Insights Investing
Yapay Zekâ Teknoloji Yığınını Çözümlemek: Uzun Vadeli Yatırımcılar İçin Darboğazların, Ekonomik Hendeklerin ve Değer Birikiminin Analizi
Podcast · Dinle (24 dk)
Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market
İçindekiler
- 1. Yapay Zekâ Katmanlarını Ayrıştırmak: Darboğazlar ile Ekonomik Değer Birikimi
- 2. Altyapı ve Sermaye Harcaması Yoğunluğu: Yapay Zekânın Altındaki Sanayi Devrimi
- 3. Çipler, Bellek ve Model Ekonomisi: Metalaşma ile İlerleyen Sınırlar
- 4. Yürütme Düzlemleri, Fiziksel Yapay Zekâ ve Jevons Paradoksu
- 5. Temel rakamlar
- 6. Görüşümüzü neler değiştirir
- 7. Kaynaklar
Yapay zekâ teknoloji katmanlarında değer, yalnızca mutlak fiziksel kıtlık sayesinde değil, teknolojik darboğazların fiyatlama gücü, sürekli hacim artışı, geçiş maliyetleri ve yatırılan sermayenin yüksek ilave getirisi (ROIC) ile kesiştiği noktalarda birikir. Chamath Palihapitiya’nın altı katmanlı çerçevesi (Altyapı, Çipler, Veri, Modeller, Yürütme, Uygulama), temel modellerin ekonomik açıdan metalaşmasını ve kritik donanım darboğazlarının ortaya çıkışını doğru biçimde vurgulasa da uzun vadeli yatırımcılar, mutlak teknik kıtlık ile sürdürülebilir özsermaye değeri yaratımını birbirinden ayırmalıdır. Hiper ölçekli sağlayıcılar, 2026 yılında hesaplama ve elektrik şebekesi altyapısına $700 milyardan fazla harcama yapması öngörülen sermaye yoğun sanayi işletmelerine dönüşürken, içsel değeri değerlendirmek yalnızca fiziksel darboğazlara dayanmak yerine serbest nakit akışının dayanıklılığını, sermaye yoğunluğu risklerini ve şirkete özgü iş akışı geri bildirim döngülerini analiz etmeyi gerektirir.
1. Yapay Zekâ Katmanlarını Ayrıştırmak: Darboğazlar ile Ekonomik Değer Birikimi
Yapay zekâyı katmanlı bir mimari üzerinden analiz etmek, temel analize dayalı yatırımcılar için kritik bir netlik sağlar. Chamath Palihapitiya, ekosistemi altı ayrı katmana ayırır: Altyapı (elektrik, arazi, soğutma, mineraller, yarı iletken fabrikaları), Çipler (GPU/ASIC, Yüksek Bant Genişlikli Bellek [HBM], paketleme, ağ bağlantıları), Veri (şirkete özgü veriler, sensör verileri, robotik veriler), Modeller (temel zekâ), Yürütme (ajanlar, orkestrasyon, API, eyleyiciler) ve Uygulama (son kullanıcı yazılımları ve sistemleri). Bu katmanları birbirine bağlayan temel analitik kavram, her üst katmanın kullanmak zorunda olduğu ve kolayca ikame edilemeyen vazgeçilmez bir bileşen olan “dayanak varlığı”dır.
Ancak mutlak bir teknolojik darboğaz ile yüksek getiri sağlayan bir ekonomik hendek arasında kritik bir ayrım vardır. Bir varlık, hissedarlar için orantılı finansal getiriler elde etmeden doğrudan teknolojik kritik yol üzerinde bulunabilir. Ekonomik hendekleri Graham ve Buffett çerçevesi üzerinden değerlendiren uzun vadeli yatırımcılar açısından, fiziksel kıtlık tek başına işletme sahibi kazançlarının uzun vadede bileşik büyümesini garanti etmez.
Bu dinamik, ASML ile NVIDIA karşılaştırıldığında açıkça görülür. ASML, aşırı ultraviyole (EUV) litografi sistemlerinde mutlak ve ikame edilemez bir teknolojik darboğaza sahiptir; gelişmiş yarı iletken fabrikaları ASML’nin makinelerinin yerine başka bir çözüm kullanamaz. Buna rağmen NVIDIA, çok daha yüksek özsermaye değer artışı sağlamıştır. ASML, sınırlı sayıdaki alıcıdan oluşan bir gruba son derece karmaşık, sermaye yoğun makinelerden sınırlı adetlerde satar; bu da küresel belirteç tüketimi iki katına çıktığında gelirlerin kendiliğinden ölçeklenmesini sınırlar. Buna karşılık NVIDIA, silikon darboğazlarını CUDA yazılım araç zinciri, sistem mimarileri, NVLink ağ bağlantıları ve derin ekosistem entegrasyonuyla birleştirir. NVIDIA, yapay zekâ çıkarımı ve eğitiminin genişleyen hacim esnekliğinden doğrudan yararlanır.
Katmanlar genelindeki ekonomik değer birikimini değerlendirmek için yatırımcılar, kıtlığı tek başına ölçmek yerine kapsamlı bir nitel formül uygulamalıdır:
$$\text{Value Accrual} \approx \text{bottleneck} \times \text{pricing power} \times \text{volume growth} \times \text{recurring demand} \times \text{switching costs} \times \text{incremental ROIC}$$
Kalıcı ekonomik getiriler, ancak operasyonel bir darboğaz hacim esnekliği, yüksek geçiş maliyetleri ve yatırılan sermayenin güçlü ilave getirileriyle birleştirildiğinde ortaya çıkar.
2. Altyapı ve Sermaye Harcaması Yoğunluğu: Yapay Zekânın Altındaki Sanayi Devrimi
Yapay zekâ katmanlarının temelini oluşturan katmanlar, düşük varlık yoğunluklu yazılım modellerinden sermaye yoğun sanayi faaliyetlerine doğru yapısal bir geçiş yaşamaktadır. Katmanların tabanındaki kritik darboğazlar, son derece yüksek coğrafi ve kurumsal yoğunlaşmalara işaret etmektedir:
- Yarı İletken Malzemelerinin Kıtlığı: Şirketlerin milliyetine göre Japon malzeme tedarikçileri, küresel yarı iletken fotorezist satışlarının yaklaşık 78%’ini kontrol etmektedir; Shin-Etsu, JSR, Tokyo Ohka Kogyo ve Fujifilm belirli yüksek saflıktaki kimyasal pazarlarına hâkimdir.
- Yüksek Saflıkta Kuvars (HPQ): Yarı iletken kalitesinde silisyum külçe üretimi, Kuzey Carolina’daki Spruce Pine’da çıkarılan olağanüstü saflıktaki kuvarstan elde edilen ergitilmiş kuvars potalarına dayanır. Sibelco (iki saf cevher yatağında IOTA malzemesi üreten) ve The Quartz Corp, gelişmiş, üstün kaliteli HPQ’yu büyük ölçekte ekonomik biçimde üreten tek tedarikçilerdir.
Fiziksel ham maddelerin ötesinde, elektrik hizmetleri altyapısı ciddi bir operasyonel kısıt oluşturmaktadır. Uluslararası Enerji Ajansı (IEA), küresel veri merkezi elektrik tüketiminin neredeyse iki katına çıkarak 2025 yılında yaklaşık 485 TWh düzeyinden 2030 itibarıyla yaklaşık 950 TWh düzeyine yükseleceğini öngörmektedir. Hiper ölçekli sağlayıcıların sermaye harcamalarının, ağırlıklı olarak veri merkezi genişlemesinin etkisiyle 2026 yılında $700 milyarı aşacağı tahmin edilmektedir.
| Altyapı Alanı | Kritik Darboğaz ve Başlıca Tedarikçiler | Ekonomik Etki ve Ölçütler |
|---|---|---|
| Yarı İletken Malzemeleri | Japon Fotorezistleri (Shin-Etsu, JSR, TOK, Fujifilm) | Milliyete göre ~78% pazar payı; ikame edilemeyen kimyasal girdiler. |
| Yüksek Saflıkta Kuvars | Spruce Pine Cevher Yatakları (Sibelco, The Quartz Corp) | Silisyum külçeleri için ergitilmiş kuvars potalarının tek kaynağı. |
| İletilebilir Şebeke Elektriği | Transformatörler, Şalt Ekipmanları, UPS, Ara Bağlantılar | Kısıtlar, doğrudan üretimden önce devreye girer; 485 TWh $\rightarrow$ 950 TWh (IEA). |
| Hiper Ölçekli Sağlayıcıların Sermaye Harcamaları | Veri merkezi genişlemesi ve hesaplama hızlandırması | 2026 için >$700B öngörülüyor (IEA); amortisman kaynaklı ciddi baskılar. |
Önemli olan, doğrudan elektrik üretiminin yakın vadedeki başlıca sınır olmamasıdır. Johns Hopkins Üniversitesi’nin araştırması, şebeke iletim ekipmanlarının—özellikle transformatörler, şalt ekipmanları, kesintisiz güç kaynağı (UPS) sistemleri, iletim ara bağlantıları ve özel soğutma altyapısının—üretim kapasitesinin kendisi başlıca darboğaz hâline gelmeden önce veri merkezi inşaatlarını sınırlayacağını göstermektedir. Kısa vadede ekonomik açıdan kıt olan varlık, gerekli gerilimde, konumda ve güvenilirlikte iletilebilen elektriktir.
Değer yatırımı açısından bu geçiş, şirket bilançolarını ve getiri ölçütlerini ciddi biçimde etkiler. Hiper ölçekli sağlayıcılar yıllık sermaye harcamalarında $700 milyardan fazla kaynak kullanırken, milyarlarca dolarlık fiziksel varlıklar bilançolara maddi duran varlıklar (PP&E) olarak girer. Faaliyete geçtiklerinde, doğrusal amortisman planları gelirlerin hemen gerçekleşip gerçekleşmediğine bakılmaksızın gelir tablolarını etkiler. Gelire dönüştürülebilen belirteç talebi veya kurumsal yazılımların benimsenmesi fiziksel altyapı inşaatlarının gerisinde kalırsa, yatırılan sermayenin getirisi (ROIC) ve serbest nakit akışına (FCF) dönüşüm oranları, henüz amorti edilmemiş altyapının ağırlığı altında çöker. Bu dinamik, WorldCom ve Global Crossing’in yer aldığı telekom fiber çöküşü gibi tarihsel aşırı altyapı yatırımlarını doğrudan yansıtır; bu örneklerde devasa sermaye harcamaları, internetin uzun vadeli benimsenmesine ilişkin beklentilerin nihayetinde doğrulanmasına rağmen ciddi kapasite fazlası yaratmış ve özsermaye değerini yok etmiştir.
3. Çipler, Bellek ve Model Ekonomisi: Metalaşma ile İlerleyen Sınırlar
Teorik modeller, üretim kapasitesi normalleştikçe donanım darboğazlarının zaman içinde doğal olarak ortadan kalkacağını varsaysa da yarı iletken arz kısıtları hâlâ ciddi düzeydedir. Yüksek Bant Genişlikli Bellek (HBM) ve gelişmiş paketleme, geçici sürtünmelerden ziyade yıllarca süren yapısal darboğazlardır. IEA, HBM arz açıklarının en azından 2027 sonuna kadar devam edeceğini öngörmektedir. Pazar payı son derece yoğunlaşmış durumdadır; Counterpoint’in Q2 2026 verileri HBM gelir payını şöyle tahmin etmektedir:
- SK Hynix: 50%
- Samsung: 33%
- Micron: 18%
Modern donanım ekonomik hendekleri, bağımsız hesaplama yongalarına değil, tam sistem düzeyinde entegrasyona dayanır: ara bağlantı katmanları aracılığıyla HBM ile entegre edilen GPU/ASIC yongaları, gelişmiş paketleme, yüksek hızlı ağ bağlantıları (NVLink gibi), güç dağıtımı ve özel soğutma. İş yükleri model eğitiminden çıkarıma kaydıkça bu sistem entegrasyonu daha da hayati hâle gelir. McKinsey, çıkarımın 2030 itibarıyla toplam yapay zekâ talebinin yaklaşık 60%’ını oluşturacağını öngörmektedir. Dolayısıyla rekabet alanı doğrudan bellek bant genişliği, kapasite, gecikme, termal verimlilik ve faydalı belirteç çıktısı başına güç tüketimine kaymakta; bu da entegre donanım tedarikçilerinin yapısal ekonomik hendeklerini güçlendirmektedir.
Aynı zamanda, temel zekâ modellerinin ekonomisinde maliyetler hızla düşmektedir. Stanford Yapay Zekâ Endeksi verileri, GPT-3.5 düzeyinde MMLU performansına sahip bir modeli çalıştırmanın maliyetinin Kasım 2022’de milyon belirteç başına yaklaşık $20 düzeyinden Ekim 2024’te yaklaşık $0.07 düzeyine düştüğünü göstermektedir; bu, 18 ayda 280 kat maliyet azalmasıdır. Ayrıca OECD çalışmaları, kaliteye göre düzeltilmiş dil modeli fiyatlarının Ocak 2024 ile Nisan 2026 arasında yaklaşık 80% düştüğünü göstermektedir.
| Ölçüt / Ölçütün Odağı | Tarihsel Başlangıç Düzeyi | Güncel / Öngörülen Düzey | Analitik Önemi |
|---|---|---|---|
| GPT-3.5 MMLU Belirteç Maliyeti | $20.00 / M belirteç (Kasım 2022) | $0.07 / M belirteç (Ekim 2024) | Zekâ birim maliyetinde 280x azalma (Stanford). |
| Dil Modeli Fiyatları | Başlangıç Düzeyi (Ocak 2024) | ~80% düşüş (Nisan 2026) | Kaliteye göre düzeltilmiş çıktıda hızlı fiyat çöküşü (OECD). |
| Kapalı ve Açık Modeller Arasındaki Performans Farkı | Geniş fark (2023) | 3.3%–3.4% fark (Mart 2026) | Temel yeteneklerin metalaşması (Stanford 2026 Yapay Zekâ Endeksi). |
| Kurumsal Harcama Payı | 35% En İleri Modeller (Q3 2025) | 63% En İleri Modeller (Q3 2026) | En gelişmiş akıl yürütme için daha yüksek fiyat ödeme isteği (Menlo). |
Bu fiyat çöküşüne rağmen temel modeller henüz tamamen metalaşmış değildir. Temel zekâ metalaşmaktadır; Stanford 2026 Yapay Zekâ Endeksi, en ileri modellerin (Anthropic, xAI, Google, OpenAI) yalnızca 25 Arena Elo puanıyla birbirinden ayrıldığını ve Mart 2026 itibarıyla kapalı modellerin açık ağırlıklı alternatiflerin yalnızca 3.3% ila 3.4% önünde olduğunu göstermektedir. Ancak kurumsal müşteriler, en ileri yetenekler için daha yüksek fiyat ödemeye devam etmektedir. Menlo araştırması, en ileri modellerin kurumsal yapay zekâ harcamalarındaki payının Q3 2025 döneminde 35%’ten Q3 2026 döneminde 63%’e yükseldiğini göstermektedir.
Model katmanı, sürekli ilerleyen bir ekonomik sınır olarak işler: temel yetenekler hızla metalaşırken en gelişmiş akıl yürütme fiyatlama gücünü korur; bu da model geliştiricilerini yalnızca en ileri düzeydeki rakipleriyle eşitliği korumak için bile süregelen devasa sermaye yatırımlarını üstlenmeye zorlar.
4. Yürütme Düzlemleri, Fiziksel Yapay Zekâ ve Jevons Paradoksu
Temel modeller metalaştıkça ekonomik değer, yürütme ve kontrol düzlemine kayar. Bu ara katman yazılımı; dinamik model yönlendirmesini, kalıcı durum belleğini, kimlik yönetimini, yetkilendirmeyi, değerlendirmeyi, araç entegrasyonunu ve orkestrasyonu kapsar. Kurumsal bilançolar açısından bakıldığında, kurumsal yazılım alıcıları ham temel model belirteçleri satın almaz; tamamlanmış iş sonuçları satın alır. Yürütme katmanı, bulut bilişimdeki Kubernetes, kimlik erişim yönetimi ve gözlemlenebilirliğe benzer şekilde kurumsal bir "ara katman yazılımı" işlevi görerek, altta yatan temel modeller değişse bile kurumsal geçiş maliyetlerini kalıcılaştırır ve kâr marjlarını korur. 2026 LangChain üretim ortamı araştırması, çok modelli kurumsal mimarilerin artık standart olduğunu ve başlıca kullanıma alma darboğazlarının belirteç birim maliyetlerinden yürütme güvenilirliğine, güvenliğe ve görev tamamlamaya kaydığını doğrulamaktadır.
Benzer şekilde, genel amaçlı web eğitim verileri, mülkiyete konu olan sonuç temelli geri bildirim döngülerine kıyasla metalaşmaktadır. Yazılım uygulamaları, eylemlerin doğrulanabilir gerçek dünya değerlendirmeleri ürettiği alana özgü operasyonel iş akışlarına doğrudan entegre olduğunda sürdürülebilir ekonomik hendekler oluşur.
Bu dinamiğin başlıca örneklerinden biri, hukuk sektöründeki Harvey'dir. Harvey, genel amaçlı belirteç üretimi satan kırılgan bir temel model arayüzü olarak rekabet etmez. Bunun yerine, hukuki kayıt sistemlerini, dağıtımı, mevzuata uyumu, müşteri güvenini ve mülkiyete konu geri bildirim döngülerini (sözleşme analizi $\rightarrow$ avukat revizyonu $\rightarrow$ nihai mahkeme başvurusu/çözüm) birleştirerek hukuki iş akışlarına doğrudan entegre olur. Harvey, uçtan uca iş akışına ve bunun sonucunda ortaya çıkan sonuç verilerine sahip olduğu için yüksek geçiş maliyetleri oluşturur ve fiyatlama gücünü korur; böylece altta yatan temel model seçimini elde edilen iş sonucuna göre ikincil hâle getirir. Benzer sonuç temelli geri bildirim döngüleri; kodlama (yama $\rightarrow$ test sonucu $\rightarrow$ kullanıma alma sonucu), tıp (tanı $\rightarrow$ tedavi $\rightarrow$ hastanın sağlık sonucu) ve finans (fatura $\rightarrow$ takas $\rightarrow$ uyuşmazlık çözümü) gibi uzmanlık alanlarında da ortaya çıkmaktadır.
Fiziksel yapay zekâ sistemlerinde sermaye tahsisi dinamikleri, yalnızca yazılıma dayalı kurumsal ekonomiden temelden farklıdır. Yazılım sıfıra yakın marjinal maliyetle ölçeklenirken, fiziksel robotik kapsamlı malzeme listesi (BOM) sermayesi gerektirir. McKinsey, hassas aktüatörlerin insansı bir robotun BOM'unun 40% ila 60%'ını oluşturduğunu, batarya modüllerinin payının ise 5% ila 10% olduğunu tahmin etmektedir. Ayrıca CRU, her insansı robotun 2 ila 3 kg NdFeB (neodimyum-demir-bor) nadir toprak mıknatısı gerektirdiğini tahmin etmektedir. Fiziksel yapay zekâ bileşenleri uzun vadeli stratejik seçenekler sunarken, veri merkezi hesaplama ve bellek varlıkları bugün doğrudan, doğrulanabilir nakit akışları üretmektedir.
| Fiziksel Yapay Zekâ Donanım Unsuru | Tahmini BOM / Kaynak Payı | Başlıca Ekonomik ve Tedarik Zinciri Etkenleri |
|---|---|---|
| Hassas Aktüatörler | Toplam BOM'un 40% – 60%'ı (McKinsey) | Yüksek hassasiyetli eklemler, dişli kutuları, motorlar ve redüktörler. |
| Batarya Modülleri | Toplam BOM'un 5% – 10%'ı (McKinsey) | Aktüatör sistemlerine kıyasla daha düşük göreli sermaye tahsisi. |
| NdFeB Nadir Toprak Mıknatısları | İnsansı robot başına 2 – 3 kg (CRU) | Ağır nadir toprak elementleri için yapısal talep etkeni. |
Bu yapısal sermaye harcaması genişlemesini anlamak, Jevons Paradoksu'nun uygulanmasını gerektirir. Birim belirteç maliyetlerinin 100 kat düşmesi, toplam hesaplama harcamalarını azaltmaz; bunun yerine, daha düşük birim fiyatlar toplam belirteç tüketiminde patlayıcı bir genişlemeyi tetikler. Tekil sorgu-yanıt etkileşimlerinin yerini sürekli arka plan simülasyonları ve otomatik araç çağrıları yürüten çok etmenli akıl yürütme döngüleri aldıkça, birim fiyatların çökmesine rağmen toplam donanım hesaplama talebi hızlanır.
Sermaye tahsisini değerlendiren uzun vadeli temel analiz yatırımcıları için sürdürülebilir değer elde etmek, yalnızca fiziksel kıtlığa dayalı yatırımlardan kaçınarak yüksek ilave ROIC, fiyatlama gücü ve iş akışına entegre geri bildirim döngüleri sergileyen işletmeleri tercih etmeyi gerektirir. Daha derin değerleme modelleri ve temel analize dayalı işletme sahibi kazançları hesaplamalarıyla ilgilenen yatırımcılar, DeepValues Research web sitesindeki açık kaynaklı şirket araştırmalarımızı inceleyebilir veya DeepValues uygulamasını kullanarak herhangi bir hissenin içsel değerini ve güvenlik marjını değerlendirebilir.
5. Temel rakamlar#
- 78%: Şirketlerin milliyetine göre yarı iletken fotorezist satışlarında Japon şirketlerinin yaklaşık pazar payı.
- >$700 milyar: IEA'ya göre, ağırlıklı olarak veri merkezi genişlemesine yönelik tahmini 2026 hiper ölçekli şirket sermaye harcamaları.
- 485 TWh'den ~950 TWh'ye: Veri merkezlerinin elektrik tüketiminde 2025'ten 2030'a kadar öngörülen artış (IEA).
- 2027 sonu: Yüksek Bant Genişlikli Bellek (HBM) arz sıkıntılarının sürmesinin beklendiği tarih (IEA).
- 50% / 33% / 18%: Sırasıyla SK Hynix, Samsung ve Micron için tahmini Q2 2026 HBM gelir payı (Counterpoint).
- Milyon Belirteç Başına $20'dan $0.07'a: Kasım 2022 ile Ekim 2024 arasında GPT-3.5 düzeyinde MMLU performansı sağlamanın maliyetindeki, 280x azalmayı temsil eden düşüş (Stanford Yapay Zekâ Endeksi).
- ~80%: Ocak 2024'ten Nisan 2026'ya kadar kaliteye göre düzeltilmiş dil modeli fiyatlarındaki düşüş (OECD).
- 25 Arena Elo Puanı: Mart 2026 itibarıyla Anthropic, xAI, Google ve OpenAI'ın en ileri modellerini birbirinden ayıran dar performans aralığı (Stanford 2026 Yapay Zekâ Endeksi).
- 3.3%–3.4%: Mart 2026'da en iyi kapalı kaynaklı model ile en iyi açık ağırlıklı model arasındaki performans farkı (Stanford Yapay Zekâ Endeksi).
- 35%'ten 63%'e: Q3 2025 ile Q3 2026 arasında en ileri modellerin kurumsal yapay zekâ harcamalarındaki payının artışı (Menlo araştırması).
- 40%–60%'a karşı 5%–10%: İnsansı bir robotun Malzeme Listesi'nde (BOM) aktüatörlerin ve batarya modüllerinin tahmini payları (McKinsey).
- 2–3 kg: İnsansı robot başına tahmini NdFeB nadir toprak mıknatısı gereksinimi (CRU).
6. Görüşümüzü neler değiştirir
- CUDA ve HBM Mimarilerinin Hızla Eskimesi: HBM ve NVLink'i başarıyla yerinden eden alternatif ara bağlantıların veya bellek mimarilerinin hız kazanarak 2027'den önce sistem düzeyindeki ağ ekonomik hendeklerini zayıflatması.
- Hiper Ölçekli Şirketlerin Sermaye Harcamalarını Kısması: Yatırılan sermayenin getirisinin (ROIC) beklentilerin altında kalması veya elektrik şebekesi bağlantılarında ciddi gecikmeler nedeniyle yıllık >$700 milyar düzeyindeki hiper ölçekli şirket sermaye harcaması eğiliminin keskin biçimde aşağı yönlü revize edilmesi.
- Açık Ağırlıklı Modellerin Hızla Gelire Dönüştürülmesi ve Durağanlaşması: 3.3–3.4% düzeyindeki en ileri model performans farkının ortadan kalkarak kurumsal müşterilerin yüksek fiyatlı kapalı modelleri yerel, ucuz açık ağırlıklı modeller lehine terk etmesine yol açması.
- Fiziksel Yapay Zekânın Hızlandırılmış Kullanıma Alınması: İnsansı robotların kitlesel ticarileşmesinin ve yüksek hacimli üretiminin 2030'dan çok önce milyonlarca adede ulaşarak kısa vadeli nakit akışlarından değer elde etme fırsatını aktüatör ve mıknatıs tedarik zincirlerine kaydırması.
7. Kaynaklar#
Yapay Zekâ Değerini Çözümlemek, Chamath Palihapitiya (2025 Yıllık Mektubu ve İlgili Çerçeve) Stanford Yapay Zekâ Endeksi (Stanford Üniversitesi, 2024–2026 Verileri) Uluslararası Enerji Ajansı (IEA) Elektrik ve Sermaye Harcaması Raporları Counterpoint Research (Q2 2026 Yarı İletken ve HBM Pazar Analizi) McKinsey & Company Robotik BOM Araştırması CRU Group Malzeme ve Nadir Toprak Elementleri Araştırması OECD Dil Modeli Fiyat Araştırmaları (2024–2026) Menlo Ventures Kurumsal Yapay Zekâ Harcamaları Araştırması (2025–2026) Johns Hopkins Üniversitesi Altyapı ve Veri Merkezi Elektrik Araştırması LangChain Üretim Ortamında Yapay Zekâ Araştırması (2026)
İzle
Kaynak bağlantıları
- Decoding AI Value
İzle ve dinle
- Chamath's AI Stack: Who Gets Paid From $700B Capex? YouTube · EN
- 輝達vs艾司摩爾:7000億美元AI資本支出 YouTube · 中文
- Chamath's AI Stack: Who Gets Paid From $700B Capex? | Stock Market Podcast · EN
- 輝達vs艾司摩爾:7000億美元AI資本支出|美股市場 Podcast · 中文