Insights AI

Amazon’ın $220 Milyarlık Yapay Zekâ Altyapı Stratejisi: Özel Tasarım Çipler, Veri Merkezi Ekonomisi ve Kurumsal Yapay Zekâ Ölçeği

Podcast · Dinle (20 dk)

$220B AI Bet: How AWS Custom Chips Cut Costs 40%

İçindekiler
  1. 1. Sermaye Harcaması İkilemi: Doymak Bilmeyen Talep Altında Altyapıyı Ölçeklendirmek
  2. 2. Veri Merkezi Ekonomisinin İşleyişi ve Elektrik Şebekesine İlişkin Toplumsal Tepkiler
  3. 3. Yapay Zekâ Talebinin İki Uçta Yoğunlaşması ve Özel Tasarım Çiplerin Rolü
  4. 4. Ajan Tabanlı Dönemde Organizasyon Tasarımı ve Siber Güvenlik Gerçekleri
  5. 5. Sermaye Tahsisi, Stratejik İttifaklar ve Temel Ürünlerin Yeniden Tasarlanması
  6. Temel Rakamlar
  7. Bu Tabloyu Neler Değiştirebilir
  8. Kaynakça

Amazon, küresel yapay zekâ ve bulut bilişim altyapısını genişletmek için 2026 yılında benzeri görülmemiş bir $220 milyar sermaye harcaması döngüsünü yönetiyor. İşlem kapasitesinin 2026 sonuna kadar tamamının, 2027 için büyük bölümünün satılmasına ve 2028 için de önemli ölçüde taahhüt altına alınmasına yol açan kesintisiz talep karşısında şirket, yakın vadeli devasa finansal yatırımları uzun vadeli altyapı gelirleriyle dengeliyor. Amazon, yüksek çıkarım maliyetlerinin hâlihazırda sınırladığı temel üretim iş yüklerinde kurumsal yapay zekânın yaygın kullanımını mümkün kılmak için Annapurna Labs tarafından geliştirilen Trainium hızlandırıcıları ve Graviton Merkezi İşlem Birimi [CPU] çipleri dahil olmak üzere özel tasarım çipleri devreye alıyor. Son derece yalın, ajan tabanlı yazılım mühendisliği iş akışlarına yönelik köklü bir değişimle birleşen bu sermaye tahsis stratejisi, işlem maliyetini bir büyüklük mertebesi azaltmayı ve gelişmekte olan yapay zekâ çağında temel altyapı liderliğini güvence altına almayı amaçlıyor.

1. Sermaye Harcaması İkilemi: Doymak Bilmeyen Talep Altında Altyapıyı Ölçeklendirmek

Mevcut kurumsal yapay zekâ talebinin muazzam ölçeği, bulut altyapısının genişletilmesini daha önce görülmemiş boyutlara taşıdı. Amazon, 2026 için yaklaşık $220 milyar toplam sermaye harcaması öngörüyor; bu da günde yaklaşık $600 milyon gibi olağanüstü bir sermaye kullanım hızına karşılık geliyor. Bu sermaye taahhüdüne rağmen, bulut ekosistemindeki işlem kapasitesi ciddi ölçüde kısıtlı kalmaya devam ediyor. Amazon Web Services [AWS] kapasitesinin 2026 sonuna kadar tamamı, 2027 için büyük bölümü satılmış durumda ve 2028 için de büyük kapasite tahsisleri şimdiden taahhüt altına alınmış bulunuyor. Finansal piyasalar zaman zaman bu genişlemeyi finanse etmek için gereken devasa finansal ölçeğe ilişkin şüphelerini dile getirse de kurumsal işlem altyapısı, küresel ticaret, bankacılık, sağlık hizmetleri ve yazılım operasyonları için temel bir altyapı hizmeti hâline geldi.

Bu hızlı genişleme, Amazon’un pandemi sırasında fiziksel ağını genişletmesiyle yakından örtüşen geçici operasyonel ve finansal ödünleşimler yaratıyor. Amazon, 2020 ile 2022 arasında, önceki 25 yılda inşa edilmiş fiziksel bir ağ olan sipariş karşılama ağının büyüklüğünü yalnızca 18 ayda iki katına çıkardı. Şirket aynı zamanda, 20 ayda United Parcel Service [UPS] ile benzer ölçekte bir son kilometre taşımacılık ağı kurdu.

Fiziksel veya dijital altyapı böylesine yüksek bir hızla inşa edildiğinde, operasyonel verimsizlikler kaçınılmaz olarak ortaya çıkar. Perakende bölümünde hızlı ölçeklenme başlangıçta hizmet sunum maliyetleri üzerinde ciddi baskılar yarattı. Amazon, müşteri deneyiminden ödün vermek veya kurum kültürünün operasyonel standartlarını düşürmek yerine, yapısal darboğazları belirlemek için şirket içi veri ölçütlerinden ve üst yönetim inceleme mekanizmalarından yararlandı. Bu, lojistik altyapısının tamamen yeniden tasarlanmasına ve tek katmanlı ulusal sipariş karşılama ağının bölgeselleştirilmiş bir modele dönüştürülmesine yol açtı. Bölgeselleştirme, stokları nihai tüketicilere yaklaştırarak taşıma mesafelerini kısalttı, operasyonel hizmet sunum maliyetlerini azalttı ve teslimatları hızlandırdı.

Benzer bir mimari dönüşüm dijital altyapıda da yaşanıyor. Amazon’un icra kurulu başkanı Andy Jassy, mevcut veri merkezi inşasını tarihî federal altyapı projeleriyle karşılaştırarak modern bir endüstriyel zorunluluk olarak tanımlıyor. Jassy, “Dünyada ve bu ülkede, belki de 1950'lerde otoyolları ve köprüleri inşa ettiğimiz dönemden bu yana bunun benzeri yaşanmadı,” diye belirtti. Bu sermaye döngüsünü atlamak veya geciktirmek ciddi bir stratejik risk yaratıyor; yerli işlem altyapısının kurulamaması, teknolojik liderliğin ve operasyonel standartların Çin gibi yabancı rakiplere bırakılmasına yol açabilir.

2. Veri Merkezi Ekonomisinin İşleyişi ve Elektrik Şebekesine İlişkin Toplumsal Tepkiler

Çok büyük ölçekli veri merkezlerinin ekonomisini anlamak, bulut altyapısını yöneten iki ayrı bölümden oluşan nakit döngüsünü değerlendirmeyi gerektirir:

  • Veri Merkezi Yapıları ve Elektrik Altyapısı: Veri merkezlerinin fiziksel yapıları ve elektrik bağlantıları, sunucu kurulumundan yaklaşık iki yıl önce sermaye taahhütleri gerektirir. Ancak bu yapılar, tek bir ana sermaye harcaması gerektiren, 30 yıllık faydalı ömre sahip varlıklardır.
  • Sunucular ve Ağ Donanımı: Sunucu rafları, ağ ekipmanları, Yüksek Bant Genişlikli Bellek [HBM] ve Dinamik Rastgele Erişimli Bellek [DRAM] gibi bilgi teknolojisi varlıkları, devreye alınmalarından yalnızca birkaç ay önce satın alınır. Bu varlıkların faydalı ömrü 5 ila 6 yıldır; genellikle üç yıl içinde başa baş noktasına ulaşırlar ve ortalama beş yıl süreli uzun vadeli müşteri sözleşmeleriyle güvence altına alınırlar.

Veri merkezi yapıları, gelir yaratmaya başlamadan iki yıl önce devasa bir başlangıç sermayesi gerektirdiğinden, çok büyük ölçekli bulut sağlayıcıları hızlandırılmış inşa aşamalarında serbest nakit akışı üzerinde önemli geçici baskılar yaşar. Tesisler faaliyete geçtiğinde, sunucular kurulduğunda ve müşteri sözleşmeleri gelir yaratmaya başladığında nakit akışları normalleşir ve bileşik olarak büyür. Jassy, görüşme sırasında, “Bu yıl sermaye harcamalarına $220 milyar harcasak bile, önemli miktarda talebi karşılayamıyoruz,” dedi.

Aynı zamanda, çok büyük ölçekli altyapı geliştirme faaliyetleri, çevresel etkiler ve elektrik şebekesi üzerindeki etkiler nedeniyle siyasi ve yerel toplumsal tepkilerle karşılaşıyor. Gözleme dayalı kaynak verileri, kamuoyunda yaygın olan bazı yanlış kanıları çürütüyor:

  • Su Kullanımı: Veri merkezi soğutma sistemleri, eski ticari gayrimenkullere kıyasla son derece verimlidir. Örneğin golf sektörü, Amazon’un tüm veri merkezlerinin toplamından 200 kat daha fazla su tüketiyor; iki günde, Amazon’un veri merkezlerinin bir yılda kullandığından daha fazla su tüketiyor.
  • Emisyonlar ve Yedek Jeneratörler: Tesislerdeki yedek dizel jeneratörler sürekli çalışmaz. Yalnızca elektrik kesintileri ve rutin bakım sırasında devreye girerler; yılın yaklaşık 0.1%’inde çalışırlar (yılda yaklaşık 10 saat).
  • Yerel Ekonomi ve Şebeke Üzerindeki Etki: Veri merkezleri, ev sahibi yerel yönetimler için devasa vergi tabanları oluşturur. Amazon, Indiana’daki St. Joseph County’de yaklaşık $3 milyar yerel vergi ödedi. Ayrıca Amazon, “Built Together” programı aracılığıyla beş yıl boyunca doğrudan ev sahibi topluluklara $1 milyar sağlamayı taahhüt etti. Hızla artan elektrik talebi başlangıçta şebeke iyileştirmelerini zorunlu kılsa da Indiana, Georgia ve Mississippi bölgelerinden elde edilen tarihsel veriler, bölgesel şebeke altyapı kapasitesi kurulduktan sonra yerel elektrik tarifelerinin zaman içinde yatay seyrettiğini veya düştüğünü gösteriyor.

3. Yapay Zekâ Talebinin İki Uçta Yoğunlaşması ve Özel Tasarım Çiplerin Rolü

Mevcut kurumsal yapay zekâ kullanımı, Andy Jassy’nin “talep halteri” olarak tanımladığı yapısal bir uyumsuzluk sergiliyor. İşlem tüketimi, piyasanın iki uç noktasında yoğunlaşırken kurumsal iş yüklerinin büyük çoğunluğu henüz kapsama girmemiş durumda:

  • Yüksek İşlem Tüketimli Uç: Fiyattan bağımsız olarak devasa miktarda işlem kapasitesi tüketen, yapay zekânın sınırlarını ilerleten araştırma laboratuvarlarından ve hızla yaygınlaşan tüketici uygulamalarından oluşur.
  • Düşük İşlem Tüketimli Uç: Otomatik müşteri hizmetleri ve dolandırıcılık tespiti gibi dar kapsamlı maliyet önleme ve verimlilik iyileştirmeleri için yapay zekâdan yararlanan işletmelerden oluşur.
  • Henüz Ulaşılamayan Orta Kesim: Büyük ölçüde eski CPU mimarilerine bağlı kalan temel kurumsal üretim uygulamalarından oluşur.

Bu temel üretim iş yüklerinin yapay zekâ hızlandırıcılarına geçmesini engelleyen başlıca darboğaz, çıkarım maliyetidir. Çıkarım maliyetleri düşmüş olsa da yaygın uygulamaların yeniden yazılmasını gerekçelendirmek için hâlâ bir büyüklük mertebesi fazla yüksektir. Jassy, “Çıkarım maliyeti... bence mümkün olduğunca yaygın biçimde kullanılabilmesi için hâlâ bir büyüklük mertebesi fazla pahalı,” gözleminde bulundu. Standart CPU işlemleri ile yapay zekâ hızlandırmalı işlemler arasındaki maliyet farkı yüksek kalırsa, ilave performans faydasının olağan dışı derecede yüksek bir yatırım getirisi eşiğini karşılaması gerekir. Çıkarım maliyetinin düşürülmesi, bu devasa orta pazarın önünü açmak için gereken tek temel katalizördür.

Amazon’un çıkarım maliyetlerini düşürme stratejisi, 2015 yılında satın alınan Annapurna Labs tarafından geliştirilen özel tasarım çiplere büyük ölçüde dayanıyor. Annapurna başlangıçta, depolama, ağ, sanallaştırma ve güvenlik görevlerini sunucu CPU’larından özel Ağ Arayüz Kartlarına [NICs] aktarmak için satın alınmıştı. Bu mimari, AWS’nin Elastic Compute Cloud [EC2] sunucularının CPU kapasitesinin neredeyse 100%’ünü doğrudan müşteri iş yüklerine tahsis etmesini sağladı.

Bu mühendislik temeli, kritik öneme sahip iki çip ailesini ortaya çıkardı:

  • Graviton CPU’ları: Geleneksel x86 mimarisine alternatif olarak geliştirilen Graviton çipleri, standart x86 işlemcilere kıyasla 40% fiyat-performans avantajı sunuyor. Bugün Graviton, AWS’nin en büyük 1,000 EC2 müşterisinin 99%’ü tarafından kullanılıyor.
  • Trainium Yapay Zekâ Hızlandırıcıları: Özellikle derin öğrenme eğitimi ve çıkarım için tasarlanan Trainium işlemcileri, rakip ticari grafik işlemcilere kıyasla 30% ila 40% fiyat-performans avantajı sunuyor.

Amazon, özel tasarım çiplerle çıkarım maliyetini bir büyüklük mertebesi düşürerek, yaygın yapay zekâ entegrasyonu için temel yazılım uygulamalarını yeniden yazmayı genel kurumsal pazar açısından ekonomik olarak uygulanabilir hâle getirmeyi amaçlıyor.

4. Ajan Tabanlı Dönemde Organizasyon Tasarımı ve Siber Güvenlik Gerçekleri

Üretken yapay zekâ ve ajan tabanlı geliştirme araçlarının yaygınlaşması, yazılım mühendisliğini, ekip yapılarını ve kurumsal işleyiş modellerini kökten değiştiriyor. Ürün yöneticilerinin veya mühendislerin tek tek bir ürünün çok küçük parçalarından sorumlu olduğu aşırı uzmanlaşmış organizasyon yapılarına yönelik tarihsel eğilim, yerini son derece yalın, işlevler arası ekiplere bırakıyor.

Bu hız değişiminin başlıca örneklerinden biri AWS’nin kendi içinde yaşandı: AWS Bedrock mühendislik ekibi, temel çıkarım motorunu 6 mühendisle 76 günde tamamen yeniden geliştirdi. Geçmişte bu büyüklükte bir altyapı projesi, 40 mühendisin tam bir yıl çalışmasını gerektiriyordu. Benzer şekilde, 4 ila 5 mühendisten oluşan küçük şirket içi ekipler artık tek bir hafta sonunda 80% oranında kullanıma sunulabilir yazılım prototipleri geliştirebiliyor.

Bu hız ölçütleri, teknik organizasyonların insan sermayesini tahsis etme biçiminde temel bir dönüşüme işaret ediyor:

  • İş Gücü Ölçeğinde Değişim: Yazılım organizasyonları; elle kodlama, temel hukuki belge işleme ve rutin iş zekâsı gibi geleneksel görevler için daha az insan geliştiriciye ihtiyaç duyacak. Jassy, “Gelecekte, bugün yaptıkları işleri yapan insan sayısı bugünkünden daha az olacak,” diye açıkladı.
  • Doğası Gereği İşlevler Arası Ekipler: Geliştirme ekipleri, ileri geliştirme aşamalarından başlayarak daha küçük ve son derece esnek yapılarla çalışacak; rutin görevlerin 80%’ini yerine getirmek için yapay zekâ modellerinden yararlanacak.
  • Kısalan Pazara Çıkış Süresi: Ürün yineleme döngüleri, aylar süren planlama yol haritalarından birkaç günlük yoğun prototipleme çalışmalarına doğru kısalıyor.

Ancak ajan tabanlı çalışma hızı, ciddi siber güvenlik tehditlerini beraberinde getiriyor. Gelişmiş yapay zekâ modelleri, yazılım açıklarını insan güvenlik uzmanlarının veya geleneksel sızma testi uzmanlarının tespit edebildiğinden daha hızlı keşfediyor.

Geleneksel olarak yazılım güvenliği, açıkların belirlenmesine, yamaların hazırlanmasına, bağımlılıkların test edilmesine ve güncellemelerin devreye alınmasına dayanıyordu; bu süreç çoğu zaman haftalar veya aylar sürüyordu. Ajan tabanlı tehdit ortamında organizasyonlar, yama devreye alma sürelerini dakikalara indirmek zorunda. Bu değişime ayak uydurabilmek için işletmeler, eski kod tabanlarını ajanların çalışmasına uygun olarak tasarlanmış mimarilere dönüştürmek üzere yeniden yazmalı; otomatik yazılım ajanlarının insan eliyle müdahale olmadan sürekli olarak açıkları keşfetmesini, yama uygulamasını ve güncellemeleri devreye almasını sağlamalıdır.

5. Sermaye Tahsisi, Stratejik İttifaklar ve Temel Ürünlerin Yeniden Tasarlanması

Amazon’un sermaye kullanım stratejisi, şirkete özgü çip geliştirme faaliyetlerini önde gelen yapay zekâ modeli geliştiricileriyle kurulan milyarlarca dolarlık stratejik ittifaklarla birleştiriyor.

Anthropic ile ortaklığı kapsamında AWS, Claude modelleri için birincil eğitim ve çıkarım sağlayıcısı olarak hizmet veriyor. Anthropic, modellerini AWS Bedrock üzerinde doğrudan sunarken Trainium çipleri üzerine kurulu, çok gigavatlık işlem kapasitesinin devreye alınmasını taahhüt etti. Benzer şekilde Amazon, AWS üzerinde OpenAI iş yüklerini desteklemek için ekosistemini genişletti ve özellikle ajan tabanlı yürütme için tasarlanmış, durum bilgisini koruyan özel çalışma zamanı ortamlarını birlikte geliştiriyor.

Harici modelleri barındırmanın ötesinde, kurumsal teknoloji stratejisi, kademeli özellik güncellemelerine dayanmak yerine olgunlaşmış ve son derece başarılı ürünlerin temelden yeniden tasarlanmasını gerektiriyor. Jassy, Amazon Alexa’nın tamamen yenilenmesini bir örnek olay olarak gösteriyor. Alexa’nın ilk mimarisi piyasaya sürüldüğünde çığır açıcı olsa da üretken yapay zekânın ortaya çıkışı, temel motorunun tamamen değiştirilmesini gerektirdi.

Eski yazılımları kademeli olarak güncellemek organizasyonel açıdan daha kolay olsa da pazar liderliğini korumak, temelden yeniden yazmayı gerektiriyor. Perakende, video yayıncılığı ve bulut yönetimi alanlarındaki yerleşik kurumsal uygulamalar, ajanların çalışmasına uygun olarak tasarlanmış yeni girişimlere karşı rekabetçi kalabilmek için tamamen yapay zekâ temelli yeniden tasarımlardan geçmek zorunda.

Temel Rakamlar#

  • $220 Milyar: Amazon'un 2026 yılında beklenen sermaye harcaması (günde ~$600 milyon).
  • 36.7%: AWS'nin en son çeyrekte, yıllıklandırılmış $169 milyar gelir düzeyinde kaydettiği yıllık gelir büyümesi.
  • $25+ Milyar: AWS'nin üretken yapay zekâ iş kolunun ilk 3 yılı içinde ulaştığı yıllıklandırılmış gelir düzeyi (AWS'nin ilk döneminde 3 yıl sonra ulaşılan $60 milyon yıllıklandırılmış gelir düzeyine kıyasla).
  • 80%: Amazon'un toplam gelirinin 2021 yılından bugüne yaklaşık büyümesi.
  • 3x: AWS'nin 2021 yılından bugüne büyüme katsayısı.
  • 2.5x: Amazon'un reklam gelirlerinin 2021 yılından bugüne büyüme katsayısı.
  • 30 Yıl ve 5–6 Yıl: Veri merkezi altyapısının faydalı ömrü (30 yıl) ile sunucu/ağ ekipmanlarının faydalı ömrü (5–6 yıl, başa baş noktası ~3 yıl).
  • 40%: Graviton merkezi işlem birimlerinin standart x86 işlemcilere kıyasla fiyat-performans iyileşmesi.
  • 30%–40%: Trainium yapay zekâ çiplerinin benzer işlemcilere kıyasla fiyat-performans avantajı.
  • 200x: Golf sahalarının Amazon veri merkezlerine kıyasla su tüketimi katsayısı.
  • 0.1%: Yedek jeneratörlerin yıl içinde çalıştığı sürenin oranı (yılda yaklaşık 10 saat).
  • $3 Milyar: Amazon'un Indiana eyaletinin St. Joseph ilçesinde ödediği vergiler.
  • $1 Milyar: "Built Together" programı aracılığıyla veri merkezlerine ev sahipliği yapan topluluklara yönelik beş yıllık taahhüt.
  • 76 Günde 6 Mühendis: Bedrock ekibinin çıkarım motorunu yeniden oluşturma çalışmasının kapsamı (geçmişte 1 yıl boyunca 40 kişiyle yapılan çalışmaya kıyasla).

Bu Tabloyu Neler Değiştirebilir

  1. Çıkarım Maliyetinin Büyük Ölçüde Azalması: Özel tasarlanmış çiplerin (ör. Trainium) sağladığı çıkarım maliyetlerindeki büyük düşüşün, "halter" yapısının orta bölümünün (yaygın kurumsal uygulamalar) yalnızca merkezi işlem birimlerine dayalı mimarilerden geçişini tetiklemesi.
  2. Bileşen ve Güç Tedariki Kısıtlarının Giderilmesi: Bellek (HBM/DRAM), güç ve soğutma tedarik zincirlerindeki önemli artışların, mevcut kapasitenin tamamen satılmış olmasından kaynaklanan kısıtların ötesinde kapasite sağlaması (2026–2028).
  3. Otonom Ajan Temelli Yeniden Yazımların Yaygınlaşması: İşletmelerin eski kod tabanı mimarilerini ajanların doğal olarak çalışabileceği şekilde başarıyla güncelleyerek güvenlik yamalarının dakika dakika devreye alınmasını mümkün kılması.
  4. Kamu/Özel Sektör Altyapı Ortaklıklarında Değişim: Hiper ölçekli hesaplamanın endüstriyel talebini karşılamak için elektrik şebekesi kapasitesine yönelik federal ve yerel yatırımların hızlanması.

Daha fazla ücretsiz araştırmayı incelemek veya kendi modellerinizi test etmek için DeepValues Research platformunu ziyaret edin ya da DeepValues uygulamasını deneyin.

Kaynakça

Amazon CEO Andy Jassy on the Infrastructure the AI Era Needs, hosted by a16z (Video Transcript).

İzle

Kaynak bağlantıları

İzle ve dinle

Şirket araştırması

Araştırma metni: CC BY 4.0, atıf biçimi: DeepValues Research, Amazon’ın $220 Milyarlık Yapay Zekâ Altyapı Stratejisi: Özel Tasarım Çipler, Veri Merkezi Ekonomisi ve Kurumsal Yapay Zekâ Ölçeği, https://research.deepvalues.ai/insights/2026-10-24-amazons-ai-era-and-infrastructure-expansion-tr/

Ücretsiz haftalık e-posta

Margin of Safety Weekly

Her cumartesi e-postanızda: piyasanın nabzı, büyük yatırımcıların alım ve satımları (13F bildirimleri), haftanın yeni araştırmaları, videolarımız ve podcastlerimiz — ücretsiz, hesap gerekmez.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. Gizlilik

Daha derine inin

Bu analizi herhangi bir hisse için 2 dakikada yapın

Bu raporu hazırlayan çok ajanlı yapay zekâ analisti Deep Value Intelligence, talep üzerine borsada işlem gören her şirket için aynı raporu yazar.

Deep Value Intelligence'ı aç

DeepValues uygulamasında 300+ hisseyi takip edin

Görüşler, içsel değer ve en yeni raporlar telefonunuzda.

Geliştiriciler: API ile görüşler ve raporlar

Bu sayfaların dayandığı temel finansal veriler, içsel değerler, görüşler ve rapor bağlantıları, JSON biçiminde.

API belgeleri

Tartış