Yapay zeka yavaşlıyor
(wheresyoured.at)- Üretken yapay zeka altyapısının, veri merkezi yatırımlarını ve compute taahhütlerini haklı çıkarabilmesi için 2030'a kadar yıllık 2 trilyon doları aşan AI compute geliri üretmesi gerekiyor
- Planlanan 190GW veri merkezi, GW başına 80-100 milyar dolar maliyet uygulandığında 9,5-15 trilyon dolar ölçeğine ulaşıyor; bunun hayata geçmesi için yıllık 500 milyar-1 trilyon dolar düzeyinde veri merkezi borcu ihracı gerekiyor
- OpenAI'ın 2030 sonuna kadar en az 852 milyar dolar harcamış olması bekleniyor ve Anthropic'in compute taahhütlerini karşılayabilmesi için 2029'da yıllık 174 milyar dolar gelir hedefine ulaşması gerekiyor
- Token tabanlı ücretlendirmeye geçişin ardından şirketler, yapay zeka harcamalarının görünürlüğü ve ROI ölçümünde zorlanıyor; Uber, T-Mobile ve Brex çalışan başına token harcama sınırı belirliyor
- Mevcut AI girişim geliri toplamının %89'u OpenAI ve Anthropic'te yoğunlaştığı için, inşa edilmekte olan compute ölçeğini haklı çıkarmak adına ek olarak yıllık en az 250 milyar dolarlık AI compute talebi gerekiyor
Yapay zekanın yavaşlama lüksü yok — 2030 sonuna kadar 3 trilyon doların üzerinde gelir gerekli
- Sightline Climate verisi aynen uygulandığında planlanan veri merkezi kapasitesi 190GW oluyor ve Jensen Huang'ın GW başına 80-100 milyar dolar açıklaması kullanıldığında maliyet 9,5-15 trilyon dolar olarak hesaplanıyor
- Bloomberg'ün 3 trilyon dolarlık veri merkezi inşası ifadesi bu hesapla uyuşmuyor ve gereken finansmanın bir yerden sağlanması gerekiyor
- Financial Times haberi, bankaların veri merkezi borcunu taşıyamayabileceğini öne sürüyor; şu anda yıllık yaklaşık 250 milyar dolar seviyesindeki ihraç hacminin, fiili inşa için yılda 500 milyar-1 trilyon dolara çıkması gerekiyor
- NVIDIA, 2027 sonuna kadar 1 trilyon dolar gelir bekliyor ve gelirinin %54'ü üç müşteriden geldiği için gelecekteki gelir, az sayıdaki müşteri ile karşı tarafların borç finansmanı bulabilme kabiliyetine bağlı
- Google'ın 85 milyar dolarlık hisse satışı ve Meta'nın milyarlarca dolarlık hisse satışı planı, hyperscaler'ların borç finansmanı bulmasının zorlaştığı bir durumla bağlantılı
OpenAI ve Anthropic'in compute taahhütleri
- Anthropic'in compute ve çip taahhütleri, Google, Amazon ve Microsoft arasında 330 milyar dolara; CoreWeave ile 30 milyar dolara ve SpaceX ile 15 milyar dolara ulaşıyor
- Anthropic'in bu compute maliyetini karşılayabilmesi için 2029'da yıllık 174 milyar dolar gelir hedefine ulaşması gerekiyor
- Anthropic, şubat, nisan ve mayıs turlarında 95 milyar dolar topladı ancak bu fon ve nakit akışı tek başına maliyetleri karşılamaya yetmiyor; gelecek yıl en az 200 milyar dolar ek kaynak toplaması gerekiyor
- OpenAI'ın 2030 sonuna kadar en az 852 milyar dolar harcaması bekleniyor ve Microsoft, Amazon, CoreWeave, Cerebras ve Oracle genelinde 770 milyar doların üzerinde compute taahhüdü bulunuyor
- OpenAI'ın mart ayında topladığı 122 milyar dolar, maliyetleri karşılamak için yetersiz; yıl sonuna kadar en az 250 milyar dolar ek fon gerekiyor
Veri merkezi gelir hesabı ve Oracle riski
- Üretken yapay zeka ve AI compute, 2030'a kadar yılda 2 trilyon doları aşan gelir üretmek zorunda; aksi halde veri merkezi sermaye harcamaları ile Anthropic ve OpenAI'ın taahhüt ödemeleri sürdürülemez
- 190GW veri merkezine 1.35 PUE uygulandığında çekirdek IT yükü yaklaşık 140GW oluyor ve MW başına 12,5 milyon dolar ücretlendirme baz alındığında yıllık 1,75 trilyon dolar gelir gerekiyor
- Planlanan kapasitenin yalnızca yarısı inşa edilse bile veri merkezlerinin finansman sıkıntısına düşmemesi için yıllık 875 milyar dolar gelir gerekiyor
- OpenAI ve Anthropic, 2029 için sırasıyla 184 milyar dolar ve 174 milyar dolar gelir öngörüyor; toplam 358 milyar dolarda kalıyor
- OpenAI, Oracle compute'u karşılayamazsa ya da karşılamak istemezse Oracle'ın finansmanı tükenebilir; Oracle, OpenAI için 7.1GW veri merkezlerine 340-700 milyar dolar harcıyor
Mevcut yapay zeka harcaması yeterli değil
- Salesforce'un 2026 için planladığı 300 milyon dolarlık Anthropic harcaması, gereken ölçeğin çok altında kalıyor
- Dünyadaki tüm AI şirketlerinin bugünkü toplam compute talebi 100 milyar dolara ulaşmıyor; 2030'da ise bunun 10 katı gerekecek
- The Information haberi baz alındığında OpenAI ve Anthropic'in AI girişim gelirlerindeki yoğunlaşma oranı {p:89} ile %89'a ulaşıyor
- Microsoft'un 37 milyar dolarlık yıllık AI run-rate'i büyük ölçüde OpenAI compute'undan oluşuyor ve Microsoft AI CEO'su Mustafa Suleyman, Anthropic modellerinin fazla pahalı olduğunu söyleyerek Microsoft kullanımını sıfıra indirmeyi hedefliyor
- Anthropic ve OpenAI yıllık 500 milyar dolarlık compute kullansa bile veri merkezi inşasını haklı çıkarmak için ek olarak yılda 250 milyar doların üzerinde compute geliri gerekiyor
Token ücretlendirmesi ve ROI belirsizliği
- Belirli bir AI görevinin maliyeti ile yatırım getirisi ölçülemiyor ve şirketler, çıktı ölçümü olmadan AI kullanımını büyütmeye devam etti
- Anthropic ve OpenAI, 2026'nın ilk çeyreğinde müşterileri token tabanlı ücretlendirmeye geçirdi; 2-3 ay içinde AI maliyetleri ve ROI belirsizliği büyük iş medyasında tekrar eden bir tema haline geldi
- Wall Street Journal'ın aktardığı KPMG araştırmasında AI maliyet görünürlüğü, şeklinde toplam görünür %26, kısmen görünür %50, hiç görünmez veya ancak fatura geldikten sonra anlaşılır %22 olarak ayrılıyor
- Bir şirket, harcama kontrolü koymadığı için bir ay içinde Anthropic modellerine 500 milyon dolar harcadı; Uber ise yalnızca bir çeyrekte yıllık token bütçesini tüketti
- Uber, kullanıcı başına aylık 1.500 dolar; T-Mobile geçici olarak kullanıcı başına aylık 2.000 dolar; Brex ise mühendisler için haftalık 500 dolar, mühendis olmayanlar için haftalık 5 dolar ile AI harcamasını sınırlandırıyor
Kodlama ajanları, döngüler ve çıktı sorunu
- Claude Code yöneticisi Boris Cherny ile OpenAI'a ait OpenClaw'ın evangelisti Peter Steinberger, kullanıcılardan ajanlar için döngü tasarlamalarını istiyor
- Döngüler, kullanıcı ek prompt girmese bile LLM'in istenen süre boyunca eyleme devam etmesini sağlayan bir yöntem
- Yardımlı aboneliklerde model hatalarının maliyeti aylık 20, 100 veya 200 dolar içinde gizleniyor; ancak gerçek maliyeti kullanıcı ödediğinde, başarısızlığın bedeli doğrudan görünür hale geliyor
- Bu durum, LLM'lerin daha fazla akıl yürüttükçe halüsinasyonlarının arttığını öne süren araştırmalarla bağlantılı ve ajan yaklaşımı LLM'in kendi planını kendisinin yapmasına dayanıyor
- Notion, Anthropic hizmet kesintisinin ardından saatler boyunca Anthropic erişimini engelledi ve AI kodlama araçlarının ürettiği uygulamaların çoğu, kullanışsız ve güvensiz bir slopware'den öteye gidemiyor
Dev metal örümcek benzetmesi
- Dev metal örümcek, 1 milyon dolarlık bir cihaz ve her kullanımda 40 bin dolarlık yakıt tüketiyor; buna karşın nesne alabiliyor ya da akşam yemeği hazırlayabiliyor
- Aynı cihaz bazen buzdolabından Diet Coke'u kusursuz şekilde çıkarırken bazen de buzdolabında delik açabiliyor; kullanıcı sonuç ne olursa olsun 40 bin dolar ödemek zorunda
- Sübvansiyonlar sayesinde sıradan kullanıcılar yıkıcı davranışı sadece ara sıra görüyor, ancak şirketler gerçek maliyeti üstleniyor ve üretici eğitim ile bakım için her yıl milyarlarca dolar kaybediyor
- Yeni özellikler, yapabildiği iddia edilen işleri genişletiyor; ancak her özellik eklemesi yüz milyonlarca dolara mal oluyor ve gerçekten yeni bir şey öğrenip öğrenmediği bazen belirsiz kalıyor
- Belirli uzunluktaki görevleri %50 tamamlama yeteneğinin arttığını gösteren araştırmalar olsa da, bu benzetmedeki örümceğin ne zaman hata yapacağını bilmek mümkün değil ve kullanıcı istemediği halde de eyleme geçebiliyor
AI döngüsel ekonomisi ve gerçek ürün talebi
- Üretken yapay zekada hizmet işletme maliyeti yüksek, büyük AI laboratuvarlarının kârlılığa giden bir yolu yok ve LLM tabanlı işlerin maliyeti ile ROI'si de ölçülemiyor
- AI projeleri işletme giderlerini %10'dan %100'e kadar artırabiliyor ve hem AI hizmet sağlayıcıları hem de müşteriler için maliyetlerin düşeceği vaadinin tersine, maliyetler şimdiye kadar arttı
- Yüksek maliyetler, AI laboratuvarlarının hyperscaler compute ortaklarına para aktardığı ve bu paranın tekrar laboratuvarlara ve NVIDIA GPU talebine döndüğü yapıyı ayakta tutuyor
- OpenAI veya Anthropic kârlılık ya da sürdürülebilirlik peşine düşerse AI compute talebi azalır; buna bağlı olarak Azure, Google Cloud, Amazon Web Services, CoreWeave, Oracle Cloud Infrastructure ve NVIDIA GPU talebi de düşer
- Mevcut taahhütler ve projeksiyonların tutması için AI yığınının tamamının 10 kat büyümesi, yıllık ek 250 milyar dolarlık AI compute talebi oluşması ve OpenAI ile Anthropic ölçeğinde en az iki şirket daha ortaya çıkması gerekiyor
11 yorum
opus 4.6 -> 4.7, 4.8olarak yükseltildikçe performansın hissedilir şekilde kötüleştiğini düşünen var mı?Son zamanlarda Korece çevirinin tuhaflaştığını hissediyorum;
pain pointifadesini “acı değer” diye çeviriyorlar.Vay be.. Sanırım şirket hasta. Google Çeviri'nin bile yapmayacağı seviyede bir çeviri.
Sanırım tam bir çöpe dönmüş...
Aynen, değil mi?? Bir anda iyi yaptığı şeyi yapamaz oldu.........
Sorulara kısa ve öz yanıt veriyor, işleri de kolayca hallediyordu; şimdi ise mümkün olduğunca uzun uzun açıklayıp daha zor bir yaklaşıma yöneliyor.
Kesinlikle katılıyorum. O durumu akıllıca kavrayıp tam yerinde halletme hissi kayboldu.
API hiçbir zaman token bazlı ücretlendirme dışında bir şey olmadı ki...
Yazıda bahsedilen şeyin, Anthropic’in kısa süre önce Enterprise ücret planını abonelikten kullandıkça öde modeline çevirmesi olduğu anlaşılıyor. Abonelik modeline kıyasla kullandıkça öde modeli token başına maliyette en fazla yaklaşık 10 kat daha pahalı; çünkü Anthropic bireysel abonelik planını bir yem ürün gibi satıp geliştiricileri kendine kilitliyor, ardından şirketlerin Enterprise’ın pahalı kullandıkça öde ücretini ödemesini sağlayan bir strateji kullanıyor.
Şirketler açısından bakıldığında, token tabanlı ücretlendirmenin maliyeti fazla yüksek olduğu için ROI belirsiz hale geliyor.
Ancak şimdi bağlamı biraz anlıyorum. Abonelikte sadece Codex kullandım ve Anthropic modellerini yalnızca Bedrock üzerinden kullandım... Teşekkürler.
Hacker News görüşleri
Apple bugün yenilediği yapay zeka özelliklerini sundu ve çeşitli haberlere göre Apple bunu işletmek için Google’a yılda yaklaşık 1 milyar dolar ödüyor
Bu, fiilen fikri mülkiyet lisanslaması düzeyinde; Google da kendi modelini işletme ve damıtma hakkını bu miktara devretmeyi kabul ediyor gibi görünüyor
Tüketici geliri tüm resmin yalnızca bir parçası olsa da, Mac veya iPhone kullanıcılarının Apple’ın yeni yapay zekasıyla yetinmeyip neden ayrıca ChatGPT için ödeme yapması gerekeceği sorgulanabilir
Google da telefonlara benzer araçlar koyacak ve aramada yapay zeka özellikleri sunmayı sürdürecek; Apple’ın teknolojisi ortadayken tüketici yapay zekasının Anthropic ya da OpenAI için yılda 1 milyar dolardan çok daha büyük bir değere sahip olduğuna dair kanıtın nerede olduğunu bilmiyorum
OpenAI Samsung telefonlara girmek için bir anlaşma yapsa ve Samsung Apple’dan 10 kat daha çaresiz olsa bile bu yılda yaklaşık 10 milyar dolar eder; OpenAI’ın 2026 tüketici geliri beklentisi 14~15 milyar dolarsa, buna ulaşsa bile iPhone kullanıcıları için faydalı yerleşik özellikler geldikten sonra bunu sürdürmek zor görünüyor
Ed Zitron gürültücü bir İngiliz kışkırtıcıya daha yakın, ama genel olarak doğru şeyler söylüyor gibi
Windows’a Copilot düğmesi bile eklendi ama insanlar yine de GPT kullanıyor; Microsoft Edge de Windows’ta en popüler tarayıcı değil ve Instagram Threads de TikTok’a büyük bir darbe vuramadı
Sorunun yönü ters. İnsanlar sevdikleri şeyi kullanma ve kullanmaya devam etme eğiliminde
Mutlaka devasa bir hendek gerekmiyor; sorun, kullanıcılar üründen sürekli memnun kalmadığında ya da insanların konuştuğu çok daha iyi bir rakip ürün olduğunda ortaya çıkıyor
Apple’ın özellikleri sadece GPT kullanmaktan anlamlı bir avantaj sunmuyorsa, mucize beklemek zor
Geriye kalan soru, arama için Kagi’yi kullanmaya devam edip etmeyeceğim ya da yeni Siri’nin genel olarak beni ihtiyaç duyduğum yerlere götürüp götürmeyeceği. Gerçekte arama sonuçlarına ne kadar sık baktığımı ve ne kadar sık sadece yapay zeka özetlerine baktığımı daha çok düşünmem gerekecek
Apple sunumunda görmediğim kısımlar da var. Örneğin temel kodlama için Xcode’un LLM’inden, Shortcuts uygulamasından ve Safari Extensions’tan bahsettiler; ama az önce Kagi ile aldığım verileri gösterecek bir web sayfası yaptırdım ve Gemini de bunu yapabiliyordu
Siri de yapabilir mi bilmiyorum, bunu görmek lazım; deneyim de önemli. ChatGPT, kod yazma sürecini canlı düzenleyicili bir kodlama arayüzüyle çok daha iyi ele alırken, Kagi birkaç yıl önceki ChatGPT gibi tüm kod bloklarını bir seferde döküyor ve her düzeltmede yeni bir kod yığını çıkarıyor gibi hissettiriyor
Xcode’a gitmek fazla ağır, Siri ise yetersiz kalabilir; bu yüzden Apple’ın dolduramayacağı prosumer yapay zeka kullanımı boşluğu kalabilir
Anthropic tüketici yapay zekasına çok da önem vermiyor gibi görünüyor ve tüketici kitlesi muhtemelen en düşük kârlı müşteri grubu
Apple’ın daha çok sıradan tüketicilerin yapay zeka kullanımını artırma yönünde hareket edeceğini düşünüyorum; bu, Instagram’ın Stories eklemesine benziyor. Bu, Snapchat’in büyümesini durdurdu ama OpenAI kullanıcılarını da büyük ölçüde çalacağını kesin söylemekte temkinli olmak gerekir
Şu anda ChatGPT’ye ödeme yapıyorsanız büyük olasılıkla hobi amaçlı kodlama, projeler veya görsel üretimi için kullanıyorsunuzdur; çok ödeme yapan kullanıcılar ise neredeyse kesin olarak kişisel programlama projelerinde kullanıyordur
Aylık 100 doların üzerinde abonelik ödeyenler bu yüzden ayrılmayacaktır; aylık 20 dolarlık kullanıcıların bile anlamlı ölçüde ayrılacağını düşünmek çok zor
Dünyadaki kullanıcıların çoğu zayıf CPU’ya ve az RAM’e sahip düşük maliyetli telefonlar kullandığı için işe yarar bir modeli yerelde çalıştıramıyor
Google-Apple anlaşmasında Google’ın o 1 milyar dolara bulut hesaplama erişimini de satıp satmadığı, yoksa sadece ağırlıkları ve fikri mülkiyeti mi paylaştığı net değil
Apple da kullanım sınırları ve daha fazla kullanım için abonelik yükseltmesi olacağını söyledi; yani yapay zeka laboratuvarlarıyla doğrudan rekabet ettiği bir cephe oluşmuş oldu. Varsayılan olmanın avantajı olsa da Safari ile Chrome örneğinde olduğu gibi başarılı rakipler çıkabiliyor; bu rekabet de mümkün
Google, çok nakdi olan başlıca rakibinin temel model eğitimi silahlanma yarışına girmesi için ekonomik teşviki ortadan kaldırmak amacıyla, modelleri gerçek değerinin altında indirimli sunuyor da olabilir
Özetleme ve üslup düzeltmenin ötesinde ciddi özellikler isteyen kullanıcılar, ara sıra kullansalar bile daha yüksek kaliteli modellerin makul bir aboneliğinde ya da reklam destekli ücretlendirmesinde değer bulabilir
Apple da bunu sunabilir ama özellikleri karşılaştırmaya başladığınızda birçok kişi için Gemini, Claude ve ChatGPT daha uygun olabilir
Ayrıca Apple’ın bu kez de fazla söz verip gerçek çıkış modelinin kalitesinin düşük olması ve kullanıcıları abonelik hizmetlerine daha fazla itmesi riski de gerçekçi görünüyor
Buna kişisel yaşam, ilgi alanları, planlar, iş ve aile bilgileri de dahil; bu yüzden başka bir yapay zeka uygulamasına geçmek, her şeye baştan başlamak anlamına geliyor ve bu epey sancılı
Saçma sapan kışkırtıcıları ele veren işaretlerden biri, “Bunu herkes neden anlamıyor?” diye öfkeli bir tonla konuşmaları ama aslında mantığın birbirini izlememesidir
Zitron’un iddiası, kendi söylediği kadar sağlam olsaydı, okuyan kişinin bunu anlayıp gerçekten sağlam olduğunu görebilmesi gerekirdi
Yapay zeka talep istatistiklerinden başlayıp, yapay zeka şirketlerinin kârlılığı için gereken gelir gibi bir sonraki adıma hesapları dikkatle taşısa takip etmek mümkün olurdu; ama o sıçrıyor, atlıyor, sonra geri dönüyor
Durum gerçekten “Bunu nasıl göremiyorsunuz?” denecek kadar açıksa, açıklamanın da açık olması gerekir; ama öyle değil. Açık olmamasının nedeni, durumun kendisinin de o kadar açık olmaması
Verdiği mesaj, geniş çerçevede, teknoloji sektörünün ahlaki olarak derinden çürümüş olduğu. Bunu öfkelenmeden söylemek zor, ama bu temelsiz bir abartıdan çok, “Meta’nın insanlara korkunç şeyler yapan bir şirket olduğuna dair ezici kanıtlara rağmen insanlar neden hâlâ ona yatırım yapıyor ve orada çalışıyor?” türünden bir güvensizlik gibi okunuyor
Yine de benim anladığım düşüncesi şu: yapay zeka şirketleri X kadar işlem gücü satın almayı taahhüt etti, bu talebi karşılamak için veri merkezleri inşa ediliyor, veri merkezlerinin Y kadar gelir elde etmesi gerekiyor, ama yapay zeka şirketlerinin Y’yi ödeyecek kadar geliri yok
Bana kişisel olarak şaşırtıcı gelmiyor. Yapay zekanın gerçek kullanım alanı olarak gördüğüm şeyler kod üretimi ya da otomatik satış/dolandırıcılık aramaları; bunlar da şu an dönen devasa paraları taşıyacak kadar büyük pazarlar gibi görünmüyor
Ed’in neden bu kadar büyük ölçüde yanıldığını düşündüğünüzü merak ediyorum. Bana, genel olarak yapay zekada büyük bir düzeltme yaklaşıyor gibi görünüyor
Bu tür bilgiler, düzenli blog yazılarının her birine tekrar tekrar kopyalanmasını bekleyeceğiniz şeyler değil
Alaycı bir ifade gibi dursa da, gerçekten tıkladıysanız cevabı samimiyetle merak ediyorum
Modern ifşa gazeteciliğini taklit etmeye çalışan zayıf bir deneme; esprili olmaya çalışıyor ama özü az
Bu daha önce de çok söylendi ama Ed Zitron güvenmesi zor biri
Bana göre çok bariz ve küçük konularda bile pek çok kez önyargılı ve yanlış oldu; bu yüzden sayılar ve trendler içeren karmaşık analizlerini olduğu gibi kabul etmek zor
Örneğin birkaç ay önce ajanlar ve ajan tabanlı kodlama hakkında konuşan insanlarla alay ettiği tweet’i hatırlıyorum. “Ajan mı? Ne ajanı? Ne dediklerini biliyorlar mı ki?” gibi bir şeydi ve yanıtlarında gerçekten ajan kullandığını anlatan yüzlerce kişi vardı
Onun bir kitlesi ve etkileşim hedefi var; amacı bilgilendirmek değil, tık almak
Yön doğru olabilir. Örneğin harcamaları karşılamak için gereken gelirin absürt derecede yüksek göründüğü noktasında doğru olabilir, ama sanki gerçekle birebir örtüşmeyen en kötü senaryoyu kurmak için sayıları karıştırıp kullanıyor
Buna, yapay zeka ile azıcık bile ilgili olan herhangi bir şeye karşı açık fikirli görünmemesi de eklenince, onu ciddiye almak zorlaşıyor
Yayıncılık felaket tellallığını ve kasvetli uzun tiradları seviyor; bu yüzden de kariyerini histerik yapay zeka karşıtı yazılar üzerine kurmuş gibi görünüyor. Bu da haklı olduğu anlamına gelmiyor
Yazının en ikna edici kısmı, sadece sayılara bakınca bile gereken yatırım ölçeğinin saf dolar bazında sürdürülemez görünmesi
Yazara katılmasanız bile akışını takip edebilirsiniz. OpenAI, SpaceX ve Anthropic’in, paralarının tükenmesini önlemek için bu yıl halka açılması gerekiyor ve artık yeterli özel sermaye yok. IPO son finansman turu
Yapay zeka çok faydalı ve dönüştürücü olabilir, şirketler de hızla büyüyor olabilir, ama bu büyümeyi taşıyacak para olmayabilir
İflas eden bir yapay zeka şirketinin Oracle sözleşmesini iptal ettiğine dair kısım, Oracle’ı bana Nortel benzetmesi gibi hissettirdi. Müşterilerinin büyük bir kısmı aniden çekilirse yüz milyarlarca dolarlık değer düşüklüğü yazmak zorunda kalabilir
Yapay zeka hâkimlerine karşı derin bir şüphe duyuyorum, ama ortada hiçbir şey yokmuş gibi ısrar edip durmak dürüstçe değil
Zitron artık çöküş için adeta yalvarır durumda
Makro analizle devasa finansal riskleri işaret etmesi doğru olabilir, ama bitmek bilmeyen karamsarlığı yüzünden HN'deki birçok kişinin her gün bizzat hissettiği muazzam verimlilik artışının sahadaki faydasını tamamen gözden kaçırıyor
Şimdilik, bireysel kapasitedeki bu genişlemenin büyük keşiflere yol açtığı bir ara alan olduğuna inanmak istiyorum
Öyleyse bu verimlilik nereye gidiyor, değer nerede, büyük çaplı işsizlik istatistikleri ya da büyük para kazanan milyonlarca yeni startup nerede, bilmiyorum
Aşırı ısınmış bir hype döngüsünde dengeli eleştiriye ihtiyaç olduğu için karşı seslerin kendisi değerli, ama onun argümanı, öncüllerine katılsanız bile sağlam değil
Kaba hesaplarındaki en büyük sorunum, çıkarımın brüt marjını normal SaaS marjlarıyla kıyaslanamayacak yeni bir şey gibi ele alması
Kısmen doğru. Model eğitimi, ilgili altyapının kurulumu ve rekabetçi kalmak için gereken çevresel maliyetlerden oluşan bitmeyen Ar-Ge atlıkarıncası analizi biraz değiştiriyor
Ama bunun yapısal olarak sıradan SaaS marjlarından farklı olduğunu söylemek fazla ileri gidiyor. İş modeli Dropbox'a benzemiyor olabilir ama erken dönem AWS, CDN'ler ve telekom şirketlerine oldukça benziyor
Telekom tarafı, kariyerimin yarısından fazlasını mühendis ve kurucu olarak geçirdiğim bir alan; bu yüzden söyleyebilirim ki, kârlılığın kullanım oranına, overselling'e, pik kapasite planlamasına, segmentasyona ve sermaye harcamasının geri kazanımına bağlı olduğu son derece sermaye yoğun altyapı işleri de yapılabilir
Maliyet düşürmeye yönelik açık görev segmentasyonu ortaya çıktıkça, onun hesapları daha da şüpheli hale geliyor. Öncü organizasyonlar, her iş için en iyi ve en pahalı modeli kullanmak gerekmediğini fark ediyor
Kolay işler ucuz modellere yönlendirilebilir, caching kullanılabilir, acil olmayan işler batch işlenebilir ve frontier modeller yalnızca gerçekten frontier düzeyinde zeka gerektiren az sayıdaki işe bırakılabilir. Bu da, sağlayıcıların bugünkü talep, kullanım oranı ve fiyat eğrisini koruyabilmek için her zaman frontier zekanın peşinden gitmesi gerektiği iddiasıyla doğrudan çelişiyor
Verimlilik artışını hissedip yine de gerçek değer üretmiyor olabilirsiniz; bence elimizdeki en sağlam veriler de tam olarak bunu gösteriyor
https://unessays.substack.com/p/talk-is-cheap
Bu iddiayı doğrulayan büyük ölçekli hakemli araştırmalar veya meta çalışmalar var mı?
Kendi analizindeki belirgin başarısızlıklara hiç dönüp bakmamış olması bile entelektüel dürüstlüğü hakkında bilinmesi gerekeni söylüyor
Finansal risklere dair söylediklerinin bir kısmında gerçek payı var, ama yukarı yönlü potansiyeli de kabul edemiyorsanız riski de doğru değerlendiremezsiniz
Bu yüzden onu ciddiye almak zor
Bu başlıkta çok sayıda kestirip atan yorum var, ama yazının asıl içeriğini ele alan çok azı var
Esas mesele, “AI'ın yavaşlama lüksü yok — ayakta kalabilmesi için 2030 sonuna kadar 3 trilyon dolardan fazla gelire ihtiyacı var” ifadesinin doğru olup olmadığı
2024 toplam ücretleri 11,7 trilyon dolarsa [0] ve aynı yıl tarım dışı istihdam 158,000 ise [1], kaba hesabıma göre AI'ın başa baş noktasına gelmesi için en az her 20 işten 1'ini alması ya da yaratması gerekir; bu da benim tahminimden bir basamak daha büyük
[0] https://fred.stlouisfed.org/series/BA06RC1A027NBEA
[1] https://fred.stlouisfed.org/series/PAYEMS
2008'de ve 2020~2023 arasında ekonomiye muazzam miktarda para girdi ve zenginler akıl almaz derecede zenginleşti. O servet şimdi 2020'lerin demiryolu/optik fiber versiyonuna bağlanmış durumda ve biz fiilen dünya ekonomisinden trilyonlarca doları silip bir reset atmaya çalışıyoruz
Bir reset gerekli gerçi
Bu yazıyı okumaya 20 dakika harcamadan önce, bu yazarın 2 yılı aşkın süredir AI'ın başarısız olduğu, para israfı olduğu, kötü olduğu ve asla çalışmayacağı yönünde popüler ama sürekli yanlış çıkan görüşler paylaştığını bilmek gerekir
Örneğin 2024 Mart tarihli https://www.wheresyoured.at/peakai/ gibi yazılar var
İki yıl boyunca bariz şekilde deli gibi görünmüş ve borsadaki büyük yükselişi kaçırmıştı, ama sonunda haklı çıktı. Tabii teknoloji hisseleri sonrasında yavaş yavaş toparlandı
Böyle şeylerin zamanlamasını tahmin etmek meşhur biçimde zordur; 2 yıl önce zamanlamayı yanlış tutturmuş olmak, bir düzeltme olmayacağı anlamına gelmez
Ed bir termometre olarak biraz ilginç, ama yazdıklarını ciddiye almak zor geliyor
Tim Lee de Ed bazı analiz detaylarını yayımladığında orada epey tuhaf noktalar olduğunu belirtmişti: https://x.com/binarybits/status/2034377838883700953
Bülten aboneliği açılır penceresi çıkar çıkmaz sekmeyi kapatıyorum
Ed ilginç bir karakter.
Yapay zeka sektörüne dair finansal analizi mantıken tutarlı geliyor, ama gerçekten doğru olup olmadığını anlayacak kadar bilgim yok.
Yine de genel olarak yapay zekaya o kadar öfkeli görünüyor ki, LLM'lerin gerçekten son teknoloji düzeyini değiştirdiği bariz alanları kaçırıyor gibi.
Simon Willison'ın yakın zamanda işaret ettiği gibi, kodlama LLM'lerin temel kullanım alanlarından biri gibi görünüyor ve tek gerçek kullanım alanı bu olsa bile inanılmaz derecede faydalı.
Faydalılık ve kârlılık farklı şeyler; bence Ed burada önemli bir noktaya parmak basıyor. Çıkarım çok daha ucuzlayana kadar bu şirketler kâr edemez ve bazı aşırı büyük oyuncular API token fiyatlarını ödeyecek olsa da çoğu ödemeyecektir.
Yapay zeka şirketlerinin ayakta kalmak için onlarca milyar dolar gelir elde etmesi gerekiyorsa, bu gelirin %0,5'inin mi, %5'inin mi, %50'sinin mi son teknoloji düzeyini değiştirmekten geldiği %100 alakasızdır.
Mesele dönüşüm olup olmaması değil; bu şirketlerin faturaları ödeyecek gelire sahip olmayacak olması ve onlar ödeyemezse başka birçok şirketin de ödeyemeyecek olması.
Bu yüzden dönüşüm olsun ya da olmasın, hâlâ yıkılmayı bekleyen bir kartondan şato. Bunu değiştirmek için daha fazla “dönüşüm” değil, mevcut kullanıcı tabanını katlayacak ya da fiyatları birkaç kat artırabilecek bir özellik paketi gerekir.
Bir bakıma oldukça ferahlatıcı. Birçok insan yapay zekanın şu ya da bu yönünü eleştirirken sonunda “ama aslında yapay zekayı gerçekten seviyorum ve her gün kullanıyorum” diye bir feragat ekliyor.
Muhtemelen pratik odaklı üreticilerin yorumlara üşüşüp sakince nüans dağıttığı, bugünün deyimiyle omzunda çip taşıyan öfkeli klavye savaşçılarının akın ettiği durumu yaşamaktan kaçınmak istiyor; bu tür iki tarafa da oynayan söylemleri ayıklayarak okumak yorucu.
Zitron'a böyle bir eleştiri getirmek zor. Ne derse desin, herhangi bir tarafı tutuyormuş gibi görünmekten korkmuyor.
Bunların üçü de tamamen ayrı pozisyonlar. Yapay zekanın çok faydalı olduğunu düşünüp yine de sosyal statüyü düşürebileceği için ondan hoşlanmayabilirsiniz; ya da teknolojiyi sevip Sam Altman'ın dürüst olmadığını düşünebilirsiniz.
Ama birçok yapay zeka karşıtı yorumcu tuhaf biçimde bu üç iddianın hepsini birden sunması gerektiğini düşünüyor gibi.
Daha da komiği, gerçekten faydasızsa zaten umursamaya gerek olmaması. Piyasa sonunda faydasız olduğunu anlayacak, her şey normale dönecek ve bundan hoşlanmayanlar para kaybedecek.
Tabii onların gerçekten faydasız olduğuna inandıklarını sanmıyorum. Bence daha çok bunun kendi itibarlarını nasıl etkileyeceğinden kaygılanıyorlar ve bir gün herkesin “uyanıp” LLM'lerin faydası olmayan birer stokastik papağan olduğu inancını paylaşmasını umutsuzca bekliyorlar. Ama insanlar bunu her gün kullanıyor ve iyileştiğini gerçek zamanlı görüyor.
Onun iddiası, bu şirketlerin kâr etmesi için 2022 öncesinde eşi benzeri görülmemiş çok büyük şeylerin olması gerektiği. Genel olarak katılıyorum, ama ben böyle şeylerin zaten birkaç yıldır yaşandığını, dolayısıyla bundan sonra da yaşanacağını düşünüyorum.
Çıkarımın pahalı olduğuna inanmak için ortamdaki havadan başka hiçbir gerekçe yok. Veri ve sezgiye bakılırsa marjlar yüksek.
Bu düşünce tarzı, insanların pek bir şey bilmeden “yapay zeka kârlı değil ve fazla pahalı” sözünü devasa ilerlemelere karşı bir katarsis gibi kullandığına dair inancımı güçlendiriyor.
Zitron, tahminlerinin isabet etmesiyle değil, içerik üretimiyle geçinen biri.
Onun gibilerin kaç kez sonun geldiğini söylediğinin önemi yok; bir kez doğru çıkmaları yeterli.
Yine de şu an için ekonomi tarafında kesinlikle haklı olduğu noktalar var. Bu devasa yatırımın nasıl geri kazanılacağına dair henüz bir yol yok.
Bana göre yapay zeka dünyayı kökten değiştirecek
Daha kötü de olabilir, daha iyi de olabilir, ikisinin karışımı da olabilir ama bunun kendisinden şüphe duymuyorum
LLM denen sıçramanın başlamasının üzerinden daha sadece 5-6 yıl geçti. Karşılaştırma için, radyo dalgaları 1886'da keşfedildi, Marconi 1895'te bunu iletişim için kullandı ve telefonla radyo onlarca yıl birlikte var oldu ama cep telefonu ve kablosuz teknolojilerin gerçekten büyümesi 1995'i buldu
Bunun bu kadar uzun sürmesinin nedeni radyo dalgası fiziğinin olgunlaşması için zamana ihtiyaç olması değil, onunla kâr etmek için gereken diğer her şeyin zaman almasıydı
Benim için LLM, yapay zekadan çok bir yapı taşına daha yakın. Radyo dalgalarına ya da transistöre denk düşebilir
LLM'leri birbirine bağlayıp ajanlar oluşturmanın mümkün olduğunu zaten görüyoruz. Şu anda fiyat, kodlama ve ajanlar için katı sınırlayıcı etken
Sadece Claude Code ya da Codex istiyorsanız idare eder ama çoğu insanın denemeye cesaret edemeyeceği pek çok LLM kombinasyonu var. Örneğin oyunlarda NPC diyaloglarını ve dünya mekaniklerini LLM ile çalıştırmak maliyet yüzünden hâlâ uygulanabilir değil
Çıkarım donanımının fiyatı düşer ve çıkarım algoritmaları gelişmeye devam ederse, bugün hayal etmesi zor şeyler göreceğimizden eminim ve aynı zamanda bundan korkuyorum
Maliyet sorun değil. Bağlama tutarlı yanıtlar ve senaryoların sayısı sınırlı, bu yüzden oyunun içinde LLM'in gerçek zamanlı olarak metin üretmesine gerek yok
Bunun yerine LLM ile diyalog mesajları, parçalar, ipuçları gibi “atom”lardan oluşan dev bir külliyat üretip, oyuncu girdisine göre bunları deterministik şekilde birleştirebilirsiniz. Uygulamadan önce ön inceleme ve çeşitli testler yapmak da mümkün
Oyun içinde etkileşime giren oyuncular için böyle bir sistemi, tasarlanmış etkileşim alanı içinde üretilmiş metinden işlevsel olarak ayırmak zor olur
Artıları da büyük. Oyuncu rolü bozup bilerek kurcalarsa ek yerleri görünebilir ama LLM'lerdeki gibi suistimal edilemez
Bir şeyin daha iyiye de, daha kötüye de, ikisine birden de götürebileceğinden şüphelenmek ne keskin bir içgörü gerçekten
“Hâlâ çok erken aşamadayız” sözü de tuhaf. Şimdiden bir sürü Super Bowl reklamı yapıldı, teknoloji haberlerini fiilen ele geçirmiş şirketler gazetecilere CEO'ların saçma sözlerini aynen tekrarlatıyor ve şirket değerlemelerinin 1 trilyon doların üzerinde olduğu söylenirken buna finansal açıdan itiraz etmeye yetkili olanlar sadece başlarını sallıyor gibi görünüyor
Yüzlerce dönümlük veri merkezleri inşa edildi, gerçekleşmeyecek veri merkezi anlaşmaları imzalandı ve her ay milyarlarca dolar talep ediliyor
Silikonu yutuyor; insanlar donanım fiyatlarının ikiye, üçe hatta daha fazlasına çıktığını kendi gözleriyle görüyor
İşyerleri çalışanlarına AI kullanmayı dayattı, sonra teşvikler ortadan kalkıp maliyetler görünür hale gelince işin tadı kaçtı ve geri adım attılar
Yine de daha fazla zamana, daha fazla ilgiye, daha fazla insanın bakmasına ihtiyaç olduğu söyleniyor. Radyo tarihinde bunun nerede yaşandığını bilmiyorum
Simülasyon sıkıcı
Ed'in “AI yavaşlıyor” demesinin dayanağı, şirketlerin harcama üst sınırı; özellikle de Uber'in mühendis başına araç başına aylık 1.500 dolar limiti
Ben aynı kanıtı tam tersine yorumluyorum. Daha bir yıl önce bile şirketlerin AI araçlarına çalışan başına ayda 1.500 dolar harcaması fikri saçmaydı; insan “AI ile ne yapıyorlar da bu kadar tutuyor?” diye düşünürdü
Ama kodlama ajanları ve giderek daha genel amaçlı hale gelen ajanlar ortaya çıkınca, çalışan talebi o kadar yükseldi ki şirketler sınırlama koymak zorunda kaldı
Bu AI şirketlerinin toplam potansiyel pazarı bilgi çalışanı başına aylık 1.500 dolar seviyesine sıçradı; bunun nasıl bir yavaşlama olduğunu anlamıyorum
Ama yatırım getirisini tutturmak için bu kadarını ya da daha fazlasını küresel ölçekte harcamak gerekir ve uzun vadede böyle bütçelerin onaylanması mümkün değil
Şirketler maliyet düşürmeyi sever ve aynı değeri ya da daha iyisini veren başka bir yol olduğuna karar verdikleri anda, tıpkı çalışan sayısını keyfince azaltmaları gibi bu bütçeler de hızla ortadan kalkar
Ya da sadece hissedarların kısa vadeli değer talepleri yüzünden bile yok olabilir
Yani sadece Claude Code ve Cursor kullansanız bile ayda rahatça 3.000 dolar eder, buna Codex de seçenek olarak eklenirse 4.500 dolara çıkabilir
Ve blogda yazdığınız gibi gerekçelendirebilirseniz aşılabilen yumuşak bir üst sınır bu da