sürdürmek için yeterli kârı var mı?

Goldman Sachs'in verdiği işlem önerisi, görünüşte karşıt: büyük ölçekli bulut sağlayıcılarına göre fazla pozisyon, yarı iletkenlere düşük pozisyon.

Bu arka planda iki yol var.

İlk yol, kurumsal AI ROI'nin gerçekleşme başlamasıdır. Kurumlar, AI'nın gelir, verimlilik ve maliyet avantajları sağladığını kanıtladıkça, pazar bulut sağlayıcılarının sermaye harcamalarını yeniden değerlendirecektir. Geçmişte serbest nakit akışını zorlayan yatırımlar, gelecekteki gelir ve platform kontrolüne dönüşecektir. Bulut sağlayıcıların değerlemesi düzelir ve yarı iletkenler de fayda görür; ancak yarı iletkenler zaten pazardan çok fazla ödül almış olduğundan, göreli esneklik mutlaka daha büyük olmayacaktır.

İkinci yol, kurumsal ROI'nin zorluklarını sürdürecektir. Bulut sağlayıcılar, nakit akışı baskısı ve yatırımcı baskısı altında sermaye harcamalarını azaltacak, pazar daha iyi nakit akışı disipliniyle ödüllendirilecektir. Yarı iletken zinciri ise sipariş beklentilerinin düşürülmesiyle karşı karşıya kalacaktır.

Goldman, bu iki yolun da "bulut sağlayıcılarının yarı iletkenlere göre daha iyi olduğunu" desteklediğini düşünüyor. Bu işlemi başarısız kılan gerçek senaryo, üçüncü yol: şirketlerin ROI hâlâ belirsizken, bulut sağlayıcıları maliyet farketmeden yatırımlarını artırıyor ve yarı iletkenler endüstri zincirinin büyük bir kısmını elinde tutuyor.

Bu, tam olarak geçen iki yıl boyunca piyasanın en iyi tanıdığı durumdu.

Bu nedenle, Goldman Sachs raporunun odak noktası AI teknolojisi değil, piyasa fiyatlamasıdır. AI altyapısının avantajları zaten yeterince işlem görmüş, bulut sağlayıcılarının dezavantajları da yeterince işlem görmüştür. Bir sonraki adım, piyasanın bu iki yönün tersine döndüğünü görebilip görememesidir.

SemiAnalysis, tamamen farklı bir giriş noktasından başlıyor.

2023 ile 2025 arasında AI değeri ana olarak altyapıya doğru akıyor olmasından kaçınmaz. NVIDIA, elektrik, veri merkezleri, depolama gerçekten ilk aşamanın büyük kazananlarıdır. Model şirketleri ve çıkarım hizmet sağlayıcıları ilk dönemlerde rahat değil, birçok AI ürünü sadece daha iyi bir arama kutusu gibi görünüyor ve brüt kar marjı uzakta bile olsa güzel değil.

Ancak SemiAnalysis, 2025 sonundan sonra durumun değiştiğini düşünüyor.

Agentic AI'den gelen değişiklikler.

Geçmişteki tokenlar daha çok “soru-cevap maliyeti” gibiydi. Kullanıcı bir soru sorar, model bir cevap verirdi. Zaman tasarrufu sağlıyordu, ancak değeri sınırlıydı. Şu anki tokenlar karmaşık iş akışlarına girmeye başlıyor: kod yazmak, finansal modeller oluşturmak, panolar üretmek, mali raporları analiz etmek, verileri düzenlemek, grafikler hazırlamak.

SemiAnalysis, kendi şirketini örnek olarak kullanıyor. Analistleri, önceki bu görevler ya başlangıç seviyesi analistlerin birçok saati alıyordu ya da iş akışına yerleştirilemiyordu; şimdi her gün agent kullanarak araştırma ve modelleme işlerini yürütüyor. Makalede, SemiAnalysis'ın Anthropic Claude üzerindeki yıllık token harcamasının bir zamanlar 10,95 milyon ABD dolarına ulaştığı ve token harcamalarının çalışan maaşlarının yaklaşık %30'una denk geldiği ortaya konuyor.

Bu sayılar tüm işletmeleri temsil etmeyebilir, ancak marjinal kullanıcıların bir grubunun değişimini temsil eder.

Ortak tüketiciler için AI abonelikleri aylık onlarca dolarlık bir araç olabilir. Yoğun bilgi işçileri için token'lar üretim araçlarına dönüşmeye başlıyor.

Birkaç dolar, onlarca dolarlık token'lar, sadece birkaç satır metin değil, model, grafik, kod, veri temizleme, finansal rapor analizi ve önce hiçbir zaman yürütülmeyecek işler kazandırıyor. Kullanıcılar AI maliyetini de bu şekilde algılamaya başlıyor: artık “her milyon token başına ne kadar?” sorusunu sormuyorlar, bunun yerine “bu token'lar kaç insan işini yerine getirdi ve ne kadar üretim artışı sağladı?” sorusunu soruyorlar.

İşte SemiAnalysis ile Goldman Sachs arasındaki farkın başlangıcı.

Goldman Sachs, ortalama bir şirketin ROI'sinin henüz belirsiz olduğunu görüyor. SemiAnalysis, en güçlü kullanıcıların tokenleri yoğun bir şekilde tükettiğini ve daha güçlü modeller için ödeme yapmaya istekli olduğunu görüyor.

SemiAnalysis'ın ikinci temel değerlendirmesi, model laboratuvarlarının birim ekonomisinin iyileştiğidir.

Bu, geçmiş piyasa endişelerine karşıdır.

Daha önce, model şirketleri çip ve bulut sağlayıcıları arasında sıkışıp kaldığı düşünülüyordu. Gelir büyümesi hızlıydı, ancak eğitim ve çıkarım maliyetleri daha hızlıydı. Kullanıcı sayısı arttıkça maliyetler artıyordu. Model ne kadar güçlüyse, sermaye harcamaları o kadar ağırdı. Bu model, yüksek büyüme, düşük brüt kar marjı ve yüksek nakit tüketimi gibi görünüyordu.

Agentic AI bu tabloyu değiştirdi.

• Fiyat tarafında, öncü modeller daha yüksek değerli görevleri gerçekleştirebilir ve kullanıcılar daha güçlü modeller için ek ücret ödemeye hazırdır.
• Maliyet tarafında, donanım güncellemeleri, çıkarım optimizasyonu, önbellek mekanizmaları ve yazılım mühendisliği, birim token maliyetini sürekli olarak düşürmektedir.
• Ürün tarafında, model şirketleri daha üst düzey SKU'lar, daha hızlı yanıt verme ve daha güçlü çıkarım yetenekleriyle katmanlı fiyatlandırma yapabilir.

SemiAnalysis, B300 üzerinde DeepSeek çalıştırmaya dair bir vaka study’de, farklı yazılım optimizasyon kombinasyonlarının aynı donanımın throughput’unu yaklaşık 1000’den 8000’e, ardından yaklaşık 14.000 token/saniye/GPU’ya çıkartabileceğini belirtti. Donanım yükseltmeleriyle birlikte, en optimize edilmiş GB300 NVL72 yapılandırması, FP8 altında H100’e kıyasla yaklaşık 17 kat daha yüksek throughput sağlıyor; FP4’e geçilirse, bu fark 32 kat olabiliyor, ancak her GPU’nun toplam sahiplik maliyeti sadece yaklaşık %70 daha yüksek.

Bu, model laboratuvarının bir taraftan token yaratmanın ekonomik değerini artırırken, diğer taraftan token üretim maliyetini düşürmesi anlamına gelir.

SemiAnalysis, Anthropic'un ARR'sini 9 milyar doların üzerinde 44 milyar dolara çıkardığını ve推理 altyapı brüt kar marjını %38'den %70'in üzerinde yükselttiğini belirtti. Modellerin fiyatlandırılması düşse bile, yüksek uç modellerin kullanım oranı artışı, önbellek vuruş oranı iyileşmesi ve donanım verimliliğindeki gelişmeler brüt kar marjının genişlemesine devam etmesini sağlayabilir.

Bu yargı geçerliyse, AI endüstri zincirinin ikinci aşaması artık sadece “çipler devam ediyor” veya “bulut sağlayıcılar iyileşiyor” olmayacak.

Model Laboratuvarı, harcama katmanından yeni bir değer yakalama katmanına dönüşecektir.

Goldman Sachs ve SemiAnalysis, görünürde AI getirisini tartışıyor, aslında hangi örneğin geleceği daha iyi temsil ettiğini争夺 ediyor.

Goldman Sachs, ortalama şirketlere bakıyor.

Bu şirketlerin karmaşık veri sistemleri, tarihsel IT yükleri, erişim yönetimi, uyumluluk gereksinimleri ve onay süreçleri vardır. Birçok şirket, AI stratejilerini piyasa ve yönetim kuruluna sunmak amacıyla önce sohbet botları, dahili asistanlar ve pilot projeler başlatır. Para harcanıyor, ancak iş süreçleri mutlaka değişmiyor. Süreçler değişmezse, ROI finansal raporlara yansıması zor olur.

Bu, Goldman Sachs'ın veri yapılarını ve düzenleyici katmanı vurgulamasının nedenidir.

Stok, müşteri profili ve öneri sistemlerini entegre etmeyen bir perakende işletmesinde AI müşteri hizmetleri, stokta olmayan bir ürün önerebilir. Bir işletmede model rota katmanı yoksa, basit sorgular bile en pahalı ileri modelere yönlendirilir ve maliyet doğal olarak kontrol dışı kalır. AI'nın uygulamada tıkanma nedeni artık modelin yeterince güçlü olmaması değil, işletmelerin modelleri iş sistemlerine dahil etmeye hazır olmamasıdır.

SemiAnalysis, marjinal kullanıcıları inceliyor.

Araştırma, kodlama, modelleme, grafikler, finansal rapor analizi gibi görevler, agent'lar için doğuştan uygundur. Bu görevler yüksek düzeyde metinsel, dijital ve yapılandırılmıştır, sonuçları kolayca değerlendirilebilir ve kullanıcılar AI'yi iş akışlarına entegre etme yetisine sahiptir. Böyle bir organizasyon, normal işletmelere göre daha erken ROI görecektir ve token tüketimini artırmaya daha istekli olacaktır.

Piyasa analistlerinin değerlendirmesi gereken, bu öncü örneğin yayılıp yayılmayacağıdır.

SemiAnalysis'ın yalnızca az sayıda süper kullanıcıdan gelen aykırı değerleri gördüğünü varsayarsak, Goldman çerçevesi öne çıkar. AI sermaye harcamaları giderek nakit akışı kısıtlamalarıyla sınırlı hale gelecek, yarı iletken zinciri yüksek beklentileri dengelemek zorunda kalacak ve bulut sağlayıcılar, harcama disiplini ve değerlemelerde daralma nedeniyle göreceli getiri elde edebilir.

Eğer SemiAnalysis, yayılma öncesi geceye ait öncü göstergeleri görüyorsa, piyasa bugünün ortalama şirketlerinin düşük ROI'siyle AI zincirini reddedemez. Agentic AI, daha fazla beyaz yakalı iş akışına girdiğinde, token talebi, model gelirleri, bulut gelirleri ve donanım talebi birlikte artacaktır.

Bu karar, "AI'ya olumlu mu, yoksa olumsuz mu?" sorusundan daha önemlidir. Piyasa, statik ortalama değerler değil, marjinal değişimin ana akıma dönüşüp dönüşemeyeceğini işlemektedir.

Goldman Sachs ve SemiAnalysis arasındaki en büyük sermaye piyasası ayrılığı, nihayet NVIDIA ve yarı iletken zinciri üzerinde yoğunlaştı.

Goldman Sachs' bakış açısı doğrudur: Yarı iletkenler, ilk aşamanın en büyük ve en kesin kârlarını elde etti. Piyasa "kovuk satma" mantığını fiyata yansıttıktan sonra, risk-getiri dengesi bozulmaya başladı. Bulut sağlayıcıların sermaye harcamalarında bir gevşeme olursa, yarı iletken zinciri hem değerlemeler hem de siparişler açısından çift baskı ile karşı karşıya kalacaktır.

SemiAnalysis, NVIDIA ve TSMC'nin AI çağındaki en kıymetli kaynakları kontrol altında tuttuğunu, ancak henüz tam olarak değeri kadar fiyatlamadığını düşünüyor.

Makale, bir önceki yıl boyunca bellek fiyatlarının yaklaşık altı kat arttığını ve Neocloud'un bir yıllık H100 kira sözleşmesi fiyatlarının 2025 Ekim ayı dip seviyesine kıyasla yaklaşık %40 arttığını belirtiyor. Bununla birlikte, NVIDIA ve TSMC, aşağı akış token değerleri kadar hızlı bir şekilde yeniden fiyatlandırmadı.

SemiAnalysis, NVIDIA'yi AI ekosisteminin "merkez bankası" olarak adlandırıyor.

Bu benzetme çok uygun. NVIDIA, hesaplama likiditesini kontrol ediyor. Fiyat artırma yetkisine sahip, ancak tüm sistemi kurutamaz. Fiyatlar çok fazla yükselirse, müşterilerin ASIC, TPU ve Trainium geliştirmeye yönelmesini teşvik eder ve düzenleyici baskı yaratır. TSMC de benzer şekilde davranır. İleri düğüm noktaları aşırı derecede sınırlıdır, ancak uzun vadeli olarak müşteri ilişkilerine ve ekosistem istikrarına öncelik verir; iyi dönemlerde tüm kıtlığı tek seferde para çevirmez.

Tutku, boşluk olmadığı anlamına gelmez.

Rubin VR NVL72, SemiAnalysis'ın NVIDIA'nın hâlâ fiyat belirleme gücüne sahip olduğunu değerlendirmesindeki önemli bir temeldir. Modeline göre, Neocloud'un VR NVL72 projesini GB300 projesinin %15,6 IRR'sine ulaştırmak için saatlik GPU başına yaklaşık 4,92 dolar kira gerekir; GB300'un her PFLOP için kira fiyatı üzerinden eşdeğer hesaplama yapıldığında, VR NVL72'nin teorik üst sınırı yaklaşık 12,25 dolar/saat/GPU'dur; daha conservatif 0,55 dolar/PFLOP oranı dahi saatlik GPU başına yaklaşık 9,63 dolar karşılık gelmekte ve bu, maliyet tabanlı fiyatlandırma eşiğinin yaklaşık iki katıdır.

Buradaki anlam açık: Alt zincir token değeri yükselmeye devam ederse, NVIDIA'nın yeni sistemi hâlâ fiyat artırma potansiyeline sahiptir, Neocloud hâlâ kar elde edebilir ve son kullanıcı hâlâ kabul edebilir.

Goldman Sachs ve SemiAnalysis arasındaki fark burada keskinleşti.

Goldman Sachs, alt zincirde yeterli kâr olmadığı için yarı iletkenlerde yalnızca kâr elde etmenin sürdürülemez olduğunu düşünüyor.
SemiAnalysis, alt zincir kâr havuzlarının büyüdüğünü düşünüyor, bu nedenle donanım katmanı çok para kazanmıyor, tam olarak değere göre ücretlendirilmemiş durumda.

Tek değişken: AI tarafından oluşturulan yeni kâr havuzunun, model laboratuvarını, bulut sağlayıcılarını, Neocloud'u, NVIDIA'yı, TSMC'yi, depolama ve enerji zincirini aynı anda besleyecek kadar büyük olup olmamasıdır.

Kek yeterince büyük değil, Goldman Sachs kazandı.

Kek büyümeye devam ediyor, SemiAnalysis kazanıyor.

Bulut sağlayıcılar, bu tartışmanın en utanç verici katmanıdır.

Bu platformlar hem en büyük sermaye harcamalarına sahip alıcılar hem de AI talebinin en olası şekilde gelir getireceği platformlardır. NVIDIA, depolama ve enerji zinciri tarafından baskı altındadırlar ve kurumsal müşterilere, bulut hizmetlerine, model API'lerine, kendi geliştirdikleri çiplere ve yazılım ekosistemlerine sahiptirler.

Goldman Sachs, bulut sağlayıcıları olumlu görüyor çünkü piyasa birçok olumsuzluğu zaten fiyatlandırmış durumda. Sermaye harcamaları özgür nakit akışını baskılayarak yatırımcılar AI getirisi konusunda şüphelere düşmüş ve değerlemeler baskı altındadır. Sonrasında, bulut sağlayıcıların onarım yolları, ya şirketlerin AI gelirlerinin gerçekleşmesi ya da sermaye harcamalarının azalması durumunda ortaya çıkacaktır.

SemiAnalysis, bulut sağlayıcılarına talep tarafından bakar. Token talebi genişlemeye devam ettiği sürece, model laboratuvarları ve kurumsal müşteriler daha fazla hesaplama gücüne ihtiyaç duyar. Hesaplama gücü, ileri üretim prosesleri, bellek, elektrik ve raf seviyesi sistemlerle sınırlıdır. Alıcıların en büyük endişesi pahalı olmak değil, elde edememektir.

Bu nedenle bulut sağlayıcılar sadece mağdurlar değil, otomatik kazananlar da değil.

Bunlar finansal raporlarla kanıtlanmalıdır: AI sermaye harcamaları gelire, kâra ve müşteri sadakatine dönüştürülebilir. Bulut işi büyümesi yeniden hızlanıyor mu, AI gelirleri daha net mi açığa çıkıyor, çıkarım kullanım oranı artırılabilir mi, kendi geliştirilen çipler英伟达 bağımlılığını azaltabilir mi, kurumsal müşteriler pilot aşamadan uzun vadeli dağıtıma geçiyor mu, serbest nakit akışı kararlı hale geldi mi—bu göstergeler geçmişten daha önemli olacak.

Bu göstergelerin iyileşmesi, Goldman Sachs'ın göreli alım beklentisi mantığını güçlendirecektir.

Bu göstergeler uzun süre iyileşmediğinden, bulut sağlayıcılar hala NVIDIA ve kurumsal müşteriler arasında sermaye harcaması baskısı altındalar.

Goldman Sachs raporunda "veri yapısı" ve "orchestration katmanı" vurgusu, şirketlerin gerçekliğine en yakın olan kısımdır.

Kurumsal AI, çalışanların sohbet kutusunu açıp soru sorma aşamasında kalmayacaktır. Gerçek finansal etkiye sahip AI, müşteri hizmetleri, satış, maliye, satın alma, araştırma ve geliştirme, risk yönetimi, tedarik zinciri ve IT operasyonlarına girmelidir. Her süreçte veri, yetki, uyumluluk, onay, geçmiş sistemler ve sorumluluk sınırları vardır.

Ne kadar güçlü bir model olursa olsun, bu şeyleri atlayamaz.

İşte burada kurumsal yazılım katmanı yeniden önem kazanıyor. Düşük riskli, yüksek frekanslı görevler hafif modellere veya açık kaynak modellere bırakılabilir; yüksek riskli, yüksek değerli görevler ise en ileri modellerle yürütülmelidir. Ara katmanda, görev türü tanımlanmalı, veri çağrılmalı, yetki kontrol edilmeli, model seçilmeli, maliyet izlenmeli ve sonuçlar geri yazılmalıdır.

• Geleneksel SaaS şirketlerinin avantajları, endüstri deneyimi, müşteri ilişkileri, veri giriş noktaları ve iş akışı birikimidir. Dezavantajları ise teknik borç ve geliştirme hızıdır.
• Yapay zeka nesil şirketlerinin avantajları, ürün hızı, model çağırma kapasitesi ve maliyet yapısıdır. Dezavantajları, kurumsal girişim ve sektör içeriğinin eksikliğidir.
• Ön model şirketinin avantajı, en güçlü akıllılıktır. Dezavantajı, kurumsal süreç kontrolüne sahip olmamasıdır.

Yazılım katmanı, AI tarafından kolayca yutulmayacaktır. Veri ve işlem kontrolüne sahip olmayan yazılım şirketleri, model tarafından soyutlanabilir. Veri yapılarını, iş akışlarını ve model yönlendirmesini kontrol eden yazılım şirketleri ise AI'yı daha büyük bir pazar haline getirme fırsatı bulabilir; koltuk satmaktan üretkenlik satmaya geçebilir.

Şu katman, şirket ROI'sinin SemiAnalysis gibi güçlü kullanıcı örneklemlerinden genel şirketlere yayılıp yayılmayacağını büyük ölçüde belirler.

AI işlemi geçmişte sorulan soru: Kim en yakın hesaplama gücüne sahip?

Bu soru şu anda çok genel.

Sonraki aşamada, pazar daha ayrıntılı değişkenleri soracaktır.

Birincisi, token değeri yükselmeye devam edecek mi. Agentic AI, kodlama, araştırma ve analizden daha fazla beyaz yakalı iş akışlarına yayılırsa, model laboratuvarları ve çıkarım zincirleri yeniden değerlendirilecektir.

İkinci olarak, model laboratuvarı brüt karı devam edip etmediği. Gelir artışı yeterli değil, pazar çıkarım maliyetini, önbellek verimliliğini, SKU yükseltmeyi ve öncü modellerin fiyat belirleme gücünü görecektir.

Üçüncüsü, bulut sağlayıcılar sermaye harcamalarını gelire dönüştürebilir mi? AI sermaye harcamaları artık otomatik olarak olumlu bir sinyal olarak kabul edilmiyor; yalnızca bulut gelirine, çıkarım marjına ve kurumsal sözleşmelere giren sermaye harcamaları piyasa tarafından ödüllendirilecektir.

Dördüncü olarak, NVIDIA sistematik darboğazlardan fiyat artışını sürdürebilir mi? GPU sadece ilk katmandır; Rubin, SOCAMM, ağ, raf düzeyi sistemleri, yazılım yığını ve tedarik zinciri satın alma kapasitesi, NVIDIA'nın hâlâ komisyon alıp alamayacağını belirler.

Beşinci olarak, TSMC ve depolama, kıtlığı yeniden fiyatlandırabilir mi? İleri düğüm, HBM, DRAM, SOCAMM ve ileri paketleme, tedarik darboğazı olarak kalırsa, değer üst akımdan kolayca ayrılmayacaktır.

Altıncı olarak, kurumsal yazılım şirketleri AI uygulama giriş noktasına sahip olabilir mi? Süreç girişi olmayan yazılım şirketleri daralacaktır; giriş noktası, veri ve düzenleme yeteneğine sahip olanlar ise daha pahalı hale gelebilir.

AI altyapısı için işlem geçerli.

Aşırı hızlı yükselişi, Goldman Sachs ve SemiAnalysis arasındaki anlaşmazlığı ortaya çıkardı.

Goldman Sachs, çip zincirinin avantajlarının zaten tamamen değerlendirildiğini piyasaya hatırlatıyor. Eğer şirketlerin ROI'si uzun süre gelmezse, bulut sağlayıcıların nakit akışı sermaye harcamalarını olumsuz etkileyecek ve yarı iletken sektörünün yalnızca kazanç elde etme durumu düzeltilmeye başlanacaktır.

SemiAnalysis, 2024 yılındaki AI deneyimini 2026 yılındaki Agentic AI'yi değerlendirmek için kullanmamayı hatırlatıyor. Token'lar üretim faktörü haline geliyor, model laboratuvarları brüt kar marjını iyileştiriyor, hesaplama kapasitesi hâlâ kısıtlı ve NVIDIA ile TSMC hâlâ tam değerlerini yansıtmıyor olabilir.

Bu iki değerlendirme birlikte değerlendirildiğinde, AI ticaretinin ağırlık merkezi değişti.

Geçen iki yıl boyunca, piyasa seyrek varlıklara ödül verdi. Şimdi piyasa, yapay zekâ tarafından yaratılan ekonomik değeri kar tablosunda kalıcı hale getirebilen kimseyi görecektir.

Eğer SemiAnalysis, marjinal bir dönüm noktasını görüyorsa, AI zincirinin kekine devam ederek büyüyecektir; model laboratuvarları, bulut sağlayıcılar, NVIDIA, TSMC, depolama ve enerji zinciri, pay alma nedenlerine devam edecektir.

Goldman'ın daha ortalamaya yakın bir şirket gerçekliği gördüğünü varsayarsak, sermaye harcamaları nakit akışına önce çarpar, yarı iletken zinciri aşırı beklentileri消化 etmek zorunda kalırken, bulut sağlayıcılar değerlemeye dayalı sıkılaştırma ve potansiyel harcama disiplini nedeniyle daha iyi göreceli getiri elde eder.

Şu anda en olası durum, ikisi arasında.

En güçlü kullanıcılar zaten tokenları yoğunca satın almaya başladı, normal şirketler henüz hesaplarını yapmadı. Sermaye piyasası, en güçlü kullanıcıların getirdiği marjinal değişiklikleri önce işlemeye başlayacak, ardından ortalama şirketlerin mali tablolarıyla doğrulamasını bekleyecektir. Doğrulama ne kadar hızlı olursa, SemiAnalysis dünyası o kadar yakına ulaşır; ne kadar yavaş olursa, Goldman Sachs'in işlemlerinin kazanma şansı o kadar yüksektir.

AI “kürek” hâlâ pazarı yönetiyor, ancak soru artık “kim kürek satıyor?” değil, başka bir hesap kitabına dönüşmüş: Kim yeterince kazandı, kim hâlâ fiyat artırabilir, kim sonraki katmanın gerçek kira toplayıcısı olacak?