AI Patlaması Boşuna Çıkmadı, ancak AI Hesaplaması Kesinlikle Değişiyor

AI ayılarından çok korkmayın. Büyük AI yatırım boom’unun zaten geldiğini ve gittiğini, çok sayıda yüksek performanslı GPU’yu kullanan devasa AI eğitim sistemlerine yapılan harcamaların ve pazar heyecanının kendini gösterdiğini, AI çağı beklentilerinin radikal bir şekilde azaltılması gerektiğini yüksek sesle düşünüyorlar.

Ancak büyük hyperscaler’lerin planlarına daha yakından bakarsanız, AI yatırımı canlı ve iyi durumda. Meta, Amazon, Microsoft ve Google, yakın zamanda AI teknolojisine yatırım yapmaya yeniden odaklandı. 2025 yılı için kolektif taahhütleri, recent bir Financial Times hikayesine göre 300 milyar doların üzerinde. Microsoft CEO’su Satya Nadella, Microsoft’un bu yıl AI için tek başına 80 milyar dolar harcayabileceğini söyledi. Meta Kurucu ve CEO’su Mark Zuckerberg, Facebook’da “Bu yıl capex’de 60-65 milyar dolar yatırım yapmayı planlıyoruz ve aynı zamanda AI ekiplerimizi önemli ölçüde büyütüyoruz ve önümüzdeki yıllarda yatırım yapmaya devam etmek için sermayeye sahibiz” dedi.

Bu, AI boom’un boşuna çıktığının sesi değil, ancak AI uygulamalarını mümkün kılan para miktarı konusunda bir rahatsızlık hissediliyor. En az iki yıldır teknoloji devlerinin, büyük AI modellerini eğitmek için daha fazla hesaplama gücüne ihtiyaç duydukları konusunda net bir taleple karşılaştıklarını söylemelerinden sonra, 2025 yılı, aynı şirketlerin günlük olarak iş medyası tarafından AI hype’ı oluşturdukları için eleştirilmeye başlamasıyla başladı.

Umut ile endişe arasında böyle bir ani değişiklik neden oldu? Cevap kısmen Çin’den yeni bir AI uygulamasının hızlı yükselişinde yatıyor. Ancak gerçekten neler olduğu ve bu durumun AI yatırımı ve teknoloji programları için önümüzdeki yıllarda ne anlama geldiğini tam olarak anlamak için, AI çağının evriminin yeni bir aşamasına girdiğini kabul etmemiz gerekiyor.

Derin Araştırma

Dünya artık DeepSeek hakkında her şeyi biliyor; büyük dil modellerini, diğer şirketlerin modellerini eğittikleri kadar verimli ve düşük maliyetle eğitebilen, çıkarım motorları ve istatistiksel akıl yürütme kullanan Çinli AI şirketi.

Özellikle, DeepSeek, tekniklerinin, bazı hyperscale şirketlerinin modellerini eğitmek için ihtiyaç duydukları yüz binlerce premium performanslı GPU’ya (Nvidia H100’ler düşünün) kıyasla çok daha az GPU’ya (2.048 GPU kadar az) ve daha az güçlü GPU’lara (Nvidia H800’ler) ihtiyaç duyduğunu iddia etti. Maliyet tasarrufu açısından, OpenAI’nin ChatGPT’yi eğitmek için milyarlarca dolar harcadığı düşünülürse, DeepSeek’in rapor edildiği gibi R1 modelini eğitmek için yalnızca 6,5 milyon dolar harcadığı iddia edildi.

Çok sayıda uzmanın DeepSeek’in harcama iddialarını sorguladığı not edilmeli, ancak zarar zaten yapıldı ve farklı yöntemlerini duyuran haber, hyperscaler’lerin ve AI modellerini eğitmek için milyarlarca dolar harcayan GPU’ları satın alan şirketlerin hisse değerlerinde derin bir düşüşe neden oldu.

Ancak kaosta kaybolan birkaç önemli nokta vardı. Birincisi, DeepSeek’in yeni bir şekilde AI ile çalışmaya başlamadığının anlaşılmasıydı. İkincisi, AI ekosisteminin, AI yatırım dolarlarının nasıl harcandığının ve AI’nin önümüzdeki yıllarda nasıl çalıştırılacağının değişmesini beklediğinin farkında olmasıydı.

DeepSeek’in yöntemleri ile ilgili olarak, AI çıkarım motorları ve istatistiksel akıl yürütme kullanımı yeni bir şey değil. İstatistiksel akıl yürütme, AI’nin kalıplarını tanıma temelinde çıkarımlar yapabilme yeteneği olan çıkarım modeli akıl yürütmesinin daha geniş bir kavramının bir parçasıdır. Bu, temelde insanların bir problemi yaklaşmak için farklı yollar öğrenme ve bunları karşılaştırarak en iyi olası çözümü bulma yeteneğine benzer. Çıkarım tabanlı model akıl yürütmesi bugün kullanılabiliyor ve yalnızca bir Çin şirketine özgü değil.

AI ekosistemi, AI ile çalışma ve gereken hesaplama kaynakları açısından temel bir değişikliği zaten bekliyordu. AI çağının ilk yılları, büyük AI modellerini çok büyük veri kümeleri üzerinde eğitmekle ilgiliydi ve bu, çok fazla işlem, karmaşık hesaplamalar, ağırlık ayarlamaları ve bellek bağımlılığı gerektiriyordu. AI modelleri eğittikten sonra, şeyler değişiyor. AI, her şeyi yeni veri kümelerine, görevlere ve sorunlara uygulamak için çıkarımı kullanabiliyor. Eğitimden çok daha az hesaplama yoğun bir süreç olan çıkarım, aynı sayıda GPU veya diğer hesaplama kaynaklarına ihtiyaç duymuyor.

DeepSeek ile ilgili gerçek, yöntemlerinin AI ekosistemindeki çoğu insanı, yalnızca meraklı hisse senedi yatırımcılarını etkilediği kadar etkilememesine rağmen, AI’nin evriminin bir sonraki aşamasının temelini oluşturan çıkarımın bir yolunu vurgulamış olmasıdır.

AI: Sonraki Nesil

AI’nin vaadi ve potansiyeli değişmedi. Büyük hyperscaler’lerin devam eden büyük AI yatırımları, AI’den kilidini açabilecekleri gelecek değere ve AI’nin neredeyse her endüstriyi nasıl değiştirebileceğine ve insanların günlük yaşamlarında nasıl hareket ettiklerine inandıklarını gösteriyor.

Değişen, hyperscaler’ler için bu dolarların nasıl harcandığı. AI çağının ilk yıllarında, yatırımın çoğu eğitim için gerekliydi. AI’yi, gelişimi hala devam eden bir çocuk olarak düşünürsek, onu en iyi okullara ve üniversitelere göndermek için çok para harcadık. Şimdi, bu çocuk yetişkin ve artık kendini desteklemek için iş bulması gerekiyor. Gerçek dünyada, AI’yi eğitmek için çok para harcadık ve şimdi bu yatırımdan geri dönüşü görmek için AI’yi yeni gelir elde etmek için kullanmamız gerekiyor.

Bu geri dönüşü elde etmek için, AI’nin daha verimli ve daha az maliyetli hale gelmesi gerekiyor, böylece şirketler AI’nin pazar çekiciliğini ve mümkün olduğunca çok uygulama için faydasını en üst düzeye çıkarabilsin. En kazançlı yeni hizmetler, insan izleme ve yönetimine gerek duymayan özerk olanlar olacak.

Çok sayıda şirket için bu, özerk makine-makine iletişimlerini hızlı ve maliyet etkin bir şekilde mümkün kılmak için kaynak verimli AI hesaplama tekniklerini, Örneğin çıkarım modeli akıl yürütmesini kullanmak anlamına geliyor. Kablosuz endüstrisinde, AI, bir mobil ağ üzerindeki spektrum kullanımını gerçek zamanlı olarak analiz ederek kanal kullanımını optimize edebiliyor ve kullanıcılar arasında paraziti azaltabiliyor ve sonunda bir mobil operatörün ağı boyunca daha dinamik spektrum paylaşımını desteklemesine izin veriyor. Bu tür daha verimli, özerk AI destekli makine-makine iletişimi, AI’nin bir sonraki neslini tanımlayacak.

Her büyük hesaplama çağı gibi, AI hesaplama da gelişmeye devam ediyor. Hesapmanın tarihi bize, yeni teknolojinin her zaman çok fazla ön yatırım gerektirdiğini, ancak maliyetlerin düşeceğini ve verimliliğin artacağını, daha iyi teknikler ve daha iyi uygulamalar kullanarak daha faydalı ve uygun fiyatlı ürün ve hizmetler oluşturarak en büyük pazarları çekmek için öğretti. İnovasyon her zaman bir yol bulur.

AI sektörü yakın zamanda AI ayılarına kulak verirseniz bir gerileme yaşamış gibi görünüyor, ancak hyperscaler’lerin bu yıl planladıkları harcama ve çıkarım tabanlı tekniklerin artan kullanımı farklı bir hikaye anlatıyor: AI hesaplama gerçekten değişiyor, ancak AI’nin vaadi tamamen intact.