Makale · Teknoloji
Rakamlarla yapay zekâ patlaması
2010 yılından beri önemli yapay zekâ modellerini eğitmek için kullanılan işlem gücü her 5,7 ay ikiye katlandı — Epoch AI verilerindeki 481 modele uydurulan bir trende göre yılda ×4,3. Microsoft, Alphabet, Amazon, Meta ve Oracle, Eylül 2026 dönemine kadarki dört çeyrekte maddi varlıklara ve ekipmana $691 mlr harcadı; bu, ChatGPT'nin piyasaya çıkışından önceki dört çeyrekteki harcamanın 4,5 kat kadar. NVIDIA'nın hasılatı 2026 mali yılında $216 mlr oldu; bu, 2023 mali yılındakinin 8,01 kat kadar.
2010 yılından beri yılda ×4,3, 481 önemli modele uydurulan bir trend; 2010 öncesinde her 20,5 ay
GPT-6 Astra, OpenAI, Eyl 2026
2019 yılında 1; tahmini bulunanlarla birlikte toplam 326
Microsoft, Alphabet, Amazon, Meta ve Oracle; Eylül 2022 dönemine kadarki dört çeyrekte $154 mlr
2023 mali yılı: $27 mlr; net kâr $120 mlr, hasılatın 56% düzeyinde
Eğitim işlem gücü her 5,7 ay ikiye katlanıyor
Her nokta, Epoch AI'ın eğitim işlem gücü tahmini bulunan 543 önemli yapay zekâ modelinden biridir: eğitimine harcanan kayan noktalı işlem sayısı (FLOP), yani toplama ve çarpma işlemleri. Bunlar, 40 FLOP ile eğitilen Theseus, Claude Shannon'ın 1950 yılındaki labirent çözen mekanik faresi modelinden, şimdiye kadarki en büyüğüne, OpenAI tarafından geliştirilen GPT-6 Astra modeline (Eyl 2026) uzanır; en büyüğü 9,4×10²⁶ FLOP ile eğitilmiştir.
Ölçek logaritmiktir; dolayısıyla düz bir çizgi istikrarlı üstel büyümeyi gösterir. 2010 yılından beri yayımlanan 481 modelin içinden geçen bir en küçük kareler doğrusu yılda ×4,3 yükselir: eğitim işlem gücü her 5,7 ay ikiye katlandı ve çizgi boyunca on yıl ilerlemek bu değeri 2,15 mn kat artırır. 2010 öncesindeki 62 model için yükseliş yılda ×1,5 idi; yani her 20,5 ay bir ikiye katlanma. Öncü modeller, yani çıktıkları dönemde işlem gücüne göre en büyük beş model, 2010 yılından beri her 5,4 ay ikiye katlandı (72 model).
Bu sayılar tahmindir. Epoch bunların 59% oranını kesin (her iki yönde 3 kat içinde doğru), 28% oranını olası (10 kat içinde) ve 12% oranını spekülatif (yaklaşık 31 kat içinde) olarak derecelendiriyor; spekülatif olanlar içi boş noktalarla gösterilir. Bunlar çıkarıldığında, 2010 yılından beri trend her 5,6 ay bir ikiye katlanmadır.
Trendler tablo olarak
| Modeller | Adet | İkiye katlanma süresi | Yıllık büyüme | R² |
|---|---|---|---|---|
| 2010 öncesindeki önemli modeller | 62 | 20,5 ay | ×1,5 | 0,69 |
| 2010 yılından beri önemli modeller | 481 | 5,7 ay | ×4,3 | 0,66 |
| 2010 yılından beri öncü modeller | 72 | 5,4 ay | ×4,6 | 0,97 |
| 2010 yılından beri dil modelleri | 302 | 4,9 ay | ×5,5 | 0,68 |
| 2010 yılından beri, spekülatif tahminler hariç | 422 | 5,6 ay | ×4,4 | 0,67 |
Eğitim işlem gücünün log₂ değerinin, yıl cinsinden yayımlanma tarihine göre en küçük kareler yöntemiyle uyumu; ikiye katlanma süresi = 12 ÷ eğim ay, yıllık büyüme = 2^eğim. R², log işlem gücündeki dağılımın doğrunun açıkladığı payıdır.
Her yılın en büyük modeli
2010 yılından beri 24 kez yeni bir işlem gücü rekoru kırıldı. 2010 yılının en büyük modeli olan RNN LM 5,4×10¹⁶ FLOP ile eğitildi; GPT-6 Astra ise bunun 17,4 mlr kat kadarını kullandı.
Epoch AI ayrıca modellerin 178 tanesi için eğitim işlem gücünün maliyetini 2023 dolarıyla tahmin ediyor. En yüksek tahmin Grok 4 için (xAI, 2025) $388 mn; $100 mn üzerindekiler: 3 model. Verilerdeki en yüksek güç tüketimi, Epoch'un tahminine göre, GPT-6 Astra modelini eğiten 100.000 çip tarafından çekilen yaklaşık 233 megavattır.
| Yıl | Model ve geliştirici | Eğitim işlem gücü, FLOP | × önceki yıl | İşlem maliyeti, 2023 $ |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · Amerika Birleşik Devletleri | 5,4×1016spekülatif | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · İsviçre | 5,2×1016olası | ×0,96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · Amerika Birleşik Devletleri | 6,0×1017olası | ×11,5 | $16 |
| 2013 | DistBelief NNLMGoogle · Amerika Birleşik Devletleri | 2,6×1018olası | ×4,35 | $3,26 bin |
| 2014 | SNM-skipGoogle · Amerika Birleşik Devletleri | 3,0×1020spekülatif | ×114 | — |
| 2015 | AlphaGo FanDeepMind · Birleşik Krallık | 3,8×1020olası | ×1,28 | $4,83 bin |
| 2016 | GNMTGoogle · Amerika Birleşik Devletleri | 6,6×1021olası | ×17,4 | $201 bin |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · Amerika Birleşik Devletleri | 8,4×1020kesin | ×0,13 | $17,9 bin |
| 2018 | ResNeXt-101 32x48dFacebook · Amerika Birleşik Devletleri | 8,7×1021kesin | ×10,4 | $134 bin |
| 2019 | AlphaStarDeepMind · Birleşik Krallık | 1,1×1023kesin | ×12,3 | $131 bin |
| 2020 | GPT-3 175B (davinci)OpenAI · Amerika Birleşik Devletleri | 3,1×1023kesin | ×2,91 | $2,12 mn |
| 2021 | FLAN 137BGoogle Research · Amerika Birleşik Devletleri | 2,0×1024kesin | ×6,52 | — |
| 2022 | Minerva (540B)Google · Amerika Birleşik Devletleri | 2,7×1024kesin | ×1,34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · Amerika Birleşik Devletleri | 5,0×1025spekülatif | ×18,2 | $30,7 mn |
| 2024 | Llama 3.1-405BMeta AI · Amerika Birleşik Devletleri | 3,8×1025kesin | ×0,76 | $52,9 mn |
| 2025 | Grok 4xAI · Amerika Birleşik Devletleri | 5,0×1026spekülatif | ×13,2 | $388 mn |
| 2026şimdiye kadar | GPT-6 AstraOpenAI · Amerika Birleşik Devletleri | 9,4×1026olası | ×1,88 | — |
Her yıl yayımlanan en fazla eğitim işlem gücüne sahip önemli model; × önceki yıl, onu önceki yılın en büyüğüyle karşılaştırır. İşlem gücünün altında: Epoch AI'ın tahminden ne kadar emin olduğu. Maliyet: varsa Epoch AI'ın tahmini.
10²³ FLOP kulübü
Epoch AI, 10²³ FLOP üzerinde eğitilen büyük ölçekli modellerin bir listesini tutuyor; bu, bazı yapay zekâ düzenlemelerinin kullandığı sabit bir eşiktir. Bunlardan 326 tanesi için işlem gücü tahmini var. İlki 2019 yılında AlphaStar idi; 2025 yılında 104 model bu eşiği aştı, 2024 yılında ise 101 idi.
Üst eşiklerin üzerindeki ilk modeller 10²⁴ üzeri Wu Dao 2.0 (2021), 10²⁵ üzeri GPT-4 (2023) ve 10²⁶ üzeri Grok 3 (2025) idi. 2025 yılında yayımlanan 10²⁵ FLOP üzeri modeller: 9. O yıl kulüpteki toplam 104 modelden 90 tanesi açık ağırlıklarla yayımlandı; yani herkes indirip çalıştırabilir. 10 tanesi yalnızca bir API veya barındırılan hizmet üzerinden sunuldu; 4 tanesi yayımlanmadı.
2026 henüz bitmedi: 10 Kasım 2026 tarihine kadar listede tahmini bulunan 27 model var. Epoch yeni modelleri birkaç hafta içinde, işlem gücü tahminlerini ise daha sonra ekler; bu yüzden son aylar zamanla dolar. Ayrıca işlem gücü tahmini olmayan 208 büyük ölçekli model de listeliyor; bunlar burada sayılmaz.
Kareler tablo olarak
| Yıl | 10²³ üzeri | 10²⁴ üzeri | 10²⁵ üzeri | 10²⁶ üzeri | Tahmin yok |
|---|---|---|---|---|---|
| 2019 | 1 | 0 | 0 | 0 | 0 |
| 2020 | 2 | 0 | 0 | 0 | 0 |
| 2021 | 10 | 3 | 0 | 0 | 0 |
| 2022 | 23 | 3 | 0 | 0 | 8 |
| 2023 | 58 | 17 | 3 | 0 | 63 |
| 2024 | 101 | 39 | 6 | 0 | 66 |
| 2025 | 104 | 71 | 9 | 3 | 61 |
| 2026şimdiye kadar | 27 | 25 | 7 | 1 | 10 |
İşlem gücü tahmini bulunan modeller, yayımlanma yılına göre; 10²⁵ FLOP üzerindeki bir model 10²⁴ ve 10²³ üzerinde de sayılır. Tahmin yok: Epoch'un büyük ölçekli listesinde olup işlem gücü rakamı bulunmayanlar.
Onları kim geliştiriyor
10²³ FLOP üzerindeki 326 modelin 135 tanesinde Amerika Birleşik Devletleri'ndeki kuruluşlar, 139 tanesinde Çin'deki kuruluşlar çalıştı; sonra Güney Kore (17), Fransa (10) ve Birleşik Arap Emirlikleri (8) geliyor. Birden fazla kuruluşun geliştirdiği bir model, ilgili her ülke için bir kez sayılır.
En çoğu Alibaba (36), Meta AI (24) ve Nvidia (20) kuruluşlarından geldi. Gruplar verilerdeki adlarıyla yazılır; bu yüzden Google'ın grupları ayrı sayılır: Google, Google DeepMind, Google Research, DeepMind ve Google Brain.
İşlem gücü tahmini bulunan modeller; bir model, adı geçen her ülke ve her kuruluş için bir kez sayılır. Kuruluşlar Epoch AI'ın adlandırdığı şekilde.
Şirketler, üniversiteler değil
2025 yılında yayımlanan 109 önemli modelin 92% tanesi yalnızca şirketlerden, 5% tanesi üniversitelerle çalışan şirketlerden, 2% tanesi yalnızca üniversitelerden geldi. 2010–2014 döneminde yalnızca şirketler bunların 19% kadarını üretti.
Para: büyük teknoloji şirketlerinin sermaye harcamaları
Yapay zekâ modellerini eğitmek ve çalıştırmak, çiplerle dolu veri merkezleri gerektirir; en büyüklerini kuran şirketler bunun faturasını sermaye harcaması olarak, yani maddi varlık ve ekipman için ödenen nakit olarak bildirir. Microsoft, Alphabet, Amazon, Meta ve Oracle birlikte Eylül 2026 dönemine kadarki dört çeyrekte $691 mlr harcadı; bu, Eylül 2022 dönemine kadarki dört çeyrekteki $154 mlr tutarının 4,5 kat kadar — o dönem, ChatGPT'nin 30 Kasım 2022 tarihinde piyasaya çıkmasından önceki son çeyrekti. Bu, günde $1,89 mlr, yani her saniye $21.900 demek.
Büyüklükleriyle kıyaslandığında, harcama son dört çeyrekte beş şirketin hasılatının 36% oranında bir bölümünü aldı; öncesinde bu 13% idi. Operasyonlarının getirdiği nakdin ise 95% oranında bir bölümünü aldı; öncesinde 54%. En büyük harcamayı yapan Amazon oldu: $215 mlr.
Bildirimler bunun ne kadarının yapay zekâya gittiğini söylemiyor. Sermaye harcaması ofisler ve diğer binalar için de ödenir — Amazon'da depolar ve bir teslimat ağı için de — ve her şirket bunu kendi tanımlarına göre bildirir.
Eylül 2022 dönemine kadarki dört çeyreğe göre değişim. Çubuklar: 2015 yılından beri çeyrekler itibarıyla sermaye harcaması, her şirket kendi ölçeğinde. İşletme nakit akışının %100'ünün üzeri: operasyonların getirdiğinden fazla harcandı. Kartlar şirket sayfalarına bağlanır.
Takvim yılına göre sermaye harcaması
| Yıl | Microsoft | Alphabet | Amazon | Meta | Oracle | Toplam |
|---|---|---|---|---|---|---|
| 2015 | $6,55 mlr | $9,93 mlr | $4,59 mlr | $2,52 mlr | $1,61 mlr | $25,2 mlr |
| 2016 | $9,11 mlr | $10,2 mlr | $6,74 mlr | $4,49 mlr | $1,6 mlr | $32,2 mlr |
| 2017 | $8,7 mlr | $13,2 mlr | $12 mlr | $6,73 mlr | $2,04 mlr | $42,6 mlr |
| 2018 | $14,2 mlr | $25,1 mlr | $13,4 mlr | $13,9 mlr | $1,47 mlr | $68,2 mlr |
| 2019 | $13,5 mlr | $23,5 mlr | $16,9 mlr | $15,1 mlr | $1,59 mlr | $70,6 mlr |
| 2020 | $17,6 mlr | $22,3 mlr | $40,1 mlr | $15,2 mlr | $1,83 mlr | $97 mlr |
| 2021 | $23,2 mlr | $24,6 mlr | $61,1 mlr | $18,7 mlr | $3,12 mlr | $131 mlr |
| 2022 | $24,8 mlr | $31,5 mlr | $63,6 mlr | $31,2 mlr | $6,68 mlr | $158 mlr |
| 2023 | $35,2 mlr | $32,3 mlr | $52,7 mlr | $27 mlr | $6,93 mlr | $154 mlr |
| 2024 | $55,6 mlr | $52,5 mlr | $83 mlr | $37,3 mlr | $10,7 mlr | $239 mlr |
| 2025 | $83,1 mlr | $91,4 mlr | $132 mlr | $69,7 mlr | $35,5 mlr | $412 mlr |
| 20263 çeyrek | $106 mlr | $132 mlr | $176 mlr | $83,1 mlr | $63,6 mlr | $560 mlr |
NVIDIA: kazma küreği satmak
Epoch AI, 2020 yılından beri yayımlanan 278 önemli modelin eğitim donanımını kaydediyor: bunların 204 tanesi (73%) NVIDIA çipleriyle, 68 tanesi (24%) Google'ın TPU'larıyla eğitildi.
NVIDIA'nın mali yılı Ocak ayı sonlarında biter: 2026 mali yılı 25 Ocak 2026 tarihine kadar sürdü. O yılki hasılatı $216 mlr oldu; bu, ChatGPT'nin çıkışından 2 ay sonra biten 2023 mali yılındakinin ($27 mlr) 8,01 kat kadar. Net kâr $4,37 mlr (hasılatın 16% düzeyinde) seviyesinden $120 mlr (hasılatın 56% düzeyinde) seviyesine çıktı.
Bildirimlerdeki son çeyrek olan 2027 mali yılı 2. çeyrek (26 Temmuz 2026 dönemine kadar), $96,2 mlr hasılat ve $59,7 mlr net kâr getirdi; hasılatın 75% kadarı satılan malın maliyetinden sonra kaldı (brüt marj). 26 Temmuz 2026 dönemine kadarki dört çeyrek toplamda $303 mlr hasılat ve $193 mlr net kâr ediyor — bu hızla, NVIDIA'nın 2016 mali yılındaki tüm hasılatına ($5,01 mlr) eşit bir net kâr her 9,5 gün içinde elde edildi.
Burada kullanılan SEC verileri NVIDIA'nın pazarlara göre dağılımını değil toplam hasılatını veriyor; bu yüzden grafik toplamı gösteriyor. Halka açık NVIDIA hisselerinin piyasa değeri — piyasa değeri değil, faaliyet raporunun kapağındaki halka açık hisselerin değeri — Temmuz 2022 sonunda $434 mlr, Temmuz 2025 sonunda $4,0 trn idi.
| Mali yıl | Hasılat | Değişim | Brüt marj | Net kâr | Net marj |
|---|---|---|---|---|---|
| 2016 mali yılı31 Ocak 2016 tarihinde bitti | $5,01 mlr | +7% | 56,1% | $614 mn | 12,3% |
| 2017 mali yılı29 Ocak 2017 tarihinde bitti | $6,91 mlr | +38% | 58,8% | $1,67 mlr | 24,1% |
| 2018 mali yılı28 Ocak 2018 tarihinde bitti | $9,71 mlr | +41% | 59,9% | $3,05 mlr | 31,4% |
| 2019 mali yılı27 Ocak 2019 tarihinde bitti | $11,7 mlr | +21% | 61,2% | $4,14 mlr | 35,3% |
| 2020 mali yılı26 Ocak 2020 tarihinde bitti | $10,9 mlr | −7% | 62,0% | $2,8 mlr | 25,6% |
| 2021 mali yılı31 Ocak 2021 tarihinde bitti | $16,7 mlr | +53% | 62,3% | $4,33 mlr | 26,0% |
| 2022 mali yılı30 Ocak 2022 tarihinde bitti | $26,9 mlr | +61% | 64,9% | $9,75 mlr | 36,2% |
| 2023 mali yılı29 Ocak 2023 tarihinde bitti | $27 mlr | +0% | 56,9% | $4,37 mlr | 16,2% |
| 2024 mali yılı28 Ocak 2024 tarihinde bitti | $60,9 mlr | +126% | 72,7% | $29,8 mlr | 48,8% |
| 2025 mali yılı26 Ocak 2025 tarihinde bitti | $130 mlr | +114% | 75,0% | $72,9 mlr | 55,8% |
| 2026 mali yılı25 Ocak 2026 tarihinde bitti | $216 mlr | +65% | 71,1% | $120 mlr | 55,6% |
| Son dört çeyrek26 Temmuz 2026 dönemine kadar | $303 mlr | 74,7% | $193 mlr | 63,7% |
İnsanların sorduğu sorular
Yapay zekâ ne kadar hızlı büyüyor?
Epoch AI'ın her önemli model için izlediği ölçütlerden biri eğitim işlem gücüdür. 2010 yılından beri bu değer her 5,7 ay ikiye katlandı — 481 model üzerinden en küçük kareler trendine göre yılda ×4,3. 2010 öncesinde her 20,5 ay ikiye katlanıyordu.
Yapay zekâda FLOP nedir?
Kayan noktalı işlem: ondalıklı sayıların tek bir toplanması veya çarpılması. Eğitim işlem gücü, bir modeli eğitmek için yapılan işlemlerin toplamıdır: Epoch AI'ın tahminine göre GPT-6 Astra yaklaşık 9,4×10²⁶ FLOP aldı, 1950 yılının Theseus modeli ise 40.
Bir yapay zekâ modelini eğitmek ne kadara mal oluyor?
Epoch AI, 178 önemli model için eğitim işlem gücünün maliyetini 2023 dolarıyla tahmin ediyor. En yüksek tahmin Grok 4 için (2025) $388 mn; 2025 yılında yayımlanan modeller için yapılan 7 tahminin medyanı $44,6 mn. Rakamlar yalnızca işlem gücünü kapsar.
Teknoloji şirketleri yapay zekâ veri merkezlerine ne kadar harcıyor?
Bildirimler sermaye harcamasını bütün olarak gösterir, yapay zekâya ayrılan kısmı göstermez. Microsoft, Alphabet, Amazon, Meta ve Oracle, Eylül 2026 dönemine kadarki dört çeyrekte $691 mlr harcadı; Eylül 2022 dönemine kadarki dört çeyrekte bu tutar $154 mlr idi; en büyük harcamayı yapan Amazon oldu ($215 mlr).
NVIDIA ne kadar para kazanıyor?
2026 mali yılında, 25 Ocak 2026 tarihine kadar, hasılat $216 mlr, net kâr $120 mlr oldu. 26 Temmuz 2026 dönemine kadarki dört çeyrekte: hasılat $303 mlr, net kâr $193 mlr.
Daha derine inin
Rakamlar nasıl hesaplanır
- Yapay zekâ modelleri: Epoch AI, ‘Data on AI models’. Çevrimiçi olarak epoch.ai adresinde yayımlanmıştır. https://epoch.ai/data/ai-models adresinden alınmıştır [çevrimiçi kaynak]. Erişim: 15 Kasım 2026. Lisans CC BY 4.0: Epoch AI'a atıf yapılarak serbestçe kullanılabilir, dağıtılabilir ve çoğaltılabilir. Bu sayfadaki grafikler, trendler ve sayımlar BigCapital tarafından hesaplanmıştır.
- Eğitim işlem gücü: bir modeli eğitmek için kullanılan kayan noktalı işlemler; geliştiricinin bildirdiği şekilde veya Epoch AI'ın donanımdan ve eğitim süresinden ya da modelin boyutundan ve eğitim verisinden tahmin ettiği şekilde. Güven düzeyi, Epoch'un %90 aralıkları: kesin 3 kat içinde, olası 10 kat içinde, spekülatif yaklaşık 31 kat içinde.
- Trendler: tahmini bulunan önemli modeller için log₂ (eğitim işlem gücü) değerinin, yıl cinsinden yayımlanma tarihine göre sıradan en küçük kareler yöntemiyle uyumu; ikiye katlanma süresi = 12 ÷ eğim ay, yıllık büyüme = 2^eğim. “2010 yılından beri”: 2010 yılı 1 Ocak'tan itibaren yayımlananlar. Rekor: önceki tüm önemli modellerden daha fazla işlem gücü.
- Önemli modeller: Epoch'un son teknolojiyi ilerleten, çok atıf alan, tarihsel olarak önem taşıyan veya yaygın kullanılan modeller listesi; öncü modeller, çıktıkları dönemde eğitim işlem gücüne göre ilk 5 içindeydi. Büyük ölçekli modeller: Epoch'un 10²³ FLOP üzerindeki modeller listesi; yayımlanma yılına göre ve adı geçen her ülke ve kuruluş için bir kez sayılır.
- Şirket rakamları: SEC EDGAR, 10-K ve 10-Q bildirimlerinin XBRL şirket verileri (kamu malı).
- Sermaye harcaması: nakit akış tablosunda maddi varlık ve ekipman edinimi için yapılan ödemeler, her şirketin kullandığı XBRL etiketi altında; tek başına bildirilmeyen bir çeyrek, yılbaşından bugüne tutardan bir önceki yılbaşından bugüne tutarın çıkarılmasıyla bulunur. Hasılat, net kâr, brüt kâr ve işletme nakit akışı bildirildiği şekliyle. Amazon, 2017 2. çeyrek: XBRL verilerinde yok; bu yüzden mali yıldan diğer üç çeyreğinin çıkarılmasıyla bulundu.
- Mali yıllar şirketlerin adlandırdığı şekilde: NVIDIA'nın 2026 mali yılı 25 Ocak 2026 tarihinde bitti. Sermaye harcaması grafiği takvim çeyreklerini kullanır.
- Geçmiş rakamlar tarihtir, tahmin değildir. Buradaki hiçbir şey yatırım tavsiyesi değildir.
Bu makaleyi yeniden kullanın
Metin ve grafikler CC BY 4.0 kapsamında serbestçe yeniden yayımlanabilir, çevrilebilir ve uyarlanabilir: BigCapital.org'a bu sayfaya bağlantıyla atıf yapın. Diğer sağlayıcıların verileri kendi lisansını korur (aşağıdaki kaynaklara bakın). Nasıl atıf yapılır
Kaynak: BigCapital.org — “Rakamlarla yapay zekâ patlaması”, https://bigcapital.org/tr/articles/ai-boom/