a16z'nin yeni makalesi: Kripto para madenciliği çiftliklerinden yapay zeka bulutuna, "yeni bulut" büyüdükçe neden giderek daha fazla para tüketiyor?

Orijinal Başlık: Bu Haftanın İncelemesi: Kafa Yeni Buluta Giriyor Orijinal Yazar: Moses Sternstein, a16z

"Yeni Bulutlar" başımızın üzerinde

20. yüzyılın başlarında, Southern Pacific Railroad Company, Amerika Birleşik Devletleri genelindeki şehirleri ve kasabaları birbirine bağlayan, ağaçsızlaştırılmış araziler üzerinde çok büyük miktarda gelişmemiş araziye sahipti. Demiryolu hakları, rayların çok ötesine uzanarak, güzergah boyunca birçok koridoru imar için açık bırakmıştı.

Böylece demiryolu şirketi, demiryolu hattı boyunca bir iletişim ağı kurdu ve buna "Güney Pasifik Demiryolu Dahili Ağ Telefon Sistemi" adını verdi. 1970'lere gelindiğinde, şirket ağı ticarileştirmeye ve daha geniş bir kullanıcı yelpazesine açmaya başladı.

Sonrasında iki şey aynı anda gerçekleşti: Birincisi, uzun mesafeli telefon pazarındaki tekel sona erdi; ikincisi, fiber optik kablolar ticari olarak uygulanabilir hale geldi. Mevcut iletişim koridorları fiber optik hatlara dönüştürüldü ve bu ağ daha sonra kısaltması olan "Sprint" olarak bilindi. Bir zamanlar demiryollarına hizmet eden varlıklar böylece telekomünikasyon devriminin altyapısının omurgasını oluşturdu.

Demiryolu şirketleri, mevcut fiziksel ağları daha büyük ölçekli ticari teknoloji altyapısına dönüştüren tek şirketler değil.

1980'lerde Williams Şirketi, kullanılmayan doğalgaz boru hatlarını fiber optik kanallara dönüştürerek WilTel'i kurdu. Şirket daha sonra satıldı ve sonunda WorldCom olarak yeniden adlandırıldı. 1990'larda, kablolu televizyon hizmetleri için döşenen tek yönlü koaksiyel kablolar, büyük ve maliyetli bir yükseltmeden geçti ve nihayetinde Comcast ve Charter'ın tüketicilere geniş bant internet hizmetleri sağlamasının altyapısı haline geldi.

Bu da başka bir şirket türüne yol açıyor: halihazırda mevcut altyapıları, yeni ortaya çıkan bir teknolojinin ihtiyaçlarını karşılamak üzere önemli ölçüde yeniden yapılandırılan ve fiyatlandırılan şirketler; bunlar neocloud gibi şirketlerdir.

Özetle, yeni bulut şirketlerinin çoğu başlangıçta enerji ve işlem gücü yoğun kripto para madenciliğiyle uğraşıyordu, ardından yapay zeka dalgası geldi. Birdenbire, elektrik, altyapı ve yüksek yoğunluklu işlem yüklerini oluşturma ve yönetme konusunda deneyime sahip olan herkes (CoreWeave örneğinde, çok sayıda GPU da dahil olmak üzere) bugünün en gözde sektörlerinden birinde yer aldı.

Elbette, bu tam anlamıyla karşılaştırılabilir bir durum değil. Ancak, borsada işlem gören en büyük üç bulut şirketine baktığımızda, gelir artışlarının gerçekten dikkat çekici olduğunu görüyoruz.

Henüz başlangıç aşamasındaki büyük ölçekli bulut hizmeti sağlayıcılarının bulut iş gelirlerini ancak tahmin edebiliyoruz, ancak genel eğilim şimdiden açık: yeni bulut şirketleri son derece hızlı bir şekilde büyüyor ve bu büyüme hızı, başlangıç aşamasındaki üç büyük bulut hizmeti sağlayıcısının büyüme hızından önemli ölçüde daha yüksek.

Şunu belirtmek gerekir ki, genel bilgi işlem gücü satış pazarında NewCloud şu anda nispeten küçük bir oyuncudur.

Ultra büyük bulut hizmet sağlayıcılarının ölçeğine ulaşmak için hâlâ çok yol kat etmeleri gerekiyor.

Büyük ölçekli bulut sağlayıcıları, yeni bulut şirketlerine kıyasla her çeyrekte kat kat daha fazla gelir elde ediyor. Bu arada, CoreWeave, AWS'nin 40. çeyrekte ulaştığı 2,6 milyar dolarlık gelire yaklaşık 25 çeyrekte ulaştı. Tekrarlamak gerekirse: bu şirketler inanılmaz derecede hızlı bir şekilde büyüyor.

Bu kadar yüksek büyüme oranları ve yapay zeka sektörünün yükselişiyle, yatırımcıların teorik olarak oldukça heyecanlanması gerekir. Bir ölçüde bu doğru, ancak gerçeklik daha karmaşık.

Bu şirketler son kazanç raporlarında genel olarak iyi sonuçlar bildirmelerine rağmen, CoreWeave'in hisse senedi fiyatı geçen yıl yaklaşık %16 düştü; sadece Nebius önceki zirvesine nispeten yakın durumda.

Dolayısıyla, genel olarak hikaye hala iyi, ancak yeni nesil bulut şirketlerinin en büyükleri için açıkça daha az çekici.

Piyasa son zamanlarda nispeten durgun seyretti; bunun nedeni kısmen birçok büyüme beklentisinin zaten değerlemelere yansımış olması olabilir.

NewCloud gibi sermaye yoğun şirketler için fiyat-satış oranı en uygun değerleme ölçütü olmasa da, sorunları göstermek için oldukça sezgisel bir yöntemdir. Nebius ve Applied Digital gibi daha küçük, daha hızlı büyüyen şirketler, çok daha büyük CoreWeave'e kıyasla önemli ölçüde daha yüksek değerleme primlerine sahiptir. CoreWeave'in geliri hala ikiye katlanıyor, ancak en iyi performans gösteren şirketlerin %400 ila %450'lik büyüme oranının gerisinde kalıyor.

Yeni bulut şirketinin gerçek sorunu büyüme değil, uzun vadeli karlılıktır. Yeni bulut şirketinin ölçeklenebilmesi için sürekli olarak çiplere, elektriğe ve fiziksel altyapıya yatırım yapması gerekiyor ve bu maliyetler düşük değil.

Örneğin CoreWeave etkileyici bir gelir artışı kaydetti, ancak sermaye harcamaları daha da şaşırtıcı. Diğer büyük maliyetler arasında, gelirin yarısından fazlasını oluşturan çip amortismanı ve pahalı altyapıyı önceden inşa etmek için yapılan borçlanmadan kaynaklanan artan faiz giderleri yer alıyor.

Bu makale, NewCloud'un nihayetinde başarılı olup olmayacağını veya mevcut hisse senedi fiyatının makul olup olmadığını değerlendirmeyi amaçlamamaktadır. Konunun popülerliğinin ötesinde, bu makalenin asıl amacı, NewCloud'un tüm yapay zeka ticaret ortamındaki boğalar ve ayılar arasındaki çekişmeyi mükemmel bir şekilde özetlediğini göstermektir.

Bir yandan, daha önce kimsenin tahmin edemeyeceği kadar büyük ve sürekli genişleyen dikey bir pazarda –bilgisayar gücü pazarında– yer alıyorlar ve benzeri görülmemiş büyüme oranlarına ulaştılar; diğer yandan, bu tür işletmelerin kurulma maliyeti de tüm zamanların en yüksek seviyesinde olup, sürekli değer kaybeden sabit altyapıya büyük yatırımlar gerektiriyor.

Yatay SaaS'ın geri dönüşü mü?

Aşağıda, sürekli değişen "SaaS kıyameti" piyasa ortamına dair kısa bir güncelleme yer almaktadır. Önceki yazılım hisse senedi satış dalgasından en çok etkilenen şirketlerden biri, geçtiğimiz ayda oldukça iyi bir performans sergiledi.

Son 30 işlem gününde, yatay yazılım şirketleri IGV Yazılım ETF'sinde en iyi performans gösterenler arasında yer aldı; ancak veri toplama başladığından beri kazançlarının bir kısmını geri verdiler.

Genel olarak, bu şirketlerin temelleri sağlamlığını koruyor. Özellikle Atlassian, piyasanın daha önce beklediği gibi yapay zekanın etkisiyle gerileme göstermedi.

Bu verimlilik yazılımı şirketi hem kazançlarını hem de beklentilerini aştı: bulut gelirleri yıllık bazda %31 arttı ve birikmiş siparişlerden elde edilen gelirler daha da hızlı büyüdü. Ancak belki de daha önemli olan sinyal, yapay zekanın bir engel değil, iş büyümesinin bir itici gücü haline gelmesidir. Atlassian, yapay zeka asistanı Rovo'nun yaygın olarak benimsendiğini belirtti; bu arada, Rovo kullanıcıları, Rovo kullanmayanlara göre neredeyse iki kat daha fazla harcama yapıyor.

Bu, Atlassian için iyi haber, Rovo için iyi haber ve yatay SaaS için de iyi haber.

Ancak, yatay SaaS'ın genel değerlemesi diğer yazılım kategorilerine göre hala biraz daha düşük.

Birkaç istisna dışında, Atlassian da dahil olmak üzere yatay SaaS şirketlerinin genel olarak beklenen fiyat-satış oranları, "büyüme oranı - değerleme çarpanı" trend çizgisine karşılık gelen seviyenin altındadır.

Tekrarlamak gerekirse, yatay SaaS yalnızca nispeten iyi bir "ay" geçirdi. Bir aylık performans, piyasayı "SaaS kıyametinin" önlendiğine ikna etmek için kesinlikle yeterli değil.

Elbette, yazılım işletmeniz siber güvenlik veya gözlemlenebilirlik alanlarına giriyorsa, durum farklıdır; bu şirketler için "SaaS kıyameti" olarak adlandırılan durum asla gerçekleşmemiştir.

Siber güvenlik sektörü, IGV Yazılım ETF'sindeki diğer kategorilere kıyasla önemli ölçüde daha iyi performans göstermeye devam ediyor. Bu alanda yapay zeka itici güç haline geldi: Piyasa genel olarak yapay zekanın insanların siber güvenlik tehditlerine karşı risk farkındalığını artırdığına ve hiçbir kurumsal müşterinin kendi güvenlik çözümünü oluşturmak için "mantıksal kodlama"ya başvurmayacağına inanıyor.

Bu mantığın nihayetinde doğru olup olmayacağı henüz belli değil. Ancak en azından şimdilik, geleneksel yazılım şirketlerinin durumu hiç de homojen değil.

Yatırımcılar, yapay zekanın her şirkete fayda mı yoksa zarar mı vereceğini yakından izliyor ve her yeni veri grubuyla birlikte değerlendirmelerini gözden geçirmeleri de gayet doğal.

Token Yatırımının Verimlilik Sınırına Doğru

Model kullanımı, token tüketimi ve token harcama yönetimi etrafındaki piyasa ortamı, çeşitli ilginç şekillerde gelişmeye devam ediyor.

Databricks'i örnek olarak ele alalım.

"Hangi modeli kullanmalıyız?" ve "Hangi model en iyisi?" gibi sorulara Databricks, kazananın her şeyi aldığı bir yaklaşım benimsemedi veya mühendislere bir bütçe verip nasıl harcayacaklarına kendilerinin karar vermelerini beklemedi. Bunun yerine başka bir soru ortaya attı: "Doğru görevleri doğru modellere otomatik olarak atayan bir çözüm geliştirsek ne olurdu?"

Databricks elbette bunu yapan tek şirket değil, ancak "Akıllı Yönlendirici" geliştirdi ve performansından oldukça memnun.

Databricks'in yönlendiricilerinin, gerektiğinde daha güçlü ve daha pahalı modelleri çağırabildiği ve koşullar izin verdiğinde daha zayıf ve daha ucuz modelleri kullanabildiği, böylece "bir görevin ortalama maliyetini sürekli olarak %30'dan fazla azalttığı" söyleniyor.

Genel olarak, token harcamalarında "verimlilik sınırını" hedeflemek kötü bir şey değil. Bu, talebin artmaya devam ettiği ve uygulama senaryolarının yalnızca performansın ön saflarında gelişmekle kalmayıp, daha az gelişmiş modellere de yayıldığı anlamına geliyor. İlk karamsar anlatımda, bu optimal olmayan modellerin hızla eskimiş hale geleceği düşünülüyordu.

Daha önce de belirttiğimiz gibi, verimlilik iyileştirmeleri talebin kapsamını genişletecektir; bu da Jevons paradoksuna benzer şekilde, piyasanın görmek istediği türden bir dinamiktir.

Silicon Data'nın Token Fiyat Gücü Endeksi, özellikle genişleyen pazarda daha düşük fiyatlı açık modellerin daha büyük bir pay kazanmasıyla birlikte, genel fiyat gücünün azaldığını gösteriyor.

Burada sıkça yanlış anlaşılan bir kavramı açıklığa kavuşturmak gerekiyor: Bu endeksler, token harcamasının maliyet yoğunluğunu ölçer, mutlak dolar tutarını değil. Hem tüketilen token sayısına hem de tokenların toplam maliyetine bağlıdır. Bu, token başına fiyat düşse bile, tüketilen toplam token miktarı ve harcanan toplam tutarın artmaya devam edebileceği anlamına gelir.

Asıl önemli olan, genel talebin artmaya devam etmesi ve fiyatlandırma ile model seçiminin verimlilik sınırına doğru ilerlemesinin bu büyümeyi daha da hızlandıracak olmasıdır. Özellikle "yapay zeka talebi" veya "yapay zeka benimsenmesi"nin tek ve homojen bir kavram olmadığı dikkat çekicidir. Yoğun kullanıcılar ile diğer kullanıcılar arasında önemli bir fark bulunmaktadır. Bu durum, "her zaman en iyi modeli kullanmanın" bazı işletmeler için işe yarayabileceğini, ancak kesinlikle herkes için işe yaramayacağını açıkça göstermektedir.

Piyasada şu anda hızla daha fazla alternatif gelişiyor. Genel olarak bu iyi bir şey.

İşletme harcama yönetimi platformu Ramp'in verilerine göre, tüm şirketler yapay zeka harcamalarını artırıyor, ancak ortalama harcama ile şirketlerin en üst %10'luk dilimi arasındaki ve en üst %10 ile en üst %1 arasındaki fark son derece büyük.

Ramp'in verileri genellikle teknoloji şirketlerine yönelik bir önyargı içeriyor ve bu durum, verileri yorumlarken dikkate alınmalıdır. Bununla birlikte, veriler, harcama açısından en üst %10'luk dilimdeki şirketlerin, ortalama bir şirkete kıyasla çalışan başına yaklaşık 50 kat daha fazla yapay zeka harcaması yaptığını gösteriyor.

Bu dağılımın tesadüfi olmadığı muhtemeldir. Yapay zekâ harcamalarından daha fazla değer elde edebilen şirketler, muhtemelen en çok yatırım yapan şirketlerdir; her şirket böyle olmasa bile, en azından önemli sayıda şirket bu modeli takip etmektedir.

Boston Consulting Group tarafından halka açık 107 şirket üzerinde yapılan bir analiz, token kullanımında en üst iki dilimde yer alan şirketlerin diğer şirketlere göre önemli ölçüde daha hızlı gelir artışı gösterdiğini ortaya koydu.

Buradaki temel nokta, token kullanımına olan talep ve verimliliğin birbirini güçlendirmesidir: bir şirket ne kadar çok değer kazanırsa, o kadar çok token tüketir.

Bu süreç doğal olarak girdi ve getiri arasında tekrarlanan ödünleşmeleri içerir ve Ar-Ge her zaman bazı ön maliyetleri kapsar. Bununla birlikte, şirketlerin büyük çoğunluğu için, ayrım gözetmeksizin "token biriktirmek" asla etkili bir strateji değildir.

Dolayısıyla, şirketlerin gelecekte bu uygulamayı benimsemelerine artık gerek kalmayacak olması açıkça iyi bir şey.

İleri teknoloji laboratuvarlarında yetenek mücadelesi

New Media kısa süre önce OpenAI'ye iki seçkin ekip üyesini daha kattı, bu nedenle son olarak, bu son teknoloji yapay zeka laboratuvarındaki yetenek işe alım durumunu göstermek için birkaç ilginç grafikle yazımızı sonlandıracağız.

Dario Amodei yakın zamanda çalışanların misyondan ziyade paraya öncelik vermesinden duyduğu endişeyi dile getirdi. Levels.fyi'den elde edilen veriler, bu endişenin yersiz olmayabileceğini gösteriyor.

Verileri kelimesi kelimesine yorumlarsak, Anthropic mühendislerine Google ve Tesla gibi şirketlerde benzer niteliklere sahip mühendislerin maaşlarından çok daha yüksek maaşlar ödüyor.

Teknik ekibe üye olmanın gerçekten de iyi bir şey olduğu anlaşılıyor.

Ayrıca, oldukça ilgi çekici başka bir veri seti daha var.

Truist Securities tarafından derlenip sunulan Live Data Technologies verilerine göre, çeşitli laboratuvarların yetenek kaynakları hem önemli ölçüde örtüşüyor hem de belirgin şekilde farklılık gösteriyor:

Her iki şirket de büyük teknoloji şirketlerinden önemli sayıda yetenek işe aldı, ancak yalnızca OpenAI, Nvidia ve Tesla'dan işe alım yaptı ve bu işe alımların her ikisi de 2026'da gerçekleşti.

Databricks, Snowflake (yakın zamanda), Palantir ve DeepMind, her iki şirket için de yetenek kaynakları arasında yer alıyor.

Her iki laboratuvar da Salesforce ve Stripe'tan önemli sayıda çalışan işe aldı.

Ancak ikisi arasındaki örtüşme burada sona eriyor gibi görünüyor. Anthropic, SaaS şirketlerinden çok sayıda yetenekli kişiyi işe alırken, OpenAI neredeyse hiç işe almadı; diğer yandan OpenAI, tüketici interneti, platform pazaryerleri ve reklam teknolojisi şirketlerinden çok sayıda kişiyi işe alırken, Anthropic bu alanlardan, Airbnb, Netflix ve Uber hariç, nispeten az sayıda kişiyi işe aldı.

Bu farklılıkların ne anlama geldiğine gelince, bunu sizin yorumunuza bırakıyorum.