Anthropic 1,4 Trilyon Dolarlık Değerlemeyi Hak Ediyor mu?
chaincatcherYazar: Hu Yong, Pekin Üniversitesi Gazetecilik ve İletişim Fakültesi Profesörü
Editör: Su Yang, Tencent Teknoloji
Yapay zeka endüstrisi, büyük önem taşıyan bir dönüm noktasına geliyor.
Kasım 2026'da, kurulalı yalnızca beş yılı aşkın bir süre olan Anthropic, 1 trilyon doları aşan bir değerlemeyle sermaye piyasasına girmek amacıyla ilk halka arzını (IPO) başlattı.
İzahnameye göre, Anthropic'in IPO sonrası temel dolaşımdaki toplam hisse sayısı yaklaşık 13,07 milyar hisse. 70 ila 78 dolar arasındaki halka arz fiyat aralığına göre, karşılık gelen temel piyasa değeri yaklaşık 916 milyar ila 1,02 trilyon dolar. Yaklaşık 4,92 milyar hisse çalışan opsiyonlarından kaynaklanan potansiyel hisseler dahil edildiğinde, tam seyreltilmiş değerleme yaklaşık 1,26 trilyon ila 1,4 trilyon dolar arasında.
Çekirdek ürünü büyük dil modeli olan bir şirketin bu kadar kısa sürede bu kadar büyük bir piyasa değerine ulaşması, teknoloji endüstrisi tarihinde nadir görülen bir durum.
Ancak Anthropic'in halka arzı, yalnızca sermaye piyasasının yapay zekanın geleceğine olan güvenini simgelemekle kalmıyor; aynı zamanda uzun süredir teknolojik atılımlar ve finansman çılgınlığıyla örtbas edilen ve artık kamuoyunun incelemesine açık hale gelen bir sorunu da öne çıkarıyor: Yapay zeka muazzam bir pazar talebi yarattı, ancak değerlemeyle eşleşen kâr üretebilecek mi?
Bu makalede birkaç konuyu ele almayı amaçlıyoruz:
Yıllıklandırılmış gelir 70 milyar dolar, düzeltilmiş faaliyet kârı 4,1 milyar dolar ve net zarar 104 milyar dolar aynı izahnamede yer alırken, iş modelini değerlendirmenin temeli nedir?
Modelin her çıkarım işlemi hesaplama gücü tüketir; en aktif kullanıcılar mutlaka en fazla geliri sağlamaz.
Model şirketleri sermayelerini enerji, telekom ve altyapı sektörlerindeki gibi yapılandırıyor; değerleme mantığı "modelin ne kadar güçlü olduğu"ndan sermaye maliyeti, yatırım geri kazanım süresi ve sermaye getirisine kayıyor.
Kullanıcı ilişkilerini, iş akışlarını ve ekosistemi kontrol eden şirketler, zekayı gelire dönüştürmede model şirketlerinden daha avantajlı olabilir.
"İşi tamamlama"ya dayalı zeka tabanlı fiyatlandırma konusunda fikir birliği oluştu, ancak görev başarısızlığı veya hatalardan kaynaklanan ekonomik kayıpların kimin tarafından karşılanacağı konusunda henüz bir uzlaşı yok.
Yapay zekanın yarattığı değer, model geliştiricilerinin gelir ve kârına eşit değildir.
Çip, elektrik, Ar-Ge ve finansman maliyetleri düşüldükten sonra "altın madencilerinin" gerçekte ne kadarını elinde tutabileceği, Anthropic'in halka arzında asıl test edilmesi gereken şeydir.
01, 70 Milyar Dolara Karşı 13 Milyar Dolar: Gelir Mucizesi ve Kâr Şüpheleri
Önceki yapay zeka altına hücumunda, en kesin kazananlar "kürek" satanlar gibi görünüyordu. NVIDIA GPU sağlıyor, TSMC gelişmiş çip üretimini üstleniyor, bulut bilişim şirketleri veri merkezleri kuruyor, elektrik ve enerji şirketleri ise giderek büyüyen hesaplama tesislerine temel koşulları sağlıyor.
Hangi büyük dil modeli şirketi nihai olarak kazanırsa kazansın, bu altyapı tedarikçileri tüm endüstrinin genişlemesinden faydalanıyor.
Buna karşılık, OpenAI ve Anthropic gibi doğrudan büyük dil modelleri geliştiren şirketler, kullanıcı ve gelir büyümesi açısından şaşırtıcı olsa da daha karmaşık bir ekonomik sorunla karşı karşıya: Zeka geliştirmenin maliyeti, zekayı satmanın fiyatı ve teknolojik liderliği sürdürmek için gereken sermaye yatırımı, sürdürülebilir bir ticari döngü oluşturabilir mi?
Anthropic'in izahnamesi bu sorunu anlamak için önemli ipuçları sunuyor.
Kasım 2026'da güncellenen halka arz belgelerine göre, şirketin 2025 geliri yaklaşık 4,585 milyar dolar; 2026'nın ilk dokuz ayında gelir 33,242 milyar dolara ulaştı ve yalnızca üçüncü çeyrekte yaklaşık 17 milyar dolar gelir elde etti. Bu, tek çeyreklik gelirin tüm ilk yarı toplamını aştığı anlamına geliyor. Üçüncü çeyrek geliri basitçe yıllıklandırılırsa, Anthropic'in yıllıklandırılmış geliri 68 ila 70 milyar dolara yaklaşıyor.
Bu büyüme hızı, geleneksel yazılım endüstrisinin gelişim temposunu çok aşıyor ve üretken yapay zekanın artık esas olarak sermaye sübvansiyonlarıyla kullanıcı ölçeğini koruyan deneysel bir teknoloji olmadığını, gerçek ödeme gücüne sahip ticarileşmiş bir pazar oluşturduğunu gösteriyor.
Dikkat çekici olan, Anthropic'in gelirinin ağırlıklı olarak kurumsal müşterilerden ve zeka kullanımına göre faturalandırılan hizmetlerden gelmesi; yalnızca bireysel tüketicilerin sabit aylık ücretlerine bağımlı olmaması. Bu, büyük dil modellerinin ticarileşme odağının, sohbet araçlarına erişim satmaktan, üretim faaliyetlerine katılabilen zeka yetenekleri satmaya doğru kaydığını gösteriyor.
Büyük dil modelleri yalnızca altın madeni bulmakla kalmadı, tonlarca altın çıkardı. Ancak gelirdeki patlayıcı büyüme, kârlılık sorununu otomatik olarak çözmedi.
2026'nın ilk dokuz ayında Anthropic, hesaplama gücü ve altyapıya yaklaşık 18,8 milyar dolar harcadı; bu, 33,242 milyar dolarlık toplam gelirin yaklaşık %57'sine denk geliyor.
Operasyonel olarak şirket hâlâ zararda; ilk dokuz ayda GAAP (Genel Kabul Görmüş Muhasebe İlkeleri) faaliyet zararı yaklaşık 1,26 milyar ila 1,3 milyar dolar. İlk dokuz aydaki net zarar 104 milyar doları buldu, ancak bunun büyük bir kısmı dönüştürülebilir finansman araçları ve ilgili yükümlülüklerin gerçeğe uygun değer yeniden değerlemesinden kaynaklanıyor; günlük operasyonlardan kaynaklanan nakit kaybı değil. Aynı zamanda şirket, düzeltilmiş faaliyet kârının yaklaşık 4,1 milyar dolara (düzeltilmiş faaliyet kâr marjı yaklaşık %12) yükseldiğini ve gelirin hesaplama maliyetine göre verimliliğinde belirgin bir iyileşme olduğunu açıkladı.
Dolayısıyla, yalnızca devasa net zarara dayanarak Anthropic'in iş modelinin sürdürülemez olduğunu iddia etmek açıkça aşırı basitleştirme olur; ancak yalnızca düzeltilmiş faaliyet kârının pozitife dönmesine dayanarak büyük dil modellerinin kârlılık sorununu çözdüğünü söylemek de yeterli dayanaktan yoksundur.
Kilit nokta, şirketin sürekli Ar-Ge yatırımları, hesaplama gücü alımları, altyapı inşası ve finansman maliyetlerini üstlendikten sonra uzun vadede yeterli serbest nakit akışı (FCF) üretip üretemeyeceğidir.
Giderek daha fazla şirket, yapay zekanın sağladığı ölçülebilir üretkenlik artışlarını vurgulamaya başladı: iş akışlarını hızlandırma, rutin görevleri otomatikleştirme, hizmet kapasitesini genişletme ve maliyet kontrolünü iyileştirme. Yapay zeka talebinin güçlü olduğu açık; ancak Wall Street, bu talebi karşılamak için gereken maliyetlere karşı giderek sabırsızlanıyor.
En çarpıcı örnek Meta. Şirketin üçüncü çeyrek mali sonuçları, yapay zekanın Meta'nın reklam gelirini %26 artırmasına rağmen, tek çeyreklik serbest nakit akışının negatife döndüğünü ve on yılı aşkın süredir ilk kez net nakit çıkışı yaşandığını gösterdi. Aynı zamanda Meta, agresif yapay zeka altyapı genişleme planlarını desteklemek için sermaye harcaması beklentilerini de yükseltti.
Wall Street'in yapay zeka altyapı yatırımlarının ROI (yatırım getirisi) konusundaki kaygısı büyüdü.
Son iki yılda piyasa, "yapay zeka yetenekleri artıyor, kullanıcı bağlılığı güçleniyor" haberini duyar duymaz körü körüne prim veriyordu; ancak şu an, tüm endüstrinin sermaye harcamaları yüz milyarlarca hatta trilyonlarca dolara yaklaşırken, Wall Street bir aktüer gibi hesaplamaya başladı: Bu hesaplama gücü yatırımları ne zaman gerçekten serbest nakit akışında somut bir net artışa dönüşecek?
Yatırım geri kazanım süresi çok uzarsa veya yapay zekanın getirdiği gelir artışı, yıllık yüz milyarlarca dolarlık amortisman ve elektrik faturalarını karşılayamazsa, piyasa değerleme cezası uygulayacaktır.
Pazar araştırma şirketi Gartner'ın tahminine göre, şirketler mevcut harcama hızını sürdürürse, 2030 sonuna kadar 3,5 trilyon doları aşan yapay zeka altyapı yatırımı varlık değer düşüklüğü riskiyle karşı karşıya kalabilir. Yapay zeka hizmet sağlayıcılarının 2026'da yapay zeka altyapısına yaklaşık 1 trilyon dolar, 2027-2030 arasında ise 6 trilyon dolar daha yatırım yapması bekleniyor.
Gartner, bu dönemde kurumsal müşteriler ve tüketicilerden elde edilecek yapay zeka gelirinin, bu yatırımların kârlı getiri sağlaması için yeterli olmayabileceğine dikkat çekiyor.
02, Ölçek Ekonomisinin Tersine Dönmesi
Arz-talep ve finansal açıdan büyük uyumsuzluk, büyük dil modelleri ile geleneksel yazılım endüstrisi arasındaki temel farkı ortaya koyuyor.
Onlarca yıldır Hizmet Olarak Yazılım (SaaS), sermaye piyasasının gözdesi olan bir iş modeliydi çünkü yazılım geliştirildikten sonra daha fazla kullanıcıya hizmet sunmanın marjinal maliyeti nispeten düşüktü. Müşteri ölçeği büyüdükçe şirketler genellikle ölçek ekonomisi sayesinde kâr marjlarını artırabiliyordu. Ancak büyük dil modelleri bu mantığı tam olarak izlemiyor.
Modelin her çıkarım işlemi, kod üretimi, uzun metin analizi, akıllı ajan görev yürütmesi, gerçek hesaplama kaynakları gerektiriyor. Özellikle yapay zeka, soru yanıtlamaktan karmaşık görevleri otonom olarak tamamlamaya evrildiğinde, tek bir görev modelin tekrar tekrar çağrılmasını, harici bilgi alınmasını, program çalıştırılmasını ve sonuçların doğrulanmasını gerektirebilir; bu da maliyetlerin artmasına neden olur. Sabit aylık abonelik hizmeti sunan şirketler için en aktif kullanıcılar mutlaka en yüksek kârı sağlayanlar değildir; aksine en fazla hesaplama gücü tüketen kullanıcılar olabilirler.
Bu nedenle büyük dil modeli sağlayıcıları, bağlam uzunluğu sınırları, çağrı kısıtlamaları veya kademeli faturalandırma yoluyla "kullanıcıları elemek" zorunda kalıyor.
Ağır kullanıcıların "varlık"tan "yük"e dönüşebildiği bir ortamda, büyük dil modeli şirketlerinin iş modelinin olgunluğunu değerlendirirken yalnızca ödeme yapan kullanıcı sayısı, abonelik geliri büyümesi veya kullanıcı etkinliğine bakmak yeterli değil; farklı kullanıcı gruplarının birim ekonomisini de incelemek gerekiyor: Her kullanıcı ne kadar gelir sağlıyor, ne kadar çıkarım kaynağı tüketiyor, kâr marjı kullanım yoğunluğu arttıkça nasıl değişiyor ve şirket daha makul fiyatlandırma ve teknik optimizasyonla bu ilişkiyi iyileştirebilir mi?
Büyük dil modellerinin ölçek ekonomisi oluşturamayacağı kesin değil. Model sıkıştırma, çıkarım optimizasyonu, çip yükseltmeleri, önbellekleme teknikleri ve farklı modeller arasında görev dağılımı, birim hesaplama maliyetini sürekli olarak düşürebilir. Anthropic'in açıkladığı operasyonel verimlilik iyileşmeleri de teknolojik ilerlemenin maliyet yapısını değiştirebileceğini gösteriyor.
Ancak yapay zeka, benzersiz bir talep genişleme mekanizmasıyla karşı karşıya: Akıllı hizmetler daha ucuz ve daha güçlü hale geldikçe, kullanıcılar yalnızca mevcut görevleri daha düşük maliyetle tamamlamakla kalmayabilir, aynı zamanda makinelerden daha önce imkansız olan işleri üstlenmesini talep etmeye başlayabilir.
Ekonomideki Jevons paradoksu burada aydınlatıcı bir referans sunuyor: Kaynak kullanım verimliliğindeki artış, toplam kaynak tüketimini mutlaka azaltmaz; aksine talebin büyümesini teşvik edebilir. Büyük dil modeli şirketleri için birim çıkarım maliyetinin düşmesi, toplam hesaplama gücü harcamasının azalacağı anlamına gelmez. Daha ucuz zeka, daha geniş uygulama alanları ve potansiyel olarak daha büyük hesaplama gücü talebi getirebilir.
Anthropic'in izahnamesindeki gelecekteki hesaplama gücü satın alma taahhütlerine ilişkin açıklamalar bu çelişkiyi vurguluyor. Şirketin imzaladığı ve açıkladığı uzun vadeli hesaplama gücü ve altyapı düzenlemelerinin toplamı yaklaşık 900 milyar dolar; bunun büyük bir kısmının 2030'dan önce gerçekleşmesi bekleniyor.
Bu rakamlar, Anthropic'in ilgili tutarları ödediği anlamına gelmiyor ve basitçe mevcut borç olarak da görülemez; ancak önemli bir değişimi yansıtıyor: Öncü yapay zeka şirketleri, geleneksel hafif varlıklı yazılım şirketlerinden, çip üretimine, elektrik şebekesi kapasitesine, veri merkezlerine ve uzun vadeli sermaye finansmanına yüksek bağımlılığı olan ağır varlıklı teknoloji şirketlerine dönüşüyor. Büyük dil modeli şirketleri hâlâ algoritma inovasyonuna ve araştırma yeteneklerine yatırım yapıyor olsa da, giderek fiziksel altyapı arzına tabi hale geliyorlar.
Bir şirketin teknolojik liderliğini sürdürmek için sürekli olarak yüz milyarlarca dolar yatırım yapması gerekiyorsa, gelir büyümesi ne kadar etkileyici olursa olsun, sermaye getirisinin mevcut değerlemeyi destekleyecek düzeyde olacağı garanti edilemez.
Yapay zeka, benzersiz bir endüstriyel yapı sergiliyor: Yazılım endüstrisinin hızıyla gelir yaratıyor, ancak sermayeyi enerji, telekom ve endüstriyel altyapı endüstrileri gibi organize etmek zorunda kalabilir. Yatırımcılar geçmişte yalnızca hangi şirketin modelinin en gelişmiş olduğuna, en çok kullanıcıya sahip olduğuna ve gelirinin en hızlı büyüdüğüne odaklanıyordu; ancak gelecekte sermaye maliyeti, hesaplama gücü satın alma fiyatı, altyapı kullanım oranı ve yatırım geri kazanım süresi de bir şirketin uzun vadeli rekabet gücünü aynı ölçüde belirleyebilir.
03, Model Ticarileştirmesinin Olası Yolları
Anthropic ile karşılaştırıldığında OpenAI'nin ticari düzeni daha geniş kapsamlı; bireysel kullanıcılar için genel amaçlı bir akıllı asistan olmayı hedeflerken, aynı zamanda kurumlar ve geliştiriciler için yapay zeka kullanımının temel platformu olmaya çalışıyor. Ancak OpenAI de benzer bir çelişkiyle karşı karşıya.
OpenAI'nin yıllık yinelenen geliri (ARR) ve tek çeyreklik geliri on milyarlarca dolar seviyesine ulaşmış olsa da, birden fazla kamuya açık mali açıklama ve sektör tahmini, yeni nesil öncü modellerin yüksek eğitim maliyetleri, büyük çıkarım giderleri ve yüz milyarlarca dolarlık hesaplama gücü kiralama anlaşmaları nedeniyle, son yıllardaki birikmiş faaliyet zararlarının ve önümüzdeki yıllar için beklenen nakit akışı açıklarının hâlâ yüz milyarlarca hatta 1 trilyon doları aştığını gösteriyor.
Dolayısıyla kullanıcı çekmek kilit mesele değil; asıl zorluk, geniş kullanım talebini sürekli sermaye yatırımlarını karşılayacak gelire dönüştürmek.
Meta ise farklı bir yol sergiliyor.
OpenAI ve Anthropic'ten farklı olarak Meta, gelirini esas olarak büyük dil modeli satışından elde etmiyor; yapay zekayı mevcut reklam, öneri ve sosyal platform sistemlerine entegre ediyor. Model yeteneklerindeki gelişmeler, içerik dağıtımını, reklam eşleştirmesini ve pazarlama otomasyonu verimliliğini iyileştirerek olgun işinin kârlılığını doğrudan artırabiliyor.
Meta için yapay zeka, esas olarak mevcut iş sistemlerinin verimliliğini artıran bir teknoloji; mutlaka ayrıca ücretlendirilmesi gereken yeni bir ürün değil. Bu modelin belirgin bir avantajı var: Mevcut müşteri ilişkilerini, kullanıcı ölçeğini ve reklam işlem sistemlerini kullanarak para kazanabiliyor; tüketicilerin akıllı hizmetler için yeni ödeme alışkanlıkları oluşturmasına tamamen bağımlı olmak zorunda değil.
Ancak Meta da veri merkezi yatırımlarının sürekli genişlemesi sorunuyla karşı karşıya; devasa sermaye harcamaları serbest nakit akışı üzerinde baskı oluşturuyor. Bu, olgun bir iş modeline sahip olmanın yapay zekanın sermaye yoğun doğasını ortadan kaldırmadığını; yalnızca bu maliyetleri karşılamak için daha istikrarlı bir gelir tabanı sağladığını gösteriyor.
Meta örneği, büyük dil modeli ticarileştirmesindeki daha derin bir çelişkiyi de ortaya koyuyor: Modelin yarattığı ekonomik değer, model tedarikçisi tarafından doğrudan elde edilemeyebilir.
Yapay zeka giderek çeşitli ürün ve hizmetlere gömüldükçe, kullanıcı ilişkilerini, uygulama senaryolarını ve ticari kanalları kontrol eden şirketler, yalnızca model yeteneği sağlayan şirketlere göre değeri daha kolay gerçekleştirebilir. Bu da kritik bir soruyu gündeme getiriyor: Temel modeller giderek metalaşacak mı? Bu, büyük dil modeli şirketlerinin kâr beklentilerini anlamak için hayati önem taşıyor.
Farklı şirketlerin geliştirdiği modeller performans, güvenilirlik ve kullanıcı deneyimi açısından giderek benzeşirse, müşteriler fiyat ve hizmet maliyetine daha fazla odaklanacak. Model tedarikçileri teknolojik ilerleme kaydetmeye devam etse bile, rekabet nedeniyle uzun vadede yüksek kâr marjlarını sürdürmekte zorlanabilir.
Teknolojik yeteneklerin yayılması tüketiciler için faydalıdır, ancak orijinal teknoloji geliştiricileri için mutlaka faydalı değildir. Tarihte birçok önemli teknoloji sonunda yaygın olarak kullanılan altyapı haline gelmiştir, ancak teknolojinin yaygınlaşması, mucidinin en büyük ekonomik faydayı elde edeceğini garanti etmez.
Ancak modellerin metalaşması, tüm yapay zeka hizmetlerinin metalaşacağı anlamına gelmez.
Şirketlerin gerçekte satın aldığı şey, genellikle soru yanıtlayabilen bir model değil; iç işleyişi anlayabilen, özel verilere erişebilen, karmaşık süreçleri yürütebilen ve güvenlik ile uyumluluk gereksinimlerini karşılayabilen akıllı bir sistemdir. Yapay zeka, şirketlerin finans, Ar-Ge, hukuk ve müşteri hizmetleri süreçlerine derinlemesine girdiğinde, tedarikçi değiştirmek artık yalnızca bir sohbet arayüzünü değiştirmek değildir; veri taşıma, sistem entegrasyonu, risk kontrolü ve organizasyonel eğitimi içerebilir.
Dolayısıyla gelecekte daha sağlam bir ticari hendek, model parametrelerinin kendisinde değil; modelin kurumsal iş akışlarıyla entegrasyonunda ve bunun sonucunda oluşan geliştirici ağı, veri ortamı ve hizmet ekosisteminde olabilir.
Bu açıdan bakıldığında, Anthropic ve OpenAI'nin sonsuza kadar temel model tedarikçisi konumunda kalması gerekmiyor. Onlar da tüketicilere ve kurumlara yönelik eksiksiz hizmetler geliştiriyor; ürün deneyimi, iş akışları ve müşteri ilişkileri yoluyla farklılaşma avantajı yaratmaya çalışıyorlar.
Anthropic'in Claude Managed Agents ile kurumsal akıllı ajan dağıtımının eşiğini düşürmesi, Claude Code ile yazılım geliştirme süreçlerine derinlemesine girmesi veya OpenAI'nin yapay zekayı kurumsal günlük operasyonlara entegre etmeyi teşvik etmesi fark etmeksizin, her iki şirket de aynı yönde ilerliyor: Model yeteneği ve sohbet araçları sağlamaktan, iş süreçlerine gömülebilen ve görevleri sürekli olarak yürütebilen akıllı hizmetler sunmaya geçiş.
Aynı zamanda akıllı ajanların gelişimi, yapay zekanın fiyatlandırma mantığını daha da değiştirebilir. Geleneksel abonelik modeli, belirli bir süre için yazılım kullanım hakkı satar; token tabanlı faturalandırma, hesaplama kaynaklarının tüketimini satar; akıllı ajanlar ise aslında bir görevi tamamlama yeteneğini satıyor olabilir.
Bir yapay zeka sistemi, hukuki belge incelemesini, yazılım testini veya kurumsal finansal analizi bağımsız olarak tamamlayabiliyorsa, müşterinin asıl önemsediği şey kaç token tükettiği değil; görevin tamamlanıp tamamlanmadığı, sonucun güvenilir olup olmadığı ve bu sayede ne kadar maliyet tasarrufu sağlandığıdır.
Görev başına, iş yüküne göre ve hatta gerçek sonuçlara göre faturalandırma, gelecekteki iş modellerinin önemli bir parçası haline gelebilir. Ancak bu model, yeni sorumluluk sorunlarını da beraberinde getirecek: Yapay zeka bir görevi tamamlayamadığında veya hataları ekonomik kayıplara yol açtığında, maliyet ve riski kim üstlenecek? Akıllı hizmetler gerçek emeğe ne kadar yaklaşırsa, geleneksel yazılım endüstrisinin kurallarını iş modeline tam olarak uygulamak o kadar zorlaşır.
04, Bulunan Altın Madenini Kim Elinde Tutabilir?
Daha geniş bir perspektiften bakıldığında, yapay zeka endüstrisi değer dağılım yapısının yeniden düzenlenmesinden geçiyor.
İlk belirgin yararlanıcılar çip, üretim ve altyapı tedarikçileriydi çünkü tüm endüstrinin genişlemesi, hesaplama kaynaklarına olan talebe dönüştü. Ancak model yeteneklerinin yayılmasıyla birlikte kâr, giderek kurumsal iş akışlarını, kullanıcı giriş noktalarını ve uygulama ekosistemini kontrol eden şirketlere kayabilir.
Hesaplama gücü uzun süre kıt kalırsa, altyapı tedarikçileri güçlü pazarlık gücünü koruyacak; model arzı yeterli hale gelirse, uygulama şirketleri daha büyük değer dağılım alanı elde edebilir; az sayıda platform model, veri, ödeme ve iş akışlarını entegre edebilirse, yeni bir platform ekonomisi oluşabilir.
Nihayetinde en büyük kârı kimin elde edeceği, endüstri zincirinin hangi halkasının sürekli kıtlık yaratabileceğine bağlıdır.
Tarihte Microsoft'un uzun vadeli rekabet avantajı yalnızca Windows işletim sisteminin lisans gelirlerinden değil, aynı zamanda bu işletim sistemi etrafında oluşan geliştirici ekosistemi, yazılım uyumluluğu ve kurumsal müşteri ağından kaynaklanıyordu; Google, ticari imparatorluğunu kullanıcılardan arama ücreti alarak değil, aramanın yarattığı kullanıcı giriş noktasını reklam gelirine dönüştürerek kurdu.
Bugün Anthropic ve OpenAI de önemli bir seçimle karşı karşıya: Temel modeller, liderliği sürdürmek için yalnızca sürekli devasa sermaye yatırımı gerektiren teknolojik ürünler mi olacak, yoksa geliştiricileri, kurumsal müşterileri ve uygulama ekosistemini birbirine bağlayan bir platform temeli haline mi gelecek?
Modellerin üzerine istikrarlı bir geliştirici ağı, derinlemesine entegre edilmiş kurumsal iş akışları ve kolayca ikame edilemeyen bir hizmet sistemi kurabilirlerse, modelin kendi performansının ötesinde rekabet avantajı ve fiyatlandırma gücü elde edebilirler. Ancak bu platform dönüşümünün, sürekli hesaplama gücü yatırımlarını karşılayacak kâr üretip üretemeyeceği, uzun vadeli operasyonel performansla doğrulanmayı bekliyor.
Anthropic'in yakın zamanda sunduğu düzenleyici belgelere göre, şirketin yaklaşan ilk halka arzının (IPO) en iyi senaryoda ulaşabileceği ölçek şu: 1,4 trilyon dolar değerleme (seyreltilmiş) ve 90 milyar dolar fon toplama.
Bu iddialı halka arz, özünde yatırımcıların yapay zeka endüstrisi üzerine bir referandumu. Daha geniş bir yatırımcı kitlesine, şirketin para yakmaya devam etmesini destekleyip desteklememe veya yapay zeka endüstrisinin önemli bir barometresi olması beklenen bu şirketten kaçınıp 1,4 trilyon dolarlık tarihi yüksek değerlemeyi reddetme fırsatı sunuyor.
Her halükarda, Anthropic'in halka arz başvurusu göz ardı edilemeyecek önemli bir sorunu ortaya koyuyor: Gelir büyümesini sürdürmek için şirketin sürekli artan hesaplama gücü maliyetlerini üstlenmesi gerekiyor. Bu da yatırımcıları ikna etmeyi açıkça zorlaştırıyor. Çok rağbet gören bir yapay zeka yıldız şirketi halka arzdan sonra sürekli düşük performans gösterirse, piyasa bunu kaldırabilir mi? Bunu zaman gösterecek.
Gözden kaçması kolay bir sorun var: Yapay zekanın yarattığı ekonomik değer, mutlaka model geliştiricilerinin gelir ve kârına dönüşmeyebilir.
Şirketler yapay zekayı üretkenliği artırmak için kullandığında, tasarruf edilen maliyetler kullanıcıların elinde kalabilir; tüketiciler ücretsiz veya düşük maliyetli akıllı hizmetlerden kolaylık elde edebilir; bu, model tedarikçisinin geliri değil, tüketici artığı olarak ortaya çıkabilir. Yapay zeka nihayetinde tüm toplumun üretkenliğini önemli ölçüde artırsa bile, model geliştiricileri yarattıkları değere karşılık gelen ekonomik getiriyi elde edemeyebilir.
Teknolojinin toplumsal değeri ile geliştiricinin finansal getirisi arasında zorunlu bir ilişki yoktur.
Yapay zeka gerçekten altın madeni buldu. Ancak çip, elektrik, veri merkezi, Ar-Ge yatırımları ve finansmanın tüm maliyetleri düşüldükten sonra, o altın madencileri gerçekte ne kadarını elinde tutabilir? Bu, büyük dil modeli iş modelinin henüz yanıtlanmamış temel sorusudur.
Anthropic'in halka arzı bu sorunun sonu değil, onu daha sıkı bir aşamaya taşıyan adımdır. Önceden piyasa, teknolojik atılımlar, kullanıcı büyümesi ve finansman değerlemelerine dayanarak geleceği hayal edebiliyordu; halka arzdan sonra şirket, gelir, kâr, nakit akışı ve sermaye getirisi yoluyla ticari değerini sürekli olarak kanıtlamak zorunda.
Modelin daha akıllı olup olmaması elbette önemli, ancak daha önemlisi, şirketin zekayı ekonomik olarak sürdürülebilir bir şekilde üretip dağıtıp satabilmesidir.
Bu içerik yalnızca bilgilendirme ve eğitim amaçlıdır ve BTCC ile ilgili yatırım tavsiyesi teşkil etmez. BTCC yukarıdaki içeriğin doğruluğunu, kesinliğini veya özgünlüğünü garanti etmek için elinden geleni yapmaktadır ancak bu konuda garanti veremez.