# AI capex — X 热门讨论 (2026-09-12 03:28 UTC)
## @fenilkothari (Feniil Kothhari) · 09-11 15:10 · ♥114 ↻51 💬1 Jefferies just named India’s next industrial wave: space, semiconductors, data centres, electronics, solar and aerospace.
The obvious winners are companies operating directly in these sectors. But there is another layer worth watching.
Every data centre, solar plant, electronic device and aerospace platform needs equipment, components, precision parts, sensors and several other ‘microelements’ at scale.
That creates an opportunity for manufacturing platforms that not just supply these fundamental building blocks, but also manage the end-to-end manufacturing cycle.
One such company that comes to mind is IPO-bound Zetwerk, whose UDRHP points to the same trend as Jefferies.
Its technology-led, asset-light platform operates across solar and energy components, data-centre equipment, AI infrastructure, electronics hardware and aerospace precision parts.
In FY26, their manufacturing revenue was ₹9,375 crore, including ₹6,508 crore from Energy Products, with a manufacturing order book of ~₹12,370 crore.
If Jefferies is right, demand for this underlying manufacturing layer could rise with the capex cycle. https://x.com/fenilkothari/status/2098429088348426469
## @CKCapitalxx (CK Capital) · 09-11 15:19 · ♥118 ↻9 💬39 Imo the debt fear around $ORCL has created a solid opportunity here.
The fear is that Oracle is borrowing itself into a hole to build for one customer. which is understandable, but the call walked through why that's wrong.
More than $30 billion of new AI contracts closed in Q1 with no additional cash required from Oracle. Prepayments, bring your own hardware, supplier financing. Net cash capex was $18 billion against $28 billion reported. Operating cash flow was a record $23 billion in one quarter, and the $20 billion ATM is done. The CFO said each project converts to roughly 100% of post tax EBITDA in free cash flow once it ramps.
The concentration worry is fading too. GPT-6 Astra was trained at Abilene. And OpenAI's Jalapeño chip, built with $AVGO, just posted 1.5 to 1.9x more inference work per watt than the $NVDA comparison system, with first deployments by year end. The largest customer is getting cheaper to run every quarter. That's the opposite of a counterparty risk.
The line that means a lot: GPUs that came up for renewal in Q1, most of them four years or older, were renewed or resold at a 20% premium to the prior contract.
That is not what fragile demand looks like. RPO sits at $664 billion with roughly half converting over 36 months.
Debt and concentration are worth watching. But they are not a reason for a company growing infrastructure 121% to trade like this. https://x.com/CKCapitalxx/status/2098431313099268164
## @FroehlichThors1 (Thorsten Froehlich) · 09-11 12:47 · ♥41 ↻6 💬2 Key take aways from education day:
Inflation can rise into a weakening economy (because it is lagging) - do not get caught up at the price you pay at the pump.
We have ample evidence that the underlying economy is softening, which is represented by the slow down in emplyoyment, but a few signals / reminders from the last few days:
(1) Global M&A is soft, very soft (2) Companies' CAPEX is limited to the AI narrative and declining (3) 1 +2 are a result of a weak consumer (less demand) (4) Consumer cannot catch up with inflation, because nominal wages < inflation (5) Strong productivity -----------------------
(1)-(5) is what you see in a slow down / ahead of a recession - timing TBC. > 引用 @HenrikZeberg: Remember January 2008?
The FED cut by 125 bps - in the month of January 2008 alone.
Cut of 1.25%
Inflation stood at 4% - and it was heading HIGHER!
And yet the FED was cutting.....
Why....?
Because the Fed has TWO mandates. And the Labor Market was rolling over.
Today - the Labor Market is in a worse condition than January 2008.
And.... we think that the FED cannot cut rates....? https://x.com/FroehlichThors1/status/2098392930679419128
## @rzayev7895 (Yunis Rzayev) · 09-11 16:27 · ♥30 ↻0 💬1 $ORCL - ın son bilanço toplantısında Clay Magouyrk’ün söylediği cümle, AI altyapısı tartışmasındaki en yaygın yanlışlardan birine doğrudan cevap veriyor:
“Q1’de yenileme dönemine giren tüm GPU kapasitesi, önceki kontratlara göre yüzde 20 primle yenilendi veya yeniden satıldı. Bu GPU’ların çoğu dört yaşında veya daha eski.”
Piyasada sıkça şu yorum yapılıyordu: GPU’nun ekonomik ömrü 4 yıl, sonra çöp. Burada teknik eskime ile ekonomik ömür birbirine karıştırılıyor.
Teknik ömür, teknolojik ömür ve ekonomik ömür aynı şey değil
Bir GPU’nun 4 yıl önce üretilmiş olması, bugün işe yaramadığı anlamına gelmez. Üç kavramı ayırmak gerekiyor:
-- Teknik ömür: Çip fiziksel olarak çalışıyor mu? -- Teknolojik ömür: Yeni nesle kıyasla performans ve enerji verimliliği nerede? -- Ekonomik ömür: Bu kapasite hala bir müşteriye para kazandırıyor mu?
Yeni nesil çıktığında eski GPU durmuyor. Sadece bazı işlerde daha az tercih edilmeye başlıyor. Bu, değerinin sıfırlanması demek değil. Oracle’ın verdiği veri tam olarak bunu gösteriyor.
Asıl sinyal: yenilendi veya yeniden satıldı — üstelik %20 primle
Cümlenin kritik kısmı “renewed or resold.” Yenileme zamanı gelen kapasitenin tamamı ya mevcut müşteride kaldı ya da başka bir müşteriye satıldı. Üstelik bu GPU’ların çoğu 4 yaşında veya daha eski.
“4 yılda ölür” tezi doğru olsaydı Oracle’ın elinde satılamayan eski kapasite birikmesi gerekirdi. Tersi oldu. İlk kontrat bitiyor; GPU’nun ekonomik hayatı bitmiyor.
Daha güçlü olan ikinci katman fiyat. Bu kapasite önceki kontratlara göre %20 daha yüksek fiyat ile yenilendi veya yeniden satıldı. Yani mesele “hala çalışıyor” değil. Müşteriler 4+ yıllık kapasite için daha yüksek fiyat ödemeye hazır.
Aynı çeyrekte GPU kullanım oranı %97,9. Bu da boşta duran eski filodan ziyade, sıkışık bir piyasada fiyatın yükselmesine daha çok benziyor.
Yeni GPU eskiyi silmiyor, üstteki işi alıyor
Bütün GPU’lar aynı işi yapmıyor. En yeni nesil, frontier training ve en yüksek performans isteyen workload’larda ciddi avantaj sağlıyor. Ama veri merkezindeki her iş dünyanın en büyük modelini eğitmek değil.
Inference, fine-tuning, embedding, kurumsal uygulamalar, daha küçük modeller, batch işler, çeşitli HPC yükleri… Bunların önemli kısmında “en yeni ve en pahalı GPU şart” diye bir kural yok.
Bu yüzden filoda bir basamaklanma oluşuyor:
-- Yeni GPU → en üstteki workload’u alıyor. -- Bir önceki nesil → bir alta kayıyor. -- Daha eski olan → daha düşük yoğunluklu işe veya başka müşteriye gidiyor.
Yeni nesil, eski kapasiteyi otomatik olarak sıfırlamıyor. Kullanım alanını değiştiriyor.Müşterinin her zaman maksimum performansa ihtiyacı da yok. Bazen ihtiyaç şu: işim için yeterli compute’u uygun fiyata bulmak. 4 yıllık bir GPU frontier training için ideal olmayabilir. Inference veya kurumsal işte hala para kazandırabilir.
Capex eleştirisinin zayıf noktası burada
AI capex’e yöneltilen en ciddi itiraz şu: yatırımlar devasa, GPU’lar hızlı eskiyor, şirketler varlığı yeterince uzun süre monetize edemez. Teknolojik eskime gerçek. Jenerasyonlar hızlı geliyor, enerji verimliliği farkı ciddi. Ama buradan “4 yıl sonra ekonomik değer sıfır” çıkarmak yanlış.
Oracle teorik bir model konuşmuyor. Yenileme zamanı gelen gerçek kapasiteden bahsediyor. Çoğu 4+ yıllık. Buna rağmen yenileniyor, yeniden satılıyor ve yaklaşık %20 primle fiyatlanıyor.
Yatırımın geri dönüşünü yalnızca ilk kontrat üzerinden hesaplamak da bu yüzden yanlış. GPU şu zincirle gelir üretmeye devam edebiliyor:
ilk kontrat → yenileme → ikinci müşteri → farklı workload
Oracle gibi kapasiteyi kiralayan bir şirket için asıl soru “bu çip kaç yıl çalışır?” değil. “Bu varlık kaç yıl boyunca para kazandırır?” Bu çeyrek, o soruya güçlü bir saha cevabı.
NVIDIA tarafında da sonuç benzer: eski GPU’lar yeni nesille değersizleşmiyorsa, küresel AI compute her jenerasyonda sıfırlanmıyor. Yeni kapasite üste ekleniyor, eski kapasite alta kayıyor. Hikaye “her 3-4 yılda bir filoyu hurdaya çıkarmak” değil; büyüyen toplam compute havuzuna yeni katman eklemek.
Bunu abartmamak lazım
Bu veriden “GPU 10 yıl aynı ekonomik değeri korur” sonucu çıkmaz. Yeni neslin performans ve watt başına avantajı, özellikle frontier training’de eski kartları zamanla dezavantajlı hale getirir. Enerji maliyeti de ekonomik ömrü kısaltabilir. Üstelik bu tek çeyreklik bir yenileme seti; mix, kontrat yapısı ve güç maliyeti detayı yok.
Tartışma zaten o değil. Tartışma şu: GPU 4 yaşına gelince değeri sıfır olur mu? Mevcut veri bunun cevabının hayır olduğunu gösteriyor.
Asıl okuma GPU romantizmi değil, talep
Bunu yalnızca “eski GPU’lar da iyiymiş” diye okumuyorum. Daha önemli mesaj şu:
AI compute talebi hala o kadar sıkı ki, yeni nesil piyasadayken bile 4+ yıllık kapasite iskontoyla değil primle el değiştiriyor.
Arz fazlası olsaydı fiyatın düşmesini beklerdik. Oracle %20 prim görüyor. Bu, hem GPU’nun ekonomik ömrünün sandığımızdan uzun olabileceğine, hem de kapasite açığının henüz kapanmadığına dair saha verisi.
4 yıl, GPU’nun öldüğü tarih değil. Yeni nesil karşısında kullanım alanının değişmeye başladığı dönem olabilir. Magouyrk’ün cümlesi, capex ve depreciation tartışmasını teoriden çıkarıp gerçek kontratlara bağladığı için önemli. https://x.com/rzayev7895/status/2098448390938128527