- Yazar, 10 yıl boyunca çeşitli hedge fonlarında yatırım analisti olarak çalıştı ve yapay zeka teknolojisindeki ilerleme ile hisse senedi piyasasındaki değerlemeler konusunda özgün bir bakış açısına sahip.
- Son birkaç yıldır geliştirici olarak çalışırken yapay zeka modelleri ve servisleriyle ilgili çeşitli açık kaynak projeler yürütüyor.
# Nvidia : The Bull Case
Nvidia hisselerindeki yükselişin arka planı
- Yapay zeka ve derin öğrenme teknolojilerinin büyümesi: Derin öğrenme ve yapay zeka, internetten bu yana en devrimci teknoloji olarak görülüyor; Nvidia ise GPU alanında fiili tekel konumu elde ederek büyük şirketlerin yoğun yatırım ve altyapı harcamalarına öncülük etti.
- Yüksek marjlar: Veri merkezi için üst düzey ürünlerde %90'ın üzerinde çok yüksek kârlılık sağlıyor.
- Ölçeklenebilir pazar: Yapay zeka teknolojisinin büyümesiyle birlikte veri merkezleri, robotlar ve insan emeğinin ikamesi gibi çeşitli uygulama alanlarında yeni talep oluşuyor.
- "Ölçekleme yasası": Model performansı, veri ve hesaplama kaynakları büyüdükçe istikrarlı biçimde iyileşiyor ve Nvidia bundan azami ölçüde yararlanıyor.
Nvidia'nın mevcut konumu ve rekabet avantajı
- CUDA platformu: GPU programlamasında fiili standart hâline gelen Nvidia yazılım ekosistemi
- Mellanox satın alımı: Yüksek performanslı GPU'lar arası bağlantı teknolojisiyle veri merkezlerinde rakiplerine karşı üstünlük sağlıyor
- Özel yazılım ve sürücü kalitesi: AMD'ye kıyasla daha iyi sürücüler ve daha istikrarlı yazılım
- Liderliği koruma stratejisi: Yüksek kârı Ar-Ge'ye yeniden yatırarak teknolojik üstünlüğünü sürekli koruyor
# Nvidia'ya yönelik başlıca tehditler
Donanım rekabeti
- Cerebras: Wafer boyutunda yapay zeka çipiyle, Nvidia GPU'larının paralel işleme ve bağlantı sorunlarını aşan yeni bir yaklaşım sunuyor
- Groq: "Deterministik hesaplama" temelli teknolojiyle yapay zeka çıkarım performansını en üst düzeye çıkarıyor
- Büyük müşterilerin kendi çiplerini geliştirmesi:
- Amazon: Trainium2 ve Inferentia2 gibi kendi çiplerini kullanıma aldı
- Google: 6. nesil TPU çipini şirket içinde geliştiriyor
- Microsoft ve OpenAI: Kendi yapay zeka çiplerini geliştirme planlarını açıkladı
- Apple: Tüketici odaklı çiplerde biriktirdiği birikimi yapay zeka çiplerine uygulama potansiyeline sahip
Yazılım rekabeti
- Yüksek seviyeli soyutlama framework'leri:
- MLX, Triton ve JAX gibi platformlar, CUDA'nın önemini azaltıyor ve ikame edilebilirliğini artırıyor
- Kod dönüştürme teknolojisi: CUDA kodunu başka donanımlara uyarlamak için LLM kullanan teknolojiler geliştiriliyor
- AMD sürücülerindeki iyileşme: Açık kaynak geliştiricileri, AMD GPU performansını optimize etmek için yeni sürücüler üzerinde çalışıyor
Yapay zeka modellerinde verimlilik yenilikleri
- DeepSeek'in ortaya çıkışı:
- DeepSeek, FP8 karma hassasiyetli eğitim ve yüksek verimli çıkarım teknolojisiyle, Nvidia'ya kıyasla maliyetin 1/45'iyle rakip model performansına ulaşıyor
- Mixture-of-Experts(MOE) mimarisini kullanarak büyük modelleri bellek açısından verimli biçimde hayata geçiriyor
- "Multi-head Latent Attention" gibi tekniklerle VRAM kullanımını büyük ölçüde azaltıyor
- API çağrı maliyeti, OpenAI ve Anthropic'e göre %95 daha ucuz
Endüstri yapısındaki değişim
- TSMC'nin rolü: Nvidia kendi çiplerini üretmediği için TSMC, diğer rakiplerin çiplerini de aynı süreçle üretebiliyor
- Tüm müşterilerin içselleştirme çabası: Nvidia'nın yüksek marjlı ürünlerine bağımlılığı azaltmak için büyük müşteriler kendi çip tasarımlarına yatırım yapıyor
Piyasa görünümü ve Nvidia'nın karşı karşıya olduğu zorluklar
- Nvidia'nın mevcut hisse fiyatı, 2025 geliri için 20x çarpan ve %75'in üzerinde kâr marjı varsayan son derece iyimser bir büyüme senaryosuna dayanıyor
- Verimlilik yenilikleri ile donanım ve yazılım rekabetinin sertleşmesi, büyüme hızında yavaşlama ve marjlarda düşüş ihtimalini doğuruyor
- Nvidia yapay zeka alanında üstünlüğünü sürdürse bile, rakiplerin kesintisiz meydan okuması pazar payını ve uzun vadeli büyüme potansiyelini etkileyebilir
# Sonuç
- Nvidia, yapay zeka inovasyonunun öncüsü olarak bugün benzersiz bir konumda olsa da, çok yönlü rekabet tehditleri ve sektördeki hızlı değişim nedeniyle mevcut yüksek değerlemesini koruması zor olabilir
- Yatırımcılar, Nvidia'nın teknolojik üstünlüğünü ve yapay zeka pazarının büyüme potansiyelini olumlu değerlendirirken, rakiplerin teknolojik yenilikleri ve piyasa yapısındaki değişimlerin doğurduğu riskleri dikkatle izlemeli
1 yorum
Hacker News yorumu
DeepSeek'in açıklaması, 80'ler ve 90'lardaki ağ deneyimini hatırlatıyor. O dönemde video on demand büyük bir pazardı ve gelişmiş video kodlama algoritmalarının potansiyeli göz ardı edilmişti. İnternet videosunu mümkün kılan şey daha hızlı internet değil, daha akıllı algoritmalardı.
DeepSeek daha az kaynakla daha çok iş yapabiliyorsa, Jevons Paradox devreye girecektir. Küçük şirketlerin de rekabet edebileceği düşüncesiyle GPU satışları artacaktır. DeepSeek, yaklaşık 200 çalışanla büyük şirketlerden 20 kat daha düşük maliyetle rakip modeller eğitebildiğini iddia ediyor.
Yapay zeka model geliştirmede ilk hareket eden olmanın dezavantajı vurgulanıyor. Bir modeli maliyetin %5'iyle kopyalamak mümkünse iki mantıklı karar vardır:
OpenAI gibi şirketlerin, doğrudan ağ etkilerinden yararlanan platformlara dönüşmesi gerekiyor.
Yapay zeka hesaplamasının büyük kısmı çıkarıma odaklanıyor. R1(680B), 3 tüketici bilgisayarı üzerinde dağıtık olarak çalıştırılabiliyor. NVIDIA'nın avantajı binlerce GPU'yu verimli biçimde birbirine bağlamak; ancak bu, yapay zeka hesaplamasının yalnızca küçük bir bölümü için önemli olacaktır.
NVIDIA'nın çeşitli avantajları saldırı altında. Ancak rakipler bu avantajların her birine ayrı ayrı saldırdığı için, NVIDIA yine de tüm avantajlara aynı anda sahip olan tek şirket olarak kalacaktır.
İnsansı robot yapay zekasının gerçek sınavı çamaşır katlamaktır. Bu, mevcut teknolojiyle hâlâ zor bir problem. Robot yapay zekasında yakın zamanda ilerleme olup olmadığı merak ediliyor.
687B MoE modelini genel amaçlı donanımda dağıtmanın verimliliği abartılıyor. Apple donanımında bu mümkün değil ve masaüstü bilgisayarlarda da ancak zar zor yapılabiliyor. PCIe bant genişliği sorunu nedeniyle programlama görevleri 12 dakika sürüyor.
Yasa dışı bir strateji olabilir: NVDA fiyatının toparlanmasını bekleyip OpenAI rakibi oluşturarak kâr etmek.
DeepSeek'in etkisini doğru gören insan sayısı az. Eğer 10 kat daha verimliyse, bu kaynakların 10'da 1'ini kullanmak anlamına değil, 10 kat daha fazlasını kullanmak anlamına gelir. Teknoloji ürünleri her zaman bu yönde ilerledi.
Hisse senedi piyasasında açığa satış stratejileriyle ilgilenmeseniz bile, DeepSeek v3 ve R1 makalelerinde ilginç fikirleri açık biçimde özetleyen çok iyi teknik içerikler var.