Trend Olan Konular
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Freda Duan
Yapay Zeka Süper Dikeliler: Önce Kodlama, Sonra Excel mi?
Kodlama, bugüne kadarki en güçlü yapay zeka uygulama dikey sektörlerinden biri olarak ortaya çıkmasıyla herkesi şaşırttı.
Üç nadir özelliği birleştirir: devasa bir TAM, bitişik kullanım durumlarına doğal bir kaka ve geleneksel satış ve pazarlama ihtiyacını büyük ölçüde ortadan kaldıran ürün odaklı bir GTM. Çok az dikey bu profili paylaşıyor.
Excel bunlardan biri.
TAM ise daha da büyük. Yazılım endüstrisinin büyük bir kısmı katmanlı "Excel ambalajları" olarak görülebilir ve benimseme büyük ölçüde kendi kendine hizmet eder. Bu muhtemelen hem $OpenAI hem de $Anthropic'nin elektronik tablolara ve verimlilik iş akışlarına (kamu raporlarına göre) agresif bir şekilde genişlemesini açıklıyor.
++++
🔵Kodlama
1/ Kodlama neden işe yaradı:
Geliştiriciler, yoğun pazarlama olmadan en iyi araçları hızla belirler. Genellikle satın alma üzerinde doğrudan etkiye sahiptirler ve şirketler, verimlilik artarsa geliştirici başına artan maliyetlere karşı nispeten duyarsızdır. Sonuç olarak, güçlü ürünler en az satış çabasıyla aşağıdan yukarıya yayılır - çoğu dikey sektörde açıkça satış, pazarlama ve kurumsal satın alma gerektiriyor.
Diğer çoğu dikey alanda (sağlık, gayrimenkul, finans vb.) açıkça satış, pazarlama ve kurumsal satın alma gerektirir.
2/ TAM:
Kodlama için yaygın olarak kullanılan TAM ~$2T'dir.
Daha da önemlisi, kodlama sadece bir son pazar değil - bir kama gibi. Geliştirici iş akışına sahip olmak, üzerine inşa edilen her uygulamada bir avantaj sağlar.
3/ Kodlama - Durum kontrolü:
4 şirket $1B+ ARR fiyatıyla
En az 7 şirket, genellikle eşi benzeri görülmemiş bir hızla 100 milyon dolarlık ARR'i aşmıştır
++++
🔵Excel de aynı kalıba uyuyor.
Büyük bir TAM'a sahiptir, birçok bitişik kullanım alanına açılan bir kapı görevi görür ve sınırlı GTM ile kendi kendine hizmet veren benimsemeyi destekler. ~$500B'lik uygulama yazılımı endüstrisi, CRM, Airtable, Smartsheet ve finans, operasyon, analitik ve iç araçların büyük bölümlerini kapsayan dev bir Excel soyutlama katmanıdır.
▶️TAM:
Microsoft Office, Google Workspace ve WPS arasındaki örtüşmeyi hesaba katsak bile, ~1.5–1.6B küresel aylık aktif tablo kullanıcı tabanı makul bir tahmindir.
▶️Excel ayrıca Excel'den daha fazlasıdır:
Yazılım ~$1T bir sektör olup, uygulama yazılımı muhtemelen %%50'sini temsil eder. Yapay zeka tabanlı bir Excel programlanabilir hale gelirse, fırsat tabloların ötesine geçip, uygulama oluşturma sürecine de genişler.
▶️GTM:
Finans, doğal bir başlangıç noktasıdır. Kişi başı yüksek kâr, verimlilik araçları için ödeme yapma konusunda güçlü istekliliği, analist düzeyinde doğrudan bütçe yetkisi ve ürünleri büyük ölçüde kendi kendine satan net yatırım getirisi var. Küresel tablo kullanıcılarının yaklaşık ~%10'u finansla ilgili rollerde çalışıyor ve bu da çok büyük ve yüksek miktarda para kazanılabilir bir başlangıç noktasını temsil ediyor.
Kodlama, geniş bir yüzey alanına sahip, kendi kendine hizmet eden, iş akışına özgü bir aracın ne kadar hızlı ölçeklenebildiğini gösterdi. Excel, bu oyun kitabının bir sonraki versiyonu olabilir - daha büyük ölçekte.
---
Tam analiz:
9
Sohbet botları daha çok yayın akışına mı benzeyecek yoksa arama gibi mi görünecek?
Akış, arama ve sohbet botları, klasik ağ etkileri olmayan (nispeten düşük anahtarlama maliyetleri) olmayan sektörlerdir. Ancak yayın akışı parçalanmışken, arama neredeyse tekele dönüşmüştür.
🔵Akış - tasarım gereği parçalanmış
İçerik bir meta değildir. Farklılaştırılmış, dışlayıcı olmayan ve farklı platformlarda yaşıyor. Yani piyasa dağınık kalıyor. YouTube, Netflix, Disney... Her biri tek haneli paya sahip çünkü farklı programlara sahip.
🔵Arama - kazanan neredeyse her şeyi alır
$Google $Bing o kadar kötü olmasa da ~%90 paya sahip. Neden?
1/ Dağıtım/varsayımlar inanılmaz derecede güçlüdür
Çoğu insan arama motoru seçmez. Cihazın onlara verdiği şeyi kabul ediyorlar. $Google, temerrüt olmak için yılda on milyarlarca dolar ödüyor.
2/ Alışkanlık ve marka
$Google bir fiildir. $Bing değil. Alışkanlığın gücü ve marka fazlasıyla küçümseniyor (ve açıkçası buna biraz şaşırdım).
3/ Veri silanı (bir dereceye kadar)
Daha iyi motor → daha fazla kullanıcı → daha fazla veri → daha iyi motor. Bu etkinin ne kadar büyük olduğunu sorgularım ama kesinlikle var.
4/ Reklam ekosistemi ölçeği
Reklamverenler, Search + YouTube + Maps + Android + Gmail sayesinde Google'da daha fazla hacim ve daha iyi yatırım getirisi elde ediyor. Bu yüzden Google'a öncelik veriyorlar, bu da liderliği pekiştiriyor.
🔵Sohbet botları/Ajanlar - yayından çok aramaya mı yakın?
Chatbotlar daha çok arama gibidir: çıktılar meta gibi hissettirir ve her şeyi hatırlayan bir asistan istersiniz (eğer chatbotlar hafızayı bulursa, kilitlenme aramadan daha güçlü olmalı). Bölgesel/dil cepleri olacak (örneğin, Çin).
Erken $Google arama günleriyle karşılaştırıldığında:
- Düzenlemeler artık daha sıkı (tekel olmak daha zor);
- Platformlar bugün daha parçalı: $Google, $Meta (ve belki MSFT/AAPL/AMZN) her biri kendi sıkı entegre asistanını zorlayacak; Apple ile Windows/Android arasında kamp var;
Tüm bunlar, tek bir tekel olasılığını çok daha az hale getiriyor.
Kullanıcı seviyesinde: işin %70-90'ını bir çekirdek ajan yapıyor.
Piyasa seviyesinde: belki 2-3 mega-asistan, tek bir $Google tarzı %90 kazanan yok.
26 Kas 2025
Sınır modeli iş modeli üzerine derin bir düşünce. Tüm bunlar The Information, NYT vb. tarafından sızdırılan sayılara dayanıyor.
🔵Çekirdek: Bu bir hesaplama-yakma makinesidir
Modelin özünde acımasızca basittir: neredeyse tüm maliyetler hesaplamadan gelir – çıkarım ve özellikle eğitim. Eğitim, ölçeklendirme yasası gibi bir şeye uyar. Maliyetlerin her yıl ~5 kat arttığını varsayalım; ve eğitim maliyetlerinden elde edilen yatırım getirisi 2 kattır.
Bu garip bir dinamik yaratıyor:
1. Sınıf eğitim maliyeti: 1
Bu modelden 2. yıl geliri: 2
Ama 2. sınıf eğitim maliyeti bir sonraki model için: 5
Net: +2 - 5 = -3
İleriye koşursanız, daha da kötüleşir:
3. Yıl geliri: +10
3. sınıf eğitim maliyeti: -25
Net: -15
Frontier modelleri, şu anda kullanıldığı haliyle negatif nakit akışı kartopları. Her nesil bir öncekinden daha fazla nakit yakar.
Bunun pozitif nakit akışına dönüşmesi için mantıklı olarak sadece iki şey değişebilir:
C. Gelir 2 katından çok daha hızlı artar, ya da
B. Eğitim maliyeti büyümesi yılda 5 kattan yaklaşık 2 katına < kadar yavaşlıyor
Anthropic'in CEO'su Dario Amodei, senaryo B'yi ("eğitim maliyetleri katlanarak büyümeyi durdurur") iki olası gerçekliğe ayırmıştır:
1/ Fiziksel/ekonomik sınırlar: Bir modeli 5 kat daha büyük şekilde eğitemezsiniz — yeterli çip yok, yeterli güç yok ya da maliyet dünya GSYİH'sına yaklaşıyor.
2/ Azalan getiri: Daha büyük bir modeli eğitebilirsiniz ama ölçekleme eğrisi düzleştirilir. Bir 10 kat daha harcamak artık değmiyor.
OpenAI ve Anthropic'in Rakamları Ne Gösteriyor:
Her iki şirketin sızdırdığı finansal projeksiyonlar bu çerçeveyi temelde doğruluyor.
OpenAI: OpenAI'nin planı, 2028'den sonra toplam hesaplama kapasitesinin büyümesinin durduğunu fiilen varsayıyor.
Çeviri: Eğitim maliyetleri düzleştiği için marjlar iyileşiyor. Bu senaryo B.
Antropik:
1/ Model başına getirilen gelirin her yıl arttığını varsayırlar. 1 harca, 2 yerine 5 geri al.
2/ Hesaplama harcamaları büyümesi de çok daha sessiz. FY25'ten FY28'e: Anthropic'>> OpenAI hesaplama maliyeti artışı
Yukarıdaki çerçeveyi kullanarak, hem A gelir artışını hem de B daha yavaş maliyet artışını bekliyorlar.
🔵 $NFLX en yakın benzetme
Teknolojide, sermaye yoğun modeller nadir görülür, ancak benzeri görülmemiş değildir. $NFLX iyi bir benzetme: yıllarca her yıl kötüleşen derin negatif nakit akışı vardı. İçeriğe önceden para yatırmak zorundaydılar ve bu varlıklar dört yıl boyunca değer kaybetti. Birçok açıdan veri merkezi ve model eğitimi ekonomisine benziyor.
2019'daki en yüksek nakit yanışı: -3B
2020 nakit akışı: +2B
Neden ani bir salınım pozitif? COVID üretimi durdurdu. İçerik harcaması artmayı durdurdu. Nakit akışı anında tersine döndü.
🔵Son Oyun: Maliyet Büyümesi Yavaşladığında Marjlar Gelir
$NFLX içeriğe yatırım yapmayı tamamen bırakmadı – ~300 milyon küresel aboneye ulaştığında bu yatırımı agresif şekilde *büyütmek* sona erdi. Bu ölçekte yapışkanlık yüksek ve sadece konumlarını korumaları gerekiyor, içerik harcamalarını yılda 10 kat genişletmek değil.
OpenAI ya da Anthropic'in antrenmanı tamamen bırakacağını sanmıyorum. Ama eğitim harcamalarını sonsuza kadar kat kat artırmak zorunda kalmayacaklar. Bir noktada:
Model başına yatırım getirisi artar, ölçeklendirme sınırları devreye girer, ya da her ikisi de geçerli.
Ve yıllık eğitim harcamaları yılda 5 kat artmayı durdurduğu anda, kâr marjları neredeyse hemen ortaya çıkıyor.
LLM ekonomisinin garip yanı şu:
Bu bir yakma makinesi... ta ki aniden artık değil.
Kaynak:
++
Tam makale:
34
Sınır modeli iş modeli üzerine derin bir düşünce. Tüm bunlar The Information, NYT vb. tarafından sızdırılan sayılara dayanıyor.
🔵Çekirdek: Bu bir hesaplama-yakma makinesidir
Modelin özünde acımasızca basittir: neredeyse tüm maliyetler hesaplamadan gelir – çıkarım ve özellikle eğitim. Eğitim, ölçeklendirme yasası gibi bir şeye uyar. Maliyetlerin her yıl ~5 kat arttığını varsayalım; ve eğitim maliyetlerinden elde edilen yatırım getirisi 2 kattır.
Bu garip bir dinamik yaratıyor:
1. Sınıf eğitim maliyeti: 1
Bu modelden 2. yıl geliri: 2
Ama 2. sınıf eğitim maliyeti bir sonraki model için: 5
Net: +2 - 5 = -3
İleriye koşursanız, daha da kötüleşir:
3. Yıl geliri: +10
3. sınıf eğitim maliyeti: -25
Net: -15
Frontier modelleri, şu anda kullanıldığı haliyle negatif nakit akışı kartopları. Her nesil bir öncekinden daha fazla nakit yakar.
Bunun pozitif nakit akışına dönüşmesi için mantıklı olarak sadece iki şey değişebilir:
C. Gelir 2 katından çok daha hızlı artar, ya da
B. Eğitim maliyeti büyümesi yılda 5 kattan yaklaşık 2 katına < kadar yavaşlıyor
Anthropic'in CEO'su Dario Amodei, senaryo B'yi ("eğitim maliyetleri katlanarak büyümeyi durdurur") iki olası gerçekliğe ayırmıştır:
1/ Fiziksel/ekonomik sınırlar: Bir modeli 5 kat daha büyük şekilde eğitemezsiniz — yeterli çip yok, yeterli güç yok ya da maliyet dünya GSYİH'sına yaklaşıyor.
2/ Azalan getiri: Daha büyük bir modeli eğitebilirsiniz ama ölçekleme eğrisi düzleştirilir. Bir 10 kat daha harcamak artık değmiyor.
OpenAI ve Anthropic'in Rakamları Ne Gösteriyor:
Her iki şirketin sızdırdığı finansal projeksiyonlar bu çerçeveyi temelde doğruluyor.
OpenAI: OpenAI'nin planı, 2028'den sonra toplam hesaplama kapasitesinin büyümesinin durduğunu fiilen varsayıyor.
Çeviri: Eğitim maliyetleri düzleştiği için marjlar iyileşiyor. Bu senaryo B.
Antropik:
1/ Model başına getirilen gelirin her yıl arttığını varsayırlar. 1 harca, 2 yerine 5 geri al.
2/ Hesaplama harcamaları büyümesi de çok daha sessiz. FY25'ten FY28'e: Anthropic'>> OpenAI hesaplama maliyeti artışı
Yukarıdaki çerçeveyi kullanarak, hem A gelir artışını hem de B daha yavaş maliyet artışını bekliyorlar.
🔵 $NFLX en yakın benzetme
Teknolojide, sermaye yoğun modeller nadir görülür, ancak benzeri görülmemiş değildir. $NFLX iyi bir benzetme: yıllarca her yıl kötüleşen derin negatif nakit akışı vardı. İçeriğe önceden para yatırmak zorundaydılar ve bu varlıklar dört yıl boyunca değer kaybetti. Birçok açıdan veri merkezi ve model eğitimi ekonomisine benziyor.
2019'daki en yüksek nakit yanışı: -3B
2020 nakit akışı: +2B
Neden ani bir salınım pozitif? COVID üretimi durdurdu. İçerik harcaması artmayı durdurdu. Nakit akışı anında tersine döndü.
🔵Son Oyun: Maliyet Büyümesi Yavaşladığında Marjlar Gelir
$NFLX içeriğe yatırım yapmayı tamamen bırakmadı – ~300 milyon küresel aboneye ulaştığında bu yatırımı agresif şekilde *büyütmek* sona erdi. Bu ölçekte yapışkanlık yüksek ve sadece konumlarını korumaları gerekiyor, içerik harcamalarını yılda 10 kat genişletmek değil.
OpenAI ya da Anthropic'in antrenmanı tamamen bırakacağını sanmıyorum. Ama eğitim harcamalarını sonsuza kadar kat kat artırmak zorunda kalmayacaklar. Bir noktada:
Model başına yatırım getirisi artar, ölçeklendirme sınırları devreye girer, ya da her ikisi de geçerli.
Ve yıllık eğitim harcamaları yılda 5 kat artmayı durdurduğu anda, kâr marjları neredeyse hemen ortaya çıkıyor.
LLM ekonomisinin garip yanı şu:
Bu bir yakma makinesi... ta ki aniden artık değil.
Kaynak:
++
Tam makale:
35
En İyiler
Sıralama
Takip Listesi