Süper Döngünün Rakamları

Rakamlar gerçekten dudak uçuklatıcı. Küresel yarı iletken geliri geçtiğimiz yıl 800 milyar doları aştı ve 2026'da 1.3 trilyon dolara doğru hızla ilerliyor . Araştırma şirketi Gartner'a göre bu, bir önceki yıla göre %64'lük bir artış anlamına geliyor .

Amazon, Microsoft, Google ve Meta'dan oluşan dört büyük Amerikan hiper ölçekli şirketi, 2026 yılı için toplam 725 milyar dolar sermaye harcaması planlıyor. Bu harcamaların büyük kısmı yapay zeka altyapısına gidecek . Bellek fiyatları ise adeta dikey bir sıçrama yaptı: DRAM fiyatları 2026'ya girerken çeyreklik bazda yaklaşık %90 arttı .

'Köstebek Vurma' Etkisi: Kıtlık Her Yerde

Rasgon'un en dikkat çekici tespitlerinden biri, 'köstebek vurma' (whack-a-mole) etkisi olarak adlandırdığı durum. Yani darboğazlar tüm çip tedarik zincirinde birbirini tetikleyerek yayılıyor. "Her şey bu yapay zeka hesaplama talebi tarafından sürükleniyor. Kariyerimde bu ölçekte bir şey görmedim," diyor Rasgon .

Bu yayılmayı adım adım anlatıyor: Kıtlık önce GPU hızlandırıcılarda başladı, ardından HBM belleğe, sonra yarı iletken üretim ekipmanlarına, ağ ve optik bileşenlere, güç çiplerine ve şimdi de CPU'lara sıçradı .

Talep o kadar güçlü ki, iflasın eşiğinden dönen Intel bile daha önce 'değersiz' olarak nitelendirilen stoklarını tamamen sattı. Müşteriler Intel'e "Ne olduğu umurumuzda değil, yeter ki satın bize" demiş .

HBM: Gizli Silikon Canavarı

Kritik bir darboğaz ise yüksek bant genişlikli bellek (HBM). HBM, bir yapay zeka çipinin silikon alanının %85'inden fazlasını kaplıyor . İstifleme verimleri ve lojik die giderleri nedeniyle, 1 GB HBM üretmek standart bir DRAM'a göre yaklaşık dört kat daha fazla silikon alanı gerektiriyor . Bu matematik, bellek arzının neden GPU talebine yetişemediğini ve bellek fiyatlarının neden çip maliyetlerinde baskın faktör haline geldiğini açıklıyor.

Nvidia'nın CPU Geliri: Tek Bir Rafın Hikayesi

Rasgon, dikkat çekici bir veri paylaşıyor: 72 GPU'lu bir rafta bulunan 36 CPU, Nvidia'ya yaklaşık 20 milyar dolar CPU geliri sağlıyor. Bu, yapay zeka altyapı kurulumunun sadece GPU hızlandırıcıların ötesinde ne kadar büyük bir çip talebi yarattığını gösteriyor.

Eğitimden Çıkarıma: Ticarileşme Dönüşümü

Rasgon, pazar odağının model eğitiminden (training) yapay zeka çıkarımına (inference) kaydığını vurguluyor. Bu, ticarileşmenin ana yolu . Anthropic'in gelirinin 9 milyar dolardan 30 milyar dolara fırlamasını bu dönüşümün doğrudan kanıtı olarak gösteriyor . Yapay zeka modelleri araştırma projelerinden üretim sistemlerine geçtikçe, çıkarım için gereken hesaplama gücü eğitim yüklerini katlayacak.

ASIC vs. GPU: Rekabet Değil, Birlikte Var Olma

Yatırımcıların sık sorduğu bir soru var: Broadcom gibi şirketlerin ürettiği özel ASIC çipler, Nvidia'nın GPU'larının yerini alacak mı? Rasgon, her ikisinin de büyüyen bir pazarda uzun vadede birlikte var olacağını düşünüyor . Ona göre programlanabilir GPU'lar araştırma ve keşif amaçlı çıkarım için daha uygunken, ASIC'ler öngörülebilir, yüksek hacimli çıkarım iş yüklerinde öne çıkıyor. Toplam pazar, her ikisini de emmeye yetecek kadar büyük.

Nihai Engel: Enerji

Rasgon sözlerini düşündürücü bir notla bitiriyor. Son sınırlama çipler, bellek veya ağ değil; enerji. Yapay zeka altyapısı, büyüme eğrisini sürdürebilmek için ABD elektrik şebekesinin kapasitesinde yıllık yaklaşık %5'lik bir artış gerektiriyor . Bu, onlarca yıldır minimum kapasite artışı gören bir şebeke için sarsıcı bir talep.

Rasgon, bir sonraki yapay zeka inovasyon ve darboğaz dalgasının kaçınılmaz olarak enerji üretimi, soğutma ve nükleer enerjiye düşeceğini savunuyor . Ciddi bir şebeke yatırımı olmazsa, süper döngü bir güç tavanına çarpabilir.

Yatırımcılar İçin Ne Anlama Geliyor?

Rasgon'un mesajı net: Yapay zeka talebi çökmediği sürece, yarı iletken süper döngüsü gerçek ve sürdürülebilir. Ancak fırsatların doğası değişiyor. GPU hisselerindeki kolay para yerini daha karmaşık bir manzaraya bırakıyor. Artık asıl serveti, darboğazın kendisi yaratıyor – ister HBM, ister güç çipleri, isterse enerji altyapısı olsun .

Süper Döngünün Rakamları

Rakamlar gerçekten dudak uçuklatıcı. Küresel yarı iletken geliri geçtiğimiz yıl 800 milyar doları aştı ve 2026'da 1.3 trilyon dolara doğru hızla ilerliyor . Araştırma şirketi Gartner'a göre bu, bir önceki yıla göre %64'lük bir artış anlamına geliyor .

Amazon, Microsoft, Google ve Meta'dan oluşan dört büyük Amerikan hiper ölçekli şirketi, 2026 yılı için toplam 725 milyar dolar sermaye harcaması planlıyor. Bu harcamaların büyük kısmı yapay zeka altyapısına gidecek . Bellek fiyatları ise adeta dikey bir sıçrama yaptı: DRAM fiyatları 2026'ya girerken çeyreklik bazda yaklaşık %90 arttı .

'Köstebek Vurma' Etkisi: Kıtlık Her Yerde

Rasgon'un en dikkat çekici tespitlerinden biri, 'köstebek vurma' (whack-a-mole) etkisi olarak adlandırdığı durum. Yani darboğazlar tüm çip tedarik zincirinde birbirini tetikleyerek yayılıyor. "Her şey bu yapay zeka hesaplama talebi tarafından sürükleniyor. Kariyerimde bu ölçekte bir şey görmedim," diyor Rasgon .

Bu yayılmayı adım adım anlatıyor: Kıtlık önce GPU hızlandırıcılarda başladı, ardından HBM belleğe, sonra yarı iletken üretim ekipmanlarına, ağ ve optik bileşenlere, güç çiplerine ve şimdi de CPU'lara sıçradı .

Talep o kadar güçlü ki, iflasın eşiğinden dönen Intel bile daha önce 'değersiz' olarak nitelendirilen stoklarını tamamen sattı. Müşteriler Intel'e "Ne olduğu umurumuzda değil, yeter ki satın bize" demiş .

HBM: Gizli Silikon Canavarı

Kritik bir darboğaz ise yüksek bant genişlikli bellek (HBM). HBM, bir yapay zeka çipinin silikon alanının %85'inden fazlasını kaplıyor . İstifleme verimleri ve lojik die giderleri nedeniyle, 1 GB HBM üretmek standart bir DRAM'a göre yaklaşık dört kat daha fazla silikon alanı gerektiriyor . Bu matematik, bellek arzının neden GPU talebine yetişemediğini ve bellek fiyatlarının neden çip maliyetlerinde baskın faktör haline geldiğini açıklıyor.

Nvidia'nın CPU Geliri: Tek Bir Rafın Hikayesi

Rasgon, dikkat çekici bir veri paylaşıyor: 72 GPU'lu bir rafta bulunan 36 CPU, Nvidia'ya yaklaşık 20 milyar dolar CPU geliri sağlıyor. Bu, yapay zeka altyapı kurulumunun sadece GPU hızlandırıcıların ötesinde ne kadar büyük bir çip talebi yarattığını gösteriyor.

Eğitimden Çıkarıma: Ticarileşme Dönüşümü

Rasgon, pazar odağının model eğitiminden (training) yapay zeka çıkarımına (inference) kaydığını vurguluyor. Bu, ticarileşmenin ana yolu . Anthropic'in gelirinin 9 milyar dolardan 30 milyar dolara fırlamasını bu dönüşümün doğrudan kanıtı olarak gösteriyor . Yapay zeka modelleri araştırma projelerinden üretim sistemlerine geçtikçe, çıkarım için gereken hesaplama gücü eğitim yüklerini katlayacak.

ASIC vs. GPU: Rekabet Değil, Birlikte Var Olma

Yatırımcıların sık sorduğu bir soru var: Broadcom gibi şirketlerin ürettiği özel ASIC çipler, Nvidia'nın GPU'larının yerini alacak mı? Rasgon, her ikisinin de büyüyen bir pazarda uzun vadede birlikte var olacağını düşünüyor . Ona göre programlanabilir GPU'lar araştırma ve keşif amaçlı çıkarım için daha uygunken, ASIC'ler öngörülebilir, yüksek hacimli çıkarım iş yüklerinde öne çıkıyor. Toplam pazar, her ikisini de emmeye yetecek kadar büyük.

Nihai Engel: Enerji

Rasgon sözlerini düşündürücü bir notla bitiriyor. Son sınırlama çipler, bellek veya ağ değil; enerji. Yapay zeka altyapısı, büyüme eğrisini sürdürebilmek için ABD elektrik şebekesinin kapasitesinde yıllık yaklaşık %5'lik bir artış gerektiriyor . Bu, onlarca yıldır minimum kapasite artışı gören bir şebeke için sarsıcı bir talep.

Rasgon, bir sonraki yapay zeka inovasyon ve darboğaz dalgasının kaçınılmaz olarak enerji üretimi, soğutma ve nükleer enerjiye düşeceğini savunuyor . Ciddi bir şebeke yatırımı olmazsa, süper döngü bir güç tavanına çarpabilir.

Yatırımcılar İçin Ne Anlama Geliyor?

Rasgon'un mesajı net: Yapay zeka talebi çökmediği sürece, yarı iletken süper döngüsü gerçek ve sürdürülebilir. Ancak fırsatların doğası değişiyor. GPU hisselerindeki kolay para yerini daha karmaşık bir manzaraya bırakıyor. Artık asıl serveti, darboğazın kendisi yaratıyor – ister HBM, ister güç çipleri, isterse enerji altyapısı olsun .