Hesaplama gücü (compute) — Yapay zekâ işlem kapasitesi

Hesaplama gücü (compute, computing power), bir bilgisayar sisteminin birim zamanda yapabildiği matematiksel işlem miktarı ve bu işlemleri üreten çip, sunucu, veri merkezi ve enerji altyapısının toplamıdır. Yapay zekâ modellerinin eğitilmesi de kullanılması da bu kapasiteye bağlıdır. Teknik ölçüsü saniyedeki kayan noktalı işlem sayısı olan FLOPS’tur, büyük sözleşmelerde ise giderek gigavat (GW) kullanılır. Bulut şirketlerinin yatırım bütçeleri, çip üreticilerinin gelirleri ve GPU kiralama fiyatları bu kavram etrafında döner. Bu yüzden terim Dragonomi’nin Nvidia, Baidu, Alibaba, Huawei ve Çin veri merkezi yazılarında sık geçer. Çin’de ise "hesaplama gücü" doğrudan bir devlet politikası başlığıdır.

FLOPS ve EFLOPS ölçüsü

Bilgisayarlar ondalıklı sayıları kayan nokta (floating point) denen bir biçimde tutar. Bu tür iki sayının bir kez çarpılması ya da toplanması bir FLOP’tur (floating point operation, kayan noktalı işlem). Bir çipin saniyede yapabildiği FLOP sayısı ise FLOPS’tur, sondaki "S" saniyeyi anlatır. FLOPS bir hızdır, FLOP ise toplam iş miktarıdır. Bir modelin eğitimine harcanan toplam işlem FLOP ile, onu eğiten kümenin kapasitesi FLOPS ile ifade edilir.

Rakamlar çok büyük olduğu için ön ekler kullanılır. TFLOPS (tera) saniyede 10¹², PFLOPS (peta) 10¹⁵, EFLOPS (exa) 10¹⁸ işlemdir. Çin Sanayi ve Bilgi Teknolojileri Bakanlığı (MIIT) ile beş kurumun Ekim 2023’te yayımladığı hesaplama gücü altyapısı eylem planı da EFLOPS’u saniyede 10¹⁸ kayan noktalı işlem olarak tanımlar.

Bir FLOPS rakamı, hangi sayı hassasiyetinde ölçüldüğü söylenmeden anlamsızdır. Bir sayı 64, 32, 16, 8 ya da 4 bitle tutulabilir. Sayının kaç bitle tutulduğuna hassasiyet (precision) denir. FP64 bilimsel simülasyonda, FP32 klasik mühendislik hesabında kullanılır. BF16 ve FP16 uzun süre yapay zekâ eğitiminin standardı oldu, FP8 ve FP4 ise çıkarımda ve son nesil eğitimde yaygınlaşıyor. Bit sayısı yarıya inince aynı çip aynı sürede kabaca iki kat işlem yapabilir. Bu yüzden FP4 cinsinden bir EFLOPS ile FP64 cinsinden bir EFLOPS aynı şey değildir.

İkinci etiket seyrekliktir (sparsity). Bazı çipler, sinir ağındaki değerlerin bir kısmı sıfır olduğunda bu değerleri atlayarak işlem sayısını kâğıt üzerinde ikiye katlar. Üreticiler hem "yoğun" (dense) hem "seyrek" (sparse) rakam yayımlar ve başlıkta genellikle büyük olanı kullanır.

Yapay zekâ dünyasında üç ölçü daha dolaşır. TOPS (tera operations per second), saniyedeki trilyon tam sayı işlemidir ve telefon, bilgisayar ve otomobil çiplerinin, yani kenar yapay zekâ donanımının ölçüsüdür. H100-eşdeğeri, farklı çiplerin kapasitesini Nvidia H100’ün performansına bölerek ortak birime çeviren ölçüdür ve Epoch AI küresel envanterini bu birimle tutar. Üçüncüsü elektrik gücüdür. Bir veri merkezinin megavat (MW) ya da gigavat (GW) cinsinden gücü, içine sığacak çip sayısını belirler. Bu yüzden büyük kapasite anlaşmaları artık GW ile yapılıyor (veri merkezi kapasitesi).

Örnek hesap, kapasiteden işe

Meta’nın Llama 3 405B modelinin eğitimi, makalede aktarıldığı biçimiyle 16.000 H100 üzerinde yapıldı. H100’ün yoğun BF16 piki 989 TFLOPS’tur.

1. Kümenin kâğıt üstü kapasitesi 16.000 × 989 TFLOPS = 15.824.000 TFLOPS, yani yaklaşık 15,8 EFLOPS’tur.
2. Eğitim sırasında GPU başına fiilen elde edilen değer yaklaşık 380 TFLOPS oldu. Bu, pikin %38’ine karşılık gelir (380 ÷ 989 ≈ 0,38).
3. Kümenin efektif hızı 16.000 × 380 TFLOPS = 6.080.000 TFLOPS, yani yaklaşık 6,1 EFLOPS’tur.
4. Bir günde 86.400 saniye vardır. Küme bir günde yaklaşık 6,08 × 10¹⁸ × 86.400 ≈ 5,3 × 10²³ FLOP iş üretir.

Aynı küme için "15,8 EFLOPS" da "6,1 EFLOPS" da doğru bir cümledir. Biri kapasiteyi, diğeri fiilen yapılan işi anlatır.

Hesaplama gücü nasıl üretilir

Hesaplama gücü tek bir üründen değil, birbirine bağlı bir zincirden çıkar. Zincirin başında hızlandırıcı çip bulunur. Bu çip ya genel amaçlı bir GPU’dur ya da Google’ın TPU’su, Amazon’un Trainium’u ve Huawei’nin Ascend’i gibi belirli bir iş için tasarlanmış bir ASIC’tir. Yapay zekâ hesabı, aynı anda yapılabilen milyonlarca küçük çarpma ve toplamadan oluşur. Bu çipler binlerce küçük hesap birimini paralel çalıştırdığı için klasik işlemcilerden çok daha hızlıdır.

İkinci halka bellektir. Çip, işleyeceği veriyi bellekten yeterince hızlı alamazsa hesap birimleri boş bekler. Bu yüzden yapay zekâ çiplerinin yanına yüksek bant genişlikli bellek (HBM) yerleştirilir. Bir çipin gerçek performansını çoğu zaman FLOPS değil, bellek bant genişliği belirler.

Üçüncü halka ağdır. Büyük bir model tek çipe sığmaz. Eğitim, binlerce çipin her adımda ara sonuçlarını birbirine aktarmasını gerektirir. Bu nedenle çipler raf içinde yüksek hızlı bağlantılarla, raflar arasında da optik modüllerle birbirine bağlanır. Dördüncü halka tesistir. Çipler, elektrik ve soğutma altyapısı olan bir AIDC’ye, yani yapay zekâ veri merkezine yerleştirilir. Yoğunluk arttıkça hava soğutması yetmez ve sıvı soğutma gerekir.

Zincirin son halkası enerjidir. Uluslararası Enerji Ajansı (IEA) 2025 tarihli "Energy and AI" çalışmasında veri merkezlerinin 2024’te yaklaşık 415 TWh elektrik tükettiğini hesaplar. Bu, küresel elektrik talebinin yaklaşık %1,5’idir. IEA’nın baz senaryosunda tüketim 2030’da yaklaşık 945 TWh’ye çıkar. Hızlandırıcılı sunucuların tüketimi yılda yaklaşık %30 büyür. 2030’a kadarki artışın yaklaşık %80’i ABD (yaklaşık 240 TWh) ve Çin’den (yaklaşık 175 TWh) gelir. Bu nedenle yeni kapasite en çok ucuz ve bol elektriği olan bölgelerde kuruluyor.

Talep nereden geliyor

Yapay zekâda hesaplama gücü iki iş için harcanır. Birincisi eğitimdir. Model, devasa veri kümeleri üzerinde haftalarca çalıştırılarak ağırlıklarını öğrenir. İkincisi çıkarımdır, yani eğitilmiş modelin kullanıcı sorularına cevap üretmesidir. Eğitim bir kerelik ve yoğun bir yatırımdır. Çıkarım ise model kullanıldıkça sürekli tüketilen bir hizmettir.

Talebin ağırlık merkezi çıkarıma kayıyor. Çıkarım çipleri üreten Groq’un kurucusu Jonathan Ross’a göre bir modelin kullanımı, eğitimi için harcanan işlem gücünün 10 ila 20 katını gerektirir (Yapay Zeka, LPU’lar ve Groq). Çıkarım talebi en kolay token sayısıyla izlenir. Token, modelin işlediği kelime parçasıdır. Çin Ulusal Veri İdaresi Başkanı Liu Liehong 24 Mart 2026’da Çin’de günlük token tüketiminin 2024 başında 100 milyar iken 2025 sonunda 100 trilyona, Mart 2026’da 140 trilyonun üzerine çıktığını açıkladı. Bu, iki yılda yaklaşık bin katlık artış demektir.

Google CEO’su Sundar Pichai de Mayıs 2026’daki Google I/O konferansında şirketin ayda 3,2 katrilyon token işlediğini ve bu rakamın bir yılda yedi kat arttığını söyledi. Bu, günlüğe çevrildiğinde yaklaşık 107 trilyon token eder (3.200 trilyon ÷ 30). İki rakam doğrudan kıyaslanmaz, biri bir ülkenin resmî tahmini, diğeri tek bir şirketin denetlenmemiş beyanıdır.

Token hacmi ile hesaplama geliri arasında doğrudan bir oran da yoktur. Verimli modeller aynı token’ı daha az işlemle üretir, fiyatlar düşerse token patlaması gelire yansımayabilir. Token rakamı bir talep göstergesidir, gelir tahmini değil.

Rakamlarla

Aşağıdaki tablo, 22 Haziran 2026 itibarıyla en güncel genel ölçek göstergelerini toplar. Her kurum verisini farklı takvimle yayımladığı için tarihler farklıdır.

Epoch AI’ın çip satış veritabanına göre Nvidia’nın yapay zekâ gelirinin çoğunu artık B300 üretiyor ve H100’ün payı %10’un altına düştü. Ölçü birimi olarak kullanılan çip, filonun küçük bir parçasına dönüştü.

Çin’de MIIT’in Ekim 2023 eylem planı, 2025 için toplam hesaplama ölçeğini 300 EFLOPS’un üzerine, akıllı hesaplama payını da %35’e çıkarmayı hedefledi. Akıllı hesaplama, Çin resmî dilinde yapay zekâ hızlandırıcılarından gelen kapasitedir. MIIT verisine göre 2024 sonunda toplam 280 EFLOPS’a, akıllı hesaplama 90 EFLOPS’a ulaştı. Akıllı hesaplamanın payı böylece yaklaşık %32 oldu (90 ÷ 280).

Harcama tarafında Financial Times’ın Nisan 2026 sonu derlemesi, Alphabet, Meta, Microsoft ve Amazon’un 2026 sermaye harcamasının 2025’e göre yaklaşık %77 artacağını gösteriyor. Dört şirket bu toplamın kalem kırılımını vermiyor, ama bütçenin büyük kısmı sunucu, çip ve veri merkezi binası olarak hesaplama gücüne gider (sermaye harcaması, hiper ölçekleyici).

Doğu Veri Batı Hesaplama

Doğu Veri Batı Hesaplama, Çin’in veri üretiminin yoğun olduğu doğu kıyısındaki talebi, arazinin ve elektriğin ucuz olduğu batı ve kuzey bölgelerdeki veri merkezlerinde karşılamayı amaçlayan ulusal altyapı programıdır. Şanghay, Pekin ve Shenzhen gibi şehirlerde arazi pahalıdır, elektrik kotası sınırlıdır. Guizhou, İç Moğolistan ve Ningxia’da ise elektrik ucuz, iklim serin ve yenilenebilir enerji kaynağı boldur. Program bu farkı kullanarak hesaplama yükünü ülke içinde coğrafi olarak dağıtmaya çalışır.

Programın iskeleti Şubat 2022’de kuruldu. Ulusal Kalkınma ve Reform Komisyonu (NDRC), Siber Uzay İdaresi (CAC), MIIT ve Ulusal Enerji İdaresi’nin (NEA) ortak bildirisiyle sekiz ulusal hesaplama merkezi düğümü onaylandı. Bunlar Pekin-Tianjin-Hebei, Yangtze Nehri Deltası, Guangdong-Hong Kong-Makao, Chengdu-Chongqing, İç Moğolistan, Guizhou, Gansu ve Ningxia’dır. Düğümlerin içinde 10 ulusal veri merkezi kümesi kuruldu. Yangtze Deltası ile Chengdu-Chongqing’e ikişer, diğer altı düğüme birer küme verildi.

Doluluğu ölçmek için Çin’de standart raf birimi kullanılır. Doluluk oranı, kurulu raflardan fiilen sunucu yerleştirilmiş olanların payıdır. Ulusal Veri İdaresi’nin Ağustos 2024 açıklamasına göre 10 kümede Mart 2024 itibarıyla 1,46 milyon standart raf vardı ve doluluk %62,72’ydi. Bu oran 2022’ye göre yaklaşık 4 puan yüksekti. Sekiz düğümdeki raf ölçeği Haziran 2024 sonunda 1,95 milyonu aştı, genel doluluk yaklaşık %63 oldu. Doğrudan yatırım 43,5 milyar yuanı, programın tetiklediği toplam yatırım ise 200 milyar yuanı geçti. Ülke genelinde ise Çin Hesaplama Gücü Konferansı’nda Haziran 2025 sonu için kullanımdaki hesaplama merkezi rafı 10,85 milyon standart raf olarak açıklandı.

Programın asıl zorluğu fizik değil gecikmedir. Bir modelin eğitimi, kullanıcıdan uzakta yapılabilir. Birkaç milisaniyelik gecikme haftalar süren bir eğitimi etkilemez. Çıkarım ise kullanıcıya anında cevap vermek zorundadır. MIT Technology Review’un Mart 2025 tarihli incelemesi, batı ve orta Çin’deki ucuz elektrikli tesislerin bir kısmının çıkarım için gereken gecikme şartlarını karşılayamadığını aktarır. Bu nedenle kabaca bir iş bölümü oluştu, eğitim batıya kayarken çıkarım doğuya yakın kalıyor.

Hesaplama gücü kiralama

Hesaplama gücü kiralama, bir şirketin çip satın almak yerine başka bir şirketin veri merkezindeki GPU kapasitesini süreli olarak kullanması ve bunun bedelini ödemesidir. Fiyatın temel birimi GPU-saattir, yani bir GPU’nun bir saat kullanımı. Kiralamanın üç tipik biçimi vardır. İsteğe bağlı (on-demand) kullanımda müşteri saatlik fiyat öder ve istediği an bırakır. Taahhütlü kullanımda bir ya da üç yıllık süre karşılığında indirim alır. Kapasite sözleşmelerinde ise bir yapay zekâ laboratuvarı ya da büyük teknoloji şirketi, belirli bir küme ya da güç bloğunu yıllarca kendine ayırtır.

Kiraya veren taraf üç gruptan oluşur. İlki AWS, Microsoft Azure ve Google Cloud gibi hiper ölçekleyicilerdir. İkincisi neocloud denen, yalnızca GPU kiralamaya odaklanmış yeni bulut şirketleridir. CoreWeave ve Nebius bu grubun en bilinen örnekleridir. Üçüncüsü Çin’deki Alibaba Cloud, Baidu AI Bulut ve küçük yerel kiralama şirketleridir. Kiracı, çipin hızla eskidiği bir dönemde büyük peşin yatırımdan kaçınır. Kiraya verenin işi ise ucuz finansman bulmak ve rafları dolu tutmaktır.

Kiralama fiyatı, hesaplama gücü kıtlığının en doğrudan göstergesidir ve seyri aşağıdaki fiyat bölümünde ayrıca ele alınır. Danışmanlık şirketi Introl’un tahminine göre saatte yaklaşık 1,65 doların altında bir sağlayıcı H100 yatırımını geri kazanamıyor. Kiralama geliri artık şirket sonuçlarında ayrı da görünüyor. Baidu, kurumsal müşterilere GPU hesaplama gücü ve model altyapısı sattığı AI Bulut Altyapısı işinden 2025’in dördüncü çeyreğinde 5,8 milyar yuan gelir elde etti. Abonelik tabanlı hızlandırıcı altyapı geliri 2025’in dördüncü çeyreğinde yıllık bazda %143, 2026’nın ilk çeyreğinde %184 büyüdü. Bu gelir çip yan kuruluşu Kunlunxin’in halka arzından sonra da Baidu’da kalıyor (Baidu, YZ işlerinin toplam gelirde %52 paya ulaşması).

Pik FLOPS ile fiili işlem arasındaki fark

Hesaplama gücü rakamlarının büyük kısmı pazarlama dilinde yazılır. Nvidia B200, FP4 hassasiyetinde yoğun hesapta 9 PFLOPS, seyrek hesapta 18 PFLOPS pik verir ve lansmanda başlık rakamı seyrek olandı. H100’ün resmî 1.979 TFLOPS BF16 değeri de seyreklik içerir, yoğun karşılığı 989 TFLOPS’tur. Epoch AI, H100-eşdeğeri hesabında bu yüzden resmî rakamı ikiye böler.

Nesiller arası "x kat hızlandı" iddiaları da hassasiyet değişimini içerir. Nvidia’nın Vera Rubin rafı 2025’te "NVL144" adıyla 3,6 EFLOPS FP4 çıkarım ve 1,2 EFLOPS FP8 eğitim kapasitesiyle tanıtıldı. Naddod ve VRLA Tech’in teknik yazılarına göre ad sonradan paket sayısına göre NVL72’ye döndü ve eğitim rakamı 2,5 EFLOPS NVFP4 olarak verildi. Nvidia bu değişikliği ayrı bir açıklamayla duyurmadı, rakamlar bu iki kaynağa dayanıyor. Doğruysa 1,2’den 2,5’e çıkış, çipin iki kat hızlandığını değil, ölçünün FP8’den 4 bitlik NVFP4’e indiğini gösterir.

En öğretici örnek Google’dan geldi. Nisan 2025’te tanıtılan Ironwood (TPU v7) çip başına 4.614 TFLOPS FP8 (yoğun), 192 GB HBM ve yaklaşık 7,4 TB/s bellek bant genişliği sunar. 9.216 çipli bir pod 42,5 EFLOPS FP8’e ulaşır (9.216 × 4.614 TFLOPS) ve yaklaşık 10 MW çeker. Google bu pod’un El Capitan’ın 24 katı olduğunu söyledi. Ancak kıyas, FP8 rakamını El Capitan’ın Kasım 2024 listesindeki FP64 LINPACK sonucu olan 1,74 EFLOPS ile karşılaştırıyordu (42,5 ÷ 1,74 ≈ 24). The Register, El Capitan’ın FP8’e normalize edilmiş yoğun pikini 87 EFLOPS’un üzerinde tahmin etti. Aynı birimle El Capitan, Ironwood pod’unun iki katından fazla kapasite gösterir.

TOP500’ün kendi içinde de iki ölçü vardır. Ana sıralama FP64 hassasiyetindeki HPL testine, yapay zekâya yakın ölçü ise karma hassasiyetli HPL-MxP testine dayanır. El Capitan’ın Kasım 2025 HPL sonucu 1,809 EFLOPS’tur. Storage Newsletter’ın verdiği HPL-MxP değeri ise 16,7 EFLOPS’tur. Bu değer doğruysa aynı makine ölçü değişince yaklaşık 9 kat güçlü görünür.

Pik ile fiili iş arasındaki farkı ölçen kavram MFU’dur (model FLOPs utilization, model FLOP kullanım oranı), yani eğitimde fiilen yapılan faydalı işlemin pik kapasiteye oranı. Llama 3 405B eğitimi yaklaşık %38 MFU ile koştu. Nvidia’nın NGC kataloğundaki FP8 eğitim tarifi, 576 H100 üzerinde 1.979 TFLOPS’luk FP8 pikine göre yaklaşık %42,7 MFU verir. GPU sayısı arttıkça çipler birbirini bekler ve MFU düşer, %50’nin üzeri zordur. Sonuçta kâğıt üstündeki EFLOPS’un eğitimde fiilen kullanılan payı çoğu zaman üçte bir ile yarı arasında kalır.

Çin istatistiklerinin taban sorunu ve atıl kapasite

Çin’in resmî hesaplama gücü verisi en az iki ayrı seride yayımlanır ve seriler birbirine eklenemez. MIIT’in 2024 sonu serisinde akıllı hesaplama 90 EFLOPS, Çin Hesaplama Gücü Konferansı’nın Haziran 2025 sonu değeri ise FP16 bazında 788 EFLOPS’tur. Tek seri sanılırsa altı ayda yaklaşık 8,8 katlık (788 ÷ 90) fiziksel olarak mümkün görünmeyen bir artış çıkar. Farkın önemli kısmı büyük olasılıkla kesim ve hassasiyet tabanındaki değişimden gelir. İki kurum da serileri birbirine bağlayan bir yöntem notu yayımlamadığı için kesin neden belirsizdir.

KuCoin haber servisinin Mart 2026’da aktardığı rakamlara göre 15. Beş Yıllık Plan dönemi bilgi-iletişim planı 2025 tabanını 1.590 EFLOPS, 2030 hedefini 9.800 EFLOPS (6,2 kat) olarak veriyor. Bu rakamlar resmî plan metniyle teyit edilmiş değildir. Bu taban 2023 planının 300 EFLOPS hedefiyle aynı birimle okunursa hedef beş kattan fazla aşılmış görünür. Bir Çin hesaplama gücü haberinde ilk bakılacak şey hassasiyet (FP64, FP32, FP16 ya da FP8) ve kapsamdır.

Kurulu kapasite ile kullanılan kapasite de farklıdır. MIT Technology Review Mart 2025’te yerel kaynaklara dayanarak yeni hesaplama kapasitesinin %80’e kadarının atıl kaldığını, 500’ü aşkın proje duyurulduğunu ve 2024 sonunda en az 150’sinin tamamlandığını yazdı. SMIC’in eş-CEO’su Zhao Haijun bazı tesislerin %20-30 kullanımda olduğunu söyledi, kârlılık için %70-75’in üzerinde kullanım gerektiği aktarılıyor. "%80 atıl" kapasitenin hiç kiralanmamış payını, "%20-30 kullanım" ise kurulu çiplerin çalıştığı zaman payını anlatır. İkisi aynı şey değildir.

Talebin bir kısmı yerel yönetim desteğiyle yaratılıyor. Pekin’in 2023-2025 planı, gerçek hesaplama kirasının %20’sini firma başına yılda en çok 2 milyon yuana kadar karşılıyor. Pekin E-Town yılda 100 milyon yuanlık hesaplama kuponu dağıtıyor. Kupon ithal çipli hesaplamada %30, yerli çipli hesaplamada %40 indirim sağlıyor, firma başına yıllık tavan 20 milyon yuan. Yılda 10 milyon yuanlık kira ödeyen bir şirket ithal çipte 3 milyon yuan (10 × 0,30), yerli çipte 4 milyon yuan (10 × 0,40) destek alır. Yerli ikame politikası böylece doğrudan kira fiyatına yazılmış olur.

Resmî anlatı hesaplama gücünü bir kamu altyapısı gibi çarpanla gerekçelendirir. Çin Bilgi ve İletişim Teknolojileri Akademisi (CAICT) 2023’te hesaplamaya harcanan her 1 yuanın 3-4 yuanlık GSYH büyümesi getirdiğini, hesaplama ölçeğinin 2016-2021 arasında yıllık %46 büyüdüğünü açıkladı. Bu tür çarpanlar korelasyona dayanır, nedensellik kanıtı değildir. Atıl kapasite tartışması, hesaplama gücünün otomatik olarak büyüme ürettiği varsayımının en güçlü eleştirisidir.

Kiralama fiyatı, 2025 çöküşü ve 2026 dönüşü

2025, GPU kiralamada fazla arz yılı oldu. Introl’un Silicon Data endeksine dayanan derlemesine göre H100 saatlik fiyatı Eylül 2024’ten Haziran 2025’e yaklaşık %23 düştü (3,06 dolardan 2,36 dolara). AWS Haziran 2025’te H100 fiyatlarını yaklaşık %44 indirdi. Aralık 2025’te bir yıllık taahhütler saatte yaklaşık 1,90-2,10 dolardan işlem görüyordu ve yıl içinde 300’den fazla yeni H100 bulut sağlayıcısı pazara girdi.

2026’nın ilk aylarında yön döndü. IntuitionLabs’in fiyat karşılaştırma rehberi, SemiAnalysis verisine atıfla bir yıllık H100 sözleşme fiyatının Ekim 2025’teki 1,70 dolardan Mart 2026’da GPU-saat başına 2,35 dolara, yaklaşık %38 çıktığını aktarır (2,35 ÷ 1,70 ≈ 1,38). Gerekçe kapasitenin tükenmesidir. Veri ikincil kaynaktandır ve SemiAnalysis’in kendi serisi kamuya açık değildir, ama "GPU fazlası" anlatısının 2025 sonunda tersine döndüğüne işaret eder.

Çin’de de fiyat yönü yukarı döndü. Alibaba Cloud 18 Mart 2026’da, 18 Nisan’dan geçerli olmak üzere yapay zekâ hesaplama ve depolama ürünlerinde %34’e varan zam duyurdu. T-Head Zhenwu 810E kartlarında artış %5-34, CPFS akıllı hesaplama depolamasında %30 oldu. Baidu Cloud %5-30 zam yaptı, Zhipu API fiyatını 2026’da üçüncü kez artırdı. Bu zamlar yıllarca süren bulut fiyatı indirimlerinin ardından geldi. Dragonomi’nin Nisan 2026 yazısına göre Alibaba’nın zammından sonra talep hız kaybetmedi (Çin modellerinden Anthropic çıkar mı).

Yeni nesil çiplerde kıyaslanabilir bir endeks yok. GMI Cloud, DeployBase ve IntuitionLabs’in derlediği platform fiyatlarına göre GB200 kiralama fiyatları GPU-saat başına 8 ile 27 dolar, B200 fiyatları 2,12 ile 6,04 dolar arasında dağılıyor. SemiAnalysis’e göre bir GB200 NVL72 rafının çıplak maliyeti yaklaşık 3,1 milyon dolar, ağ ve depolama dahil yaklaşık 3,9 milyon dolardır.

Örnek hesap, bir rafın kira geliri

Bir neocloud’un tek bir GB200 NVL72 rafını aralığın en alt fiyatından kiraya verdiği varsayılsın. Elektrik, bina ve finansman dışarıda bırakılır.

1. Raftaki 72 GPU’nun saatlik geliri 72 × 8 dolar = 576 dolardır.
2. Yılda 8.760 saat vardır. Tam dolulukta yıllık gelir 576 × 8.760 = 5.045.760 dolar, yani yaklaşık 5,05 milyon dolardır.
3. Doluluk %60’ta kalırsa gelir 5,05 × 0,60 ≈ 3,03 milyon dolara iner.
4. 3,9 milyon dolarlık raf, tam dolulukta yaklaşık 0,8 yılda (3,9 ÷ 5,05), %60 dolulukta yaklaşık 1,3 yılda (3,9 ÷ 3,03) brüt gelirle karşılanır.

Raf maliyeti sabit, gelir ise doluluğa bağlı olduğu için doluluktaki 40 puanlık fark geri dönüş süresini yaklaşık %67 uzatır (1 ÷ 0,60 ≈ 1,67). Bu brüt bir hesaptır. Elektrik, bina kirası, finansman maliyeti ve kira fiyatlarının çip eskidikçe düşmesi eklendiğinde net geri dönüş süresi belirgin biçimde uzar. 2025’teki H100 fiyat düşüşü bu riskin somut örneğidir.

Sözleşme ve finansman yapıları

Büyük hesaplama sözleşmelerinin birimi artık gigavattır. OpenAI 2025’te Nvidia ile 10 GW, AMD ile 6 GW ve Broadcom ile 10 GW’lık anlaşmalar açıkladı. AMD anlaşması OpenAI’a 160 milyon hisseye kadar varant (hisse alım hakkı) tanıyor. OpenAI yöneticileri 1 GW’ın maliyetini yaklaşık 50 milyar dolar olarak veriyor, bunun yaklaşık 35 milyar doları çiptir. Bu maliyetle toplam 26 GW kâğıt üzerinde 1,3 trilyon dolar eder (26 × 50), The Decoder ise sözleşmelerin toplamını yaklaşık 1 trilyon dolar olarak verir.

Örnek hesap, gigavattan çipe

Bir sözleşmedeki GW rakamı kaba bir dönüşümle çip ve EFLOPS’a çevrilebilir. Google’ın Ironwood verisi bunun için elverişlidir, çünkü pod düzeyinde hem işlem hem güç rakamı yayımlanmıştır.

1. 9.216 çipli bir pod yaklaşık 10 MW çeker. Megavat başına yaklaşık 922 çip düşer (9.216 ÷ 10).
2. Aynı pod 42,5 EFLOPS FP8 verir. Megavat başına yaklaşık 4,25 EFLOPS FP8 eder (42,5 ÷ 10).
3. 1 GW, 1.000 MW’tır. Bu oranla 1 GW yaklaşık 922 bin Ironwood çipine ve yaklaşık 4.250 EFLOPS FP8 kâğıt üstü kapasiteye karşılık gelir.
4. OpenAI yöneticilerinin 1 GW için verdiği yaklaşık 50 milyar dolarlık maliyetle her FP8 EFLOPS kabaca 11,8 milyon dolara denk gelir (50.000 ÷ 4.250).

Bu üst sınırdır. Pod gücü tesisin soğutma ve dağıtım kayıplarını tam içermeyebilir, sözleşmedeki GW ise çoğu zaman tesis düzeyinde verilir. Huawei CloudMatrix 384’te oran megavat başına yaklaşık 640 çiptir (384 ÷ 0,6). Aynı GW, çip türüne göre çok farklı sayıda çip ve EFLOPS anlatır.

Sözleşmelerin iç yapısı GPU-saatten çok inşaat sözleşmesine benzer. Nebius’un Eylül 2025’te SEC’e verdiği 6-K bildirimine göre Microsoft anlaşmasının değeri yaklaşık 17,4 milyar dolar, ek kapasiteyle 19,4 milyar dolardır ve kapasite dokuz dilimde 2025-2026’da teslim ediliyor. Yaklaşık 6,96 milyar dolar, yani değerin yaklaşık %40’ı (6,96 ÷ 17,4), teslim kilometre taşlarına bağlı peşin ödemedir. Kalanı Ekim 2031’e kadar aylık faturalanıyor. Teslim gecikirse ya da kesinti olursa Microsoft dilimi feshedebiliyor veya servis kredisi alabiliyor.

CoreWeave’in 7 Mayıs 2026’da açıkladığı 2026’nın ilk çeyreği (31 Mart 2026’da biten çeyrek) sonuçları, bu modelin finansal yüzünü gösterir.

Gelir bir yılda iki katından fazla arttı (2.078 ÷ 982 ≈ 2,1), ama düzeltilmiş işletme marjı %17’den %1’e indi. Sermaye harcaması çeyreklik gelirin yaklaşık 3,7 katıdır (7.695 ÷ 2.078). Aktif güç 1 GW’ın, sözleşmeli güç 3,5 GW’ın üzerindedir. Yönetime göre birikimin %36’sı 24 ayda (yaklaşık 35,8 milyar dolar), %75’i dört yılda gelire dönüşecek ve yatırım notu altındaki yapay zekâ girişimlerinin payı %30’un altında.

Finansman müşterinin kredi kalitesine dayanır. CoreWeave aynı çeyrekte 8,5 milyar dolarlık, yatırım yapılabilir notlu ve şirkete başvurusuz (non-recourse) bir gecikmeli çekilişli vadeli kredi (DDTL 4.0) kullandı. Değişken dilimin faizi SOFR + %2,25, sabit dilimin başlangıç faizi yaklaşık %5,9’dur. Nvidia da CoreWeave’e 2 milyar dolarlık hisse yatırımı yaptı ve 2030’a kadar 5 GW’ın üzerinde yapay zekâ fabrikası için ilişkiyi genişletti. Çip satıcısının müşterisine ortak olması döngüsel finansman tartışmasını besliyor. Döngüsel finansman, satıcının müşterisine para sağlayıp o parayla kendi ürününü satmasıdır.

Bina ayrıca finanse ediliyor. Meta’nın Hyperion projesi için Blue Owl ile kurduğu 27 milyar dolarlık ortak girişimde Blue Owl fonları %80, Meta %20 paya sahip ve yapı Meta’nın bilançosu dışında tutuluyor. Meta kira ödemelerine ve tesisin dönem sonu değerine kalıntı değer garantisi (residual value guarantee) veriyor. Borç %6,58 getiriyle ve yaklaşık A+ notla, Meta’nın AA- notunun bir kademe altında satıldı. Garanti, ekonomik ömür riskini fiilen yine kiracıya yükler.

KBRA, 22 Haziran 2026’da GPU ve TPU finansmanlarında yeniden kiralama riskine dair bir araştırma yayımladı. Kuruluşa göre asıl soru çipin fiziksel ömrü değil, ilk sözleşme bittiğinde müşterilerin kapasiteyi cazip fiyattan kullanmaya devam edip etmeyeceğidir, yani "faydalı ömür" ile "ekonomik ömür" ayrıdır. Çin’de ise avans ödemeli alım (aracının çipleri kiracı adına peşin parayla alması) ve sırt sırta alt kiralama (back-to-back) modelleri yaygın. Cailian’ın aktarımına göre bunlar şeffaflığı düşürüyor ve kiracı kredisi ile yeniden kiralama riskini öne çıkarıyor.

Muhasebe tuzakları ve eleştiriler

Hesaplama kapasitesinin muhasebedeki karşılığı amortismandır ve süresi kârı doğrudan oynatır. Alphabet ve Microsoft ilgili sunucuları 6 yılda amorti ediyor. Amazon ise ters yöne gitti. Bir sunucu alt kümesinin ömrünü 6 yıldan 5 yıla indirdi ve bazı sunucuları erken emekliye ayırdığı için yaklaşık 920 milyon dolarlık hızlandırılmış amortisman yazdı. Meta ise sunucu ve ağ ekipmanının çoğunun ömrünü 5,5 yıla uzattı ve 2025’in ilk dokuz ayında amortismanı yaklaşık 2,3 milyar dolar azalttı. Michael Burry, 2026-2028 arasında yaklaşık 176 milyar dolarlık amortismanın eksik raporlanacağını savundu. Webull ve iTiger’ın aktarımına göre JPMorgan Asset Management, GPU ve ağ yatırımları 3 yıllık ömürle hesaplanırsa 2025 hisse başına kârının Amazon, Meta ve Microsoft’ta yaklaşık %7, Alphabet’te %6, Oracle’da %17 düşeceğini hesapladı.

Çin’deki küçük kiralama şirketlerinde aynı duyarlılık daha sert görünür. Hengrun Shares’in hesaplama kiralama brüt marjı 2025’te %56,29’dan %5,52’ye düştü ve düşüşte boş döneme ait 34,45 milyon yuanlık amortisman belirleyici oldu. Bu şirketlerde gelir fiili kullanımdan, maliyet ise amortisman, veri merkezi kirası ve bakımdan oluşur. CLS’in aktardığı yıllık rapor verilerine göre adı geçen bir başka kiralama şirketinde ilk beş müşterinin gelir payı 2023’teki %47,52’den 2025’te %74,05’e çıktı. Bu yapıda tek müşterinin ayrılması marjı bir çeyrekte çökertebilir. Sözleşmenin kullanım bazlı mı sabit ücretli mi olduğu marjdan önce bakılacak bilgidir.

Terimin kendisi de bir tuzak taşır. Nvidia’nın finansal tablolarında "compute" bir ürün kalemidir ve GPU ile CPU satışlarını anlatır, ağ ürünleri "networking" başlığında ayrı raporlanır. Örnek olarak Şubat 2026’da açıklanan 2026 mali yılı dördüncü çeyreği alınabilir. Bu çeyrekte veri merkezi geliri 62,3 milyar dolardı. "Compute" yaklaşık 51,3 milyar dolar ile çeyreklik %19, yıllık %58, "networking" yaklaşık 11 milyar dolar ile çeyreklik %34, yıllık %263 büyüdü ve artışın çoğu NVLink anahtarlarından geldi. Ağın veri merkezi gelirindeki payı yaklaşık %18’e çıktı (11 ÷ 62,3). O çeyrekte en hızlı büyüyen parça, segment adıyla "compute" değil, çipleri birbirine bağlayan ağdı. Aynı ayrım sonraki çeyreklerin sonuçlarında da ilk bakılacak kırılımdır.

Sermaye harcaması da kapasiteye bire bir çevrilemez. Alphabet 2026 rehberliğini 175-185 milyar dolardan 180-190 milyar dolara, Meta 115-135 milyar dolardan 125-145 milyar dolara yükseltti. Microsoft’un takvim yılı 2026 için öngördüğü yaklaşık 190 milyar doların 25 milyar dolarını finans direktörü bellek çipi fiyat artışına bağladı. Harcamanın yaklaşık %13’ü (25 ÷ 190) ek kapasite değil fiyat enflasyonudur. Sermaye harcaması GW ya da EFLOPS’a çevrilirken birim maliyet artışı hesaba katılmazsa kapasite olduğundan büyük görünür.

Eleştiriler ölçünün kendisine de uzanır. H100-eşdeğeri kâğıt üstü bir birimdir, gerçek iş yükünü ve sahiplik ile kullanım ayrımını göstermez. Talep tarafında Citadel’den aktarılan bir yorum, işlem gücünün marjinal maliyeti insan emeğini aştığında yapay zekâ benimsenmesinin kendini sınırlayabileceğini savunur (Citrini’ye karşı iyimser görüş, Citadel).