Yapay zeka 3 trilyon dolarlık soruyu yanıtlayabilir mi?

Üç yıl önce, Sequoia ortağı David Cahn, Silikon Vadisi'nin yapay zeka altyapısına yaptığı devasa harcamaların sonuçlarını hesaplayan ve hesaplama yapan ilk kişilerden biriydi. 2023'te Nvidia'nin rapor ettiği yıllık GPU gelirinin 50 milyar dolar olmasına tepki gösteriyordu. Bu rakamdan yola çıkarak veri merkezlerini çalıştırmanın ima edilen maliyetlerini ve operatörlerin marjlarını da ekleyerek, ön yatırımın geri ödenmesi için 200 milyar dolarlık gelirin gerekli olacağı sonucunu çıkardı. Girişimcilerden tüm bu altyapıyı kullanmak ve bunlardan gelir elde etmek için yapay zeka ürünleri ve hizmetleri bulmalarını isteyerek bunu bir meydan okuma olarak kabul etti. Günümüze hızla ilerlersek, üç yıllık hiper ölçeklendirmeyi de hesaba katarsak Cahn, 2026 için yapay zeka altyapısı harcamalarına ilişkin yeni bir rakama ulaştı: 1,5 trilyon dolar. Sonuçta, yapay zeka endüstrisinin tüm bu çipleri ve diğer veri merkezi harcamalarını karşılayabilmek için 3 trilyon dolar kazanması gerekeceğini hesaplıyor. Ve bu muhtemelen eksik bir tahmin; belleğin artan maliyetleri ve egzotik ya da çıkarıma özgü çiplerin artan kullanımı bu sayıyı artıracak. Son zamanlarda, CapEx'in GW başına gerekli gelirinin bu darboğaz dinamikleri ve artan inşaat maliyetleri nedeniyle keskin bir şekilde arttığını yazıyor. Defterin diğer tarafında, Anthropic'nin ARR'de 60 milyar dolara ulaştığı düşünülürken, OpenAI'nin 2025'te 13 milyar dolar kazandığı (Kasım 2025'te 20 milyar ARR olduğu söylenmesine rağmen) ve muhtemelen bu yıl daha fazla kazandığı bildiriliyor.

Ancak kapatılması gereken büyük bir boşluk olduğu aşikar. Bu açığı önemseyenlerden biri de dev varlık yöneticisi Apollo'nun baş ekonomisti Torsten Slok'tur. Yakın tarihli bir notunda, hiper ölçekleyicilerin (Google, Meta, Microsoft ve Amazon) 2028'de serbest nakit akışlarında büyük hızlanmalar öngördüklerine dikkat çekiyor. Yani, satın aldıkları tüm çiplerin karşılığını almayı bekliyorlar. Ya yapmazlarsa? Slok, şu anda yapay zeka kullanımında gördüğümüz bir riske dikkat çekiyor: Daha fazla kuruluş, öncü laboratuvarlar tarafından inşa edilenler değil, genellikle Çin malı olan daha ucuz açık ağırlık modellerine yöneliyor ve genel token fiyatları düşüyor. CEO Sam Altman'a göre OpenAI'nin son modeli, kodlama görevlerinde %54 daha fazla token verimlidir.