Öne Çıkanlar:
Tek bir verimlilik metriği, hangi yapay zeka şirketinin en yüksek değerlemeye ulaşacağını belirleyebilir — ve bunun gelirle hiçbir ilgisi yok.
Perplexity CEO'su Aravind Srinivas Çarşamba günü yaptığı açıklamada, "kullanıcı tokenı başına watt başına değer"i en üst düzeye çıkarabilen şirketlerin yapay zekada uzun vadeli kazananlar olarak ortaya çıkacağını söyledi ve yatırımcıların odağını üst satır büyümesinden operasyonel verimliliğe kaydıran bir çerçeve önerdi. Srinivas, bir CNBC röportajında, metriğin doğruluk, gecikme süresi, maliyet, gizlilik ve zekayı, tüketilen enerji birimi başına ekonomik çıktının tek bir oranında birleştirdiğini belirtti.
"Bunu en üst düzeye çıkarabilen — doğruluk, gecikme süresi, maliyet, gizlilik ve zekayı dengeleyen — uzun vadeli kazanan olacaktır," dedi Srinivas. Çerçevesini, yüksek fiyatlandırma ile yönlendirilen kısa vadeli gelir büyümesi olarak tanımladığı durumla karşılaştırarak, bazı model sağlayıcılarının "modelleri çok pahalı olduğu için çok para kazanıyormuş gibi göründüklerini," ancak bu gelirin kalıcı rekabet avantajına dönüşmeyebileceğini söyledi.
Bu yorumlar, Epoch AI verilerine göre, yapay zeka token maliyetlerinin 2022 sonlarında milyon token başına yaklaşık 20 dolardan 2025 ortasına kadar milyon token başına yaklaşık 0,40 dolara düştüğü bir dönemde geliyor. Ancak toplam kurumsal yapay zeka harcamaları ters yönde hareket etti: ortalama aylık kurumsal yapay zeka harcaması 2024'teki 63.000 dolardan 2025'te 85.500 dolara yükseldi ve şirketlerin neredeyse yarısı artık yapay zeka altyapısı veya hizmetlerine ayda 100.000 doların üzerinde harcama yapıyor. Bu ayrışma — daha ucuz tokenların katlanarak daha fazla tüketimi tetiklemesi — Mercor CEO'su Brendan Foody'nin yakın zamanda startup'ının artık çalışan maaşlarından daha fazlasını yapay zeka tokenlarına harcadığını söylediğinde tanımladığı Jevons paradoksu etkisini yansıtıyor.
Yapay Zeka Değerlemelerini Yeniden Şekillendirebilecek Verimlilik Metriği
Srinivas'ın çerçevesi, yapay zeka sektörünün harcamalar ve getiriler arasında büyüyen bir kopuklukla karşı karşıya olduğu bir dönemde geliyor. Araştırmalar, model yetenekleri hızlı bir şekilde gelişse bile, şirketlerin yüzde 85'inin yapay zeka dağıtımlarından net bir yatırım getirisi göstermekte zorlandığını ortaya koyuyor. Uber COO'su Andrew Macdonald yakın zamanda, artan yapay zeka token harcamaları ile üretkenlik kazanımları arasında orantılı bir bağlantı henüz görmediğini söyleyerek, teknik ilerlemeyi ölçülebilir iş sonuçlarına dönüştürmenin zorluğunun altını çizdi.
Perplexity'nin kendisi, Srinivas'ın metriğinin ele almayı amaçladığı değerleme açığını örnekliyor. Yapay zeka arama startup'ı, raporlara göre yaklaşık 20 milyar dolar değerinde — Anthropic'in tahmini 1 trilyon dolarlık değerlemesinin ve OpenAI'in 850 milyar doların üzerindeki fiyat etiketinin çok küçük bir kısmı. Srinivas, verimliliği ölçeğin üzerinde ağırlıklandıran bir çerçeve önererek, Perplexity'nin çıkarım maliyeti yönetimine yönelik daha yalın yaklaşımının, daha büyük rakiplerinin ham hesaplama bütçelerine ulaşmasa bile, dolar başına üstün getiriler sağlayabileceği argümanını etkili bir şekilde ortaya koyuyor.
Şirket aynı anda ürün ayak izini genişletiyor. Uzun süreler boyunca karmaşık çok adımlı görevleri yürütebilen bir yapay zeka ajanı olan Perplexity Computer, Şubat ayında Apple'ın Mac platformunda piyasaya sürüldükten sonra artık Microsoft Windows'ta kullanılabiliyor. Windows sürümü Word, Outlook ve yerel cihaz dosyalarına erişebiliyor ve Perplexity'nin erişimini bulut tabanlı aramadan cihaz içi üretkenliğe genişletiyor — bu hamle, onu doğrudan Microsoft'un Copilot'u ve Microsoft'un yeni Execution Containers (MXC) sanal alanıyla güvenli ajan dağıtımı için entegre ettiği OpenAI'in Codex ajanı ile rekabete sokuyor.
Windows'a genişleme, Perplexity'ye kurumsal masaüstü bilgisayarların çoğuna güç veren işletim sistemine erişim sağlıyor, ancak aynı zamanda startup'ı Microsoft'un kendi yapay zeka hedefleriyle rekabete sokuyor. Bu hafta Build'de tanıtılan Microsoft'un Project Solara'sı, cihazların geleneksel uygulamalar yerine yapay zeka ajanlarını çalıştırdığı bir gelecek öngörürken, MXC platformu otonom ajanlar için çekirdek düzeyinde güvenlik kapsayıcılığı sağlıyor — Perplexity'nin ajanının Windows makinelerinde bu altyapı içinde çalışması gerekecek.
Yatırımcılar için Srinivas'ın verimlilik metriği, sektörün belirsiz getirilerle yüz milyarlarca doları altyapıya harcadığı bir dönemde yapay zeka şirketlerini değerlendirmek için yeni bir mercek sunuyor. Başarılı sonuç başına daha düşük çıkarım maliyetleri gösterebilen şirketler — ister model mimarisi, ister donanım optimizasyonu veya daha akıllı iş akışı tasarımı yoluyla — mutlak gelirleri daha büyük rakiplerinin gerisinde kalsa bile primli değerlemeler elde edebilir. Asıl soru, piyasanın, yapay zeka sektörünün en göz alıcı kazanımlarını yönlendiren ölçeğin kendisini cezalandıran bir metriği benimseyip benimsemeyeceğidir.
Bu makale yalnızca bilgilendirme amaçlıdır ve yatırım tavsiyesi niteliği taşımaz.
