Mary Meeker’in Trends Report’u - "AI"

• Mary Meeker’in 5 yıl sonra yayımlanan trend raporu. Bu kez odakta AI var. Toplam 340 sayfa
• AI kullanımının ve yayılım hızının, internetten çok daha hızlı olduğu; makinelerin insanları geride bıraktığı noktanın yaklaşmakta olduğu belirtiliyor
• Bunu; küresel internet altyapısı (5,5 milyar kullanıcı), 30 yılı aşkın sürede biriken dijital veri setleri ve ChatGPT öncülüğünde büyük dil modellerinin (LLM) ortaya çıkışıyla birlikte kullanılabilirlik/hız alanındaki yenilikler sürüklüyor
• Yeni AI şirketleri inovasyon, yatırım, ürün lansmanı ve sermaye toplama gibi alanlarda son derece agresif hareket ederken, mevcut büyük teknoloji şirketleri de AI merkezli yatırımları ve büyümeyi hızlandırıyor
• Çin ile ABD arasındaki AI rekabeti gibi küresel teknoloji üstünlüğü mücadelesi sert biçimde sürerken, bu raporun teknoloji, finans, toplum, fiziksel dünya ve jeopolitik değişimlere dair tartışmalara katkı sunması amaçlanıyor

Belgenin ana hatları

1. Değişim geçmişe kıyasla daha mı hızlı gerçekleşiyor?
   → Evet; gerçekten de daha da hızlanıyor
2. AI kullanıcıları + kullanım miktarı + sermaye harcamaları (CapEx) büyümesi =
   → Eşi benzeri görülmemiş büyüme (Unprecedented)
3. AI model compute maliyetleri yükselirken, inference maliyetleri düşüyor =
   → Performans yakınsıyor (Performance Converging), geliştirici kullanımı artıyor (Developer Usage)
4. AI kullanım (Usage) + maliyet (Cost) + zarar (Loss) büyümesi =
   → Eşi benzeri görülmemiş seviye (Unprecedented)
5. AI’da gelir yaratmanın (Monetization) karşı karşıya olduğu tehditler =
   → Rekabetin yoğunlaşması, open-source momentumu, Çin’in yükselişi
6. Fiziksel dünya ile AI’ın birleşimi (Ramps) =
   → Hızlı ve veri odaklı (Fast + Data-Driven)
7. AI’ın tetiklediği küresel internet kullanıcı artışı =
   → Daha önce görülmemiş büyüme
8. AI ve işin (Work) evrimi (Evolution) =
   → Gerçek dünyada, hızlı biçimde ilerliyor (Real + Rapid)

Genel Bakış

• “Dünya eşi benzeri görülmemiş bir hızla değişiyor” ifadesi bile yetersiz kalacak ölçüde, değişimin hızı ve kapsamı keskin biçimde genişliyor
• Teknolojik inovasyon, hızlı benimsenme (adoption) ve küresel liderlikteki değişim, tüm bu dönüşümün temel dayanaklarını (Underpinnings) oluşturuyor

• Google’ın kuruluş misyonu (1998): 'Dünyadaki bilgiyi organize etmek ve herkes için erişilebilir, kullanılabilir hale getirmek'
• Alibaba’nın kuruluş misyonu (1999): 'Her yerde iş yapmayı kolaylaştırmak'
• Facebook’un kuruluş misyonu (2004): 'İnsanların daha fazla paylaşmasını ve dünyanın daha açık ve bağlantılı hale gelmesini sağlamak'

• Bugün ise AI (Artificial Intelligence), hızlandırılmış computing power ve sınır tanımayan sermaye (Borderless Capital) birleşerek bilgiyi organize etme, bağlama ve erişilebilir kılma kapasitesini sıçramalı biçimde artırıyor ve büyük dönüşümleri yönlendiriyor

• Sporda sporcu performansları veri/girdi/antrenman sayesinde sürekli geliştiği gibi, şirketler de bilgisayarların öğrendiği devasa veri setleri sayesinde giderek daha akıllı ve daha rekabetçi hale geliyor
• Large model inovasyonu, token başı maliyetin (cost-per-token) düşmesi, open-source yayılımı (Open-Source Proliferation) ve çip performansındaki (Chip Performance) artış; teknolojinin ekonomikliğini, gücünü ve erişilebilirliğini dramatik biçimde yükseltiyor

• OpenAI’nin ChatGPT’si, kullanıcı, kullanım ve gelir yaratma metriklerinde tarihin en hızlı “bir gecede başarıya ulaşma (overnight success)” örneği oldu (şirketin kuruluşundan 9 yıl sonra)
• AI kullanımı tüketiciler, geliştiriciler, şirketler ve devletler genelinde patlayıcı biçimde artıyor
• Internet 1.0 devriminde teknoloji ABD’de başlayıp kademeli olarak yayılmıştı; ancak ChatGPT dünya genelinde eşzamanlı biçimde benimsenerek hızla büyüdü

• Mevcut platform devleri (incumbents) ile yeni meydan okuyanlar (challengers); agentic interfaces, enterprise copilots, real-world autonomous systems, sovereign models gibi AI altyapısının yeni katmanlarını kapmak için yarışıyor
• AI, compute altyapısı ve küresel bağlantılılıktaki (global connectivity) radikal ilerleme; iş yapma biçimini (Work), sermaye dağıtımını (Capital Deployment) ve liderlik ölçütlerini şirketler ve ülkeler genelinde temelden yeniden şekillendiriyor

• Aynı anda ülkeler arasında küresel liderlikte kaymalar yaşanıyor ve başlıca güçler birbirlerinin rekabet gücünü ve karşılaştırmalı üstünlüklerini aktif biçimde sınırlamaya çalışıyor
• Dünya ülkeleri; ekonomik, toplumsal ve bölgesel hedefleri (Economic / Societal / Territorial Aspiration) doğrultusunda yeniden hızlanıyor

• Artık iki büyük güç, yani teknolojik (Technological) ve jeopolitik (Geopolitical) dinamikler giderek daha derin biçimde iç içe geçiyor
• Meta Platforms CTO’su Andrew Bosworth, yakın zamanda katıldığı ‘Possible’ podcast’inde “Şu anda AI adeta bir uzay yarışı (Space Race) gibi; özellikle Çin gibi büyük ülkeler çok yüksek kapasiteye sahip, sır diye bir şey neredeyse yok ve herkes istikrarlı biçimde ilerliyor” dedi

• AI liderliği (AI Leadership), doğrudan jeopolitik liderliğe (Geopolitical Leadership) dönüşebilir (tersi geçerli değil)
• Bu olgu büyük bir belirsizlik (Uncertainty) taşısa da, eski T. Rowe Price başkanı Brian Rogers’ın dediği gibi, “İstatistiksel olarak dünya o kadar da sık sona ermiyor”; bu nedenle iyimser bakış önemli

• Yatırımcı açısından her zaman her şeyin ters gidebileceği varsayılır; ancak neyin doğru gidebileceğine dair beklenti, gerçek umut (Optimism) kaynağıdır
• AI’ın işi sizin yerinize yapması, e-postanın ve web aramanın ilk dönemlerindeki sihri andırıyor; üstelik daha iyi / daha hızlı / daha ucuz (Better / Faster / Cheaper) etkisi çok daha hızlı yayılıyor
• Elbette risk (Danger) ve belirsizlik de büyük; ancak uzun vadede güçlü rekabet (Competition), inovasyon (Innovation), ucuz ve erişilebilir compute (Accessible Compute), hızla yayılan AI teknolojileri ve dikkatli, hesaplı liderliğin (Thoughtful and Calculated Leadership) karşılıklı garantili caydırıcılık (Mutually Assured Deterrence) benzeri bir denge yaratacağı umuluyor

• Bazıları için AI’ın evrimi bir dibe doğru yarış (Race to the Bottom) olabilirken, başkaları için bu bir zirveye doğru yarışın (Race to the Top) başlangıcı
• Kapitalizmin (Capitalism) ve yaratıcı yıkımın (Creative Destruction) spekülatif ve dinamik gücü, devasa bir sarsıntı yaratıyor
• Özellikle ABD (USA), Çin (China) ve küresel teknoloji liderleri arasındaki sert rekabet şimdiden 'Game On' aşamasına girmiş durumda

• Bu rapor, çeşitli üçüncü taraf verileri, araştırmalar ve benchmark’lar temelinde, bugün içinden geçtiğimiz dinamik dönemin (Dynamic Time) trendlerini çok boyutlu biçimde göstermeyi amaçlıyor
• Nihai olarak bu tartışmaya katkı sunmak, raporun temel hedefi

1. Değişim geçmişe göre daha hızlı mı gerçekleşiyor?

Technology Compounding = Momentumun Arkasındaki Rakamlar

"Teknolojinin bileşik büyümesi = patlayıcı büyümenin momentumu arkasındaki rakamlar ve veriler"

• Bilgi işlem döngülerinin tarihi ve yapay zeka çağının gelişi
  • 1960’larda ana bilgisayarlar (Mainframe, ~1 milyon adet) → mini bilgisayarlar (Minicomputer, ~10 milyon adet) → PC (~300 milyon adet) → masaüstü interneti (Desktop Internet, ~1 milyar kullanıcı) → mobil internet (Mobile Internet, ~4 milyar) → yapay zeka çağı (AI Era, milyarlarca ila onlarca milyar ölçeği)
  • Birikmiş bilgi işlem altyapısı (CPU, GPU, bulut/büyük veri), yapay zekanın yaygınlaşmasının temeli haline geldi
  • Yapay zeka cihazları çağında, geçmişteki ana bilgisayar dönemine kıyasla on binlerce ila yüz binlerce kat daha fazla cihaz sayısı bekleniyor
• Yapay zeka modeli eğitim veri setlerinin (kelime sayısı) büyümesi
  • 1950~2025 arasında başlıca yapay zeka modellerinin eğitim veri seti boyutu (kelime sayısı) yıllık ortalama %260 büyüdü
  • 2018 sonrası GPT-2, GPT-3, GNMT gibi büyük modellerin ortaya çıkmasıyla veri kullanımı geometrik olarak arttı
  • Son dönemde Aramco Metabrain AI gibi en yeni modeller, eğitim için onlarca trilyon kelime kullanıyor
• Yapay zeka model eğitiminde kullanılan compute’un (işlem miktarı, FLOP) büyümesi
  • 1950~2025 arasında başlıca yapay zeka modellerinin eğitim işlem miktarı yıllık ortalama %360 büyüdü
  • GPT-4, Grok, AlphaGo, Swift gibi büyük modellerin ortaya çıkmasıyla birlikte FLOP göstergesi keskin biçimde yükseldi
• Algoritma inovasyonunun getirdiği compute verimliliği artışı
  • 2014~2023 arasında yapay zeka modellerinin etkin işlem miktarı (Effective Compute) yıllık ortalama %200 arttı
  • Chinchilla, OPT-175B gibi algoritmik optimizasyonlar, performans artışı ve compute tasarrufuna büyük katkı sağladı
• Yapay zeka süper bilgisayarlarının performans büyümesi
  • 2019~2025 arasında yapay zeka süper bilgisayarlarının (küme/cluster) performansı yıllık ortalama %150 büyüdü
  • Sunway OceanLight, GPT-3/4 cluster’ları, Frontier, El Capitan, xAI Colossus vb.
  • Çip performansı ile cluster başına çip sayısı eşzamanlı büyüyor
• Güçlü büyük ölçekli yapay zeka modellerinin sayısında patlama
  • 2017~2024 arasında yılda %167 artış: 10^23 FLOP üzeri büyük ölçekli yapay zeka modeli lansmanlarının sayısı hızla arttı
  • DeepMind (AlphaGo), xAI, Anthropic, Meta, NVIDIA, Mistral gibi çeşitli oyuncular peş peşe sahneye çıktı
• ChatGPT kullanıcı, abone ve gelir büyümesi
  • 2022.10~2025.4 itibarıyla haftalık aktif kullanıcılar (Users, MM), aboneler (Subscriber, MM) ve gelir (Revenue, $B) kalemlerinin tümü geometrik olarak büyüdü
  • 800 milyon+ haftalık kullanıcı, 20 milyon+ abone, yıllık 4 milyar dolara yaklaşan gelir
• Yıllık 365 milyar aramaya ulaşma hızı: ChatGPT vs Google
  • ChatGPT: 2 yılda yıllık 365 milyar aramaya ulaştı (2024)
  • Google: aynı seviyeye ulaşması 11 yıl sürdü (2009)
  • ChatGPT, Google’a kıyasla 5,5 kat daha hızlı yayılma hızı kaydetti

• 1998’de, internet yaygınlaşmaya başlarken Google, “dünyadaki bilgiyi organize edip herkes için erişilebilir ve faydalı hale getirme” hedefiyle yola çıktı
• İnsanlığın yaklaşık 30 yılda deneyimlediği en hızlı değişim döneminin ardından, bugün bilginin büyük bölümü dijitalleşmiş, erişilebilir ve kullanılabilir hale gelmiş durumda
• Yapay zeka tabanlı bilgiye erişim ve dolaşım biçimindeki değişim, bundan çok daha hızlı ilerliyor

• Yapay zeka, internet altyapısının üzerinde çalışan bir Compounder (bileşik şekilde büyüyen varlık) ve herkesin kolayca kullanabildiği, kitlesel ilgi çeken hizmetlerin son derece hızlı yayılmasına yol açıyor

Bilginin Dağıtımında Evrim (Knowledge Distribution Evolution)

• 1440~1992: Static + Physical Delivery
  • 1440’ta matbaanın (Printing Press) icadından 1992’ye kadar bilgi, statik (Static) ve fiziksel (Physical) yöntemlerle dağıtıldı
  • Yani kâğıt kitaplar, gazeteler, dergiler gibi basılı materyal merkezli bilgi aktarımı yapısı yüzyıllar boyunca korundu
• 1993~2021: Active + Digital Delivery
  • 1993’te internetin (World Wide Web) açılmasından sonra, aktif (Active) ve dijital (Digital) tabanlı bilgi dağıtımına geçildi
  • Herkes web sitesi oluşturabilir, bilgiye gerçek zamanlı erişip onu dolaşıma sokabilir hale geldi
  • İnternet, “bilginin açığa çıkması ve dolaşıma girmesi” konusunda köklü bir dönüşüm yarattı
• 2022+: Active + Digital + Generative Delivery
  • 2022’de ChatGPT’nin çıkışıyla birlikte üretken yapay zeka tabanlı bilgi dağıtımı dönemine girildi
    • Generative AI: metin, görsel, ses, kod gibi çeşitli içerikleri üretebilen yapay zeka
    • ChatGPT, piyasaya çıktıktan sadece 5 gün sonra 1 milyon kullanıcıyı aşarak tarihi bir büyüme kaydı kırdı
  • Artık bilgi yalnızca depolanan ve aranan bir şey değil; yapay zekanın yaratıcı biçimde üretip anında ilettiği bir şeye dönüşüyor

“Bilgi, olguların birikimidir (wisdom), ama bilgelik onun sadeleştirilmesindedir” – Martin H. Fischer

• AI = Many Years Before Lift-Off
  • Yapay zeka teknolojisi kısa sürede patlayıcı büyüme göstermiş gibi görünse de, gerçek anlamda kitleselleşmeden önce onlarca yıllık hazırlık ve gelişim süreci yaşandı
• 1950~2025 AI Milestone Timeline (Stanford derlemesi)
  • 1950.10: Alan Turing, Turing testini yayımladı (bilgisayar zekâsını değerlendirme kavramını önerdi)
  • 1956.6: Dartmouth Conference düzenlendi; John McCarthy, ‘Artificial Intelligence’ terimini ortaya attı
  • 1962.1: IBM’den Arthur Samuel, dama oyununda kendi kendine öğrenen programıyla ABD şampiyonunu yendi
  • 1966.1: Stanford’un Shakey’si, ilk genel amaçlı mobil robot olarak konuşlandırıldı
  • 1967~1996: “AI winter” – büyük ilerleme olmadan yatırımın/ilginin azaldığı dönem
  • 1997.5: IBM Deep Blue, dünya satranç şampiyonu Kasparov’u yendi
  • 2002.9: Roomba, ilk seri üretim robot süpürge olarak piyasaya çıktı
  • 2005.10: Stanford’un sürücüsüz aracı Stanley, DARPA Grand Challenge’ı tamamladı
  • 2010.4: Apple, Siri’yi satın alıp iPhone 4S’e entegre etti
  • 2014.6: Eugene Goostman chatbot’u, Turing testini geçti
  • 2018.6: OpenAI, ilk büyük dil modeli GPT-1’i duyurdu
  • 2020.6: OpenAI, GPT-3’ü çıkardı ve Microsoft’a özel lisans verdi
  • 2022.11: OpenAI, ChatGPT’yi genel kullanıma açtı
  • 2023.3: OpenAI, GPT-4’ü (multimodal) çıkardı / Microsoft, Copilot entegrasyonunu yaptı / Google, Bard’ı çıkardı / Anthropic, Claude’u çıkardı
  • 2023.11: ABD, AB, Çin dâhil 28 ülke, Bletchley AI Safety bildirgesini imzaladı
  • 2024.3~5: Meta, Llama 3’ü (open source) yayımladı / ABD İç Güvenlik Bakanlığı AI yol haritasını açıkladı / Google, yapay zeka tabanlı arama özelliği ekledi / OpenAI, GPT-4o’yu (tam multimodal) çıkardı
  • 2024.7: Apple, Apple Intelligence’ı duyurdu (geliştiricilere yönelik)
  • 2024.9: Alibaba, 100 adet open source Qwen 2.5 modeli çıkardı (Batı’daki eşdeğerleriyle aynı performans)
  • 2024.12: OpenAI, o3’ü (en yüksek performanslı model) duyurdu
  • 2025.1: DeepSeek, R1 ve R1-Zero open source muhakeme modellerini yayımladı / Alibaba, Qwen2.5-Max’i duyurdu (GPT-4o ve Claude 3.5’in muhakeme performansını aştı)
  • 2025.2: OpenAI, GPT-4.5’i çıkardı / Anthropic, Claude 3.7 Sonnet’i duyurdu / xAI, Grok 3’ü çıkardı
  • 2025.4: ChatGPT, haftalık 800 milyon kullanıcıya ulaştı

Circa Q2:25 - Günümüz yapay zekasının yapabildiği 10 şey (ChatGPT’ye göre)

1. Her türlü şeyi yazma veya düzenleme: e-posta, deneme, sözleşme, şiir, kod vb. içerikleri anında ve akıcı biçimde yazma ve düzenleme
2. Karmaşık materyalleri özetleme ve açıklama: PDF'leri, hukuki belgeleri, araştırmaları ve kodu kolayca açıklayıp sade İngilizceye dönüştürme
3. Neredeyse her konuda özel öğretmen gibi çalışma: matematik, tarih, dil, sınav hazırlığı vb. alanlarda adım adım öğrenme desteği
4. Düşünce ortağı olma: fikir üretme, mantık hatalarını ayıklama, hipotezleri kontrol etme gibi zihinsel destek
5. Tekrarlayan işleri otomatikleştirme: rapor oluşturma, veri düzenleme, slayt özetleme, metni yeniden yazma vb.
6. Gereken rollere bürünme: mülakat hazırlığı, müşteri simülasyonu, konuşma provası vb. çeşitli rolleri üstlenme
7. Araç bağlantıları kurma: API'ler, e-tablolar, takvimler, web kodu vb. çeşitli araçlarla entegrasyon kodu yazma
8. Psikolojik destek ve arkadaşlık rolü: gün hakkında konuşma, düşünceleri yeniden çerçeveleme ya da yalnızca dinleme
9. Hayatın amacını bulmaya destek: değerleri netleştirme, hedef belirleme, uygulama planı oluşturma vb.
10. Hayatı organize etme: seyahat planlama, rutin tasarlama, haftayı veya iş akışını yapılandırma vb.

Yaklaşık 2030? - Önümüzdeki 5 yıl içinde yapay zekanın yapabileceği öngörülen 10 şey (ChatGPT'ye göre)

1. İnsan seviyesinde metin, kod ve mantık üretimi: chatbot'lar, yazılım mühendisliği, iş planları, hukuki analiz vb. alanlarda insan benzeri çıktılar üretme
2. Tam kapsamlı film ve oyun üretimi: senaryo, karakter, sahne, oynanış mekanikleri, seslendirme vb. dahil tüm içeriği otomatik üretme
3. İnsan gibi anlayıp konuşma: duyguları algılayan asistanlar, gerçek zamanlı çok dilli sesli ajanlar vb.
4. Gelişmiş kişisel asistan rolü: yaşam planlaması, anıları hatırlatma, tüm uygulama ve cihazlar arasında takvim ve bilgi bağlantısı kurma vb.
5. İnsansı robotları çalıştırma: ev işleri yardımı, yaşlı bakımı, perakende ve hospitality otomasyonu vb.
6. Otonom müşteri hizmetleri ve satış operasyonları: uçtan uca sorun çözme, upsell, CRM entegrasyonu, 7/24 destek vb.
7. Kişinin tüm dijital yaşamını özelleştirme: uyarlanabilir öğrenme, dinamik içerik önerileri, kişiselleştirilmiş sağlık yönetimi vb.
8. Otonom iş kurma ve yürütme: yapay zeka tabanlı startup'lar, envanter ve fiyat optimizasyonu, tamamen dijital operasyonlar vb.
9. Bilimsel keşfi otonomlaştırma: ilaç tasarımı, yeni malzeme sentezi, iklim modelleme, yeni hipotezleri test etme vb.
10. Bir ortak gibi yaratıcı iş birliği yapma: romanı birlikte yazma, müzik prodüksiyonu, moda tasarımı, mimarlık vb. çeşitli yaratıcı iş birlikleri

Yaklaşık 2035? - Önümüzdeki 10 yıl içinde yapay zekanın yapabileceği öngörülen 10 şey (ChatGPT'ye göre)

1. Bilimsel araştırma yürütme: hipotez üretme, simülasyon çalıştırma, deney tasarlama ve analiz etme vb.
2. İleri teknoloji tasarlama: yeni malzemeler keşfetme, biyoteknoloji tasarımı, enerji sistemi prototipleri üretme vb.
3. İnsan benzeri zihin simülasyonu: hafıza, duygu ve uyarlanabilir davranışlara sahip dijital personelar oluşturma
4. Otonom şirket yönetimi: R&D, finans ve lojistiği minimum insan müdahalesiyle yönetme
5. Karmaşık fiziksel işleri yapma: araç kullanma, parça montajı, gerçek ortamda uyum sağlama vb.
6. Küresel sistemleri koordine etme: lojistik, enerji kullanımı, kriz müdahalesi vb. süreçleri büyük ölçekte optimize etme
7. Biyolojik sistem modelleme: hücre, gen ve organizma simülasyonları ile bunları tedavi/araştırmada kullanma
8. Uzman seviyesinde karar desteği sağlama: gerçek zamanlı hukuk, sağlık ve iş danışmanlığı sunma
9. Kamusal tartışma ve politika oluşturma: forum moderasyonu, yasa tasarısı önerme, paydaş çıkarlarını uzlaştırma vb.
10. Sürükleyici sanal dünyalar kurma: yalnızca metin prompt'larıyla etkileşimli 3D ortamlar üretme

Yapay zeka geliştirme hızı beklenmeyen bir seviyede

• Makine öğrenimi modellerini geliştiren aktörlerde değişim (2003~2024)
  • 2003~2014 arasında makine öğrenimi modeli geliştirmeye akademi (academia) öncülük etti (Academia Era)
  • 2015'ten sonra sanayi (industry), veri, compute ve sermaye yatırımı açısından akademiyi büyük ölçüde geride bırakarak inovasyona öncülük etti (Industry Era)
  • 2024 itibarıyla sanayide her yıl dikkat çeken yaklaşık 60 ML modeli geliştiriliyor
• Yapay zeka geliştiricisi sayısında hızlı artış (NVIDIA ekosistemi bazında, 2005~2025)
  • NVIDIA ekosistemindeki küresel geliştirici sayısı 7 yılda 6 kat arttı (2025'te 6 milyona ulaşması bekleniyor)
  • En büyük büyüme 2018~2025 arasında görüldü
• Google yapay zeka ekosistemindeki geliştirici sayısı (2024~2025)
  • Mayıs 2024: 1,4 milyon → Mayıs 2025: 7 milyon
  • 1 yılda 5 kat büyüme, Gemini platformu etrafında yapay zeka geliştirici topluluğu patlayıcı biçimde genişledi
• ABD'de bilişimle ilgili patentlerde patlayıcı artış (1960~2024)
  • 2003 Netscape IPO'sundan sonraki 8 yılda +6.300, 2004~2022 arasındaki 18 yılda +1.000 artış
  • ChatGPT'nin yayımlanmasından (2022) sonra yalnızca 1 yılda +6.000 artış yaşandı
  • Bilişim/yapay zeka teknolojileriyle ilgili inovasyon patentleri büyük ölçekte ortaya çıkıyor
• Yapay zeka performansı 2024'te insan seviyesini aştı
  • MMLU benchmark'ında (genel bilgi + akıl yürütme) yapay zeka sistemleri 2024 itibarıyla insanı (%89,8) aşarak %92,3 doğruluk elde etti
• Yapay zekanın insan olarak algılanma becerisi (2025 1. çeyrek)
  • GPT-4o (persona olmadan): yanıtların %73'ü insan cevabı sanıldı
  • GPT-4.5 (persona ile): %90'dan fazlasında insan mı yapay zeka mı olduğu ayırt edilemedi
  • Yapay zeka yanıtlarının insan benzerliği/gerçekçiliği çarpıcı biçimde arttı
• Yapay zeka sohbetlerinin gerçekçiliği (Turing testi örneği)
  • GPT-4.5 kullanılarak yapılan gerçek bir Turing testi konuşma örneği
  • Deney katılımcılarının %87'si insan sandığı taraf (A) aslında yapay zekaydı,
    buna karşılık insan olan taraf (B) ise "yapay zeka gibi bir hava" taşıdığı şeklinde değerlendirildi
  • Modern yapay zekanın doğal konuşma yeteneği insanı aşmış durumda
• Yapay zeka görüntü üretim performansının evrimi
  • Midjourney v1 (2022) ile v7 (2025) sürümlerinin karşılaştırması:
    3 yıl içinde takı (ayçiçeği kolyesi) üretim sonuçları ezici biçimde daha gerçekçi hale geldi
• Yapay zeka üretimi görseller vs gerçek görseller (2024)
  • 2024 itibarıyla yapay zekanın ürettiği insan fotoğrafları (StyleGAN2), gerçek fotoğraflarla neredeyse ayırt edilemeyecek kadar rafine hale geldi
  • Üretilen görsellerin gerçekçiliği çarpıcı biçimde yükseldi
• Yapay zeka ses üretimi/çevirisinin gerçekçiliği (ElevenLabs örneği)
  • ElevenLabs'ın yapay zeka ses üretim aracı
    • otomatik ses dublajı, gerçek zamanlı çok dilli çeviri, orijinal sesi koruma gibi yeteneklerde gelişti
    • küresel site trafiği 2 yılda aylık 20 milyonu aştı, Fortune 500 şirketlerinin %60'ı tarafından benimsendi
  • Yapay zeka tabanlı ses üretimi ve çeviri de patlayıcı biçimde ilerliyor
• Yapay zeka tabanlı sesli çevirinin yaygınlaşması (Spotify, Mayıs 2025)
  • Spotify, ElevenLabs ile iş birliği yaparak sesli kitaplar için 29 dilde yapay zeka çevirisini kabul etmeye başladı
  • CEO Daniel Ek, "herkesin içeriği kendi dilinde ürettiği, yapay zekanın da bunu gerçek zamanlı çevirerek tüm dünyaya ulaştırdığı bir çağ" vizyonunu ortaya koydu
  • 2025'in 1. çeyreği itibarıyla aylık aktif kullanıcı sayısı 678 milyon, abone sayısı 268 milyon, yıllık gelir 16,8 milyar euro
• Yapay zeka performansında ivmelenme: yeni kullanım örnekleri (Kasım 2024, Morgan Stanley)
  • Protein Folding: DeepMind AlphaFold, neredeyse tüm protein yapılarını tahmin ediyor
  • Cancer Detection: Microsoft & Paige, dünyanın en büyük görüntü tabanlı kanser teşhis modelini kurdu
  • Robotics: Google, insan talimatlarını anlayıp yerine getiren LLM tabanlı robot demosu sundu
  • Agentic AI: Amazon, kullanıcı talimatlarına göre görevleri yerine getiren bir araç tanıttı
  • Universal Translation: Meta, çok dilli çeviri ve sözlü çeviri yapabilen multimodal yapay zeka modelini tanıttı
  • Digital Video Creation: Channel 1 AI, GenAI tabanlı kişiselleştirilmiş haber videosu üretimini sergiledi

Yapay zekanın faydaları ve riskleri (Benefits & Risks)

• Yapay zeka geliştirmenin faydaları
  • İnsan uygarlığının tüm başarıları insan zekasının ürünüdür ve makine zekası (machine intelligence) seviyesi yükseldikçe insanlığın hırsı da büyük ölçüde genişler
  • Yapay zeka ve robotlar, insanlığı tekrarlayan işlerden kurtarabilir; üretkenlik artışıyla barış ve refah çağının önünü açabilir
  • Bilimsel araştırmaları hızlandırarak hastalık, iklim değişikliği ve kaynak sorunlarının çözümünü öne çekebilir
• Yapay zeka geliştirmenin riskleri
  • Demis Hassabis (Google DeepMind): "Yapay zekayı önce çözmeliyiz ki diğer her şeyi de çözebilelim. Ancak bu fırsatı elde etmeden önce, yapay zekanın kötüye kullanımı ve istenmeyen riskler ortaya çıkabilir"
  • Halihazırda görülen ve gelecekte daha da büyüyecek riskler: ölümcül otonom silahlar (lethal autonomous weapons), gözetim (surveillance), önyargılı karar alma (biased decision making), istihdam etkisi (employment impact), emniyet ve güvenlik (safety-critical applications, cybersecurity) vb.

"Yapay zeka geliştirmenin başarısı insanlık uygarlığı tarihindeki en büyük olay olabilir; ancak aynı zamanda, onun risklerinden kaçınmayı öğrenemezsek son olayımız da olabilir." - Stephen Hawking

AI User + Usage + CapEx Growth = Unprecedented

• ChatGPT, 17 ay içinde haftalık 800 milyon aktif kullanıcıyı aşarak (+8 kat) büyüdü
• Yapay zekanın küresel benimsenme (Global Adoption) hızı da internetin ilk benimsenme dönemiyle kıyaslandığında benzeri görülmemiş bir yayılım gösteriyor (Kuzey Amerika dışı kullanıcı oranında %90’a 3 yılda ulaşıldı; internet için 23 yıl gerekti)
• ChatGPT’nin 100 milyon kullanıcıya ulaşması 0,2 yıl (yaklaşık 2 ay) sürdü; TikTok, Instagram, YouTube gibi başlıca internet servislerine kıyasla açık ara daha hızlı büyüdü
• 1 milyon kullanıcıya (müşteriye) ulaşma süresi: Ford Model T: 2.500 gün, iPhone: 74 gün, ChatGPT: 5 gün — maliyetin de $0 olması erişilebilirliği zirveye taşıdı
• ABD’de hanelerin %50’sinin yapay zeka kullanımına ulaşmasının 3 yıl süreceği öngörülüyor; bu süre mobil internet (6 yıl), masaüstü (12 yıl), PC (20 yıl), Sanayi Devrimi’ne (42 yıl) kıyasla yarıya inmiş durumda
• Yapay zekanın benimsenme ve yayılma hızı, tarihteki herhangi bir teknolojiden daha yüksek; etki alanı ve ölçeği de beklentileri aşıyor

Teknoloji şirketlerinde yapay zeka benimsenmesi, en öncelikli konu

• Big Tech ve önde gelen teknoloji şirketleri, yapay zekayı yönetimin merkezindeki ana gündem maddesi haline getirdi
  • NVIDIA, Google, Microsoft, Meta, Amazon, Baidu, IBM, C3.ai vb.
  • 2020~2024 dönemindeki finansal sonuç açıklamalarında AI’dan söz edilme sıklığı keskin biçimde arttı; AI merkezli rekabet tam anlamıyla başladı
• Amazon (CEO Andy Jassy)
  • "Üretken yapay zeka, neredeyse tüm müşteri deneyimlerini dönüştürecek"
  • Kodlama, arama, alışveriş, finans, sağlık, robotik, biyoteknoloji dahil tüm alanlarda yapay zeka benimsenmesi ve verimlilik artışı
• Google (CEO Sundar Pichai)
  • "Yapay zeka, misyonumuzu (bilgiyi düzenlemek ve evrensel erişim sağlamak) ilerletmenin en önemli aracı"
  • "Yapay zeka fırsatı, bugüne kadarkilerden farklı bir ölçekte"
• Duolingo (CEO Luis von Ahn)
  • "Üretken yapay zeka; veri üretimi, yeni özellikler ve şirket genelinde verimlilik artışına katkı sağlıyor"
  • Satranç müfredatının prototipi de yalnızca yapay zeka ile tamamlandı
• xAI (CEO Elon Musk)
  • "Grok AI’ın özü, gerçeği arama (truth-seeking); bu da AI güvenliği için zorunlu"
  • "Mümkün olduğunca gerçeğe yönelen bir AI inşa etmeliyiz"
• Roblox (CEO David Baszucki)
  • "Yapay zeka, bireyin kapasitesini en üst düzeye çıkaran bir hızlandırıcı araç; gelecekte herkesin kendine ait bir AI’ı olacak"
• NVIDIA (CEO Jensen Huang)
  • "10 yıl içinde AI, her sektörün, her ülkenin, her şirketin altyapısı olacak"
  • "AI veri merkezleri, özünde birer 'AI fabrikasıdır' ve muazzam değer üretir"
• Küresel teknoloji liderleri, yapay zeka benimsenmesi ve altyapı genişletilmesine tüm güçleriyle odaklanmış durumda; AI’ın gelecekte şirketler ve toplum için rekabet gücünün çekirdeği olduğunu hep bir ağızdan vurguluyor

Geleneksel şirketlerde de yapay zeka benimsenmesi hızla öncelik kazanıyor

• S&P 500 şirketlerinde AI ilgisi keskin biçimde arttı
  • 2024’ün 4. çeyreği itibarıyla, S&P 500 şirketlerinin %50’si finansal sonuç açıklamalarında 'AI' ifadesini kullandı (2015’e kıyasla çok sert artış)
  • Şirket genelinde AI, stratejik açıdan temel bir gündem maddesi haline geldi
• Küresel büyük şirketlerde yapay zeka benimsemesinin hedefi: 'gelir artışı'
  • Önümüzdeki 2 yılda üretken yapay zeka (GenAI) yatırımlarının ana hedeflerinin çoğu; üretkenlik, müşteri hizmetleri, gelir, pazarlama etkisi gibi 'büyüme ve kârlılık' alanlarına odaklanıyor
  • Maliyet düşürme (cost reduction) görece daha düşük öncelikte
• Küresel CMO’ların (Chief Marketing Officer) %75’i AI araçlarını deniyor veya devreye alıyor
  • Pazarlama organizasyonlarının çoğu ilk test ya da pilot aşamasında; önemli bir kısmı ise AI’ı zaten tam olarak uygulamaya aldı
• Gerçek benimsenme örnekleri
  • Bank of America: Erica Virtual Assistant
    • 40 milyon müşteri, toplam 2,5 milyar etkileşim, 50.000’den fazla performans güncellemesi
    • 7/24 dijital finans asistanı olarak konumlandı
  • JP Morgan: uçtan uca AI modernizasyonu
    • AI/ML benimsenmesiyle 2023~2025 döneminde gelir ve verimlilikte ayrı ayrı +%35~65 artış bekleniyor
  • Kaiser Permanente: AI tabanlı tıbbi kayıt (AI Scribe)
    • Binlerce sağlık çalışanı tarafından kullanıma alındı; dokümantasyon yükünü azaltıyor, hasta deneyimini ve bakım kalitesini iyileştiriyor
  • Yum! Brands: Byte by Yum!
    • 2025 itibarıyla 25.000 restoranda AI tabanlı sipariş ve operasyon sistemi devreye alındı
• Geleneksel büyük şirketler de yapay zeka benimsenmesini 'maliyet düşürme' değil, büyüme ve inovasyon odaklı stratejik bir öncelik olarak görüyor
  • Sektörlerin her birinde somut AI kullanım başarı örnekleri hızla birikiyor

Eğitim, kamu ve araştırma alanlarında da yapay zeka benimsenmesi hızla öncelik kazanıyor

• Eğitim (eğitim kurumları) alanında AI entegrasyonu örnekleri
  • Arizona State University: AI araçlarının geliştirilmesine adanmış yeni bir organizasyon kurdu ('AI Acceleration')
  • Oxford-OpenAI ortaklığı: 5 yıl boyunca araştırma ve AI okuryazarlığını güçlendirmek için iş birliği
  • NextGenAI: MIT, Harvard, Caltech dahil 15 araştırma üniversitesinin katıldığı 50 milyon dolarlık konsorsiyum başlatıldı
  • ChatGPT Gov: ABD federal kurumlarına özel ChatGPT kullanıma sunuldu (Ocak 2025)
  • ABD ulusal laboratuvarları: nükleer enerji, siber güvenlik ve ileri bilim alanlarında AI altyapısı için iş birliği
• Kamu tarafında (Sovereign AI) benimseme politikaları genişliyor
  • NVIDIA Sovereign AI Partners: Fransa, İsviçre, İspanya, Ekvador, Japonya, Vietnam, Singapur vb. ülkelerde ulusal AI altyapısı kurma çalışmaları hız kazandı
  • "Ülkelerin AI altyapısına yatırım yapma biçimi, geçmişte elektrik ve internet altyapısına yapılan yatırımlara benziyor" (NVIDIA CEO’su Jensen Huang)
• Araştırma (R&D) ve sağlık alanlarında AI uygulamaları genişliyor
  • FDA onaylı AI tıbbi cihazları: 2023 itibarıyla yılda 223 onay; 2015’e kıyasla patlayıcı artış (ABD federal hükümetinin FY21~FY25 AI bütçesi 14,7 milyar dolar)
  • AI tabanlı ilaç geliştirme: geleneksel yöntemlere kıyasla klinik öncesi (Pre-Clinical) aşamaya ulaşma süresi %30~80 kısaldı (1,5~12 kat hızlanma)
• Eğitim, kamu, araştırma ve sağlık gibi kâr amacı gütmeyen/kamusal alanlarda da AI benimsenmesi ve entegrasyonu hızla yayılıyor
  • Altyapı yatırımları, düzenleyici esneme ve ortak araştırmalar sayesinde sanayi dışındaki alanlarda AI inovasyonunun hızı da artıyor

AI User + Usage + CapEx Growth = Unprecedented

• ABD’li yetişkinlerde ChatGPT kullanım oranının durumu
  • ABD’de tüm yetişkinler arasında ChatGPT’yi en az bir kez kullanmış olanların oranı Temmuz 2023’te %18 iken Ocak 2025’te %37’ye sıçradı
  • 18~29 yaş grubunda oran %55, 30~49 yaş grubunda ise %44; yani yaş gençleştikçe kullanım düzeyi artıyor
  • OpenAI CEO’su Sam Altman, “gençler bunu bir yaşam danışmanı, yaşlılar ise aramanın yerine geçen bir araç olarak kullanıyor” değerlendirmesinde bulundu
• ChatGPT uygulamasında günlük ortalama kullanım süresi artışı
  • Temmuz 2023~Nisan 2025 döneminde, ABD’deki ChatGPT uygulaması kullanıcıları bazında günlük ortalama kullanım süresi %202 arttı
  • Günde yaklaşık 7 dakikadan 20 dakikaya yaklaşacak seviyeye çıktı; bu da yapay zeka uygulamalarına kullanıcı bağlılığının hızla yükseldiğini gösteriyor
• ChatGPT uygulamasında oturum sayısı ve oturum başına süre artışı
  • Temmuz 2023~Nisan 2025 döneminde ortalama oturum sayısı %106 büyüdü, oturum başına süre de %47 arttı
  • Kullanıcılar uygulamayı daha sık ve daha uzun süre kullanıyor; yapay zeka araçları günlük yaşamda yer edinmeye başlıyor
• ChatGPT ve Google Search kullanıcılarının haftalık elde tutma oranı karşılaştırması
  • Ocak 2023~Nisan 2025 itibarıyla ChatGPT’nin haftalık elde tutma oranı %80 ile Google Search’ün %58’ini açık ara geride bırakıyor
  • Yapay zeka servislerine yönelik kullanıcı sadakatinin geleneksel aramadan daha yüksek olduğu görülüyor
• ABD iş yerlerinde AI chatbot kullanımının etkisi
  • AI chatbot kullanan ABD’li çalışanların %72’sinden fazlası “daha hızlı ve daha iyi” iş sonuçları deneyimlediğini belirtiyor
  • Hem iş verimliliğinde hem de çıktı kalitesinde olumlu değişim raporlanıyor
• ABD’li üniversite öğrencilerinin ChatGPT kullanım örnekleri
  • ABD’li üniversite öğrencilerinin (18~24 yaş) ChatGPT kullanım amaçları; makale/proje başlangıcı, metin özeti, fikir beyin fırtınası, problem çözme, sınav hazırlığı, araştırma ve özel ders desteği gibi; araştırma, öğrenme ve kariyer tavsiyesi ekseninde yoğunlaşıyor
  • Yapay zeka; somut ödev çözümünden yaratıcı çalışmalara ve kariyer planlamasına kadar aktif biçimde kullanılıyor
• Yapay zeka tabanlı derin araştırma otomasyon hizmetleri
  • Google Gemini, OpenAI ChatGPT, xAI Grok gibi başlıca şirketler derin araştırma özelliklerini genişletiyor
  • Web üzerinde otomatik araştırma, içgörü çıkarımı, onlarca sayfalık raporların otomatik oluşturulması ve olgu taraması gibi gelişmiş bilgi işlerinin otomasyonu hızlanıyor

AI ajanlarının evrimi = sohbet yanıtından gerçek iş otomasyonuna

• Önceki chatbot’lar sınırlı diyalog ve basit soru-cevap düzeyinde kalırken, AI ajanları artık kendi başına akıl yürütme, yürütme, çok adımlı görevler üstlenen birer hizmet sağlayıcıya dönüşüyor
  • Örnek: toplantı planlama, rapor gönderme, araçlarda oturum açma, birden fazla platform arasında iş akışı otomasyonu
  • Karmaşık işleri yalnızca doğal dil komutlarıyla doğrudan yerine getirebiliyor
• Bu değişim, 2000’lerin başındaki statik web sitelerinden Gmail, Google Maps gibi dinamik web uygulamalarına geçişe benziyor
  • Basit mesajlaşma arayüzünden gerçek işleri çalıştıran bir altyapıya evriliyor
• AI ajanları, net girdiler ya da sınırlı çıktılar sunan ilk dönem asistanlardan farklı olarak hedef odaklılık, özerklik ve güvenlik önlemleri de barındırıyor; böylece niyet yorumlama, bellek yönetimi, uygulamalar arası iş birliği gibi karmaşık süreçleri yürütebiliyor
• Şirketler bu alanı en hızlı benimseyen taraf olurken, basit deneylerin ötesine geçip framework yatırımı ve ajan ekosistemi kurulumunu ciddi biçimde hızlandırıyor

• AI Agent’e yönelik küresel ilgi hızla artıyor (Google arama trendleri, 2024~2025)
  • “AI Agent” anahtar kelimesinin Google arama hacmi 16 ayda %1.088 arttı
  • OpenAI’nin Mart 2025’te AI Agent geliştirme araçlarını piyasaya sürmesinin ardından arama hacmi daha da dik bir şekilde yükseldi; bu da sektörde teknik bir dönüm noktasına işaret ediyor

• Yerleşik oyuncuların (Incumbent) AI Agent ürün lansmanları hızlanıyor (2024~2025)
  • Salesforce, Anthropic, OpenAI, Amazon gibi önde gelen büyük teknoloji şirketleri AI ajanı tabanlı yeni ürünleri peş peşe piyasaya sürüyor
    • Salesforce Agentforce: müşteri desteği otomasyonu, lead bulma, sipariş takibi vb.
    • Anthropic Claude 3.5 Computer Use: bilgisayar ekranını doğrudan kontrol etme, web verisi çıkarma, çevrimiçi satın alma vb.
    • OpenAI Operator: karmaşık çevrimiçi görevlerin otomasyonu
    • Amazon Nova Act: ev otomasyonu, bilgi toplama, satın alma, takvim yönetimi vb.
  • AI Agent ürünleri, mevcut chatbot’ların ötesine geçerek gerçek anlamda “iş” yapan somut otomasyon araçlarına dönüşüyor

Yapay zekada bir sonraki sınır = Artificial General Intelligence

• Artificial General Intelligence(AGI) nedir?
  • AGI; insanın genel zihinsel işlerini (akıl yürütme, planlama, küçük veriyle öğrenme, farklı alanlar arasında bilgiyi genelleme vb.) bütünüyle yerine getirebilen sistemleri ifade eder
  • Günümüz AI modelleri belirli alanlarda üstün performans gösterirken, AGI ise alan fark etmeksizin yeniden eğitime ihtiyaç duymadan yeni problemleri de esnek biçimde çözebilir
  • Son dönemde model ölçeği, eğitim verisi ve hesaplama verimliliğindeki üstel büyüme AGI geliştirme sürecini hızlandırıyor
• AGI’ye ulaşma zamanı ve beklenti
  • AGI’nin ne zaman başarılacağı hâlâ belirsiz, ancak uzmanların beklentileri son birkaç yılda belirgin biçimde öne çekildi
  • OpenAI CEO’su Sam Altman, Ocak 2025’te “artık geleneksel olarak anladığımız AGI’yi nasıl inşa edebileceğimizden eminiz” dedi
  • Bu durum, model mimarileri, çıkarım (inference) verimliliği ve büyük ölçekli eğitim ortamlarındaki ilerlemeler sayesinde araştırma ile gerçek dünya uygulamaları arasındaki boşluğun daraldığını gösteriyor
    • Çıkarım (inference), tamamen eğitilmiş bir modelin kullanıcı girdisine karşı tahmin, yanıt ya da içerik üretmesi sürecidir. Bu aşama eğitimden çok daha hızlı ve verimlidir
  • AGI artık hayali bir varış noktası değil, ulaşılabilir bir eşik olarak algılanmaya başlıyor
• AGI’ye ulaşmanın anlamı
  • AGI gerçekleşirse yazılım ve donanımın temel rolleri yeniden tanımlanacak
  • Önceden programlanmış işleri tekrar etmek yerine, hedefi anlama, plan yapma ve gerçek zamanlı öz düzeltme yapabilen sistemlere geçilecek
  • Araştırma, mühendislik, eğitim, lojistik gibi farklı iş akışları insan gözetimi olmadan da yürütülebilecek
  • Yeni problemlerle karşılaştığında bile yeniden eğitime gerek duymadan bağlama uyum sağlayarak insan uzmanlar gibi çalışabilecek
  • AGI tabanlı humanoid robotlar, fiziksel ortamları ve çalışma biçimlerini kökten değiştirebilir
• AGI’nin getireceği toplumsal etki
  • AGI, nihai hedef noktası değil, yeteneklerde kademeli bir dönüşümdür
  • Kurumlar, emek ve karar alma yapıları AGI’nin nasıl devreye alınacağına ve hangi kontrol mekanizmalarıyla yönetileceğine göre yeniden şekillenecek
  • Verimlilik artışı büyük olabilir, ancak faydaların eşitsiz dağılma ihtimali de bulunuyor
  • Jeopolitik, etik ve ekonomik değişimlerin kademeli olarak ilerlemesi bekleniyor
  • Sanayi devrimi, dijital dönüşüm ve algoritma devriminde olduğu gibi, sonuçları yalnızca teknolojinin neler yapabildiği değil, toplumun onu nasıl benimsediği ve düzenlediği belirleyecek

AI User + Usage + CapEx Growth = Eşi benzeri görülmemiş

• Son 20 yılda teknoloji alanındaki CapEx, veri merkezli bir ark boyunca keskin biçimde arttı
  • İlk aşamada depolama ve erişime yatırım yapıldı; ardından odak dağıtım/ölçeklemeye, bugün ise hesaplama/zekâya kaydı
• İlk dalgada büyük ölçekli sunucu çiftlikleri, denizaltı kabloları ve ilk veri merkezlerine yoğun yatırım yapıldı; Amazon, Microsoft ve Google gibi şirketler bulut bilişimin temelini attı
  • Bu aşamanın temel hedefi “depolamak, düzenlemek ve hizmet sunmak”tı
• İkinci dalgada (halen sürüyor) odak noktası AI iş yükleri için hesaplama altyapısını güçlendirmek
  • Hyperscaler’ların (ultra büyük veri merkezi işletmecileri) CapEx’i GPU, TPU, AI hızlandırıcıları, sıvı soğutma ve gelişmiş veri merkezi tasarımları gibi özel altyapılara kayıyor
  • 2019’da AI bir araştırma işleviyken, 2023’te CapEx’in temel kalemlerinden biri hâline geldi
• Microsoft Başkanı Brad Smith’in blogu (25/4):
  • “Elektrik gibi genel amaçlı teknolojilerde olduğu gibi, AI ve bulut veri merkezleri yeni nesil sanayileşme aşamasını temsil ediyor”
• Küresel büyük teknoloji şirketleri her yıl on milyarlarca dolarlık yatırım yapıyor
  • Artık mesele yalnızca veri toplamak değil; hızlı öğrenme, derin kişiselleştirme ve geniş ölçekte dağıtım yeteneği rekabet gücünün temel unsuru hâline geliyor

• AWS, NVIDIA, MSFT, Google, Apple, Meta gibi büyük teknoloji şirketlerinin CapEx (sermaye harcaması) giderleri yıllardır istikrarlı biçimde artıyor

Data Centers = AI CapEx harcamalarının temel faydalanıcısı

• AI altyapısının ekonomisini anlamak için veri merkezi inşaatlarının hızı ve ölçeğine bakmak gerekiyor
  • AI odaklı talepteki patlama nedeniyle küresel BT şirketlerinin veri merkezi CapEx’i (sermaye harcamaları) tarihi zirveye ulaştı; 2024 itibarıyla 455 milyar dolara erişti ve artış hızlanıyor
• Hem hyperscaler’lar hem de AI-first şirketler, yalnızca depolama için değil, gerçek zamanlı inference ve büyük ölçekli model eğitimi için yüksek performanslı, yüksek güç tüketimli donanım altyapısı kurmaya milyarlarca dolar yatırıyor
  • AI deneysel bir teknolojiden zorunlu altyapıya dönüşürken, veri merkezleri de buna paralel olarak merkezi bir konuma yerleşiyor
  • NVIDIA CEO’su Jensen Huang, "artık AI veri merkezleri birer AI fabrikası" olduğunu vurguluyor
• ABD Tennessee eyaletinin Memphis kentindeki xAI Colossus veri merkezi, 418 ev büyüklüğünde bir binayı yalnızca 122 günde tamamlayarak benzeri görülmemiş bir hız ve verimlilik elde etti (ABD’de ortalama konut inşaat süresinin yarısından daha kısa)
  • Ön üretimli modüller, hızlı izin süreçleri ve elektrik/mekanik/yazılımın dikey entegrasyonu sayesinde veri merkezlerinin BT ürünü geliştirme hızında inşa edildiği bir döneme giriliyor
• Veri merkezi CapEx’i arazi, enerji, çipler ve soğutma tesisatı tarafından belirlenirken, AI iş yükleri geleneksel kurumsal bilişime kıyasla çok daha yüksek ısı ve güç talebi yaratıyor
  • OpEx (işletme giderleri) enerji maliyetleri ve sistem bakımına odaklanıyor; özellikle yüksek yoğunluklu AI eğitim kümeleri sürekli maksimum yükte çalışıyor
• Gelir, compute satışından (AI API’leri, kurumsal platform ücretleri, iç verimlilik artışı vb.) geliyor; ancak önden yatırım yapan şirketlerde yatırımın geri dönüş süresi uzayabiliyor
  • Yeni girişimlerde altyapı kurulumundan gelir elde etmeye kadar geçen süre birkaç çeyrekten birkaç yıla uzanabiliyor
• Tedarik zinciri tarafında enerji altyapısının (transformatörler, trafo merkezleri, türbinler, GPU’lar, kablolar vb.) temini yeni darboğaz olarak öne çıkıyor
  • Veri merkezleri artık yalnızca fiziksel varlıklar değil, gayrimenkul, enerji, lojistik, compute ve yazılım gelir yaratımını bir araya getiren stratejik altyapı merkezleri olarak işlev görüyor
• Bu karmaşık bulmacayı doğru çözen şirketler, gelecekte AI ekonomisinin coğrafi haritasını belirleyecek

Data Centers = Electricity Guzzlers

• AI ile enerji altyapısı arasındaki gerilim giderek artıyor
  • AI’nin gelişmesiyle birlikte AI’ye özel veri merkezleri, artık ağır sanayiyle yarışan düzeyde elektrik tüketiyor
  • AI model eğitimi ve servisleri için gereken muazzam hesaplama gücü, elektrik talebindeki patlamanın başlıca nedeni
• Veri merkezleri 2024’te küresel elektrik tüketiminin yaklaşık %1,5’ini oluşturdu
  • 2017’den bu yana küresel veri merkezi elektrik tüketimi yıllık ortalama %12 arttı
  • Bu oran, toplam elektrik tüketimindeki artış hızının 4 katından fazla
• Ülkelere göre elektrik tüketim payında ABD %45 ile ilk sırada, ardından Çin (%25) ve Avrupa (%15) geliyor
  • ABD veri merkezi kapasitesinin neredeyse yarısı 5 büyük bölgesel kümelenmede toplanmış durumda
  • Yükselen ve gelişmekte olan ekonomiler (Çin hariç) internet kullanıcılarının %50’sini barındırsa da veri merkezi kapasitesinde %10’un altında kalıyor
• AI’nin yaygınlaşmasıyla birlikte elektrik şebekesi (grid) ve tedarik altyapısı, AI performansının darboğazı hâline geliyor
  • Artık AI büyümesinin temel kısıtı veri ya da algoritmalar değil, elektrik arzı oluyor
• Öte yandan AI, enerji sektöründe operasyonel verimlilik ve inovasyonu hızlandırıyor
  • Enerji tedarik zincirinin tamamında — elektrik, mineraller, iletim ve tüketim dahil — AI tabanlı optimizasyon fiilen uygulanmaya başladı
  • Ancak AI talebi ve enerji maliyetleri artmaya devam ettiği sürece, veri merkezleri sonunda yalnızca maliyetini karşılayabilen müşterilere hizmet verecek

AI Model Compute Costs High / Rising + Inference Costs Per Token Falling = Performance Converging + Developer Usage Rising

• Büyük dil modeli (LLM) eğitimi, insanlık tarihindeki en maliyet yoğun işlerden biri hâline geldi; performansı artırmak için parametre sayısı ve algoritmik karmaşıklık büyüdükçe eğitim maliyetleri milyarlarca dolara çıkıyor
  • En iyi genel amaçlı modeli kurma yarışı kızıştıkça, çıktı kalitesinde farklılaşmak giderek zorlaşıyor ve kârlılık bozuluyor; yani bir “yakınsama” olgusu ortaya çıkıyor
• Buna karşılık, inference maliyetleri hızla düşüyor
  • Örneğin NVIDIA 2024 Blackwell GPU, 2014 Kepler’e kıyasla token başına enerji tüketimini 105 bin kat azalttı
  • Donanım inovasyonu ve model algoritmalarındaki verimlilik artışı sayesinde token başına inference maliyeti hızla geriliyor
• Inference maliyetlerindeki düşüş, LLM sağlayıcıları arasındaki rekabeti yoğunlaştırıyor
  • Rekabet artık yalnızca doğrulukta değil, gecikme, erişilebilirlik ve token başına fiyat alanlarında da yaşanıyor
  • Dolar bazındaki maliyetler artık birkaç sente, yakında ise 1 sentin altına iniyor
• Kullanıcılar (geliştiriciler) açısından bu durum, düşük maliyetle güçlü AI erişimini mümkün kılıyor
  • Yeni servis ve ürün geliştirme canlanıyor, gerçek kullanıcı sayısı ve kullanım düzeyi de hızla artıyor
• Model sağlayıcıları içinse kârlılığın zayıflaması ve iş modelinin değişmesi gibi yeni zorluklar ortaya çıkıyor
  • Eğitim pahalı, sunum ucuz hâle geldikçe dikey/yatay entegrasyon, uzmanlaşmış LLM pazarı gibi yeni stratejiler aranıyor
  • Genel amaçlı LLM’ler kârsız bir yıpratma savaşına benzemeye başlıyor
  • Küçük ve özelleştirilmiş modellerin ortaya çıkmasıyla, mevcut büyük modellerden farklı gelir yapılarının denendiği bir döneme giriliyor

Inference Costs Per Token Falling

• AI inference maliyetlerindeki düşüş, bilişimdeki tipik ilerleme örüntüsünü yeniden ediyor
  • Microsoft CTO’su Nathan Myhrvold’un 1997’de söylediği “yazılım gaz gibidir; kendisine verilen kabın tamamını doldurur” sözünde olduğu gibi, AI için de talep mevcut altyapının tamamını kullanacak kadar büyüyor
  • Model performansı arttıkça kullanım (sorgu, token, model sayısı) patlayarak büyüyor; yapay zekanın kullanım alanı ve sıklığı da hızla genişliyor
• Altyapıdaki ilerleme hızı da tarihî zirve seviyesinde
  • 2024 NVIDIA Blackwell GPU, 2014 Kepler’e kıyasla token üretiminde enerji verimliliğini 105 bin kat iyileştirdi
  • Bu, yalnızca bir maliyet düşüşü değil, donanım mimarisi ve malzeme inovasyonunun sonucu anlamına geliyor
• Donanım verimliliğindeki artış, hızla büyüyen AI ve internet talebinin elektrik yükünü dengelemede kilit unsur
  • Ancak şu ana kadarki iyileşmeler bile toplam elektrik talebindeki artışı tamamen durdurmaya yetmiyor
  • Bu olgu, 1865’te tanımlanan Jevons Paradox’a benziyor
    • Kaynak verimliliği arttıkça toplam tüketimin daha da yükseldiği paradoksal durum, AI’da da tekrar ediyor
• Sonuç olarak, teknolojinin eski formülü olan maliyet düşüşü + performans artışı + kullanım büyümesi, AI’da da yeniden yaşanıyor
  • Altyapıdaki ilerleme, AI kullanımındaki artışı yeniden teşvik ediyor ve enerji üretimi ile elektrik altyapısı konusunda yeni sorular doğuruyor

Performance Converging

• Önde gelen AI model performanslarında hızlı yakınsama görülüyor
  • Stanford HAI’nin LMSYS Chatbot Arena verilerine (2024~2025) göre Google, OpenAI ve DeepSeek modellerinin chatbot değerlendirme puanları 1.385, 1.366 ve 1.362; aralarında yalnızca yaklaşık %1-2’lik çok küçük farklar kaldı
  • Son 1 yılda üst düzey modeller arasındaki puan farkı giderek daralırken, performans rekabetinin fiilen standartlaştığı eğilim belirginleşiyor
• En yeni büyük dil modelleri (LLM) arasında kaliteyle farklılaşmak zorlaşıyor
  • Kullanıcı tarafında, “hangi modeli kullanırsam kullanayım neredeyse aynı” hissi oluşabilecek bir ortam şekilleniyor
  • Model sağlayıcılarının rekabeti, maliyet, hizmet istikrarı ve özelleşmiş özellikler gibi performans dışı unsurlara kayabilir

Developer Usage Rising

• Yapay zeka geliştirici faaliyetlerindeki patlayıcı artış, çıkarım (inference) maliyetlerindeki dramatik düşüş ve yetkin modellere erişimin genişlemesinden kaynaklanıyor
  • 2022 ile 2024 arasında dil modeli çalıştırmanın token başına maliyeti yaklaşık %99,7 azaldı
    • Bunun arkasında donanım ve algoritma verimliliğindeki sıçramalı ilerleme var
    • Geçmişte yalnızca büyük şirketlerin erişebildiği teknoloji artık bireysel geliştiriciler, bağımsız uygulama geliştiricileri, araştırmacılar ve küçük işletmeler tarafından da kolayca kullanılabiliyor
  • Maliyet çöküşü, denemeleri ucuzlatırken yineleme ve ürünleştirmeyi hızlandırıyor
    • Artık fikri olan herkes kolayca yapay zeka hizmeti geliştirebilir
• Model performansları hızla yakınsarken model seçiminin formülü de değişiyor
  • En üst seviye büyük modeller ile daha küçük ve verimli alternatif modeller arasındaki fark daralıyor
  • Özetleme, sınıflandırma, çıkarım, yönlendirme gibi birçok gerçek kullanım görevinde fiili performans farkı neredeyse yok
  • Geliştiriciler artık pahalı premium modeller yerine daha ucuz modeller ya da yerelde çalıştırma/düşük maliyetli API'ler ile benzer sonuçlar elde edebiliyor
  • Özellikle göreve özel verilerle fine-tuning yapıldığında etki en üst düzeye çıkıyor
• Bu değişim, model "yerleşik oyuncularının" fiyat kaldıracını zayıflatıyor ve yapay zeka geliştirmesinin demokratikleşmesini hızlandırıyor
  • Tek bir sağlayıcıya (vendor) bağımlı kalmak yerine, farklı ekosistemlerdeki modeller birleştirilerek/dağıtılarak kullanılıyor
  • OpenAI ChatGPT, Meta Llama, Mistral Mixtral, Anthropic Claude, Google Gemini, Microsoft Phi vb.
    • Farklı güçlü yönlere sahip bu modeller arasından teknik ve finansal ihtiyaçlara en uygun model seçilebiliyor
  • Platform lock-in'inden (bağımlılık) uzaklaşılıp, geliştiricinin yön verdiği seçim ve dağıtım çağına geçiliyor
• Geliştirici odaklı bir altyapı büyüme flywheel'ı oluşuyor
  • Daha fazla geliştirici yapay zeka yerel uygulamaları üretirken, araç/wrapper/kütüphane/framework ekosistemi hızla büyüyor
  • Frontend framework'leri, embedding pipeline'ları, model router'ları, vector DB'ler, serving katmanları vb.
    • Geliştirici faaliyetlerindeki her dalga, bir sonraki dalganın giriş bariyerini düşürüyor
• Fikirden prototipe, prototipten ürüne geçen süre kısalıyor
  • Yalnızca maliyet değil, karmaşıklık da hızla azalıyor
  • Platform değişiminin ötesinde, yaratıcılık patlaması çağı açılıyor
• Tarihsel olarak da geliştiricisi çok olan ve sürekli kullanılan platformların sonunda kazandığı örüntü tekrar ediyor
  • Microsoft'tan Steve Ballmer'ın “Developers! Developers! Developers!” konuşmasında da görüldüğü gibi geliştiriciler önemli
  • Geliştiriciler tarafından benimsenen, sürdürülebilir ölçek ve iyileştirme sağlayan platform sonunda pazara hakim olacak

The AI Developer Next Door

• Yapay zeka geliştirme araçlarının benimsenme oranı hızla yükseliyor (2023~2024, Stack Overflow)
  • 2024'te yapay zeka araçlarını kullanan geliştiricilerin oranı, 2023'e kıyasla büyük ölçüde arttı
  • Profesyonel geliştiricilerde %44 → %63, kodlama öğrenenlerde %55 → %65
• Yapay zeka geliştirici açık kaynak depolarında patlama (GitHub, 2022.11~2024.3)
  • GitHub'daki yapay zeka geliştirici depolarının sayısı 16 ayda yaklaşık %175 arttı
  • ChatGPT, Stable Diffusion gibi büyük model ve araçların ortaya çıkmasının ardından geliştirme ekosistemi patlayıcı biçimde büyüdü
• Yapay zeka geliştirici ekosisteminin genişlemesi (Google verisi, aylık token kullanımı)
  • Mayıs 2024'te 10 trilyon token → Mayıs 2025'te 480 trilyon token ile bir yılda 50 kat artış
  • Google Gemini, AI API vb. üzerinden geliştirici kullanımı büyük ölçüde genişledi
• Microsoft Azure AI Foundry ekosisteminde büyüme (çeyreklik token kullanımı)
  • 2024 1. çeyrekte 20 trilyon → 2025 1. çeyrekte 100 trilyon token ile 5 kat büyüme
  • 70 binden fazla şirket ve geliştirici tarafından kullanılıyor
• Yapay zeka geliştirici kullanım senaryolarının çeşitlenmesi (2024, IBM verisi)
  • Kod üretimi, hata tespiti/düzeltme, test otomasyonu, proje/workflow yönetimi, dokümantasyon, refactoring/optimizasyon, güvenlik güçlendirme, CI/CD, UX tasarımı, mimari tasarım gibi geniş bir alanda yapay zeka kullanımı hızlanıyor

AI Usage + Cost + Loss Growth = Unprecedented

• Yapay zekanın büyümesi ile maliyet ve zararların ölçeği benzeri görülmemiş seviyelere çıkıyor
  • “Bu kez farklı”, “ölçek ekonomisiyle kârlılığı yakalayabiliriz”, “kullanıcıları sonra gelirleştireceğiz” gibi risk sinyalleri geçmişte çoğu zaman başarısızlık getirse de, büyük teknoloji yatırımlarında gerçek başarı örnekleri de var
  • Bu yapay zeka yarışı, benzeri görülmemiş ölçekte sermayenin ve kurucu odaklı büyük şirketlerin aynı anda devreye girdiği bir tablo sunuyor
  • ABD, Çin gibi küresel güçlerin rekabeti yapay zeka inovasyonunu hızlandırıyor
• Her büyük teknoloji benimsenme döneminde bir dönüm noktası bulunuyor
  • Kişisel bilgisayarda Macintosh (1984) ve Windows 3.0 (1990), internette Netscape IPO'su (1995), mobilde iPhone App Store (2008), bulutta AWS (2006~09), yapay zekada ise NVIDIA A100 (2020) ve ChatGPT (2022) belirleyici tetikleyiciler oldu
  • 2025'te Çinli DeepSeek'in ortaya çıkışı, küresel yapay zeka rekabetinin sertleştiğinin işaret fişeği oldu
• Yapay zeka büyümesi için gereken sermaye, dev teknoloji şirketlerinin muazzam nakit akışı ve küresel sermayeden geliyor
  • Sert rekabet, sermaye ve girişimcilik birleşimi yapay zeka gelişimini hızlandırıyor
• Ancak nihai kazanan iş modelinin ne olacağı hâlâ belirsiz

Technology Disruption Pattern Recognition = Hundreds of Years of Consistent Signals

• Teknolojik dönüşüm tarihinde erken aşırı ısınma, sermaye girişi, rekabetin sertleşmesi, kazananlar ve kaybedenlerin ayrışması döngüsü tekrar tekrar görülür
  • Örnek: 19. yüzyıl demiryolları, 1840'lardaki balon, beklentilerin çöküşü vb.
• Büyük sermaye yatırımı gerektiren teknolojiler, ilk dönemde hayal kırıklığı yaratan getiriler sunsa da başarıya ulaşırsa sektörün uzun vadeli yapısını değiştirir
  • Ancak rekabete karşı korunmuyorsa yüksek risk taşır
• Nihai kazanan her zaman en iyi teknolojiye sahip olan değil, pazarın ve sektörün akışını en net okuyan taraftır
• Giriş bariyeri olmayan pazarlarda ilk hamle avantajı hızla erir
  • “Yeni teknolojinin kazananını tahmin etmek zordur ama kaybedenleri görmek kolaydır” dersini hatırlamak gerekir

AI-Related Monetization = Very Robust Ramps

• Yapay zeka donanım stratejisinin evrimi: çip tasarımındaki inisiyatif geleneksel tedarikçilerden platform şirketlerine kayıyor
  • NVIDIA GPU'ları uzun süre yapay zeka eğitimi ve çıkarımının temel motoru olarak hizmet verip benzersiz bir konum elde etti
  • Talepteki patlama nedeniyle NVIDIA'nın hızlı üretim artışına rağmen arz sıkıntısı sürerken, hyperscaler'lar ve bulut sağlayıcıları tedarik zincirini çeşitlendirmeye yöneliyor
• Özelleştirilmiş çiplerin (ASIC) yükselişi: Genel amaçlı GPU'lara kıyasla belirli yapay zeka işlemlerine optimize edilmiş ASIC'lerin benimsenmesi hızlanıyor
  • Google'ın TPU'su ve Amazon'un Trainium çipi, şirketlerin yapay zeka stack'inin temel unsurları hâline geliyor
    • Amazon Trainium2, genel amaçlı GPU'lara kıyasla %30~40 daha iyi fiyat/performans sunarak büyük ölçekli inference maliyetlerini düşürebiliyor
  • Bu özel çipler yalnızca deneysel değil; performans, ekonomiklik ve mimari kontrol için temel strateji niteliğinde
• Yapay zeka altyapısının ekonomik verimliliğini artırma çabaları yayılıyor
  • Amazon CEO'su Andy Jassy: "Yapay zekanın mutlaka bugün olduğu kadar pahalı olması gerekmiyor; gelecekte daha ucuz olacak"
  • Özel silikon, yapay zeka altyapı maliyetlerini azaltmanın temel araçlarından biri
• Yapay zeka altyapısında uzman şirketlerin büyümesi
  • CoreWeave: Oyun ve kripto donanımı tedarik zincirini yapay zeka için GPU bulutuna dönüştürerek hızla büyüdü
  • Oracle: Geleneksel BT'den yapay zekaya özel GPU bulut platformuna dönüştü
  • Astera Labs: GPU ile bellek arasında ultra yüksek hızlı bağlantı ekipmanları sağlayarak büyük modellerin performans sınırlarının aşılmasına katkı sunuyor
• Bu şirketler foundation model'leri doğrudan geliştirmese de, bu ekosistemin vazgeçilmez altyapısını kuruyor
  • Hesaplama talebi patladıkça hız, erişilebilirlik ve verimlilik rekabet gücünün temel unsurları hâline geliyor

AI Monetization = Chips

• NVIDIA, Google, Amazon gibi büyük şirketlerin AI çip gelirleri hızla büyüyor
  • NVIDIA'nın çeyreklik geliri geçen yıla göre %78 arttı ve 39 milyar doları aştı; ana itici güç veri merkezi bölümü oldu
  • Son 10 yılda NVIDIA geliri 28 kat büyüdü; ABD'li büyük teknoloji şirketlerinin (Apple, Microsoft, Alphabet, Amazon, Meta, NVIDIA) CapEx + R&D yatırımları da 6 kat arttı
  • Google'ın TPU (Tensor Processing Unit) geliri yıllık bazda %116 arttı ve 8,9 milyar dolar seviyesinde olduğu tahmin ediliyor
    • Google TPU, AI model eğitimi için özelleştirilmiş bir ASIC çipi; 2015'te ilk sürümün çıkmasından bu yana toplam 100 binden fazla üretildi
  • Amazon'un AWS Trainium çip geliri yıllık bazda %216 arttı; 2025'te 3,6 milyar dolara ulaşması bekleniyor
    • Trainium2, mevcut GPU tabanlı instance'lara kıyasla %30~40 fiyat/performans avantajı sunuyor ve 4 kata kadar performans sağlıyor
• AI çip pazarındaki büyümenin arka planı
  • AI eğitim ve inference talebindeki keskin artışa paralel olarak GPU, ASIC gibi yüksek performanslı çiplere talep patlayıcı biçimde artıyor
  • Büyük bulut ve hyperscaler şirketleri kendi çip tasarımlarına ve tedarik zincirlerini güçlendirmeye odaklanarak fiyat rekabetçiliğini ve altyapı verimliliğini artırıyor
  • GPU, TPU, Trainium gibi AI'ya özel çipler, veri merkezlerinin temel gelir kaynakları ve AI altyapısı rekabetçiliğinin belirleyici unsurları haline geliyor

AI Monetization = Compute Services

• AI bilişim hizmetleri pazarının büyümesi
  • AI altyapısına odaklanan bulut şirketi CoreWeave'in 2024 geliri, önceki yıla göre %730 arttı ve 1,9 milyar dolara ulaştı
  • OpenAI gibi büyük müşterilerle yapılan büyük sözleşmeler, IPO ve Weights & Biases satın alımıyla iş büyümesi hızlandı
  • AI iş yükleri için yüksek performanslı bulut altyapısına talep patlayarak artarken, altyapı sağlayıcılarının çok yüksek hızlı gelir büyümesi sürüyor
• AI infrastructure pazarının genişlemesi
  • Oracle'ın AI infrastructure geliri 2 yılda 50 kat büyüdü ve 2024'te 950 milyon dolara ulaştı (Morgan Stanley tahmini)
  • Artan AI altyapı talebi nedeniyle büyük ölçekli yeni müşteri sözleşmeleri sırada bekliyor; henüz tam anlamıyla hizmete alınmamış büyük rezervasyonlar mevcut
  • Oracle CEO'su, AI altyapı müşterilerinin akın ettiğini ve “yalnızca 1 milyar doların üzerindeki yeni sözleşmelerin sayısının 40'ı aştığını” söyledi
• AI altyapı bağlantısallığının büyümesi
  • Astera Labs'ın 2024 geliri, önceki yıla göre %242 büyüyerek 396 milyon dolara ulaştı
  • PCIe, CXL, Ethernet gibi yüksek hızlı bağlantı ürün aileleri çok sayıda müşteri ve platformda kullanılarak GPU bağlantısı, backend AI hızlandırıcı kümeleri gibi AI veri merkezlerindeki kritik altyapı unsurlarına dönüştü
• AI veri toplama ve süper bilişim
  • Tesla'nın Dojo süper bilgisayarı ve büyük ölçekli GPU devreye alımı sayesinde AI eğitim kapasitesi, 2021 Haziran'a kıyasla 8,5 kat arttı (Eylül 2024 itibarıyla)
  • Dojo'nun yalnızca şirket içi eğitim maliyetlerinde devrim yaratmakla kalmayıp AWS benzeri harici bir hizmete dönüşme potansiyelinin de çok yüksek olduğu değerlendiriliyor
  • Elon Musk, “Dojo'nun potansiyeli çok büyük” dedi

AI Monetization = Data Layer

• AI veri katmanında gelir yaratma hızlanıyor
• Scale AI'ın geliri 2023'te 335 milyon dolardan 2024'te 870 milyon dolara çıkarak %160 arttı
  • Veri etiketleme, değerlendirme ve pipeline kurulumları gibi alanlarda frontier LLM ölçeklendirmesi için temel altyapı sağlıyor
  • “Veri bolluğu bir tercihtir ve AI'ın sınırlarını veri eksikliğiyle belirlemeyeceğiz” vizyonunu ortaya koyuyor
  • Yalnızca 2024'te 1,5 milyar doların üzerinde yeni sözleşme aldı
• VAST Data, Ocak 2019'dan Mayıs 2025'e kadar toplam 2 milyar dolar gelir elde etti
  • AI altyapı katmanını sadeleştiriyor ve veri depolama, yönetim ve işleme hizmetleri sunuyor
  • AI reasoning modellerinin yükselişiyle birlikte veri altyapısının önemi daha da öne çıkıyor
  • “AI çağında en büyük potansiyeli gerçekleştirmek için temel sorunları basitleştirmek kritik önemdedir” vurgusunu yapıyor

Yüksek gelir büyümesi, devasa nakit yakımı, yüksek şirket değerlemeleri, büyük yatırım ölçeği = tüketiciler için olumlu, diğerleri içinse henüz belirsiz

• Küresel dijital kullanıcı tabanının büyümesi ve kullanım hacminde sert artış ihtimali güçlenirken, kurumsal yatırım alanı giderek daha rekabetçi ve sermaye yoğun hale geliyor
  • AI teknoloji döngüsündeki yaratıcı yıkım, geçmişte büyük IT şirketlerinin büyüme süreçleriyle benzerlik gösteriyor
• Apple, Amazon, Google, Uber, Tesla gibi geçmişin büyük teknoloji şirketleri örnekleri:
  • Apple: 1997'de iflasın eşiğindeyken 1,7 milyar dolar piyasa değerinden bugün 3,2 trilyon dolar seviyesine yükseldi
  • Amazon: 2000 yılında tek yılda -545 milyon dolar zarar, kuruluş sonrası 27 çeyrek boyunca toplam -3 milyar dolar zarar; son 27 çeyrekte ise 176 milyar dolar net kâr, piyasa değeri 2,2 trilyon dolar
  • Google: 2004 IPO'su sırasında 390 milyon dolarlık gelirinin %22'sini CapEx'e yatırdı; IPO'daki 23 milyar dolarlık piyasa değerinden bugün 2 trilyon dolar seviyesine ulaştı
  • Uber: 2016~2022 arasında -17 milyar dolar nakit yaktı, 2023'te ilk kez kâra geçti; IPO'daki 82 milyar dolarlık piyasa değerinden bugün 189 milyar dolar seviyesinde
  • Tesla: 2009~2018 arasında -9,2 milyar dolar harcadı; 2019'da ilk kez kâra geçti, sonraki 5 yılda 40 milyar dolar net kâr elde etti; mevcut piyasa değeri 1,1 trilyon dolar
• Bu şirketlerin tamamı, iddialı yatırımları ve uzun süreli zararları göze alarak veri tabanlı ağ etkileri ve teknoloji temelli rekabet avantajı inşa etti; sonunda da piyasada değerini kanıtladı
• Nihayetinde, şirket değeri (valuation), gelecekteki serbest nakit akışlarının bugünkü değeriyle gerekçelendirilmelidir
• AI alanında da sonunda hangi oyuncuların sürdürülebilir gelir yaratabileceğini zaman gösterecek

Usage + Cost + Loss Growth = Benzeri görülmemiş düzey… gelecekte gelir yaratma ve kârlılık ne olacak?

AI Monetization Possibilities = New Entrants & / Or Tech Incumbents?

• AI model ekonomisinin nereye gideceğini anlamak için kabiliyet ile maliyet arasındaki gerilime bakmak gerekiyor
• Devasa LLM eğitimi, insanlık tarihindeki en maliyetli girişimlerden biri haline geldi; parametre ve mimari karmaşıklığı arttıkça maliyetler milyarlarca dolara sıçrıyor
• Buna karşılık inference maliyetleri, donanım inovasyonu ve algoritmik verimlilik sayesinde dramatik biçimde düşüyor
  • Örnek: NVIDIA 2024 Blackwell GPU, 2014 Kepler'e kıyasla token başına enerji tüketimini 105.000 kat azalttı
• Inference ucuzladıkça, doğruluk, gecikme, erişilebilirlik ve token başına maliyet alanlarında LLM sağlayıcıları arasındaki rekabet yoğunlaşıyor; eskiden pahalı olan işler artık neredeyse ihmal edilebilir maliyetlerle yapılabiliyor
• Kullanıcılar ve geliştiriciler için birim maliyetlerdeki düşüş bir fırsata dönüşüyor; yeni hizmetler ve kullanım senaryoları patlayıcı biçimde artıyor
• Buna karşılık model sağlayıcıları için gelir yaratma ve kâr modeli belirsizleşiyor
  • Eğitim hâlâ pahalıyken sunum/servis maliyeti ucuzladığı için fiyatlama gücü zayıflıyor
  • Özelleştirilmiş küçük model pazarı ortaya çıkıyor ve mevcut iş hendekleri zayıflıyor
• Örnek: Google, AI Overviews'ü Mayıs 2024'ten itibaren aramaya entegre etti (15 Nisan 2025 itibarıyla 1,5 milyar MAU); yakın zamanda bazılarına reklam göstermeye başladı
• İleriye dönük olarak platform stratejileri (yatay genişleme), özelleşmiş uygulamalar ve abonelik, reklam gibi çeşitli gelir modelleri arasındaki rekabetin hızlanması bekleniyor
• Kısa vadede genel amaçlı LLM'lerin ekonomisi giderek venture ölçeğinde zararlar ve emtialaşmış rekabet yapısına yaklaşıyor

AI – New Entrants = Rapidly Laying Groundwork

• Yapay zeka tabanlı başlıca foundation model sağlayıcılarının tüketiciye yönelik abonelik modeli uygulama durumu (Mayıs 2025 itibarıyla)
  • OpenAI ChatGPT, xAI Grok, Google Gemini, Anthropic Claude, Perplexity gibi çeşitli modellerde ücretsiz/ücretli abonelik planları sunuluyor
    • OpenAI ChatGPT: $0 (ücretsiz) / $20 (Plus) / $200 (Pro) (aylık)
    • xAI Grok: $0 (ücretsiz) / $3 (Basic) / $8 (Premium) / $40 (Premium+) (aylık)
    • Google Gemini: $0 (ücretsiz) / $19.99 (AI Pro) / $250 (AI Ultra) (aylık)
    • Anthropic Claude: $0 (ücretsiz) / $17 (Plus) / $100 (Max) (aylık)
    • Perplexity: $0 (ücretsiz) / $20 (Pro) (aylık)
• Yapay zeka tabanlı foundation model sağlayıcılarının geliştirici API fiyatlandırması uygulama durumu (Mayıs 2025 itibarıyla)
  • OpenAI, xAI Grok, Google Gemini, Anthropic Claude, Perplexity gibi hizmetlerde API çağrısı birimi başına ücretlendirme uygulanıyor
    • OpenAI ChatGPT: 1 milyon token başına $0.40 (GPT-4.1 nano) ~ $40 (o3)
    • xAI Grok: 1 milyon token başına $0.50 (grok-3-mini-beta) ~ $25 (grok-3-fast)
    • Google Gemini: 1 milyon token başına $0.15 (1.5 Flash-8B) ~ $15 (2.5 Pro Preview)
    • Anthropic Claude: 1 milyon token başına $1.25 (Claude 3 Haiku) ~ $75 (Claude 3 Opus)
    • Perplexity: 1 milyon token başına $1 (Sonar) ~ $15 (Sonar Pro)

AI – New Entrants = Rapid Revenue Growth

• OpenAI’nin ücretli abone sayısı ve yıllık gelirindeki büyüme (Ekim 2022~Nisan 2025)
  • ChatGPT ücretli abone sayısı yıllık %153 arttı ve Nisan 2025 itibarıyla yaklaşık 20 milyon kişiye ulaştı
  • OpenAI yıllık geliri %1050 arttı ve Nisan 2025 itibarıyla 3,7 milyar doları aştı
• Anthropic’in API ve üretken arama tabanlı yıllıklandırılmış geliri 18 ayda 20 kat büyüdü (2 milyar dolar)
  • Claude 3.7 Sonnet gibi reasoning odaklı yeni model stratejisi ve gerçek iş odaklı yapay zeka kullanımının yaygınlaşması
  • 1 yılda 6,4 kat büyüme
• Perplexity’nin üretken arama tabanlı yıllıklandırılmış geliri 14 ayda 7,6 kat büyüdü (120 milyon dolar)
  • Tüm yanıtlarda kaynak sunulması ve kişiselleştirilmiş araştırma asistanı işlevinin vurgulanması
• Glean’in kurumsal arama ve ajan odaklı yıllıklandırılmış geliri 24 ayda 10 kat büyüdü (100 milyon dolar)
  • Büyük şirketlerin yapay zeka benimsemesini desteklemek ve kurumsal bilginin genelinde kullanım sağlamak üzere tasarlandı
• Yapay zeka şirketlerinin (ilk 100) yıllıklandırılmış 5 milyon dolar gelire ulaşması için geçen ortalama süre 24 ay
  • Mevcut SaaS şirketlerine kıyasla %35 daha hızlı (SaaS ortalaması 37 ay, yapay zeka ortalaması 24 ay)

AI –Tech Incumbents = Broad & Steady Product / Feature Rollouts

• ChatGPT kullanıcı sayısıyla (800 milyon) karşılaştırılan Tech Incumbent şirketlerin küresel yapay zeka kullanıcı ve cihaz durumu
  • Google, Meta, Apple, TikTok, Microsoft, Spotify, Amazon, X, Canva gibi şirketler yüz milyonlarca ila milyarlarca kullanıcı tabanına dayanarak yapay zeka ürünlerini kademeli olarak genişletiyor
• Canva – Background Remover & Magic Media (12/19)
  • 2019’da piyasaya sürülen görsel arka plan kaldırma özelliği istikrarlı biçimde popülerliğini korudu ve toplamda 3 milyardan fazla kez kullanıldı
  • 2024’te çıkan Magic Media (metin→görsel/video), piyasaya sürülmesinden sonraki 1 yıl içinde 290 milyondan fazla içerik üretimiyle topluluktan güçlü ilgi gördü
• Spotify – AI DJ (2/23)
  • AI DJ ve AI müzik videosu gibi yenilikçi özellikler Şubat 2023’ten itibaren dünya genelinde kullanıma sunuldu; Mayıs 2024 itibarıyla 60’tan fazla ülkede hizmet veriliyor
  • AI DJ, kişiselleştirilmiş müzik önerileri, etkileşim ve veriye dayalı gerçek zamanlı reasoning işlevleriyle kullanıcı memnuniyetini ve Spotify hizmet kalitesini artırıyor
• Microsoft – Copilot (2/23)
  • Şubat 2023’te Bing ve Edge’e Copilot eklendi; Aralık 2024 itibarıyla toplam konuşma sayısı 15 milyarı aştı
  • Copilot, web arama, tarayıcı ve ofis araçları genelinde yapay zeka tabanlı yeni bir kullanıcı deneyimi sunarak günlük işlerde verimlilik ve yaratıcılığın artmasına katkı sağlıyor
• Meta Platforms – Meta AI (9/23)
  • Nisan 2025 itibarıyla Meta AI, Instagram, Messenger, WhatsApp ve diğer tüm uygulamalar genelinde aylık aktif kullanıcı (MAU) sayısında 1 milyara yaklaştı
  • Gelecekte orta seviye mühendis düzeyinde yapay zeka ajanları geliştirme ve yapay zeka araştırması ile sahadaki uygulamalarda liderlik kurma stratejisi vurgulanıyor
• X – Grok (11/23)
  • xAI’nin Grok’u, 2025 Şubat’ında 3.0 sürümünün çıkışıyla birlikte masaüstünde küresel ziyaretçi sayısında bir önceki aya göre 42 kat sıçrama yaşayarak 150 milyonu aştı
  • Yapay zekada hakikati arama (value alignment) ve büyük ölçekli dağıtım öne çıkarılırken, X platformu içindeki yapay zeka deneyimi genişletiliyor
• Google – Gemini & AI Overviews (12/23)
  • Mayıs 2024 itibarıyla Gemini chatbot’unun MAU’su 400 milyon, Google Arama’ya gömülü AI Overviews ise aylık 1,5 milyar kullanıcıya ulaştı
  • Metin, kod, görsel, ses gibi farklı veri türlerini kapsayan çok modlu yapay zeka modeli ve arama içi yapay zeka özetleme özelliği güçlü yönler olarak öne çıkıyor
• Amazon – Rufus (2/24)
  • Şubat 2024’te Kuzey Amerika perakende alanında Rufus AI devreye alındı; ürün bilgisi ve inceleme özetleri gibi alanlarda kişiselleştirilmiş öneriler geliştirildi
  • Perakende işindeki toplam işlem hacmi (GMV) büyümesiyle birlikte yapay zeka kullanımı da istikrarlı şekilde genişliyor
• TikTok – Symphony AI Assistant (6/24)
  • Symphony Assistant’ın Haziran 2024’te devreye alınmasından sonra, TikTok küresel web sitesi ziyaretçi sayısı 2 milyarın üzerinde ölçüldü
  • Yapay zeka destekli marka ve içerik üreticisi odaklı içerik üretimi, reklam verimliliği ve marka beğenisi gibi alanlarda somut sonuçlar elde edildi
• Apple – Apple Intelligence (10/24)
  • Eylül 2024~Mart 2025 döneminde iPhone 15 Pro/Pro Max, iPhone 16 serisi ve benzeri Apple Intelligence destekli cihaz satışları 50 milyon ila 70 milyon adede ulaştı
  • Donanım ve yazılım birleşimi üzerinden kişiselleştirme, gizlilik ve yerel hesaplama tabanlı yapay zeka deneyimi sunmaya odaklanıyor

AI –Tech Incumbents = Rapid Revenue + Customer Growth

• Microsoft AI Ürün Geliri
  • 2024 itibarıyla Microsoft’un AI ürünleri bölümünün tahmini yıllık geliri 13 milyar dolara ulaşırken, bu rakam önceki yıla göre %175 arttı
  • Azure AI hizmetleri, Microsoft 365 Copilot, Dynamics 365 Copilot gibi çeşitli AI ürün serileri gelir büyümesine öncülük etti
  • CEO Satya Nadella, “AI yatırım getirisinin (ROI) hayata geçirilmesini destekliyoruz ve devasa bir fırsatı yakalıyoruz” dedi
  • 2025 1. çeyrek sonuç açıklamasında ticari rezervasyonların (Commercial bookings) %18 arttığını vurguladı
• xAI: Generative Search
  • 2025’te xAI’ın yıllık gelirinin ciddi biçimde artması bekleniyor
  • En yeni model Grok 3, Colossus süper bilgisayarını temel alan 10 katın üzerindeki işlem gücüyle güçlü akıl yürütme, matematik, kodlama ve bilgi tabanlı görevlerde performans artışı sağladı
  • CEO Elon Musk, bunun “politik olarak rahatsız edici gerçekler olsa bile onları arayan, hakikat odaklı bir AI” olduğunu vurguladı
• Palantir ABD Ticari Müşterileri
  • Palantir’in ABD’deki ticari müşteri sayısı bir yıl içinde %65 artarak 432’ye ulaştı
  • Şirketin AI platformu AIP (Artificial Intelligence Platform), yeni müşteri kazanımına ve mevcut müşterilerde genişlemeye katkı sağladı
  • 2025 yıllık bazda ABD’deki ticari gelir 1 milyar doları aştı
  • Palantir’in rekabet gücü, “AI Ontology aracılığıyla şirket içi bağlamı (context) en üst düzeye çıkarıp farklılaşmış uygulama kabiliyeti sunmasında” yatıyor

AI Monetization Possibilities – Enterprise = Horizontal Platform &/Or Specialized Software?

• Kurumsal AI gelirleştirme yönü
  • Mevcut iş yazılımları belirli sektör ve işlere uzmanlaşmış araçlar (Vertical SaaS) olarak büyüdü
  • Toast (restoran), Guidewire (sigorta), Veeva (yaşam bilimleri) gibi her sektöre özel çözümler pazara liderlik ediyor
  • Ancak foundation model’lerin ve üretken AI’ın ortaya çıkışıyla farklı alanlarda yeni gelirleştirme fırsatları açılıyor
• Yatay platformların yükselişi
  • AI-native üretkenlik, arama, iletişim ve bilgi yönetimini tek bir arayüzde birleştiren yatay kurumsal platformlar ortaya çıkıyor
  • Örnek: Slack + Notion + ChatGPT birleşimi gibi, mevcut tekil SaaS’lara kıyasla AI zekasını kurum genelindeki iş bağlamına gömüyor
  • SaaS lisans satışından AI gömülü çıktı temelli fiyatlandırma modeline doğru bir değer kayması yaşanıyor
• Yatay platformlar ile uzmanlaşmış yazılım arasındaki rekabet
  • Microsoft, Copilot’u şirket geneline entegre ederken, Zoom ve Canva kullanıcı iş akışlarına üretken AI ekliyor
  • Databricks ve benzerleri veriye ve geliştirici stack’ine AI entegre ediyor
  • Glean gibi girişimler, AI-first iş akışlarıyla geleneksel suite modeline meydan okuyor
  • Buna karşılık mevcut uzmanlaşmış yazılım sağlayıcıları da AI gömme, iş akışı otomasyonu ve sektöre özel verilerle özelleştirilmiş modelleri hızla devreye alma yoluyla karşılık veriyor
  • Bu uzman sağlayıcılar, hâlihazırda güven, yapılandırılmış veri ve sahadaki iş akışlarına sahip oldukları için alan uzmanlığına dayalı AI dağıtımında avantaj taşıyor
• İleriye dönük görünüm
  • Yatay platformlar çeşitli işlevleri birleştirme ve şirket geneli bilgiyi bağlama konusunda güçlü
  • Uzmanlaşmış sağlayıcılar ise sektörel regülasyonlara, sözleşmelere ve müşteri bağlamına uygun derin AI yetenekleriyle farklılaşıyor
  • Kritik soru, çekirdek katmanı kimin soyutlayacağı ve kullanıcı arayüzü ile iş mantığını kimin kontrol edeceği
  • AI çağında gelirleştirme, basit kullanım miktarından çok 'Attention', 'Context' ve 'Control' tarafından belirlenecek

SaaS Yerleşik Oyuncuları (Incumbents)

• Microsoft GitHub Copilot
  • Haziran 2022’de resmi olarak piyasaya sürüldü
  • 77.000’den fazla şirkette kullanıma alındı
  • 2 yılda yıllık bazda %180 büyüdü
  • 150 milyonluk geliştirici topluluğu, 2 yılda %50 arttı
  • Yıllık gelir 500 milyon doların üzerinde (çeyreklik bazda)
• Microsoft 365 Copilot
  • Mart 2023’te duyuruldu, Kasım 2023’te şirketler için resmi olarak sunulmaya başlandı
  • Lansmanın ardından ilk çeyrekte mevcut müşterilerin büyük bölümü koltuk sayısını 10 katın üzerinde artırdı
  • Kullanıcı sayısı çeyrek bazında iki katın üzerinde arttı
  • Çalışan kullanım oranı da hızla yükseldi; son dönemde %60’ın üzerinde artış görüldü
  • CIO’ların %75’ten fazlası önümüzdeki 12 ay içinde devreye alma planı yapıyor
• Adobe Firefly
  • Mart 2023’te public beta, Şubat 2024’te AI video modeli ticarileşti
  • Markalar ve üreticiler tarafından yüksek değerlendirme aldı
  • Toplam Firefly varlık üretimi 20 milyarı aştı
  • Ücretli kullanıcıların %90’ından fazlası video üretimini deneyimledi
  • Photoshop/Lightroom GenAI aylık aktif kullanıcı oranları sırasıyla %35 ve %30 oldu
• Atlassian Intelligence
  • Aralık 2023’te beta, Aralık 2024’te 1 milyon MAU’yu aştı
  • 1 yıl içinde AI özelliklerinin kullanım miktarı 25 kat arttı
  • Müşterilerin %10’undan fazlası Atlassian Intelligence’ı kullanıma aldı
• Zoom AI Companion
  • Eylül 2023’te piyasaya sürüldü, Aralık 2024 itibarıyla 3,5 milyon hesapta kullanıma alındı
  • Aktif hesap sayısı çeyrek bazında %68 arttı
  • AI Companion 2.0, bellek/akıl yürütme/entegrasyon gibi gelişmiş özellikler sunuyor
• Canva Magic Studio
  • Ekim 2023’te piyasaya sürüldü, Mayıs 2025 itibarıyla AI araçları toplam 16 milyar kez kullanıldı
  • Yaratıcı/kurumsal/kâr amacı gütmeyen tüm topluluk tarafından kullanılıyor
  • AI araç kullanım kaydı 10 milyarın üzerinde
• Salesforce Agentforce
  • Eylül 2024’te duyuruldu, Şubat 2025 itibarıyla 3.000 ücretli sözleşme imzalandı
  • Data Cloud ile entegre olarak büyük ölçekli müşteri deneyimi dönüşümü sağlıyor
  • Yıllık bazda %120’nin üzerinde AI ARR büyümesini sürdürüyor

OpenAI ChatGPT = Potansiyel Yatay Kurumsal Platform?

• Microsoft Office Suite
  • 9 uygulamadan oluşuyor (Outlook, Word, Excel, PowerPoint vb.)
  • 34 yılda 400 milyondan fazla ücretli kullanıcıya ulaştı (1990~2024)
• OpenAI ChatGPT
  • Tek bir uygulama olmasına rağmen yalnızca 2,5 yılda 20 milyon ücretli kullanıcıya ulaştı (Kasım 2022~Nisan 2025)
• ChatGPT Enterprise genişlemesi
  • Lansmandan 9 ay sonra Fortune 500 şirketlerinin %80’inden fazlasında ekipler tarafından benimsendi
  • Kullanan şirketler, bunun dağıtımı kolay ve güvenli bir yöntem olduğunu belirtti
  • İlk kullanıcı şirketler ChatGPT Enterprise’ı iç iletişimi iyileştirme, kodlama işlerini hızlandırma, karmaşık iş sorularına hızlı yanıt verme ve yaratıcı çalışmaları destekleme gibi alanlarda aktif biçimde kullandı
  • ChatGPT Enterprise’ta hiçbir kullanım sınırı bulunmuyor ve ücretsiz sürüme kıyasla 2 kata kadar daha hızlı performans sunuyor
  • Gelişmiş veri analizi (eski adıyla Code Interpreter) özelliğine de sınırsız erişim sağlanıyor
  • Ağustos 2023 ile Şubat 2025 arasında kurumsal/ekip/eğitim kullanıcı sayısı hızla artarak 2 milyona ulaştı

AI-Enabled Specialized Software @ Large Service Industries = Çok Hızlı Büyüyor

• Yazılım mühendisliği
  • Cursor AI: 25 ayda ARR’ye (yıllık yinelenen gelir) $1M → $300M ulaştı
  • Cursor, kod yazımı, refactoring ve otomasyon gibi alanlarda yenilikçi bir kullanıcı deneyimi sunan bir yapay zeka kod editörü
  • Günde 1 milyardan fazla karakter düzenleniyor, $100M’nin üzerinde yinelenen gelir kaydedildi
• Ürün geliştirme (No-Code Product-Building)
  • Lovable: 5 ayda ARR’yi 13 kat büyüterek $50M’ye ulaştı
  • Ürün fikrini doğal dille girdiğinizde frontend/backend kodu, DB entegrasyonu ve deployment’a kadar otomatik üreten yapay zeka tabanlı no-code platform
  • Herkesin hızla ürün oluşturup iş kurabilmesini destekliyor
• Sağlık hizmetleri (klinik görüşmeler)
  • Abridge: 5 ayda CARR (sözleşmeli yinelenen gelir) $50M → $117M büyüdü
  • 25.000’den fazla sağlık çalışanı, 40 hastane ve 600 sağlık kurumu tarafından benimsendi; hasta ziyaret kayıtlarını özetlemede 10 milyondan fazla kez kullanıldı
  • Kullanan sağlık çalışanlarından çok sayıda olumlu geri bildirim aldı
• Hukuk (iş akışı otomasyonu)
  • Harvey: 15 ayda ARR $10M → $70M büyüdü, 42 ülkede 235 müşteri kazandı
  • ABD’nin ilk 10 hukuk firmasının büyük bölümü tarafından benimsendi; hukuk/profesyonel hizmet iş akışlarının otomasyonunda ve verimlilik dönüşümünde öncülük ediyor
• Müşteri desteği (AI Support Agents)
  • Decagon: 1 yılda ARR yaklaşık $1M → $10M büyüdü
  • Yapay zeka destek ajanları tekrar eden işleri otomatikleştirirken, müşteri destek rolleri yapay zeka yöneticisi rolüne dönüşüyor
  • 2025’te ek büyüme bekleniyor
• Finansal hizmetler (araştırma ve analiz)
  • AlphaSense: 2 yılda ARR yaklaşık $150M → $420M büyüdü
  • Yapay zeka tabanlı içgörüler piyasa standardı haline gelirken, gelişmiş pazar bilgisi ve iş akışı çözümleri sunuyor
  • Ürün inovasyonu ve teknoloji yatırımlarına odaklanıyor; 2025’te yüksek hızlı büyümenin sürmesi bekleniyor

AI Monetization Threats = Rising Competition + Open-Source Momentum + China’s Rise

Rising Competition = AI Model Releases

• Google’ın 2017 tarihli ‘Attention is All You Need’ transformer makalesinin ardından, LLM’ler (büyük dil modelleri) etrafındaki ilk yapay zeka inovasyon dalgası başladı
  • OpenAI’nin GPT-3’ü ve Meta’nın Llama-1’i gibi modeller, büyük ölçekli metin tahmin eğitimi yoluyla genel amaçlı akıl yürütme yeteneğinin mümkün olduğunu gösterdi
• Ancak insan iletişimi yalnızca metinle sınırlı değil
  • Görüntü, ses, video, sensör verisi gibi çeşitli sinyaller gerçek dünya bağlamını çok daha zengin biçimde aktarıyor
  • Google, Anthropic, xAI ve diğer birçok şirket dil modellerini multimodal’e (birden fazla veri formatını işleme) doğru genişletti
    Multimodal yapay zeka modellerinin evrimi
  • Metin, fotoğraf, ses ve video bilgisini tek bir vektör uzayında birleştirerek anlama ve üretim yapıyor
  • Tek bir sorguda paragraf + grafiğe aynı anda başvurabiliyor, yanıtı da sesli özet veya açıklamalı görsel olarak döndürebiliyor
  • Sistem değiştirmeye gerek kalmadan tüm veri formatları arasında serbestçe geçiş yapabilen bir yapı
• Başlıca aşamalı evrim örnekleri
  • 2021 OpenAI CLIP: görsel + dil entegrasyonu
  • 2023 Meta ImageBind, 2024 Chameleon: görüntü, ses ve videonun birleşimi
  • 2024-2025 GPT-4o, Claude 3, Chameleon: tamamen multimodal frontier modellerin ortaya çıkışı
• Sahadaki etkiler
  • Saha mühendisi, akıllı telefon kamerasıyla ekipman anormalliklerini gerçek zamanlı olarak teşhis edebiliyor
  • Sağlık çalışanı, X-ray eklerken aynı anda yapılandırılmış muayene raporu taslağı oluşturabiliyor
  • Analist; grafik, kayıt dökümü ve ses klibini tek seferde sorgulayarak birleşik analiz yapabiliyor
  • Metin tabanlı modellere kıyasla context switching azalıyor, daha zengin bilgi yakalanıyor ve görsel/ses odaklı hizmetlerde yenilik hızlanıyor

Open-Source Model Momentum

• Yapay zeka model geliştirme ilk dönemde (2012-2018) ağırlıklı olarak açık kaynak etrafında ilerledi
  • Akademi ve iş birliği kültürüne dayalı olarak modeller, kod ve veri kamuya açıldı
• 2019’dan sonra ticarileşme, güvenlik ve yoğunlaşan rekabet nedeniyle kapalı kaynak (closed-source) modeller ortaya çıktı
  • GPT-2’nin yayımlandığı dönemden itibaren, başlıca modellerde ağırlıklar ve eğitim verileri kamuya kapatıldı
  • OpenAI GPT-4, Anthropic Claude ve benzerleri, büyük ölçekli özel veri ve sermaye yatırımıyla API biçiminde hizmet sunuyor
  • Performans, kullanılabilirlik ve güvenilirlik açısından güçlü oldukları için büyük şirketler, devletler ve tüketiciler tarafından tercih ediliyorlar
  • Buna karşılık, eğitim verisi, model mimarisi ve fine-tuning yöntemleri konusunda şeffaflık eksikliği önemli bir sınırlama
• Son dönemde açık kaynak modeller yeniden yükselişe geçti
  • Geliştirme ve kullanım maliyetleri daha düşük, erişilebilirlikleri daha yüksek olduğu için startup’lar, geliştiriciler ve akademide popüler
  • Hugging Face gibi platformlar üzerinden Meta Llama, Mistral Mixtral gibi güncel modeller kolayca indirilebiliyor ve kullanılabiliyor
  • Yapay zeka geliştirme, devasa laboratuvarlardan yeniden bireysel ve topluluk tabanlı deney alanlarına yayılıyor
  • Hızlı deney, iş birliği ve topluluk katılımı sayesinde inovasyon hızlanıyor
• Çin, 2025 itibarıyla yayınlanan büyük açık kaynak yapay zeka model sayısında dünyada 1 numara
  • DeepSeek-R1, Alibaba Qwen-32B, Baidu Ernie 4.5 gibi büyük modeller 2025’te yayınlandı
• Kapalı kaynak ile açık kaynak arasında belirgin bir ayrışma var
  • Açık kaynak: egemen yapay zeka, yerelleştirilmiş dil modelleri ve topluluk odaklı inovasyona öncülük ediyor
  • Kapalı kaynak: tüketici pazarında ve büyük ölçekli kurumsal benimsemede üstün; optimizasyon ve kullanılabilirlik odaklı
  • Açıklık/hız/özgürlük ile güvenlik/optimizasyon/kontrol arasındaki iki paradigma rekabet ediyor ve yapay zekanın geleceğini şekillendiriyor

Rising Performance of Open-Source Models + Falling Token Costs = Explosion of Usage by Developers Using AI

• İlk aşamada GPT-4, Claude, Gemini gibi kapalı kaynak modeller tüketici ve büyük kurumsal pazara liderlik etti
  • Kolay onboarding, temiz UI/UX ve yüksek güvenilirlik sayesinde kamu algısı ve kurumsal benimsemede avantaj sağladılar
  • Teknik olmayan çalışanların da rahatça kullanabileceği güvenlik, kullanım kolaylığı ve marka değeri sundular
• Son dönemde açık kaynak modellerin performans farkı hızla kapanıyor
  • Llama 3, DeepSeek ve benzerleri; akıl yürütme, kodlama ve çok dillilikte kapalı modellerle rekabet edebilir seviyeye ulaştı
  • Serbestçe indirilebiliyor, fine-tune edilebiliyor ve local olarak dağıtılabiliyor; üstelik maliyetleri çok daha düşük
• Geliştirici odaklı olarak açık kaynak yapay zeka modellerinin benimsenmesi hızlanıyor
  • Geliştiriciler, yüksek cilalı UX’ten ziyade özelleştirme ile düşük maliyet/yüksek performansı tercih ediyor
  • Uygulamalar, agent’lar, pipeline’lar ve başka pek çok alanda açık kaynak model tabanlı inovasyon denemeleri aktif biçimde sürüyor
• Token fiyatlarının düşmesi ve açık kaynak modellerin performans artışıyla, yapay zeka kullanan geliştirici sayısı patlayıcı biçimde artıyor
  • Önceden kapalı API’lere bağımlılık yüksekti; artık hem local hem cloud ortamlarında doğrudan kurulum ve ölçekleme mümkün
• Tüketici pazarı ve büyük kurumsal yaygınlaşma açısından ise hâlâ sınırlar var
  • Açık kaynak; marka gücü, kullanıcı dostu UX ve managed service gibi alanlarda zayıf kalıyor
  • Ancak altyapı daha kullanışlı hale gelir ve maliyet/performans farkı korunursa, kitlesel pazara da yayılma potansiyeli var

China’s Rise

• Meta CTO’su Andrew Bosworth, bugün yapay zekayı bir “uzay yarışı”na (space race) benzetiyor ve özellikle Çin’in kapasitesini çok yüksek değerlendiriyor
  • Geçmişte uzay yarışının rejimler arası rekabet niteliği taşıması gibi (yenilik hızı ve küresel güvenilirlik), yapay zeka rekabeti de dünya düzenini etkileyebilir
• Çin, ‘Made in China 2025’ politikasıyla birlikte düşük maliyetli üretimden ileri teknolojiye öncülük eden ülkeye hızla dönüştü
  • Robotik, elektrifikasyon, bilgi teknolojileri ve dünya standartlarında yapay zeka odağında stratejik sektörlerde kapasitesini hızla güçlendirdi
• Çin yapay zekasının askerî ve ulusal stratejide uygulanması
  • Savaş alanı lojistiği, hedef tanıma, siber operasyonlar ve otonom karar alma platformları gibi alanlarda yapay zekanın kullanımı ulusal güvenliğin geneline yayılıyor
  • 2025’te devlet medyası, askerî destek (muharip olmayan) alanlarında, örneğin askerî hastanelerde de yapay zeka kullanımını vurguladı
  • Bilim ve Teknoloji Bakanlığı, ‘yerli inovasyonu’ (indigenous innovation) ulusal temel görev olarak açık biçimde ortaya koydu
• Çin’in yapay zeka üstünlüğünün küresel etkisi
  • OpenAI’dan Sam Altman, 2024 tarihli bir yazısında, “otoriter rejimlerin yapay zekada üstünlük sağlaması hâlinde ABD ve diğer ülkelerin şirketlerini veri paylaşmaya zorlayabileceği, ayrıca yapay zekayı kendi vatandaşlarını gözetlemek veya siber silah geliştirmek için kullanabileceği” uyarısında bulundu
• ABD-Çin teknoloji üstünlüğü rekabetinin derinleşmesi
  • Yalnızca yapay zekada değil, nadir toprak elementleri, yarı iletkenler ve ileri teknoloji alanlarında da kontrol rekabeti büyüyor
  • Çin, nadir toprak elementlerinin (ileri elektronik, savunma ve temiz enerjinin temel malzemeleri) tedarikinde küresel güç konumunu korurken, ABD buna karşı yarı iletken reshoring’ini (üretimin ülke içine geri taşınması) hızlandırıyor ve müttefiklerle (Japonya, Güney Kore, Hollanda vb.) iş birliğini güçlendiriyor
  • Tayvanlı TSMC, dünya yarı iletken döküm sektörünün ana eksenlerinden biri olarak ABD ve Çin’in stratejik hesaplarının merkezinde yer alıyor
• ABD içindeki politika çizgisinin değişimi
  • 20 yıllık yumuşak tepki döneminden çıkılarak, her iki parti de ileri teknoloji sanayilerini artık “ulusal çıkarın çekirdeği” olarak aktif biçimde görüyor
  • Biden yönetimi: ihracat kontrolleri; Trump yönetimi: ekonomik milliyetçilik ve reshoring gibi farklı yaklaşımlar
  • Senatörler John Cornyn ve Mark Warner: “ABD’nin yarı iletken inovasyonu tüm ekonomiyi ayakta tuttu, ancak rehavet rakiplerin (düşmanlar dâhil) arayı kapatmasına fırsat verdi”
• ABD teknolojik fikrî mülkiyet haklarının (IP) korunmasının önemi
  • OpenAI, “Çin gibi rakiplerin ABD’nin önde gelen yapay zeka modellerini tersine mühendislikle çözmek için sürekli girişimde bulunduğunu ve hükümetle yakın iş birliğinin zorunlu olduğunu” belirtti
• ABD-Çin ilişkisine bakışın değişmesi
  • WTO’ya ilk katılım döneminin (2000’ler) aksine, bugünün ABD’si yapay zeka, yarı iletkenler ve kritik mineraller gibi ileri teknolojilerin ekonomik ve endüstriyel varlıkların ötesinde, ulusal dayanıklılığın ve jeopolitik gücün temel ekseni olduğunu açık biçimde kavramış durumda

Public Market Capitalization Leader Tells of Last Thirty Years = Extraordinary USA Momentum…China Rising

• Son 30 yılda (1995~2025) küresel piyasa değeri en yüksek 30 şirket içinde sürekli yerini koruyan şirket sayısı 6
  • Microsoft, Walmart, Exxon Mobil, Procter & Gamble, Johnson & Johnson, Coca-Cola
  • Üst sıralara yeni giren şirketler
    • NVIDIA, Apple, Amazon, Alphabet(Google), Saudi Aramco, Meta Platforms(Facebook), Tesla, Broadcom, Berkshire Hathaway, TSMC, JP Morgan Chase, Visa, Eli Lilly, Tencent, Mastercard, Netflix, Costco Wholesale, Oracle, Home Depot, SAP, Bank of America, ICBC, AbbVie, Palantir
  • 1995’te ülkelere göre dağılım
    • ABD: %53 (ilk 30 şirket içinde 16 şirket),
    • Japonya: 9 şirket,
    • İsviçre: 3 şirket,
    • Birleşik Krallık: 2 şirket
  • 2025’te ülkelere göre dağılım
    • ABD: %83 (ilk 30 şirket içinde 25 şirket)
    • Japonya/İsviçre/Birleşik Krallık: 0 şirket
    • Çin 2 şirket, Suudi Arabistan 1 şirket, Tayvan 1 şirket, Almanya 1 şirket
• Son 30 yılda küresel teknoloji şirketleri (tech companies) arasında piyasa değeri en yüksek 30 şirket içinde sürekli yerini koruyan şirket sayısı 5
  • Microsoft, Oracle, Cisco, IBM, AT&T
  • Teknoloji şirketleri arasında yeni girenler
    • NVIDIA, Apple, Amazon, Alphabet(Google), Meta Platforms(Facebook), Tesla, Broadcom, TSMC, Tencent, Netflix, SAP, Palantir, ASML, Alibaba, Salesforce, T-Mobile, Samsung, China Mobile, Reliance, ServiceNow, Intuitive Surgical, Siemens, Uber, AMD, Intuit
  • 1995’te teknoloji şirketlerinin ülkelere göre dağılımı
    • ABD: %53 (16/30),
    • Japonya: %30 (9/30),
    • Birleşik Krallık/Singapur/Hong Kong/Meksika/Malezya: her biri 1 şirket
  • 2025’te teknoloji şirketlerinin ülkelere göre dağılımı
    • ABD: %70 (21/30)
    • Japonya/Birleşik Krallık/Singapur/Hong Kong/Meksika/Malezya: 0 şirket
    • Çin 3 şirket, Almanya 2 şirket, Tayvan 1 şirket, Hollanda 1 şirket, Güney Kore 1 şirket, Hindistan 1 şirket
  • Tayvanlı TSMC: Tayvan’ın üst sıralarda yalnızca 1 şirketi (TSMC) var, ancak 2024’ün 2. çeyreği itibarıyla
    • dünyanın ileri seviye yarı iletkenlerinin %80~90’ını, tüm yarı iletkenlerin ise %62’den fazlasını üretiyor
• Tek bir nesilde gerçekleşen olağanüstü değişim
  • İnternetin yaygınlaşması, yeni küresel lider şirketlerin doğuşunun temelini oluşturdu ve
  • yapay zekanın yükselişinin, önümüzdeki 30 yıl boyunca bundan da daha hızlı ve daha köklü değişimleri tetiklemesi bekleniyor

USA vs. China in Technology = China’s AI Response Time Significantly Faster vs. Internet 1995

• Yapay zeka büyük dil modeli (LLM) liderliği: ABD ve Çin, küresel yapay zeka geliştirme hızını yönlendiriyor
  • 2017~2024 arasında kümülatif büyük ölçekli yapay zeka sistemi inşa durumuna bakıldığında, ABD ve Çin açık ara önde görünüyor
  • ABD 2024 itibarıyla 150’den fazla, Çin ise 100’ün üzerinde büyük ölçekli yapay zeka sistemi duyurdu
  • Fransa, Birleşik Krallık, Kanada, Hong Kong ve Almanya gibi ülkeler ise hâlâ ABD ve Çin’le arasında büyük fark taşıyor
• China AI = hızlı takip, DeepSeek R1
  • DeepSeek, Çin’in yapay zeka geliştirme kapasitesinin ABD ile arasındaki farkı 3 aya kadar indirdiğini açıkladı (Ocak 2025)
  • DeepSeek CEO’su, Çin’in basit taklidi aşarak kendi özgün inovasyonunu üretmesinin kaçınılmaz olduğunu vurguladı
• Alibaba Qwen 2.5-Max: DeepSeek ve OpenAI ChatGPT’yi geçtiği iddiası
  • Qwen2.5-Max, çeşitli benchmark’larda DeepSeek V3 ve OpenAI ChatGPT’den daha iyi performans sergiledi
  • Veri ölçeği, model boyutu ve post-training teknolojisindeki yeniliklerle model performansını sürekli artırıyor
• Baidu Ernie 4.5 Turbo: multimodal yapay zeka, düşük maliyet ve yüksek performans
  • Metin, görsel ve videonun tamamını işleyen multimodal yapay zeka olarak “İsviçre çakısı”na benzetiliyor
  • 1 milyon token girdi başına RMB 0.8, çıktı için RMB 3.2 ile DeepSeek V3’ün %40’ı, GPT-4.5’in ise %0,2’si seviyesinde maliyet sunuyor
  • GPT-4.1’e eşdeğer, bazı multimodal görevlerde ise GPT-4o’dan daha iyi performans gösterdi
• LLM performansı: ABD ve Çin arasında gerçek puan farkı daralıyor
  • Stanford HAI & LMSYS’in Şubat 2025 itibarıyla Chatbot Arena sonuçlarına göre ABD 1.385, Çin ise 1.362 puanla birbirine çok yakın
• Çin yapay zekası: düşük eğitim maliyetiyle performans elde ediyor
  • Epoch AI verilerine göre DeepSeek V3 gibi Çin modelleri, GPT-4’e kıyasla belirgin biçimde daha düşük maliyetle piyasaya sürüldü
• Yapay zeka eğitimi yerel yarı iletkenlere kayıyor
  • ABD’nin ihracat kısıtlamaları nedeniyle Huawei gibi şirketlerin yerel yapay zeka çip kümeleri hızla büyüyor
  • Financial Times’a göre Huawei, Çinli teknoloji şirketlerine yönelik yapay zeka kümelerini ciddi ölçekte tedarik etmeye başladı
• Çin: endüstriyel robot kurulum tabanı da dünyada en üst seviyede
  • 2023 itibarıyla Çin 276 bin, dünyanın geri kalanı 265 bin, ABD ise yaklaşık 40 bin seviyesinde
• Sonuç: Çin’in yapay zeka inovasyon hızı, internetin benimsenme döneminden (1995) çok daha hızlı
  • Teknoloji, maliyet ve altyapı açısından ABD ile farkı hızla kapatıyor; küresel sanayi liderliği rekabeti de daha da kızışıyor

China Consumer AI Usage = DeepSeek Rose Quickly

• Küresel üretken yapay zeka pazarı, bölgeye, kanala ve kullanıcı tercihlerine göre giderek daha fazla ayrışıyor
  • Dünya genelinde OpenAI’nin ChatGPT’si masaüstü ve mobilde açık ara 1 numara konumunu koruyor, ancak platformlar arası rekabet giderek sertleşiyor
  • Anthropic’in Claude’u ve Google Gemini de payını giderek artırırken, xAI’nin Grok’u Şubat-Mart 2025 itibarıyla aylık ziyaretçi sayısında %294 artışla en hızlı büyüyen yapay zeka asistanı olarak kayda geçti
• Çin’de DeepSeek gibi yerel yapay zeka modelleri güçlü konumda
  • ChatGPT çoğu ülkede 1. sırada olsa da, Rusya ve Çin’de hizmet veremediği için DeepSeek gibi yerel modeller baskın durumda
  • Roland Berger danışmanlığına göre, Çin’de aylık aktif kullanıcı bazında AI uygulamalarında TOP10’un tamamı yerli (DeepSeek, Kimi, Nami AI, ERNIE Bot vb.; her biri on milyonlarca kullanıcıya sahip)
  • Çin dışında dünyanın geri kalanında ChatGPT ezici üstünlüğe sahipken, Çin içinde tamamen ayrı bir pazar oluşmuş durumda
• Çin’in platform düzenlemeleri ve ortamı
  • Facebook, Twitter, Google, YouTube 2010’dan ya da daha öncesinden beri Çin içinde erişime kapalı
  • Instagram, WhatsApp, Wikipedia, Telegram ve Spotify’ın yanı sıra son dönemde ChatGPT, Google Gemini, Claude, Meta AI, Microsoft Copilot da engellendi
  • Bu düzenleyici ortam, yerel yapay zeka şampiyonlarının yükselişini hızlandırdı
• Yapay zekaya yönelik algı farkı
  • Stanford HAI ve Ipsos araştırmasına göre, Çin vatandaşlarının %83’ü yapay zekanın net etkisini olumlu değerlendiriyor (2024 itibarıyla, 2022’ye göre 5 puan artış)
  • ABD vatandaşlarında aynı soruya yalnızca %39 olumlu yanıt verildi; son 2 yılda büyük bir değişim olmadı
  • Yapay zekaya yaklaşım ve onu kabullenme biçimi, toplumsal ve felsefi açıdan ülkelere göre farklılık gösteriyor
• Platform seçimi, performans ya da fiyatın ötesine geçerek giderek daha fazla ulusal ve kültürel kimlik alanına yayılıyor
  • Artık belirleyici ayrım sadece “kim daha iyi yapıyor?” değil, “nasıl benimsiyor ve kullanıyor?” sorusu oluyor

AI & Physical World Ramps = Fast + Data-Driven

• Şimdiye kadar masaüstü/mobil yazılımlarda yapay zekanın yaygınlaşması ve gelirleştirilmesine odaklanılmış olsa da, fiziksel dünyadaki yapay zeka inovasyonu ve gelirleştirmesi bundan daha hızlı ve daha dramatik bir görünüm sergiliyor
  • Artık zekâ yalnızca dijital uygulamalara değil, araçlara, makinelere ve savunma sistemlerine de derinlemesine gömülüyor
  • Waymo, Tesla gibi otonom araç filoları artık laboratuvar projesi değil; gerçekten gelir üretiyor, milyonlarca millik sürücüsüz sürüş verisi biriktiriyor ve hızla gelişen yazılım döngülerine evriliyor
  • Applied Intuition, donanımdan bağımsız yazılım tanımlı araç sistemleri ve simülasyon platformları geliştirerek üreticilerin yapay zekayı bir bileşen kadar kolay şekilde uygulamasını destekliyor
  • Savunma sanayisinde (Anduril), yapay zeka tüm edge node'lara (drone, sensör vb.) yerleştirilmiş otonom sistemleri sahaya sürerek savunma paradigmasını dönüştürüyor
  • Tarımda (Carbon Robotics), yapay zeka tabanlı bilgisayarlı görü ile herbisit kullanmadan yabani ot temizleme gibi uygulamalar sayesinde, fiziksel dünyadaki sermaye varlıklarının adeta birer yazılım endpoint'i haline geldiği büyük bir dönüşüm yaşanıyor
  • Bu da yapay zekanın artık yalnızca ekranda kalmayıp gerçek dünyayı harekete geçiren bir güç (kinetic) haline geldiğine işaret ediyor
• Tesla Vertically-Integrated Electric Vehicles
  • Haziran 2022'den Mart 2025'e kadar tam otonom sürüş (Full Self-Driving) kümülatif sürüş mesafesi 100 kat büyüdü
  • Version 12'nin devreye alınmasıyla 330 bin satır C++ kodu sinir ağıyla değiştirildi ve tam end-to-end AI architecture uygulandı
  • Nesne tanıma, rota planlama, araç kontrolü dahil tüm aşamalarda yapay zeka merkezi rol oynuyor
  • Tesla'nın dünyanın en verimli yapay zeka çıkarım şirketi olma ihtimali bulunuyor
• Waymo Fully-Autonomous Vehicles
  • Ağustos 2023-Nisan 2025 arasında San Francisco ride-share pazar payı %0'dan %27'ye hızla yükseldi
  • Multimodal yapay zeka tabanlı perception, planning ve prediction ile sağlam bir ticari sistem kurdu
  • Gerçek pazarda ticari olarak işe yarayan bir otonom araç ürününü kanıtladı
• Applied Intuition Vehicle Intelligence
  • 2024 itibarıyla dünya genelindeki 18 büyük otomotiv OEM'ine yapay zeka araç zekâsı çözümleri sağlıyor
  • Simülasyon platformu ve otonom sürüş yazılımını otomobil, kamyon, inşaat ve savunma dahil çeşitli sektörlere genişletiyor
  • Savunma alanında arazi tipi otonom sürüş ve defense teknoloji ürün ailesini güçlendiriyor
• Anduril AI-Enabled Autonomous USA Defense Systems
  • 2022-2024 arasında iki yıl üst üste yıllık gelirini 2 kat artırdı, 2024'te 1 milyar doları aştı
  • Yapay zeka ve otonom sistemlerle modern savaş alanında daha hızlı ve daha hassas karar almayı destekliyor
  • Dağıtık edge node'lara yapay zeka yerleştirerek güvenlik ve savunma sistemlerinde yenilik sağlıyor
• KoBold Metals AI-Driven Mining Exploration
  • Yapay zeka tabanlı machine prospector teknolojisiyle, 1975'ten bu yana en düşük verimliliği gösteren maden arama alanında keşif verimliliğini dramatik biçimde artırıyor
  • Büyük ölçekli coğrafi/jeofizik veriler ile istatistiksel ilişki modellerini birleştirerek umut vadeden arama adaylarını hızla belirliyor
  • Sektör ortalamasının 2 katından fazla verimlilikle yeni metal tedarik zincirleri güvence altına alıyor
• Carbon Robotics AI-Driven Agricultural Modernization
  • Ocak 2023-Mayıs 2025 arasında kümülatif olarak 230 bin acre'den fazla alanda yabani ot temizliği yapıldı, 100 bin galondan fazla glifosat (herbisit) kullanımının önüne geçildi
  • Yapay zeka tabanlı derin öğrenme ve bilgisayarlı görü teknolojisiyle ürünlerin çevresindeki yabani otları lazerle temizliyor
  • Otomatik makine saatte 2 acre, günde 200 bin yabani otu temizleyebiliyor
• Halter AI-Driven Intelligent Grazing
  • 2025 itibarıyla çiftlikler için akıllı tasma yeni sözleşme sayısı yıllık ortalamada %150'nin üzerinde büyüyor
  • Yapay zeka tabanlı otlatma yönetimi ile kaynak kullanım verimliliğini artırıyor, toprak sağlığını iyileştiriyor ve sürdürülebilirliği güçlendiriyor
  • Teknolojinin modern tarımda yavaş uygulanması sorununu aşabilecek büyük ölçekli üretkenlik ve karbon azaltımı etkisini kanıtlıyor

Global Internet User Ramps Powered by AI from Get-Go = Growth We Have Not Seen Likes of Before

• Düşük maliyetli uydu internetinin yayılmasıyla, dünya nüfusunun %32'sine karşılık gelen 2,6 milyar bağlantısız insanın internete ilk kez katılma ihtimali hızla büyüyor
• Bu kullanıcılar, önceki nesillerden farklı olarak, ilk internet deneyimlerine yapay zeka özellikleri varsayılan olarak entegre edilmiş halde başlayacak
• Arama kutusuna doğrudan yazmak ya da geleneksel bir tarayıcıdan geçmek yerine, doğrudan doğal dilde yapay zekayla konuşarak bilgi alıp çeşitli teknoloji hizmetlerinden yararlanacaklar
• Bu tür AI agent tabanlı arayüzler, uygulamalardan ziyade arayüzün sahibi olan oyuncularda piyasa değerinin yoğunlaşmasına yol açabilir ve mevcut platform hiyerarşisini sarsabilir
• Önümüzdeki dönemde platform sahipliğinden çok arayüz sahipliği daha önemli hale gelecek; yerel dili, bağlamı ve kullanıcı niyetini anlayan yapay zeka temel rekabet avantajı olacak

New Internet User Growth = Enabled by AI + Satellites

• Orbital / Satellite Launch Market Share, Global = SpaceX Rising
  • 2008'den bu yana ticari ve ulusal uzay fırlatmalarında bir rönesans başladı ve SpaceX yıllık fırlatma sayısında büyük bir pay almaya başladı
  • ABD (SpaceX hariç), Çin ve Rusya da kendi büyüme eğilimlerini gösterse de, SpaceX'in hızlı artışı özellikle dikkat çekiyor
  • Soğuk Savaş'tan 1990'ların sonuna kadar devlet öncülüğünde ilerleyen sektör, son dönemde özel sektör öncülüğündeki fırlatmaların arttığı bir yapıya dönüştü
• SpaceX Starlink @ 5MM+ Subscribers = +202% Annual Growth Over 3.2 Years
  • Starlink'in abone sayısı 2021'de yaklaşık 100 binden 2024'te 5 milyonun üzerine çıktı
  • Yıllık ortalama %202 büyüme kaydederek küresel internet kullanıcı tabanını hızla genişletiyor
• SpaceX Starlink Ecosystem = Coverage Expanding Globally
  • 2025 itibarıyla Starlink; Kuzey Amerika, Güney Amerika, Avrupa, Okyanusya, Afrika'nın bazı bölümleri ve Asya'nın önemli bölgelerine kadar hizmet alanını genişletti
  • Hâlâ hizmet verilmeyen ülkeler Çin, Rusya, İran gibi sınırlı sayıdaki ülkelerle kısıtlı
• Starlink = Unlocking Previously-Inaccessible Internet Access in AI Era
  • Coco, Monterrey, Mexico: Meksika'nın kırsal bölgelerine yüksek hızlı ve güvenilir internet sağlıyor, topluluk WiFi'ı ile dijital erişimi artırıyor
  • Chile School District: Şili'deki bir okul bölgesinde 36 bilgisayarın aynı anda bağlanabildiği yüksek hızlı internet sunarak öğrenciler ve öğretmenler için sınıf deneyimini dönüştürüyor
  • Brightline Trains, USA: ABD'deki yüksek hızlı demiryolunda istikrarlı uydu internet sağlayarak yolcu deneyimini ve operasyonel verimliliği artırıyor
  • Seaspan Corporation, Global: Küresel denizcilik şirketine uydu internet getirerek gemilerde uzaktan ofis benzeri çalışma imkânı sağlıyor, mürettebat güvenliğini ve operasyonel verimliliği iyileştiriyor, daha önce mümkün olmayan çözümleri hayata geçiriyor

AI & Work Evolution = Real + Rapid

• Yapay zekanın benimsenmesiyle işin özündeki değişim
  • Robotlar, dronlar gibi fiziksel otomasyonun yanında bilişsel otomasyon da hızla yaygınlaşıyor
  • Yapay zeka sistemleri akıl yürütme, üretim ve problem çözme yetenekleri kazanarak iş alanlarını genişletiyor
• Yapay zekanın bilişsel yeteneklerindeki büyüme hızı
  • ChatGPT’nin kullanıma sunulmasından (Kasım 2022) sonraki 3 yılda, lise öğrencisi seviyesinden doktora düzeyinde akıl yürütme yeteneğine ilerledi
  • Geniş ölçekli yapılandırılmış verilere dayalı kural ve karar işleri, yapay zekanın güçlü olduğu alana kayıyor
• Emeğin birimindeki değişim
  • İnsan merkezli mevcut emekten, veri merkezleri ve AI modellerinin hesaplama gücü merkezli yapıya geçiş ihtimali
  • Belirli iş gücünün arz ve kalitesini AI altyapısının belirlediği bir dönem geliyor
• Ajan tabanlı gelecek ve insanın rolü
  • Bazıları, AI ajanlarının beyaz yaka işleri ikame edeceğini öngörüyor
  • Ancak verimlilik ve etkinlik artışıyla birlikte yeni insan işlerinin ortaya çıkageldiği tarihsel örüntüyü dikkate almak gerekiyor
  • Tamamen ajan merkezli bir toplumda bile denetim, eğitim ve yönlendirme gibi insan rolleri varlığını sürdürecek
• Geleceğin emek yapısı ve toplumsal değişim
  • RLHF (insan geri bildirimiyle pekiştirmeli öğrenme) örneğinde olduğu gibi, insanlar AI ve robotların performansını eğitme ve ince ayar yapma rolüne kayıyor
  • Tarihsel olarak iş yapış biçimlerindeki değişim hep tekrarlandı; AI da verimlilik ve işin evrimini hızlandıran bir teknoloji

Summary

• İnternetsiz bir yaşamı hayal etmenin zor olması gibi, yakında AI’sız bir dünyayı da hayal etmek zorlaşacak
  • AI; müşteri desteği, yazılım geliştirme, bilim, eğitim, üretim gibi sektörlerin tamamında temel altyapı haline hızla geliyor
• AI’nın yaygınlaşmasını hızlandıran etkenler
  • ChatGPT gibi çok modlu AI araçlarının küresel yayılımı, akıl yürütme maliyetlerinin düşmesi ve farklı modellerin piyasaya çıkması bu süreci hızlandırıyor
  • Tek kişilik geliştiricilerden büyük şirketlere kadar erişim ve deney yapma kolaylaştıkça inovasyonun yayılımı hızlanıyor
• Teknik altyapı ve yatırım
  • Büyük bulut sağlayıcıları, yarı iletkenler ve hyperscaler’ların sermaye harcamaları hızla artıyor
  • Çipler, veri merkezleri, ağlar ve enerji sistemleriyle fiziksel ve dijital sınırlar giderek daha belirsiz hale geliyor
• ABD-Çin stratejik rekabeti ve küresel AI liderliği
  • ABD model inovasyonu, özel çipler ve bulut altyapısında önde olsa da, Çin de açık kaynak, altyapı ve politika desteğiyle hızla büyüyor
  • Her iki ülke de AI’yı ekonomik büyüme ve jeopolitik etki için temel bir kaldıraç olarak görüyor
• Platform ve arayüz değişimi
  • AI, mevcut uygulama ekosistemlerinin ötesine geçerek ajan tabanlı konuşmalı arayüzlere evriliyor
  • Uydu internet gibi gelişmeler sayesinde gelecekte yeni internet kullanıcılarının AI-native deneyimle başlaması yüksek olasılık
• İşler ve çalışma biçimindeki değişim
  • İş yerlerinde AI benimsenmesi hızlanıyor; emeğin birimi insandan hesaplama gücü ve AI’ya kademeli olarak kayıyor
  • Daha fazla insan AI ile birlikte çalışıyor ve AI’nın çalışma ortamını yeniden düzenlediği yönündeki eğilim belirginleşiyor
• Uluslararası ortam ile teknolojinin birleşimi
  • Bilgi ve sermaye akışları, silahlaştırılan teknolojiler ve demokrasi-otoriterlik karşıtlığının derinleşmesiyle belirsizlik artıyor
  • Buna karşın inovasyon ulusal rekabet gücünün çekirdeği olmaya devam ediyor; hızlı uygulama ve ittifak stratejisinin önemli olduğu vurgulanıyor
• Sonuç
  • AI’nın oyun zamanı geldi ve bu giderek daha da yoğunlaşıyor
  • Genie artık şişeye geri girmeyecek (geri dönüşü olmayan bir eşik aşıldı)

[xguru]

PDF dosyası olarak da yayımlandı: https://www.bondcap.com/report/pdf/Trends_Artificial_Intelligence.pdf