İçeriğe geç
  • BTC $63.246 −0,8%
  • ETH $1.770 +0,0%
  • SOL $73,73 +2,4%
  • BNB $583,30 −0,2%
  • XRP $0,9788 +2,4%
  • DOGE $0,0589 +1,3%
  • ADA $0,1513 +0,1%

Neden inference talebi patlama yaşıyor ve bu, merkeziyetsiz hesaplama ağları için ne anlama geliyor?

Merkeziyetsiz hesaplama ağları (DCN), dünya genelinde dağıtılmış milyonlarca GPU'yu AI çıkarımı için bir araya getirir.

reti di calcolo decentralizzate

Son iki yılda, yapay zeka kendi ağırlık merkezini değiştirdi. 2022–2023 yıllarında her şey büyük modeller ve onların eğitimi etrafında dönerken, bugün gerçek savaş artık modellerin inşasında değil, sürekli yürütülmelerinde, her gün milyarlarca sorguya yanıt verme yeteneklerinde yaşanıyor. Bu, inference savaşıdır ve göründüğünden çok daha önemlidir.

Messari, raporunda “State of AI 2025” bunu açıkça belirtiyor: 2030 yılına kadar inference, küresel hesaplama talebinin %50 ile %75’i arasında bir paya sahip olacak. Bu kadar yüksek bir eşik, AI altyapısının coğrafyasını tamamen yeniden şekillendirecek.

Bugün, bir kullanıcı ChatGPT’yi her açtığında, bir resim oluşturduğunda, tavsiye istediğinde, bir metni analiz ettiğinde, bir ajandan web’de gezinmesini veya bir karar almasını istediğinde: inference tüketiyor. Aynı durum, kimsenin izlemediği arka planda sürekli işlemler yürüten binlerce AI ajanı için de geçerli.

Sonuç, modellerin kendilerini eğitmek için gerekenin çok ötesinde, dikey olarak büyüyen bir hesaplama tüketimidir.

Yeni baskı: gerçek kullanıcılar, gerçek etkileşimler

Bu büyümenin nedenleri çok çeşitli, ancak hepsi tek bir yöne odaklanıyor: AI artık kitlesel bir hizmet haline geldi. Kullanıcılar artık sadece denemekle kalmıyor; AI’yi günlük, uzun süreli ve giderek daha karmaşık bir şekilde kullanıyorlar.

ChatGPT oturumları daha uzun ve daha detaylı hale geldi: Messari tarafından bildirilen verilere göre, modeller üzerinde harcanan süre bir yılda iki katına çıktı ve tek bir oturumun ortalama süresi %75 arttı. Bu çok net bir sinyal: AI artık “ara sıra” bir asistan değil, kullanıcıların daha uzun süre kaldığı, daha kapsamlı ve token açısından daha yoğun taleplerde bulunduğu gerçek bir operasyonel ortam haline geldi.

Buna ek olarak, tüketici AI’sinin patlaması yaşanıyor. 2024 yılında yapay zeka uygulamaları bir milyar indirme sayısını aşarak yıllık bazda %100’ün üzerinde bir büyüme kaydetti. ChatGPT bugün haftalık 700 milyondan fazla kullanıcıya sahipken, Gemini, Copilot ve Claude benzer hızlarda ilerliyor. Bu, sürekli bir talep dalgası olup, hesaplama ve dolayısıyla maliyetlere dönüşüyor.

“Reasoning” faktörü: Akıllı modeller çok daha pahalı

Her şeyi daha da karmaşık hale getiren, cümleleri tamamlamakla sınırlı kalmayıp, akıl yürütmeye, açıklamaya ve plan yapmaya çalışan “reasoning” odaklı modellerin yükselişidir. Bu modeller, aynı soruya cevap vermek için geleneksel bir modele kıyasla on kat daha fazla token tüketir.

Buna ek olarak, sektörün artık DeepSeek tarafından gösterildiği gibi reinforcement learning tabanlı post-training tekniklerini benimsemiş olması, hesaplama üzerindeki baskıyı daha da artırıyor. Reinforcement learning, her bir problem için binlerce iterasyon üreterek hesaplama tüketimini endüstriyel ölçekte katlıyor.

Başka bir deyişle: AI ne kadar akıllı hale gelirse, çalıştırılması o kadar maliyetli olur.

Maliyet Sorunu: Inference, AI’nin Yeni “Zor Çekirdeği” Haline Geldi

Genellikle göz ardı edilen bir nokta var: eğitim büyük bir maliyettir, ancak bir kerelik bir maliyettir. Model bir kez eğitildiğinde, var olur. Buna karşılık, çıkarım ise sürekli, sonsuz bir maliyettir ve onu kullanan kullanıcı, ajan ve uygulama sayısıyla orantılıdır.

Büyük laboratuvarlar — OpenAI, Anthropic, Google — için inference, baskın harcama kalemi haline geldi. Ve bu dinamik, crypto ekosistemini çok yakından ilgilendiren sessiz bir devrim için alan yaratıyor.

Açık kaynak dengeyi değiştiriyor: daha küçük, daha hızlı ve çok daha ekonomik modeller

Özel modeller boyut ve karmaşıklık açısından büyümeye devam ederken, açık kaynak hızla aradaki farkı kapatıyor. Messari tarafından alıntılanan Artificial Analysis benchmarkına göre, en iyi kapalı ve uzun ölçekli açık modeller arasındaki fark bugün maliyetlerle karşılaştırıldığında şaşırtıcı derecede azalmış durumda.

120 milyar parametreli açık bir model, ChatGPT-5’e kıyasla inference maliyetinde %90’a kadar tasarruf sağlıyor ve kapasite kaybı ise genel olarak marjinal düzeyde kalıyor.

Ancak gerçek devrim, 4 ila 40 milyar parametre arasında değişen small ve mid-size modellerle ilgilidir. Bugün, bu modellerin birçoğu, RTX 4090 veya 5090 gibi tek bir tüketici GPU’su üzerinde çalışırken bile karmaşık görevleri çözebilmektedir. Bu, inference işleminin artık devasa veri merkezlerinde merkezileştirilmesi gerekmediği anlamına gelir: dağıtılabilir.

Ve işte burada, decentralized AI dünyası doğal zeminini buluyor.

Merkeziyetsiz hesaplama ağlarının (DCN) yükselişi: yeni bir hesaplama ekonomisi

Merkezi olmayan hesaplama ağları (DCN) — Render, Akash, io.net, Aethir, Hyperbolic, EigenCloud ve Exabits gibi — dünya çapında dağıtılmış milyonlarca GPU’yu bir araya getirir. Yıllarca bu ağlar gerçek bir pazar bulmakta zorlandı: büyük modellerin eğitimi, gecikme ve GPU’lar arasındaki sürekli bilgi alışverişi nedeniyle basitçe çok karmaşıktı.

Ancak inference başka bir hikaye.

Inference, çok daha az yatay iletişim gerektirir, yüksek derecede paralel bir şekilde yürütülebilir ve heterojen donanımlardan yararlanabilir. Mükemmel ve süper senkronize edilmiş kümelere ihtiyaç duymaz. Özellikle daha küçük modellerin şaşırtıcı derecede güçlü hale geldiği şu dönemde, binlerce dağınık düğüm için ideal bir iştir.

Bu kez, piyasa gerçekten var. Ve Messari bunu tüm deAI sektörünün ilk gerçek “product-market fit”i olarak tanımlıyor.

Fortytwo vakası: pratik bir gösterim olarak swarm intelligence

En ilginç yenilikler arasında, rapor Fortytwo Network’ü, kullanıcıların dizüstü bilgisayarlarına kurulan küçük modelleri koordine eden bir ağı öne çıkarıyor. Bu modeller bir sürü gibi birlikte çalışıyor: her biri aynı soruya yanıt veriyor, ardından diğerlerinin yanıtlarını değerlendiriyor ve sonunda ağ, konsensüse dayalı optimize edilmiş bir yanıt üretiyor.

Mekanizma, onchain kredi, itibar ve ödüller üretir. Öyle verimlidir ki, Fortytwo, tamamen swarm tarafından üretilen veri setleri oluşturmayı ve Rust’ta uzmanlaşmış bir modeli sonradan eğitmeyi başardı ve çok daha büyük modellere göre üstün sonuçlar elde etti.

Bu, merkeziyetsizliğin sadece arzu edilir değil, aynı zamanda zaten rekabetçi olduğuna dair somut bir örnektir.

Doğrulama Meselesi: Merkeziyetsiz Çıkarım İçin Vazgeçilmez Parça

Her dağıtılmış düğümde bir istek yürütüldüğünde, kritik bir soru ortaya çıkar: Sonucun doğru olduğundan nasıl emin olabiliriz? İşte burada kripto devreye belirleyici bir şekilde girer.

Messari, bugün baskın olan üç yaklaşımı analiz ediyor:

  • sıfır bilgi ispatları (zkML), yavaş ama son derece güvenli;
  • sonuçların challenge edilmediği sürece geçerli kabul edildiği iyimser sistemler;
  • donanım güvenli bölgeleri (TEE), daha hızlı ancak donanım güvenine dayalı.

Sektörün öncülerinden biri olarak EigenCloud, OpenAI API’leriyle uyumlu, deterministik ve doğrulanabilir bir çıkarım sunarak piyasaya sürülüyor ve halihazırda Coinbase ve Google’ın ajan çerçeveleri için kullanılıyor.

Doğrulama teknik bir detay değildir: AI’yi finans, sağlık, yönetişim ve otonom işlemler için uygun hale getiren şeydir. AI ile Web3 arasındaki köprüdür.

Gelecek: Sürekli olarak hesaplama tüketen ajanların ekonomisi

Raporun sonucu açıktır: AI’nin geleceği en büyük modeller tarafından değil, inference’ı en ölçeklenebilir, ekonomik ve doğrulanabilir şekilde sunabilenler tarafından şekillendirilecektir. Bugün insan kullanıcılar milyonlarca talep oluşturuyorsa, yarın otonom ajanlar milyarlarca talep oluşturacaktır. Ve bu taleplerin her biri bir hesaplama maliyetine sahip olacaktır.

O noktada, decentralized compute networks artık deneysel bir alternatif olmayacak: ekonomik bir gereklilik haline gelecekler.

Sonuç

Inference çağının içine giriyoruz, training değil.
Sınırsız bir şekilde büyüyen talebin olduğu, hesaplamanın artık izole bir yatırım değil, sürekli bir akış olduğu ve milyonlarca modelin — büyük ya da küçük — her saniye sunulması gereken bir çağ.

Ve tam da burada, bu devasa ekonomik alanda, kripto dünyası en doğal rolünü buluyor: giderek daha akıllı hale gelen bir toplumu desteklemek için gerekli hesaplama gücünü koordine etmek, doğrulamak, dağıtmak ve ekonomik hale getirmek.

Francesco Antonio Russo

Francesco Antonio Russo adlı yazarın tüm makaleleri