Döngüsel finans: Nvidia'nın 110 milyar dolarlık bahsi, telekom balonunu hatırlatıyor mu?

 (tomtunguz.com)
1 puan yazan GN⁺ 2025-10-06 | 1 yorum | WhatsApp'ta paylaş
  • Nvidia'nın 110 milyar dolarlık yatırımıyla OpenAI gibi yapay zeka altyapılarına büyük sermaye aktarması, geçmişteki telekom balonuna benzer döngüsel vendor financing yapısının yeniden ortaya çıktığı endişelerini gündeme getiriyor
  • 2025'te ABD'nin önde gelen BT şirketleri 300-400 milyar dolar düzeyinde yapay zeka altyapı yatırımı planlarken, müşteri tabanındaki yoğunlaşma ve GPU teminatlı krediler gibi riskler de büyüyor
  • Lucent'ın başarısızlık geçmişinden farklı olarak Nvidia, nakit akışı, müşteri kredi kalitesi ve muhasebe şeffaflığı açısından ayrışsa da müşteri yoğunlaşması, varlık değerlemesi ve custom silicon geliştirmelerinin yaygınlaşması dikkat edilmesi gereken unsurlar olarak gösteriliyor
  • Yapay zeka talebinin gerçek talep olup olmadığı, bulut gibi zorunlu altyapıya dönüşüp dönüşmeyeceği ya da yalnızca bir balon olup olmadığı konusunda sürekli izleme gerekliliği vurgulanıyor
  • Lucent muhasebe usulsüzlüğü vakasında olduğu gibi geçmişteki yapısal risklerin tekrarlanmaması için, Nvidia ve sektör genelinde varlık değeri, gelir modeli ve borç riski yakından izlenmeli

Giriş: Nvidia, döngüsel finans ve telekom balonunun gölgesi

  • 2025'te Nvidia'nın OpenAI ve benzerlerine yönelik 110 milyar dolarlık vendor financing hamlesi, telekom balonu dönemindeki büyük ölçekli döngüsel finans yapılarıyla benzerlik tartışmalarını öne çıkarıyor
  • ABD'li big tech şirketleri 2025'te 300-400 milyar dolar büyüklüğünde, tarihin en büyük yapay zeka altyapı yatırımlarını planlıyor
  • Bu yatırım ölçeği, bugüne kadarki tek yıllık kurumsal altyapı yatırımı rekorlarını açık biçimde aşıyor

Lucent'ın stratejisi: Döngüsel finansın dersi

  • 1999'da Lucent Technologies, dot-com balonunun zirvesinde 37,9 milyar dolar gelir elde etti; ardından yalnızca 3 yıl içinde %69 düşüş yaşadı ve sonunda Alcatel ile birleşme yoluna girdi
  • O dönemde Lucent, Nortel ve Cisco gibi ekipman sağlayıcıları, müşterileri olan telekom şirketlerine ekipman alımı için doğrudan finansman sağlayan milyarlarca dolarlık vendor financing kullandı
    • Lucent 8,1 milyar dolar, Nortel 3,1 milyar dolar, Cisco 2,4 milyar dolar kredi taahhüdü
  • Bu strateji başlangıçta herkes için kazançlı görünse de pazar doygunluğu ve finansman sıkışıklığı geldiğinde, müşterilerin büyük kısmı (47 CLEC) iflas etti; kredilerin %33-80'i tahsil edilemedi ve ekipman değerleri sert biçimde çöktü
  • Gerçekte fiber optik ağlar kullanılabilir kapasitenin yalnızca %0,002'sini kullanıyordu; yani yatırımın zamanlaması talebe göre çok erkendi

Nvidia'nın stratejisi: Farklılaşmış döngüsel finans yapısı

  • Nvidia, 2025 itibarıyla 110 milyar dolar doğrudan yatırım (gelirinin %85'i) ve 15 milyar doların üzerinde GPU teminatlı kredi yürütüyor
    • OpenAI ile 100 milyar dolarlık somut taahhüt bulunuyor (10 dilimlik tranche, altyapı kurulum aşamalarına göre ödeme, fiili fon akışı ise GPU leasing biçiminde)
    • CoreWeave, NVentures ve diğer alanlara ek yatırımlar ile GPU teminatlı kredi pazarının genişlemesi de sürüyor
  • CoreWeave örneğinde şirket 10,45 milyar dolarlık GPU teminatlı borç taşıyor; Lambda Labs gibi diğer yapay zeka girişimleri de GPU'ları kredi teminatı olarak kullanıyor

Sayısal karşılaştırma: Lucent vs Nvidia (2024 dolarıyla)

Kalem Lucent (2000) Nvidia (2025)
Vendor financing 15 milyar dolar 110 milyar dolar
Faaliyetlerden nakit akışı 300 milyon dolar 15,4 milyar dolar (FY22 2. çeyrek)
Yıllık gelir 34 milyar dolar 130 milyar dolar
İlk 2 müşterinin payı %23 %39

Dikkat edilmesi gerekenler: Yeni piyasa risk yapısı

1. Daha yoğunlaşmış yapay zeka müşteri tabanı

  • Nvidia'nın ilk 2-4 müşterisi gelirin %46'sını oluşturuyor; bu, Lucent'a kıyasla yaklaşık 2 katlık müşteri yoğunlaşmasına işaret ediyor
  • Gelirin %88'i veri merkezinden geliyor

2. GPU teminatlı kredilerin büyümesi ve envanter riski

  • GPU'lar, 4-6 yıl değerini koruyacağı varsayımıyla %14 yüksek faizli kredilerde kullanılıyor (yatırım yapılabilir seviye şirket tahvillerinin yaklaşık 3 katı)
  • Ancak GPU'ların gerçek kullanım ömrünün 1-3 yıl olduğu görülüyor (Google tasarımcıları ve Meta'daki gerçek örnekler)
Şirket 2020 öncesi 2020 2022~2023 2024~2025 Değişim
Amazon 3 yıl 4→5 yıl 5 yıl 6→5 yıl İlk kısalma
Microsoft yaklaşık 3 yıl 4 yıl 6 yıl 6 yıl +%100
Google yaklaşık 3 yıl 4 yıl 6 yıl 6 yıl +%100
Meta yaklaşık 3 yıl 4 yıl 4,5→5 yıl 5,5 yıl +%83
CoreWeave N/A N/A 4→6 yıl 6 yıl +%50 (GPU)
Nebius N/A N/A 4 yıl 4 yıl Sektör standardı

  • Amazon, 2025'te amortisman süresini 6 yıldan 5 yıla geri çekerek ilk kez daha muhafazakâr bir muhasebe uygulamasına geçti

  • CPU'larda 5-10 yıl kullanım yaygınken, yapay zeka veri merkezlerindeki GPU'larda pratikte 1-3 yıl içinde yenileme sık görülüyor (Meta Llama 3: yıllık %9 arıza oranı → 3 yılda %27 arıza tahmini)

  • Başlıca finans kurumları (ör. Cerno Capital), "bu amortisman politikalarının gerçekten ekonomik ve teknolojik gerçekliği mi yansıttığını, yoksa yatırımcı dikkatini dağıtmaya yönelik bir 'göz yanılsaması' stratejisi mi olduğunu" sorguluyor

4. SPV (özel amaçlı şirket) yapılarının kullanımı

  • Büyük teknoloji şirketleri, Apollo gibi private equity firmalarıyla SPV ortak yatırımları üzerinden veri merkezi inşaat finansmanı sağlıyor

    • SPV veri merkezini sahipleniyor ve işletiyor, ardından bunu teknoloji şirketlerine uzun vadeli leasing ile sunuyor
    • SPV borcu muhasebe olarak teknoloji şirketlerinin finansal tablolarına yansımıyor (off-balance sheet)
    • Yapı genellikle %10-30 özkaynak, %70-90 borç oranına dayanıyor

  • Bu yapılar kredi notunu koruma ve yatırım harcamasını daha düşük gösterme gibi avantajlar sağlasa da, veri merkezi kullanım oranı düşer veya GPU değeri gerilerse, ilk kayıp ince sermaye katmanını taşıyanlarda (equity holder) oluşur

  • Bugün veri merkezi varlıkları, başlıca REIT portföylerinin %10-22'sini oluşturuyor; bu oran 2 yıl önce sıfıra yakındı

5. Custom silicon rekabet riski

  • Microsoft (Maia), Google (TPU), Amazon (Trainium/Inferentia), Meta (MTIA) gibi şirketlerin kendi geliştirdiği yapay zeka hızlandırıcılarını kullanımı yaygınlaşıyor
  • Müşteriler kendi çiplerine geçerse, CoreWeave gibi şirketlerde GPU teminatlı varlıkların değeri düşebilir ve Nvidia'nın vendor financing riski büyüyebilir

Nvidia ile Lucent arasındaki temel farklar

  • Lucent: 1,1 milyar dolarlık gelir manipülasyonu, 10 yönetici hakkında SEC suçlaması, finansal tablolara güven kaybı
  • Nvidia: PwC denetimi, not artışı, yılda 50 milyar doların üzerinde nakit üretimi, 46,2 milyar dolar net nakit korunumu (2024)
  • Lucent: Müşterilerinin çoğu aşırı borç kaldıraçlı ve zarar yazan şirketlerdi
  • Nvidia: En büyük müşterileri (Microsoft, Alphabet, Amazon, Meta vb.) 2024 itibarıyla 451 milyar dolarlık faaliyet nakit akışı üreterek güçlü temellere sahip
  • Lucent'ta yatırım kullanım oranı yalnızca %0,002 iken, Nvidia'nın büyük müşterileri yapay zeka altyapısında arz kısıtı yaşandığını bildiriyor

İzlenmesi gereken göstergeler

  1. GPU kullanım oranı: Veri merkezlerinde GPU'ların gerçekten ne kadar kullanıldığı, yoksa sadece stok mu yapıldığı sürekli izlenmeli
  2. OpenAI kârlılığı: Büyük ölçekli altyapı kurulumunun yeterli gelire dönüşüp dönüşmediği doğrulanmalı
  3. Borç bozulma sinyalleri: 15 milyar dolarlık GPU teminatlı kredi pazarında geri ödeyememe işaretleri takip edilmeli
  4. AR (Accounts Receivable) yönetimi eğilimi: AR oranı iyileşiyor (%68→%30), ancak yeniden bozulma riski izlenmeli
  5. Müşteri çeşitlendirmesi: Yeni müşteri tabanı oluşup oluşmadığı ve birkaç büyük müşteriye bağımlılığın sürüp sürmediği gözlenmeli
  6. Custom silicon konusu: Hyperscaler'ların kendi çiplerine geçmesi halinde Nvidia'nın finansman maruziyeti artabilir
  7. Vendor konsolidasyonu eğilimi: Piyasada birçok alternatif denemesinden sonra talep nihayetinde az sayıdaki sağlayıcıda yoğunlaşabilir
  • ABD'de yapay zekanın gerçek kullanım oranı 2023'te %20 iken 2025'te %40'a yükseldi
  • Ancak MIT araştırmasına göre yapay zeka benimseme pilotlarının %95'i anlamlı finansal sonuç üretmiyor; bu da entegrasyon sorunlarına işaret ediyor
  • Buna rağmen yapay zeka çalışanlarının ücretleri 2 katına çıktı ve kullanıcı verimliliğinde %40'a varan artış gibi olumlu sinyaller de var
  • OpenAI, 2025'in ilk yarısında 4,3 milyar dolar gelir ve 4,7 milyar dolar zarar açıkladı (bunun yarısı hisse bazlı ödemeler); yani hâlâ zararda
  • Geçmişten farklı olarak bugün büyük müşteriler yeterli nakit rezervine, performans odaklı yönetime ve gerçek altyapı talebine sahip

Sonuç: Döngüsel finansın yapısal riski ve 2025 yapay zeka pazarı

  • Nvidia'nın büyük ölçekli vendor financing stratejisi, açık büyüme ve teknoloji talebinden yararlansa da müşteri yoğunlaşması, varlık değerindeki oynaklık ve custom silicon benimsenmesi gibi riskleri içinde barındırıyor
  • Lucent örneğinde olduğu gibi varlıkların aşırı değerlenmesi, borç kalitesinin bozulması ve muhasebe şeffaflığının zayıflaması halinde riskler hızla gerçeğe dönüşebilir; bu nedenle temel metrikler ve piyasa eğilimleri sıkı biçimde izlenmeli

Ek: Lucent'ın muhasebe usulsüzlüğü ve döngüsel finans krizi

  • Lucent, 2000 yılındaki muhasebe usulsüzlüğü nedeniyle (1,15 milyar dolar gelir, 470 milyon dolar vergi öncesi kâr manipülasyonu) SEC soruşturmasına uğradı
    • 'Channel stuffing': Distribütörlere satılmamış ürünleri önceden gönderip bunları topluca gelir yazma
    • 'Side agreement': Dağıtım sözleşmesi dışında iade hakkı ve ayrıcalık tanıyıp buna rağmen geliri muhasebeleştirme
    • 'Karşılık manipülasyonu': Aşırı zarar karşılığı ayırıp çözüp performans dalgalanmasını azaltma
  • Lucent'a 250 milyon dolar para cezası kesildi ve 10 yönetici suçlandı
  • Öne çıkan örnekte Lucent, WinStar'a 2 milyar dolar finansman sağladı; WinStar iflas edince Lucent 700 milyon dolar zarar yazdı
  • Bu model sonucunda 2001-2002 döneminde 3,5 milyar dolarlık şüpheli alacak karşılığı ayrıldı; bu da gerçek kredi bozulma riskinin tipik bir örneğiydi

İlgili okumalar

1 yorum

 
GN⁺ 2025-10-06
Hacker News görüşü

  • 90’larda mahalledeki küçük bir ISP’de çalışmıştım; o dönemde Lucent internet ekipmanlarında en ilerideydi. Biz çevirmeli bağlantıları yönetmek için Portmaster 3 kullanıyorduk ve Lucent’in ilk kablosuz teknolojilerine de bakıyorduk.
    1996 Telecommunications Act sayesinde telekom şirketleri altyapılarını başka firmalara kiralamak zorundaydı; bu da ISP’lerin T1 kiralama ücretlerini ciddi biçimde düşürdü (T1 ücreti 1996’da aylık 1800 dolarken 1999’da 600 dolara indi). Sonrasında telekom şirketleri FCC’ye dava açtı ve yasa 2003’te fiilen etkisiz hale geldi.
    Rekabetçi yerel değişim operatörleriyle ilgili Wikipedia açıklaması

    • Bölgeye göre fiyat farkı çok büyüktü. Çalıştığım küçük ISP’de T1’i aylık 1.500 dolardan 500 dolara kadar düşürdük; daha sonra müşteriye giden T1 loop aylık 100 dolardı ve tüm hatları veri merkezine backhaul eden OC12 SONET ring için birkaç bin dolar ödüyorduk.
      Bu fiyat hareketlerinin merkezinde, telekom yasasının ILEC’lere getirdiği ağ ekipmanını ayrıştırılmış şekilde satma zorunluluğu vardı.
      CLEC’lerin çoğu da sonuçta yerel ILEC’in fiziksel ağını kullandığı için yapısal değişim çok büyüktü.
      İlginç olan şu ki, 90’ların sonlarında dial-up hâlâ baskınken ses T1 PRI (aylık 250 dolar), veri T1’den (aylık 500 dolar) daha ucuzdu; bu yüzden çok kullanılıyordu.
      Telekom yasası etkisizleştirildikten sonra bile ILEC’ler toptan/ayrıştırılmış hizmet satmaya devam etti; görünüşe göre bunun çok kârlı bir iş olduğunu anlamışlardı.

    • Telekom patlaması döneminde bir startup’ta çalışıyordum.
      O zamanlar Cisco gibi şirketler henüz ürünü olmayan startup’ları bile satın alıyordu, IPO tek çıkış yoluydu ve mühendisler 6 aylık lock-up’a bağlıydı.
      Şanslı olanlar sert düşüşten önce IPO veya satışla çıkabildi; balon patladıktan sonra fon kurudu ve neredeyse tüm startup’lar battı.
      Yıllar süren durgunluktan sonra yeni BT şirketleri yeniden filizlenmeye başladı.

    • Sadece 4 yıllık bir düzenlemenin telekom devleriyle küçük ISP’ler arasındaki güç dengesini değiştirdiği söyleniyor; bunun gerçekten böyle olup olmadığı ilginç.
      Belirli bir düzenlemenin internetin gelişimini ateşlediği açıklaması, “düzenleme olmazsa çöker” şeklindeki mevcut tahminlerle çelişiyor.
      Bu kadar kısa süre yürürlükte kalan bir yasanın tek başına yeterli olduğu iddiasını ilk kez duyuyorum.

    • Telekom rekabetini öldürmek ve tekele izin vermek, yargı sisteminin büyük bir sorunu oldu.
      Yasa açıktı ama mahkemeler, “fiber döşemek pahalı” mantığıyla yasama organını fiilen yok saydı.
      Fiyatlardan söz edecek olursak, T1 veya OCx gibi hatlar hâlâ yaygındı ama 1996-99 arasında DSL ortaya çıktı ve fiyatları ciddi biçimde aşağı çekti.

    • Yasadaki değişiklikler fiyat savaşlarının ve telekom balonunun zamanlamasını etkilemiş olabilir.
      Ama fiyat savaşının kendisi kaçınılmazdı ve balon da çok muhtemel bir olguydu.
      Telekom altyapısına yapılan yatırım, dot-com hisselerindeki çılgın yükselişe verilmiş bir tepkiydi.

  • Fiber ağlar azami kapasitelerinin %0,002’sinden bile azını kullanıyordu ve hızları 60.000 kata kadar artırma alanı vardı; mesele sadece çok erken olmasıydı.
    GPU’lar için böyle bir fazlalık olacağını sanmıyorum.
    “Bu kod tabanı üzerinde gece boyunca düşün, daha iyi bir refactoring yöntemi bul ve yarın öner” gibi kullanım mümkün olduğunda GPU tüketimi bugünkünden çok daha fazla olacak.
    GPU’nun 1 dakikalık kullanımı 0,1 dolar olsa, bütün gece çalıştırmak 48 dolar eder; bu da kod iyileştirme, otomobil tasarımı, kitap kapağı, iş planı gibi işler için gayet değerli görünüyor.

    • GPU’ların fazla kalmayacağını düşünmüyorum ama ben tam tersine kesinlikle fazla kalacaklarını düşünüyorum.
      Şirketler, GPU selini satın almaya devam edip talebin sonsuz olduğunu varsayıyor.
      Öte yandan LLM yorgunluğu geliyor, modeller küçülüyor ve tüketici donanımı da gelişiyor.
      Sonunda çok sayıda atıl GPU oluşması kaçınılmaz.

    • Kod iyileştirme için GPU gerekeceği argümanı küçük kalır.
      Yakında üretken yapay zeka ultra yüksek çözünürlüklü, hatta HDR ve 120 fps film üretiminde kullanılacak.
      Bu tür işler dakikada 100 ila 1000 dolara mal olacak ve muazzam GPU gerektirecek.
      ABD ordusu da şimdiden savaş alanı görselleştirmesi için üretken yapay zeka planlıyor; bu, yüksek çözünürlüklü videodan da daha yoğun hesaplama gerektirir.

    • Yapay zekanın kod tabanını “iyileştirebileceği” fikri ilginç.
      Gerçekte iyileştirme yaptığını hiç görmedim; görmeden inanmam.

    • Algoritma ve tekniklerdeki gelişmeler sayesinde eski donanım da hâlâ işe yarayabilir.

    • “Gece boyunca kod tabanı üzerine düşünsün...” hayali temelden yanlış bir öncüle dayanıyor.
      Bugünkü LLM’ler bağımsız biçimde gerçek sorunları kendi başına çözemiyor.
      Birçok kişi bunun bir gün mümkün olacağını umuyor ama ben bugünün LLM performansını sınır olarak gören taraftayım.
      Son yapay zeka balonu, teknoloji S-eğrisinin başını fazlasıyla abartmanın sonucu.
      Bugün itibarıyla yeterli değil.

  • Geçmiş balon tarihi biraz referans sağlar ama çok anlamlı değil.
    Dot-com balonu, demiryolu balonu vs.; her dönem farklı.
    Özünde mesele iş modeli ve ROI.
    Para akışı sağlıklı olsa bile ekonomik getiri tarihî düzeyde değilse sonunda çöküş riski var.
    Herkes altın yumurtlayan tavuğun peşinde.

    • Bezos’un 10 GW’tan büyük veri merkezlerini uzaya kurma planından söz etmesi, burada hedefin ROI’den çok geleceğin güç yapısı, yani süper zenginlerin artık emek gücüne ihtiyaç duymadığı bir dünya kurmak olduğu düşüncesini akla getiriyor.
      İlgili HN yorumu
      Bezos’un uzay veri merkezi açıklamasıyla ilgili haber

    • Geçmiş mekanizmalara fazla takılı kalırsak gelecekteki olasılık alanını gereğinden fazla daraltmış oluruz.
      Çünkü dot-com balonu da sayısız “mümkün yol”dan yalnızca biri olarak gerçekleşti.
      Aynı bakış açısıyla, bir sonraki balonun nasıl gerçekleşeceğini de gözden kaçırabiliriz.

    • Lucent ile Nvidia, Microsoft, OpenAI ve Google arasındaki muhasebe farklarının aslında yalnızca “daha ustaca yalan söyleme ve gerçeği olduğundan büyük gösterme tekniklerinin” gelişmiş hâli olmasından endişe ediyorum.
      Gerçek rakamlar ancak balon patlayınca ortaya çıkar.

    • Bu sefer itibari para ve devlet desteği de işin içinde; o yüzden geçmişten yine farklı.

  • Dot-com ve telekom çöküşünün tam ortasındaydım; özellikle telekom çok daha ağırdı.
    Fiber paslanmaz ama muazzam bir aşırı kurulum vardı ve 10 yıl sonra DWDM teknolojisi sayesinde 8 liften sadece 2’si gerçekten kullanılıyordu (öncekine göre çok daha fazla dalga boyu uygulanıyordu).
    GPU’ların 10 yıl sonraki ikinci el değerinin ne olacağını ve aşırı yatırım yapılmış GPU’lara da “DWDM benzeri bir çözümün” gelip gelmeyeceğini merak ediyorum.
    Gerçekten çok ilginç bir dönemde yaşıyoruz.

  • Nvidia’nın en büyük sorunu, gelirlerinin kalıcı olmamasına rağmen piyasanın bunu tekrar eden gelir gibi fiyatlaması; oysa gerçekte bu, 1-2 yıl sürecek bir CAPEX yatırımı.
    Bu yapının sürekli devam edebileceğini sanmıyorum.

    • NVDA hissesi aşırı pahalı değil; sadece 25x EPS seviyesinde.
      Gelir büyümesi hızlı ve tarihin en önemli teknoloji dönüşümü önümüzde duruyor.
      Piyasa da büyüme yavaşlamasının bir kısmını zaten fiyata yansıtmış durumda.

    • COVID döneminde öne çıkan Zoom, Peloton gibi şirketlerde de piyasa geleceğin aynı şekilde süreceğini varsaymıştı.
      Piyasa yapısı sürekli bu örüntüyü tekrarlıyor; yakın dönemde 3D printing ve alternatif et de aynıydı.
      OpenAI’ye yapılan yatırım, CAPEX yavaşlamasına karşı hedge olarak yorumlanabilir.

    • Nvidia bir duyuru yapar yapmaz ekran kartları anında tükeniyor.
      Marjları inanılmaz yüksek ama yine de talebi karşılayamıyorlar.

    • Sonuçta bu basit ekonomi.
      Talep bir kez sendelediğinde ikinci el GPU piyasaya akacak ve yeni ürün alma ihtiyacı kalmayacak.
      O noktada Nvidia’nın bugünkü gelirini sürdürmesi imkânsız olacak.

    • TSLA da aynı.
      Borsa fiilen zenginler için bir banka ve kredi ile borç üzerinden paketleniyor.
      Gerçekte balon ama bunu ancak zenginler dert ediyor.
      Biz sıradan insanlar ise sadece küçük yatırımcılarız.

  • “Telekomların telekomunda” çalışırken, mobil veri talebi sayesinde dark fiber’ı ancak 15 yıl sonra, 2015’te aktif ettik.
    Aşırı kurulumun boyutu gerçekten inanılmazdı.
    Fiber kablo her zaman işe yarıyordu ama GPU’ların da bu kadar uzun süre kullanılabilir olup olmayacağından emin değilim.
    Bunu kişisel deneyimimden söylüyorum.

    • Yeni fiber enerji verimliliğini pek artırmadı.
      Ama toprağı kazan backhoe’nun verimliliği de hiç değişmedi.

    • “Bu kartlar uzun süre dayanabilir mi?” sorusuna, yazıdaki örneğe göre stres çok yüksek olduğu için ömürleri 1-2 yıl olabilir deniyor.

    • 2005 civarında uzak mesafe görüşme ücretleri sayesinde telekom tam bir nakit ineğiydi ve mekanik santrallerin amortismanı bile bitmişse adeta para basıyordu (düzenleme kârı garanti ediyordu).
      Ama bu yapı da çok uzun sürmedi; birçok bölgede “düzenleme dışı gelir” peşinde yönetilen hizmetlere (ör. DataDog benzeri çözümler) açılmaya çalıştılar.
      İşin doğası gereği, irrasyonel iyimserlik şirketleri her zaman yıkabilir.

    • Çiplerin kendisi uzun ömürlü olmayabilir ama içlerindeki Ar-Ge hâlâ değer taşır.
      Mesele, bu değerin ne kadarının geri kazanılabileceği.

    • Hyperscaler’ları desteklemek için inşa edilen yüksek yoğunluklu veri merkezlerinin, aslında dark fiber aşırı kurulumuna çok benzediğini düşünüyorum.
      2015’te ışığı yaktığınızda 1998’de alınmış line card’ları aynen kullanmış olmanız pek olası değil.

  • Temelde en büyük mesele AGI’ye ulaşmanın ne kadar belirsiz olduğu.
    Şu anki tepe çizgi yatırımlarının %90’ı bunun 2-5 yıl içinde gerçekleşeceği varsayımına dayanıyor.
    Bu yeterince hızlı gelmezse yatırımcı ilgisinin aniden düşme riski var.
    Şimdilik benchmark büyümesiyle ilgiyi canlı tutuyorlar ama 6-12 ay sonra yeni kilometre taşlarının da tükeneceğini tahmin ediyorum.
    Gerçek bir sonraki aşama; yazılım geliştirme, kanser araştırması, robotik gibi alanlarda somut sonuç göstermek olmalı.
    Mevcut yapıyla bunun zor olduğunu düşünüyorum.

    • AGI’nin uzak olduğunu düşünüyorum.
      En büyük fırsat, hukuk ve tıp gibi bilgi tabanı çok geniş olan ve insanların bunu öğrenmek için lisansüstü düzeye kadar çıktığı alanlarda.
      Kodlama özellikle LLM kullanımına çok uygun olacak.
      Sorun şu ki, mevcut sancılı kod refactoring işleri gibi birikmiş işler bittikten sonra yalnızca yeni kod üretimi bugünkü donanım talebi balonunu asla sürdüremez.

    • Hyperscaler’lar bile AI yatırımına (CAPEX) faaliyetlerden gelen nakit akışlarının yarısını bile harcamıyor.
      Gerçekten AGI’ye ulaşmaya oynuyor olsalardı ölçek çok daha büyük olurdu.

    • “Bugünkü şüpheciliğin de, 5 yıl önceki ‘düşünen makineler imkânsız’ iddiası kadar temelsiz olabilir; sonuçta bugünkü LLM’ler gerçekten ortaya çıktı.”

    • İnsanların neden downvote verdiğini anlamıyorum.
      AI araştırmacılarıyla konuşsanız hepsi oldukça gerçekçi beklentilere sahip.
      Ama iş tarafındaki, teknolojiden anlamayan kişiler çok daha aşırı beklentiler taşıyor.
      “Aylık 20 dolara ChatGPT tüm işi yapacak” hesabıyla personel azaltıyor; bütçe, plan ve işe alımları şimdiden buna göre ayarlıyorlar.
      1 yıl sonra işler açıkça yürümezse AI’ye bakış anında tersine döner (öfke, kaçınma, yeni ürünlere güvensizlik vb.).
      Başarısızlıklar birikirse büyüme hızı düşer; ardından yatırımcı kaygısı, hisse çöküşü ve değerleme düşüşü de gelir.

  • Benim anlamadığım şey, eğitim amaçlı GPU talebinin bugünkü gibi yüksek büyümeyi sürdüreceğine dair iyimserlik.
    Inference talebini anlıyorum ama zaten çok iyi ücretsiz modeller var ve Apple M4 ya da AMD Max APU gibi tüketici donanımlarında da iyi çalışıyorlar.
    Bu durumda ek GPU yatırım talebinin gerçekten ne kadar kaldığından emin değilim.

    • Reinforcement Learning’in yeni GPU savaş alanı olacağını düşünüyorum.
      Örn: o1, o3, GPT-5, Sonnet 3.7, 4, 4.5 gibi değişimler.
      Herkes B200 ile inference yapabilir hâle geldiğinde modeller yine büyüyebilir ama şu anda GPU açlığının en yoğun olduğu yer RL eğitim bütçeleri.

    • Yine de nihai hedef, daha fazla GPU çalıştırıp AGI’ye bir adım daha yaklaşmak için sonsuz bir yarış değil mi, diyenler de var.

    • Continuous Learning yapılarının bir sonraki GPU talep itici gücü olacağı tahmin ediliyor.

    • Inference sonuçta maliyet açısından en ucuz biçimde bulutta paylaşımlı altyapıya gidecek.
      B2B örneklerinin çoğu AWS gibi veri merkezi tabanlı yapılara taşınacaktır.
      Özel durumlarda (CERN veya Apple Siri gibi) FPGA ya da düşük güçlü ASIC gibi özel donanımlar kullanılır ama bunun dışında standart giderek “bulut tabanlı” hâle geliyor.

  • Dot-com balonunda reklam döngüsel etki yaratıyordu.
    VC startup’lara para koyuyor, startup’lar da bu parayı Yahoo gibi yerlere reklama harcıyordu.
    Yahoo’nun geliri fırlıyor, hissesi yükseliyor; bu da internetten para kazanıldığı sinyalini vererek başka startup’ların IPO pazarını büyütüyordu.
    Para döndükçe reklam → gelir → piyasa değeri → daha fazla VC yatırımı → daha fazla reklam döngüsü sürüyordu.

  • 14 numaralı kaynakta OpenAI’nin Nvidia GPU’larını peşin satın almak yerine kiralayacağı belirtiliyor,
    bu yüzden Nvidia’nın “buraya yatırım yaptı” ifadesini anlamakta zorlanıyorum.
    Kiralamaysa sadece kira geliri alacak; buna neden yatırım deniyor? Nvidia tam olarak neye “yatırım” yapmış oluyor?

    • Nvidia başlangıçta GPU’ları üretip tedarik ederken önce kendi sermayesini bağlamak zorunda kalıyor ve bu varlık tahsisi düzgün şekilde tahsil edilemezse (örneğin müşteri iflas ederse) riski üstlenmiş oluyor.
      Bu riski aldığı için ek getiri bekliyor; bu yapının kendisi yatırım niteliği taşıyor.

    • Muhasebe uzmanı değilim ama lease bittiğinde Nvidia’nın elinde sadece değeri düşmüş ucuz varlıklar kalacağını düşünüyorum.
      Araç leasing’inin aksine ikinci el GPU pazarı o kadar büyük görünmüyor.
      Yani Nvidia aslında peşin tam ödeme almak yerine GPU’ları “taksitle” vermiş oluyor.
      Toplam lease gelirinin maliyetle başa baş olup olmadığını merak ediyorum.