Bulut Devleri AI Altyapısına Yüz Milyarlarca Dolar Akıtıyor

Yapay zeka teknolojisinin hızla yükselişi, dünyanın en büyük bulut sağlayıcılarını benzeri görülmemiş bir sermaye harcaması yarışına soktu. Önde gelen firmalar, önümüzdeki yıllar için devasa bulut altyapı yatırımları taahhüt ediyor. Bu harcamaların büyük bir kısmı, yapay zeka işlem gücü ve bu gücü destekleyecek fiziksel veri merkezlerine yöneliyor. Ancak bu devasa ölçekteki yatırımların uzun vadede piyasa üzerindeki etkisi ve sürdürülebilirliği üzerine önemli soru işaretleri de oluşmaya başlıyor.

Bulut Devlerinin AI Altyapısına Akıttığı Yüz Milyarlar

Dünyanın en büyük bulut ve yapay zeka altyapı sağlayıcıları olan Microsoft, Alphabet, Amazon, Meta ve Oracle, 2026 yılına kadar toplamda 660 milyar ila 690 milyar dolar arasında bir sermaye harcaması yapmayı taahhüt etti. Bu rakamlar, sadece bir yıl önceki harcamaların neredeyse iki katına ulaşıyor. 2025 yılında rekor kırarak 388 milyar dolar harcayan dört şirketin, 2026 için bu tutarı yaklaşık 630 milyar dolara çıkarması, yüzde 62’lik dikkat çekici bir artışı temsil ediyor.

Bu devasa yatırım dalgasında Amazon, yaklaşık 200 milyar dolarlık projeksiyonla zirvede yer alıyor. Şirketin ana hedefi, veri merkezleri ve yapay zeka işlem kapasitesini genişletmek. Alphabet, 2025’teki 91 milyar dolarlık harcamasını 2026’da 175 milyar ila 185 milyar dolara yükseltme kararı aldı. Microsoft, çeyrek başına 37,5 milyar dolar harcayarak 120 milyar dolar veya daha fazlasını hedefliyor. Meta, 115 milyar ila 135 milyar dolar aralığında bir harcama öngörürken, Oracle yaklaşık 50 milyar dolarlık bir yatırım bütçesi belirledi. Bu rakamlar, yapay zeka devriminin, şirketlerin iş yapış biçimlerini kökten değiştiren bir altyapı yarışı başlattığını açıkça gösteriyor.

Bu şirketler için yapay zeka altyapısı, yalnızca yeni hizmetler sunmakla kalmıyor, aynı zamanda mevcut bulut tekliflerini de güçlendiriyor. Örneğin, Microsoft Azure OpenAI hizmetleri, Google Cloud’un Vertex AI platformu ve AWS SageMaker gibi araçlar, bu yeni nesil donanım üzerinde çalışarak müşterilere daha gelişmiş yapay zeka yetenekleri sunuyor. Bu yatırımlar, her bir devin kendi ekosistemini güçlendirme ve rakiplerine karşı üstünlük sağlama çabasının bir yansımasıdır.

Yatırımın Arka Planı ve Teknik Derinliği

Bu akıl almaz harcamaların ardında, öncelikli olarak yapay zeka iş yükleri için gerekli olan çipler, binalar ve enerji kaynakları yer alıyor. Yatırımların teknik dağılımı, yapay zeka veri merkezi yığınının farklı katmanlarına yayılmış durumda. En büyük pay, GPU’lar ve Google’ın Tensor İşlem Birimleri (TPU) ya da Amazon’un Trainium gibi özel hızlandırıcılar dahil olmak üzere işlem gücüne gidiyor. Bu çipler, büyük dil modellerini eğitmek ve çalıştırmak için hayati öneme sahip.

Harcamaların yaklaşık üçte ikisi işlem gücüne ayrılırken, geri kalan üçte birlik kısım tesisler, enerji, soğutma ve ağ altyapısına dağıtılıyor. Enerjinin harcamalardaki payı ise her çeyrek artış gösteriyor. Fiziksel veri merkezleri de bu sürecin ayrılmaz bir parçası. Sıvı soğutma sistemleri ve yüksek yoğunluklu zeminler gibi ileri teknolojiler, yapay zeka donanımlarının yüksek enerji tüketimi ve ısı üretimi göz önüne alındığında kritik bir ihtiyaç haline geliyor. Ayrıca, tüm bu altyapıyı beslemek için elektrik satın alma anlaşmaları ve hatta şebekenin yetersiz kaldığı durumlarda yerinde gaz yakıtlı enerji üretim tesisleri bile kuruluyor. Mevcut durumda, hyperscaler’lar talep değil, daha çok arz kısıtlamalarıyla mücadele ediyor. Microsoft’un Azure için yerine getiremediği 80 milyar dolarlık sipariş birikimi, enerji mevcudiyetinin ne kadar önemli bir sorun olduğunu ortaya koyuyor.

Özellikle NVIDIA’nın H100, H200 ve yaklaşan B200 gibi GPU’ları, yapay zeka modellerinin eğitimi ve çıkarımı için sektör standardı haline gelmiştir. Bu çiplerin her biri, on binlerce paralel işlem çekirdeği içerir ve petabaytlarca veriyi işleyebilir. Google’ın TPU’ları ise TensorFlow gibi belirli derin öğrenme çerçeveleri için özel olarak optimize edilmiş, daha az genel amaçlı ancak belirli iş yüklerinde çok daha verimli olabilir. Bu yüksek performanslı donanımların ürettiği muazzam ısıyı dağıtmak için geleneksel hava soğutma sistemleri yetersiz kalmakta, bu da sıvı soğutma teknolojilerini (doğrudan çip soğutma veya daldırma soğutma) zorunlu kılmaktadır. Veri merkezlerindeki ağ altyapısı da eşit derecede kritik olup, yüksek bant genişliğine ve düşük gecikmeye sahip InfiniBand veya 800 Gigabit Ethernet gibi çözümler, binlerce GPU’nun kesintisiz iletişimini sağlamak için hayati öneme sahiptir.

Kısa Vadede Aşırı Talep ve Tedarik Zinciri Baskısı

Mevcut piyasa analizi, önümüzdeki birkaç yıl boyunca yapay zeka teknolojilerine olan talebin hızlı bir yükseliş trendinde olacağını gösteriyor. Özellikle kısa vadede, yani önümüzdeki iki yıl içinde, talep seviyeleri oldukça güçlü seyrediyor. Hiçbir büyük bulut sağlayıcısı talep kısıtlaması yaşadığını belirtmezken, tam aksine sürekli olarak arz kısıtlamalarıyla karşılaştıklarını rapor ediyorlar. Kurumsal müşteriler arasında ise, yapay zeka patlamasının hazırlıksız yakalananları geride bırakacağı endişesiyle bir panik satın alma telaşı yaşanıyor.

Şirketler, yapay zeka dönüşümünün gerektirdiği altyapıyı erkenden kurarak rekabette avantaj elde etmeyi hedefliyor. Bu durum, Dell, HPE ve IBM gibi donanım satıcıları için sürekli bir büyüme dönemi anlamına geliyor. Talebin bir kısmı gerçek ihtiyaçlardan kaynaklanırken, önemli bir bölümü de gelecekteki fırsatları kaçırma korkusuyla motive oluyor. Şu anda işlemciler ve RAM gibi bileşenlerde görülen kıtlıklar, artan fiyatlar ve uzayan teslim süreleri, küresel silikon ve bellek arzının yapay zeka kümeleri tarafından üreticilerin kapasite artırım hızından daha hızlı emilmesi nedeniyle devam edecek gibi görünüyor.

Bu arz kısıtlamaları yalnızca temel işlemcilerle sınırlı değil; yüksek bant genişliğine sahip bellek (HBM) ve gelişmiş paketleme teknolojileri (CoWoS) gibi kritik bileşenler de büyük ölçüde talep görüyor. Bu durum, yarı iletken üreticileri TSMC, Samsung ve SK Hynix gibi firmalar üzerinde büyük bir baskı oluşturuyor. Kurumsal müşteriler, kendi özel büyük dil modellerini (LLM) eğitmek, yapay zeka destekli uygulamalar geliştirmek veya mevcut iş süreçlerine üretken yapay zekayı entegre etmek için GPU kotaları ve özel donanım tahsisleri sağlamaya çalışıyorlar. Bu ‘korkuyla alım’ davranışı, özellikle finans, sağlık ve imalat gibi sektörlerdeki büyük kuruluşlar arasında yaygın olarak gözlemlenmektedir.

Uzun Dönemdeki Riskler ve Stratejik Görünüm

Mevcut tablo, kısa vadede teknoloji şirketleri için önemli bir kazanç kapısı olsa da, uzun vadeli projeksiyonlar konusunda daha temkinli bir bakış açısı gerektiğini ortaya koyuyor. Yeni bir veri merkezi inşası ve tam kapasiteyle faaliyete geçmesi ortalama üç ila dört yıl sürebiliyor. Bu süre zarfında yapay zeka pazarında pek çok şey değişebilir. Özellikle, yapay zeka modellerinin verimliliğindeki sürekli iyileşmeler, birim çıktı başına düşen işlem gücü gereksinimlerini önemli ölçüde azaltabilir.

Kurumsal müşteriler, başlangıçtaki yenilik ve heyecan azaldığında, yapay zeka iş yüklerinin mevcut bulut harcamalarını gerçekten haklı çıkarıp çıkarmadığını sorgulayabilirler. Ayrıca, artan rekabet ve yeni oyuncuların pazara girişi, fiyatlar üzerinde aşağı yönlü bir baskı oluşturabilir. 2028 ve 2029 yıllarına gelindiğinde, büyüme oranlarının bugünkü varsayımların altında kalması ve endüstrinin, 2026’daki ‘panik fazı’nda taahhüt edilen kapasitenin yükünü taşıması olasılığı oldukça yüksek görünüyor. Bu durum, bulut sağlayıcılarının stratejik planlamalarını sürekli gözden geçirmesini ve gelecekteki potansiyel kapasite fazlası riskini dikkate almasını gerektirecek.

Yapay zeka modellerinin verimliliğindeki artışlar, nicemleme (quantization), seyrelme (pruning) ve bilgi damıtma (knowledge distillation) gibi tekniklerle sağlanmaktadır. Bu teknikler, daha küçük ve daha az işlem gücü gerektiren ancak benzer performans gösteren modellerin geliştirilmesine olanak tanır. Eğer bu eğilim devam ederse, mevcut devasa altyapı yatırımlarının bir kısmı gereksiz hale gelebilir. Ayrıca, bazı şirketler, yüksek bulut maliyetlerinden kaçınmak için yapay zeka iş yüklerini kendi bünyelerine (on-premise) geri çekme veya daha uygun maliyetli, özel yapay zeka veri merkezlerine yönelme stratejilerini değerlendirebilirler. Bu da bulut devlerinin uzun vadeli gelir akışlarını etkileyebilecek önemli bir risk faktörüdür.