Yapay Zekâ Altyapısı: Çipten Şebekeye

Yapay zekâ yatırımlarını konuşurken gözler genellikle modele, çipe ve buluta çevriliyor. Oysa bir AI sistemi yalnızca hesaplama gücüyle çalışmıyor. Elektriğin kalitesi, raflar arasındaki veri akışı, ısının dışarı atılması, tesise güç bağlanması, yazılım ajanlarının hangi izne sahip olduğu ve bütün bunların nasıl finanse edildiği de aynı derecede önemli.

Bu rehber, bu görünmeyen katmanlar üzerine tarihli bir yatırım tezi kuruyor. Amacı “şu hisseler yükselecek” demek değil. Bugün hangi varsayımları yaptığımızı, bu varsayımların hangi kanıtlarla sınanacağını ve birkaç yıl sonra nerede yanılmış olabileceğimizi açıkça kayda geçirmek.

Kısa cevap

Yapay zekâ kapasitesi büyüdükçe ekonomik değer, en görünür modeli satan şirkete değil, modelin çalışması için vazgeçilmez hale gelen ve kolayca ikame edilemeyen sistem katmanına kayabilir. İlk aşamada bu katmanlar güç kalitesi, veri taşıma, optik bağlantı, soğutma ve şebeke bağlantısı olabilir. Daha uzun vadede kimlik, izin, gözlemlenebilirlik, iş akışı ve endüstriyel kontrol öne çıkabilir.

Bu bir sistem tezidir, otomatik olarak bir hisse tezi değildir. Bir katmanda talep baskısı bulunması, o katmandaki her şirketin kazanacağı veya hissenin ucuz olduğu anlamına gelmez. Kalıcı ekonomik fazlayı aramak için kıtlık, çok müşterili kullanım, tekrar eden gelir ve sermaye maliyetlerinden sonra kalan marjı birlikte izlemek gerekir.

Neden görünmeyen sistemler?

“AI kazananları” anlatısı çoğu zaman ürünün görünürlüğünü ekonomik değerin kanıtı gibi kullanıyor. Bu, araştırmayı kolaylaştırıyor ama bizi yanlış yere de götürebiliyor. Bir modelin daha iyi olması, onu çalıştırmak için gereken güç kalitesi ekipmanının, optik bağlantının, sıvı soğutmanın veya kimlik altyapısının önemsiz olduğu anlamına gelmez.

Üstelik görünmeyen sistemlerde farklı bir ekonomik özellik var. Bunlar tüketiciye doğrudan satılan ürünler değil; veri merkezinin, sunucunun veya kurum içi iş akışının çalışmasını sağlayan ara katmanlar. Bu yüzden kamuoyu ilgisi daha düşük olabilir. Fakat müşteri için arıza maliyeti yüksekse veya ikame süresi uzunsa, görünmezlik fiyatlama gücünü azaltmak yerine artırabilir.

Tezimizin dar biçimi şu:

Bağlayıcı darboğaz + yavaş ikame + çok müşterili kullanım + kapasite maliyetinden sonra kalan fazla = izlenmeye değer yatırım katmanı

Bu denklemdeki dört koşuldan biri eksikse tez daralır. Örneğin ürün zorunlu olabilir ama standartlaştığı için marjı düşebilir. Sipariş büyüyebilir ama tek bir müşterinin kapasite rezervasyonundan ibaret olabilir. Gelir artabilir ama yeni fabrika, garanti, enerji ve borç maliyeti ekonomik fazlayı silebilir.

2026 baz çizgisi: darboğaz çipin dışına taşıyor

Bağımsız sistem kanıtının en önemli kaynağı Uluslararası Enerji Ajansı'nın AI ve enerji çalışması. IEA, veri merkezi elektrik tüketiminin 2025'te 485 TWh'den 2030'da 950 TWh'ye çıkabileceğini, AI odaklı tüketimin ise bu dönemde yaklaşık üç katına çıkabileceğini öngörüyor. Bu, kesin bir şirket geliri tahmini değil. Fakat AI ekonomisinin yalnızca çip arzıyla sınırlı olmadığını gösteren bir sistem baz çizgisi.

IEA ayrıca gelişmiş bir AI sunucu rafının 2027'deki tepe güç ihtiyacını yaklaşık 65 haneye eşdeğer olarak veriyor. AI sunucu güç yoğunluğunun 2020-2025 arasında 11 kat arttığını belirtiyor ve 2030'a kadar veri merkezlerinde 20-25 GW civarında batarya depolama kurulabileceğini tartışıyor. Buradaki yatırım sorusu batarya üreticisini hemen seçmek değil. Soru şu: AI raflarının ani yük değişimini yönetmek, klasik yedek güç mimarisinden daha karmaşık ve daha değerli bir sistem katmanı yaratıyor mu?

1. Güç kalitesi: elektrik miktarından elektrik davranışına

AI rafları yalnızca çok elektrik tüketmiyor; yükü hızlı değiştirebiliyor. Bu, veri merkezinin şebekeden aldığı elektriğin miktarı kadar voltaj, frekans ve geçiş davranışını da önemli hale getiriyor. Orta gerilim UPS sistemleri, senkron kompansatörler, volanlar, batarya depolama, mikro şebeke kontrolü ve güç elektroniği bu noktada devreye giriyor.

ABB'nin 2026 ikinci çeyrek açıklaması bu katmanı somutlaştırıyor. Şirket, VoltaGrid ile senkron kompansatör ve volan teknolojisini ani AI yük değişimlerine karşı bir “şok emici” gibi konumlandırıyor. Orta gerilim UPS, prefabrik eHouse sistemleri ve kontrol panelleri de veri merkezinin şebekeye bağlanması ve güç kalitesinin korunması için öne çıkarılıyor. Bu, AI gelirinin ayrı açıklandığı anlamına gelmiyor. Fakat AI fabrikasının güç ekipmanı için yeni bir tasarım gerektirdiğine dair birincil şirket kanıtı sunuyor.

Siemens, NVIDIA ve Fluence'ın referans mimarisi de aynı yönde. Açıklanan 136 MW'lık tesis tasarımında 100 MW IT yükünün yanı sıra, bataryaların voltaj ve frekans dayanımı, black start, talep yönetimi ve AI yükünün yumuşatılması için kullanılması öneriliyor. Bu bir küresel standart kanıtı değil. Ancak güç, soğutma, kontrol ve veri merkezi yönetiminin tek bir sistem olarak tasarlanmaya başladığını gösteren ilginç bir işaret.

2. Veri taşıma: sorun çip sayısı değil, çipler arasındaki mesafe olabilir

Bir AI sisteminde hesaplama birimleri yeterli olsa bile veri doğru zamanda taşınamıyorsa sistem tam kapasite çalışmaz. Bu nedenle PCIe, CXL, UALink, NVLink Fusion, fabric switch, optik I/O ve ileri paketleme gibi katmanlar daha fazla önem kazanabilir.

Astera Labs'ın 2026 ikinci çeyrek geliri $392.4 milyondu ve şirket Scorpio X-Series 320-lane fabric switch ürününün üretim rampını bir sonraki dönem için önemli bir inflection noktası olarak tanımladı. Şirketin ürün çerçevesi PCIe, CXL, Ethernet, NVLink Fusion ve UALink gibi farklı bağlantı standartlarına uzanıyor. Buradan “Astera kazanacak” sonucu çıkmaz. Çıkan daha dar sonuç, veri taşıma sorununun ayrı bir ürün ve yazılım katmanı olarak tanımlanabildiğidir.

Optik tarafta Coherent, AI veri merkezi mimarilerinde bakırdan optik bağlantıya geçişin üretim kapasitesini büyüttüğünü belirtiyor. Fabrinet ise ileri optik paketleme ve hassas üretim hizmetleri veriyor; şirket FY2026 gelirini $4.6 milyar ve yıllık büyümeyi %36 olarak açıkladı. Bu sayılar AI-only gelir değildir. Optik bağlantı talebinin, müşteri yoğunlaşması ve fiyat düşüşü riskleriyle birlikte gerçek bir izleme alanı oluşturduğunu gösterir.

Buradaki asıl test, optik veya fabric ürününün teknik olarak gerekli olması değil. Birden fazla müşteri tarafından, birden fazla raf ve ürün neslinde, kabul edilebilir marjla tekrar kullanılıp kullanılmadığıdır.

3. Time-to-power: tesisin çalışmaya başlamasını kim hızlandırıyor?

Bir veri merkezi binası tamamlanmış olsa bile şebekeye bağlanamıyorsa gelir üretmez. Kablo, trafo, orta gerilim dağıtımı, şebeke bağlantısı, izin, prefabrik güç sistemleri ve devreye alma süresi bu nedenle ayrı bir darboğaz haline gelebilir.

Prysmian'ın 2026 ilk yarı açıklamasında Digital Solutions organik büyümesi %18, Power Grid büyümesi %13 olarak verildi. Şirket Kuzey Amerika'daki veri merkezi talebini önemli bir sürücü olarak anlatıyor. NKT ise dağıtım işinde talebin güçlü olduğunu, fakat kapasite kısıtlarının büyümeyi sınırladığını belirtiyor. Danimarka'daki orta gerilim kapasitesinin tamamlandığı, Portekiz'deki kapasitenin ise 2026 sonunda beklenildiği ifade ediliyor.

Bu iki örnek, time-to-power tezinin hem gücünü hem riskini gösteriyor. Kablo ve dağıtım kapasitesi kıtsa sipariş ve backlog artabilir. Fakat şirket kapasiteyi artırmak için yatırım yaptığında marj ve nakit dönüşü baskı altına girebilir. Kıtlık, tedarikçiye otomatik olarak yüksek ve kalıcı bir ekonomik rant bırakmaz.

4. Isı: sıvı soğutma zorunlu olabilir, fakat kimin marjı kalır?

Daha yüksek raf gücü daha fazla ısı demektir. Sıvı soğutma, coolant distribution unit, pompa, ısı eşanjörü, sensör, kaçak tespiti ve bakım hizmetleri veri merkezi mimarisinin kritik parçaları haline gelebilir.

nVent, 2026 ikinci çeyreğinde satışlarının $1.471 milyara ulaştığını ve raporlanan büyümenin %53 olduğunu açıkladı. Systems Protection satışlarının %70 arttığını, veri merkezi büyümesi için sıvı soğutma üretim kapasitesini genişlettiğini belirtti. Modine ise Airedale by Modine soğutma çözümleri için 2029'a kadar $4 milyarlık uzun vadeli kapasite anlaşması açıkladı.

Bu rakamlar güçlü sinyaller, fakat aynı zamanda bir uyarı. Uzun vadeli kapasite anlaşması talep görünürlüğünü artırabilir; ancak gelirin tamamının hemen gerçekleştiğini, marjın korunduğunu veya müşterinin bu kapasiteyi kârlı şekilde kullanacağını kanıtlamaz. Soğutma tezinin tutması için siparişin kurulum, tekrar sipariş, servis geliri ve çok müşterili kullanım ile izlenmesi gerekir.

1, 3, 5 ve 10 yıllık yatırım haritası

Bir yıl: fiziksel kurulum darboğazı

2027'ye kadar en yüksek güven duyduğumuz fikir, AI raflarının mevcut veri merkezi sistemlerine ek güç kalitesi ve termal gereksinimler getireceği. Bu yüzden ilk izlenecek alanlar ABB, Astera Labs, Coherent, Fabrinet, Prysmian, NKT, nVent ve Modine gibi şirketlerin sipariş, backlog, kapasite, müşteri çeşitliliği ve marj göstergeleri.

Bir yıllık tahmin şirketlerin hisse performansı değil, sistem davranışıdır: AI fabrikası tasarımlarında güç kalitesi, sıvı soğutma, optik bağlantı ve time-to-power kalemleri daha görünür hale gelecek. Bu gerçekleşirse bile hissenin ucuz olduğu sonucu çıkmayacak. Sadece araştırmanın ilk eşiği aşılmış olacak.

Üç yıl: standardın ve veri taşıma mimarisinin seçilmesi

2029'a kadar soru, hangi bağlantı ve güç mimarisinin pilot olmaktan çıkıp varsayılan tasarıma dönüştüğü. CXL, UALink, NVLink Fusion, fabric switch ve optik I/O gibi teknolojilerden bazıları yaygınlaşırken bazıları rekabet içinde kalabilir. Burada teknik başarı kadar standardın tedarikçiyi ne kadar değiştirilebilir kıldığı önemli.

Üç yıllık olumlu senaryoda sistem tedarikçileri yalnızca parça satmaz; yazılım, yönetim, servis, tasarım ve çok nesilli uyumluluk üzerinden daha uzun müşteri ilişkisi kurar. Olumsuz senaryoda ise aynı ürünler standartlaşır, rakip sayısı artar ve veri merkezi müşterileri fiyatı aşağı çeker.

Beş yıl: fiziksel varlık ile kontrol düzlemi birleşiyor mu?

2031'e kadar AI fabrikası yalnızca rafların toplamı olmayabilir. Şebekeye ne zaman bağlanacağını, bataryayı ne zaman kullanacağını, hangi yükü kısacağını, soğutmayı nasıl ayarlayacağını ve hangi ajanın hangi sisteme erişeceğini yöneten entegre bir kontrol katmanı oluşabilir.

ServiceNow, AI ACV'nin $1 milyarı geçtiğini, cRPO'nun $13.2 milyara ulaştığını ve AI Control Tower ile keşif, gözlem, yönetişim, güvenlik ve ölçüm sunmayı hedeflediğini bildiriyor. Okta, insan ve AI ajanı kimliğini aynı platform çerçevesinde konumluyor. Datadog ise ajan gözlemlenebilirliği ve reinforcement learning operasyonları tarafına genişliyor.

Bu şirketlerin ürünleri tezin uzun vadeli bölümünde izlenmeye değer. Fakat bugün için kanıt “ajan kontrolü zorunlu hale geldi” değil; “şirketler bu ihtiyacı ürünleştirmeye başladı.” Ajanların gerçekten yüksek izinli ve kurumsal iş akışlarına girmesi, yenilenebilir sözleşmeli gelir yaratması ve güvenlik/geri alma maliyetini karşılaması gerekir.

On yıl: modelin dışındaki kalıcı ilişki

2036 için kesin şirket tahmini yapmak mümkün değil ve anlamlı da değil. Daha savunulabilir soru şu: AI hangi ekonomik ilişkiye gömülecek?

Bir olasılık, endüstriyel dijital iş parçacığıdır. Model, dijital ikiz, kontrol sistemi, robot, makine ve bakım verisi aynı üretim döngüsünde birleşebilir. ABB mevcut otomasyon sistemlerine analitik ve AI ekleme yaklaşımını, FANUC ise Physical AI ve otonom makine araçlarını anlatıyor. Bu anlatılar henüz yaygın ve ölçülmüş bir kâr havuzu kanıtlamıyor. Ancak AI değerinin yalnızca veri merkezi ekranında değil, fiziksel üretim hattında da oluşabileceğini gösteriyor.

On yıllık ufukta en düşük güveni şirket adına, daha yüksek güveni ölçüm yöntemine vermek gerekir. Üretime geçmiş pilot, duruş süresinde düşüş, çevrim başına verimlilik, tekrar eden yazılım ve servis geliri gibi kanıtlar olmadan uzun vadeli hikâye yalnızca hikâyedir.

Araştırma evreni: adayları nasıl ayırıyoruz?

Bu dosyada şirketleri üç gruba ayırıyoruz:

Grup	Şirketler ve katman	Neden
Derinleştir	ABB; Astera Labs; Coherent ve Fabrinet; Prysmian ve NKT; nVent ve Modine	Belirli bir fiziksel darboğaz için doğrudan ürün, sipariş veya kapasite kanıtı var
Tetikleyici bekle	Fluence; Itron; ServiceNow; Okta; Datadog; Siemens; Celestica	Mekanizma ilginç, fakat AI-only gelir, çok müşterili kullanım, marj veya üretim kanıtı henüz yeterince temiz değil
Benchmark	NVIDIA; Broadcom; TSMC; ASML; Vertiv	Zincirin ana referans noktaları; keşfedilmemiş oldukları için değil, karşılaştırma çıpası oldukları için izleniyor

Bu ayrım bir performans sıralaması değildir. Şirketlerin mevcut değerlemesi, beklenti seviyesi, borç yapısı ve hisse fiyatı bu çalışmanın kapsamına alınmadı. Bir sistem tezi tutsa bile, yüksek beklentiyle alınmış bir hisse yatırımcıya düşük getiri sağlayabilir. Bu nedenle ikinci aşamada yapılması gereken iş değerleme, beklenti ve sermaye getirisi karşılaştırmasıdır.

Tezin yanlışlanma sözleşmesi

Bir yatırım tezini değerli yapan yalnızca neye inandığı değil, ne zaman vazgeçeceğini yazmasıdır. Bu dosyanın ana hipotezleri şöyle:

H1-PQ: AI veri merkezlerinde güç kalitesi ekipmanı kalıcı bir sistem katmanı olacak. 2028'e kadar siparişler birkaç pilotun dışına çıkmaz veya ürünler kalıcı biçimde metalaşırsa tez daralacak.
H2-DM: Veri taşıma, CXL/UALink/fabric ve optik I/O üzerinden ayrı bir ekonomik katman oluşturacak. 2029'da üretim dağıtımları pilot düzeyinde kalırsa veya marj standartlaşmayla erirse tez yanlışlanacak.
H3-TP: Kablo, trafo ve şebeke bağlantısı AI tesisinin time-to-power darboğazı olacak. 2028'de lead time, backlog ve kapasite baskısı normalleşirse tez zayıflayacak.
H4-THERM: Sıvı soğutma ve termal sistemler tekrar eden bir gelir katmanı olacak. Siparişler kuruluma, servis gelirine ve çok müşterili kullanıma dönüşmezse tez daralacak.
H5-CTRL: Ajanlar yaygınlaştıkça kimlik, izin, gözlem ve geri alma kontrol düzlemi zorunlu hale gelecek. Ajanlar düşük izinli yardımcılar olarak kalır ve AI-only sözleşmeli gelir görünmezse tez zayıflayacak.
H6-PHYS: Physical AI ve endüstriyel dijital iş parçacığı model çıktısını üretime bağlayan kalıcı bir ekonomik katman olacak. 2032'ye kadar pilotlar üretime geçmezse veya ölçülebilir müşteri getirisi oluşmazsa tez zayıflayacak.

Bu eşikler kesin bilimsel sınırlar değil. Onları baştan yazmanın amacı, sonradan hikâyeyi değiştirmeyi zorlaştırmak.

Neler ters gidebilir?

En güçlü karşı tez, AI yatırımlarının verimlilik tarafından emilmesi. Daha iyi yazılım, daha küçük modeller, özel çipler ve görev başına daha düşük enerji kullanımı, toplam talebi yavaşlatabilir. IEA basit AI görevlerinde enerji kullanımının hızla düştüğünü; buna karşılık video, reasoning ve agentic kullanımın çok daha enerji yoğun olabildiğini belirtiyor. Sonuç, tek yönlü değil: verimlilik talebi azaltabilir, yeni kullanım biçimleri ise artırabilir.

İkinci risk aşırı yatırımıdır. BIS, AI altyapı yarışının borç, kira, offtake anlaşması ve garantilerle desteklenebildiğini; bu yapıların ekonomik olarak borç benzeri risk yaratabileceğini anlatıyor. BIS'in yatırım yarışı modeli de belirli varsayımlarda sosyal olarak etkin seviyenin üzerinde yatırım sonucuna ulaşıyor. Bu, AI talebinin sahte olduğunu kanıtlamaz. Fakat gelir büyümesini finansman kalitesi ve kapasite kullanımıyla birlikte izlememiz gerektiğini söyler.

Üçüncü risk, büyük müşterilerin görünmeyen sistemleri paketlemesi. Bulut şirketi güç, ağ, soğutma ve yazılımı tek teklif haline getirirse bağımsız tedarikçinin ürünü zorunlu olsa bile ekonomik fazlayı müşteriye bırakabilir. Bu nedenle her şirket için “ürün gerekli mi?” kadar “şirket fiyatı belirleyebiliyor mu?” sorusunu da sormak gerekir.

Gelecekte nasıl geri döneceğiz?

Bu yazı 2027, 2029, 2031 ve 2036'da aynı metriklerle yeniden okunmalı. Her güncellemede dört sonuçtan biri kullanılmalı:

Tuttu: Önceden yazılmış gösterge eşik yönünde ilerledi ve karşı kanıt tezi bozmadı.
Daraldı: Mekanizma doğru çıktı, fakat beklenen katmanın veya şirket grubunun kapsamı küçüldü.
Yanlışlandı: Önceden yazılmış başarısızlık koşulu gerçekleşti ve tez artık savunulamaz.
Veri yetersiz: Sonuç hakkında hüküm vermek için ölçüm veya karşılaştırılabilir açıklama oluşmadı.

Örneğin 2028'de sıvı soğutma kurulumları artabilir ama tedarikçilerin marjı düşebilir. Bu durumda “soğutma gereksizdi” demek yanlış olur; sistem tezi tutulmuş, ekonomik fazlayı kimin topladığına dair şirket tezi daralmış olur. Aynı şekilde bir ajan kontrol ürünü kullanılabilir ama yenileme ve kârlılık yaratmayabilir. Kullanım kanıtı ile yatırım getirisi kanıtını birbirine karıştırmamak gerekir.

Yöntem ve sınırlamalar

Bu çalışma şirket açıklamalarını, IEA ve BIS gibi kurumsal kaynakları ve seçilmiş teknik sistem örneklerini bir araya getiriyor. Doğrudan gerçek, yönetim iddiası, kurumsal projeksiyon, model sonucu ve yazarın mekanizma çıkarımı ayrı etiketlenmiştir. Platform veya şirket düzeyindeki gelirler AI-only gelir gibi sunulmamıştır.

Özellikle güç kalitesi, soğutma ve optik bağlantı örneklerinde şirket açıklamalarının önemli bir kısmı yönetim çerçevesidir. Bu açıklamalar ürünün varlığını, siparişi veya kapasite planını gösterebilir; bağımsız rekabet üstünlüğünü veya hisse getirisini kanıtlamaz. IEA projeksiyonları da sonuç değil senaryodur. BIS finansman ve aşırı yatırım çalışmaları ise sistem riskini anlamak için kullanılmıştır, belirli şirketlere ilişkin suçlama veya tahmin olarak değil.

İkinci aşamada her şirket için değerleme, beklenti, borç, müşteri yoğunlaşması, sermaye getirisi ve serbest nakit akışı incelenmelidir. Bu rehber o aşamayı yerine getirmiyor. Şimdilik yaptığı iş daha temel: hangi soruyu, hangi kanıtla, hangi tarihte yeniden soracağımızı sabitlemek.

Kaynaklar ve ileri okuma

Yatırım tavsiyesi değildir; araştırma ve eğitim amaçlıdır.