§ Yatırımcılar
Tarayıcıda hesaplayan bilim — kendi GPU'nuzda, kendi verinizde, meslektaşlarınızla birlikte.
İstatistiksel ve bilimsel hesaplama, yerleşik oyuncularının onlarca milyar dolara el değiştirdiği, milyarlarca dolarlık bir pazardır — yalnızca Siemens, on beş ay içinde bunlardan ikisi için yaklaşık 15,7 milyar dolar ödedi. Bundan bağımsız olarak, tarayıcıda çalışan iş birlikçi yazılım defalarca prim kazandı. Scellis, bu iki kümenin de bulunmadığı yerde duruyor: sıradan bir sekmede, kullanıcının kendi GPU'sunda çalışan eksiksiz bir eğitim yığını; cihazı terk etmek zorunda olmayan veri; bir bağlantıdan yeniden çalıştırılabilen her sonuç; ve tek bir iş akışı üzerinde birlikte hesaplayan çok sayıda insan ve cihaz. Bunların her biri bir yerlerde var. Tek ve doğrulanmış bir altyapı olarak sunulan bileşim ise yok.
§ 01 · Tez
Numara değil, bileşim
Bir modeli tarayıcının içinde eğitmek yeni değil. TensorFlow.js bunu 2018'den beri, daha eski grafik yolu üzerinden yapıyor ve yaklaşık yirmi aydır yeni bir sürüm yayımlamadı; Teachable Machine ise üç sabit oyuncak görevi eğitiyor. Olmayan şey şu: modern GPU yolunda eksiksiz bir eğitim yığını — otomatik gradyanlar, optimizatörler, zamanlayıcılar, karma hassasiyet, kontrol noktaları, ince ayar — ve bunun sıradan bir sekmede, önünüzdeki makinede çalışması; üstelik kullanıcının kendisinin genişletebildiği bir altyapının parçası olarak.
Tabloyu üç özellik tamamlar ve hiçbiri süs değildir. Hesaplama kullanıcının kendi cihazında çalıştığı için ham verinin cihazı terk etmesi hiç gerekmez. Commit edilen her sonuç içeriğine göre adreslendiği için, bir çalıştırma bir bağlantıdan yeniden üretilebilir: bağlantıyı açan meslektaşınız ekran görüntüsünü değil, tam olarak iş akışını, girdileri ve motor sürümünü geri alır. Ve iş bölünüp gönderilebildiği ve denetlenebildiği için, çok sayıda insan ve cihaz tek bir iş akışı üzerinde birlikte hesaplar — iki dizüstüden kurumsal bir konsorsiyuma kadar.
Bu, kapsamı belirlenmiş bir iddiadır ve denetlenmek için yazılmıştır. Koşulların her birini tek başına birileri karşılar: tarayıcı çalışma zamanları modelleri çalıştırır, bulut defterleri bir sunucuda eğitir, masaüstü çerçeveler kurulumdan sonra sizin makinenizde eğitir. 2026 ortası itibarıyla hiçbiri hepsini aynı anda karşılamıyor — ve pencere yeni, çünkü tüm bunları mümkün kılan tarayıcı GPU standardı ancak 2025'in sonlarında bütün büyük tarayıcılara ulaştı. Bu kesişime ilk giren olmak, tezin kendisidir. Kalıcı bir garanti değildir; aşağıdaki riskler bölümü bunu açıkça söyler.
| Köşe | Kullanan kişi için anlamı | Ortadan kaldırdığı şey |
|---|---|---|
| Kendi GPU'nuzda, sekmede eğitir | Bir bağlantı açın ve eğitin — zaten sahip olduğunuz dizüstü, hesaplamanın kendisidir | Kiralanmış bir bulut GPU'su, bir kurulum, bir sürücü zinciri |
| Veriniz cihazınızda kalır | Hassas veri, bulunduğu yerde çözümlenebilir: çevrimdışı ve hesapsız | Bir veri kümesini, üzerinde hesaplamak için başkasının makinesine yüklemek |
| Her sonuç bir bağlantıdan yeniden çalışır | Bağlantıya tıklayan kişi çalıştırmayı geri alır — iş akışı, girdiler, motor sürümü | Bir ekran görüntüsü, bir yöntem paragrafı ve kimsenin yeniden kuramadığı bir ortam |
| Çok sayıda insan ve cihaz, tek iş akışı | Meslektaşlar birlikte düzenler ve çalıştırır; boştaki makineler işin bir kısmını üstlenir | Veriyi merkezî bir sunucuya göndermek — ya da hiç iş birliği yapmamak |
§ 02 · Neden şimdi
Yeni gerçek olan beş şey
Tarayıcı bir GPU kazandı
2025'in sonlarında WebGPU bütün büyük tarayıcılarda yayınlandı — kullanıcıların yaklaşık %84'ünde artık varsayılan olarak bir GPU hesaplama arayüzü var. Sekmede eğitimi mümkün kılan yetenek, ancak yeni güvenle üzerine bina edilebilir hâle geldi.
Dizüstü, iş istasyonudur
Tüketici GPU'ları — tümleşik olsun, ayrık olsun — artık gerçek eğitim yüklerini taşıyor. Bir araştırmacının ya da öğrencinin zaten sahip olduğu makine, yalnızca istemci değil, hesaplamanın kendisi olacak güçte.
Ajanlara kum havuzu değil, bir alet gerekir
Asistanlar kod üretip çalıştırdıkça darboğaz, sonucun denetlenmesi olur — üstelik düzenlemeye tabi ya da özel veriler bir sağlayıcının barındırılan kum havuzuna hiç giremez. Scellis, adlandırılmış ve onaya bağlı etkilerle uçtan uca tek bir türlenmiş arayüzden sürülür: o katmanın eksik olan denetlenebilir yerel aleti. Aynı olgu en keskin tehdittir de — aşağıdaki riskler bölümünde duruyor.
Avrupa veri hukuku talebi üretiyor
Kurallar giderek hassas verinin yerinden oynatılmadan çözümlenmesini gerektiriyor; Avrupa Sağlık Veri Alanı ise ikincil kullanım için 2029–2031 saatini kuruyor. Bu da verinin zaten bulunduğu yerde hesaplama talebini modanın değil, düzenlemenin konusu hâline getiriyor — ki bu, çok daha kalıcı bir gerekçedir.
Yeniden üretilebilirlik zorunlu ama araçsız
Fon sağlayıcılar ve dergiler artık çözümlemenin erişilebilir ve yinelenebilir olmasını istiyor; anketlerse çoğu araştırmacının bunun için hâlâ bir aracı olmadığını gösteriyor. Yükümlülük var; eksik olan alet. Yine de yeniden üretilebilirlik tek başına nadiren satın alınır — hesaplamanın içine gömülü olarak satılır ve burada tam olarak öyle sunulur.
Bu kadar yeni bir pencere aynı zamanda çekişmelidir. Tarayıcıda çıkarım hızla sıradanlaşıyor ve ona sahip ekipler, eğitim eklemekten yalnızca bir ürün kararı uzakta. Dürüst okuma: zamanlama gerçek — ve ay ay eriyor.
§ 03 · Ürün
Halihazırda kurulmuş olan
Scellis bir sunum destesi değildir. Derlenen uygulama küçük bir motor taşır; geri kalan her şey bir veritabanından içerik olarak gelir: bloklar, modeller, GPU kodu. Bu motorun üzerinde bugün beş şey kurulmuş ve çalışıyor — eğitim yığını; çizdiğiniz iş akışını GPU'nuzun çalıştırdığı koda çeviren derleyici; tek bir belge üzerinde canlı iş birliği; çok sayıda cihaz arasında havuzlanmış ve federe hesaplama; ve platformun tamamının kendisinden sürüldüğü tek bir türlenmiş arayüz — böylece ekranın ve asistanın yetkileri tıpatıp aynıdır. Hepsinin üzerinde: kullanıcının yazdığı, bizim yazdığımızla aynı çıtada denetlenir — motor, çalıştırma anında ikisini birbirinden ayırt edemez.
Dürüstlük yapısaldır. Her GPU kodu parçası bir referans uygulamayla eşlenir ve beyan edilen toleranslar içinde onunla uyuşmak zorundadır — kullanıcının yazdığı kod dâhil. Böylece doğruluk, bizim öne sürdüğümüz bir iddia değil, bir yabancının denetleyebileceği bir olgu olur. Bundan iki şey çıkar ve ikisi de gömülmek yerine burada söylenir. Birincisi: Scellis henüz başlamadı — ön-lansman aşamasında ve canlı kullanıcısı yok. İkincisi: harici bir yapay zekâ ajanının platformu sürmesini sağlayan yüzey, bugün yayınlanan bir özellik değil, adı konmuş bir sonraki adımdır — durumunun kaydedildiği tek yer aşağıdaki yol haritasıdır ve bu sayfadaki başka hiçbir cümle ona aykırı olamaz.
§ 04 · Rakipler
Bu alanda başka kimler var
Adı konmuş bir rakibi olmayan savunulabilirlik iddiası, iddia sayılmaz. İşte alan — ve her birinin durduğu nokta.
| Kim | Neyi iyi yapıyor | Nerede duruyor |
|---|---|---|
| transformers.js · ONNX Runtime Web · WebLLM | Büyük modelleri tarayıcı sekmesinde, GPU üzerinde, gerçek ölçekte çalıştırır | Modelleri çalıştırırlar. Bir eğitim yolu varsa bile yalnızca CPU üzerindedir ve bakımı bırakılmıştır — GPU'da asla. Buradaki en inandırıcı hızlı-takipçi Hugging Face'tir. |
| TensorFlow.js · Teachable Machine · DISCO | Gerçekten tarayıcı sekmesinde eğitir — bu 2018'den beri mümkün | Eski grafik yolunda bir kütüphane ya da sabit bir görev; TensorFlow.js yaklaşık yirmi aydır sürüm çıkarmadı. |
| Google Colab · Kaggle | Ücretsiz GPU'lara açılan bir tarayıcı arayüzü — çoğu sınıf bugün böyle eğitiyor | GPU Google'ındır: bir hesap, ders ortasında bitebilen bir kota, bir yükleme — ve çevrimdışı yok. |
| MATLAB Online · jamovi Cloud | Tam donanımlı bilimsel ve istatistiksel araçlar — on yıldır tarayıcı sekmesinde | Hesaplama sağlayıcının sunucusunda çalışır. İşte tam da bu yüzden tek başına “tarayıcı tabanlı” bir iddia değildir. |
| PyTorch · R · SPSS · Prism | Bilim insanlarının her gün gerçekten kullandığı eğitim ve istatistik | Bir kurulum, kendi makineniz, aynı anda tek kişi — ve bir bağlantının çözebileceği çalıştırma kimliği yok. |
| Flower · NVFLARE · TRE vendors | Kurumlar için federe öğrenme ve güvenli çözümleme odaları | Bilim insanının sekmede açtığı bir şey değil, mühendisler için sunucu tarafı çerçeveler. Rakipten çok, birlikte çalışılacak bir kanal. |
Hızlı-takip sorusu, sorulması gereken doğru sorudur ve yanıtı rahatlatıcı değildir. Kaynağı bol bir ekip, bir tarayıcı çalışma zamanına aylar içinde GPU ince ayarı ekleyebilir — en akla yakını Hugging Face. Araya iki şey giriyor: Scellis'in hâlihazırdaki genişliğine ulaşmak bir özellik değil, yıllar süren bir iştir; ve GPU kiralayan herkes için, kullanıcının kendi makinesinde bedava çalışan eğitim, bugün topladığı geliri yer. Bunların hiçbiri bir duvar değildir. İkisi de zaman kazandırır — ve aşağıdaki bileşik, tam da bu zamanla kurulur.
§ 05 · Pazar
Zeminin büyüklüğü, kamuya açık sayılarla
Burada yalnızca üçüncü tarafların kamuya açık rakamları yer alır — hizmet edilen pazarlar, benzer şirketlerin satış bedelleri ve her rakama ne kadar güvenilebileceği.
Ölçülebilir pazarlar
| Sinyal | Değer | Kaynak — ve ne kadar güvenilir |
|---|---|---|
| İstatistik yazılımı pazarı | $8–9.5B (2024) | Analist tahminleri. Bu pazara dair raporlar birbirinden yaklaşık iki kat sapıyor — yalnızca yön gösterir. Bilinebilir olan kullanıcı başına fiyatlar, büyüklük mertebesini destekliyor. |
| Laboratuvar ve araştırma bilişimi yazılımı | ≈$4B (2025) | Sektör analistleri, aşağıdan yukarıya çıpalanmış: Dotmatics, 5,1 milyar dolarlık satışından önce 2022'de 200 milyon doların üzerinde gelir açıkladı. |
| Her yıl makine öğrenmesine başlayanlar | ~10–20M / year | Kurs ve yükseköğretim kayıtlarından aşağıdan yukarıya; bir sayım değil, bir yaklaşıklama. |
| Avrupa'nın hassas-veri yükümlülüğü | 2029 / 2031 | Avrupa Sağlık Veri Alanı'nın ikincil kullanım takvimi — bir tahmin değil, yasal bir tarih. |
| Tarayıcısında GPU arayüzü olan kullanıcılar | ~84% (Nov 2025) | Tarayıcı destek izleyicileri — ölçülmüş; bu sayfadaki en sağlam veri. |
Bu türden şirketlerin satış bedeli
| İşlem | Değer | Neydi — ve ne öğretir |
|---|---|---|
| Ansys → Synopsys (2025) | ≈$35B · ~14× revenue | Simülasyon yazılımı |
| Altair → Siemens (2025) | ≈$10.6B · ~16× revenue | Mühendislik ve veri bilimi |
| Dotmatics → Siemens (2025) | $5.1B | Bilimsel Ar-Ge yazılımı — bilim insanlarının her gün içinde çalıştığı araçlar |
| Alteryx → Clearlake / Insight (2024) | $4.4B · ~4.5× revenue | Sıkıntılı satışın tabanı. Bu sınıfta sağlıklı satışlar gelirin ~14–17 katından; pazarın sabrını tükettiği bir iş ise ~4–5 katından el değiştirir. |
| Overleaf | 25M+ users | Kurumsal lisanslara dönüşen, tarayıcıda yaşayan akademik benimseme — aşağıdan yukarıya şablon |
| Figma | $749M rev. (FY24) · IPO 2025 | Tarayıcıda çalışan iş birliği prim kazandırır — ve kendini kanıtlaması gerektiğinde yeniden fiyatlanır: ilk gün yaklaşık 68 milyar dolar, 2026 ortasında yaklaşık 10–11 milyar dolar. Bu sayfaya iki yarı da aittir. |
Yukarıdaki her rakam, üçüncü tarafların kamuya açık raporu, resmî dosyası ya da duyurusudur — ve yalnızca iyi yanını değil, kendi ihtiyat kaydını da taşır. Bu sayfa, Scellis'in kendi rakamlarına dair hiçbir dâhilî projeksiyon yayımlamaz; bu ölçülülük bilinçlidir ve platformun bir GPU çekirdeğine uyguladığı disiplinin aynısıdır.
§ 06 · İş modeli
Hesaplamayı bedava veren bir platform nasıl iş olur
Scellis, fiyatlandırmasının asla bozamayacağı tek bir söz verir: hesaplama asla sayaçla ölçülmez. Hesabı olmayan biri bile kendi cihazında herhangi bir hesaplamayı sınırsızca yazıp çalıştırabilir — ücretsiz olan dâhil her planda. Bu, geri alınabilecek bir kampanya değil, mimariye bir kural olarak yazılmıştır. Elden çıkarılan iş değil, işin üzerine kurulduğu güvendir.
Satılan şey, o ücretsiz çekirdeğin çevresindedir ve listedeki her kalem, iş cihazınızdan çıktığında ya da bir kuruma girdiğinde olan bir şeydir: barındırılan hizmetler — depolama, ölçekli paylaşım, aktarılan ve havuzlanan hesaplama kapasitesi, iş birliği koltukları; kaynağı yayımlanmış motorun ticari kullanım lisansı; eğitim ve kampüs lisansları; ve doğrulanmış içerik paketleriyle düzenlemeye tabi veriler üzerinde konsorsiyum kurulumları. Ücretli içerik *teslimatı* denetler, çalıştırmayı asla: baytlar cihaza indiğinde, hiçbir kopya koruma iddiası taşımadan, incelenebilir sıradan içerik olarak çalışır.
Ekonomi yapısaldır. Kullanıcılar kendi hesaplama gücünü getirdiği için, bir hesaplamaya hizmet etmenin marjinal maliyeti sıfıra yakındır — Scellis, kiralamak zorunda olduğu GPU'ları yeniden satmıyor; ücretsiz planın bedava verilebilecek kadar ucuz olmasının nedeni de budur. Pazara giden yol da tek bir sıçrama değil, bir sıralamadır: öğretim ve bireysel benimseme kitleyi oluşturur; düzenlemeye tabi işler ve konsorsiyumlar kanıtı ve onunla gelen itibarı satın alır; o itibar da altyapının bir standart olarak benimsenmesini sağlar. Her aşama, bir sonrakini denemenin hakkını finanse eder.
Bir şey bilerek hesaba katılmıyor. Mimari, bir hesaplama pazarını saate göre değil, doğrulanmış işe göre ölçebilir ve bunun muhasebesi bugün çalışıyor — ama açık GPU pazar yerlerinin kamuya açık sicili bunun üzerine bir iş kurmayı desteklemiyor. Dolayısıyla bu savda hiçbir ağırlığı yoktur ve hiçbir öngörüde yer almaz. Platformda kalmasının nedeni, güvendiğiniz insanlarla hesaplamayı havuzlamanın kendi başına yararlı olmasıdır.
§ 07 · Savunulabilirlik
Birbirini güçlendiren beş varlık
Birbirini güçlendiren beş varlık — ve aynı nefeste, kabul ettiğimiz şey.
Motor
Eğitim derleyicisi, otomatik gradyanlar ve elle yazılmış GPU çekirdek kütüphanesi, en az kopyalanabilir katmandır — üç aylık bir demonun yeniden üretemeyeceği yılların mühendisliği.
Kamusal bir standart olarak doğruluk
Her GPU kodu parçası — bizimki de kullanıcınınki de — beyan edilen toleranslar içinde bir referans uygulamayla uyuşmak zorundadır. Bu denetimlerin büyüyen külliyatı, taklit edilemeyen ve bir rakip dâhil herkesin inceleyebileceği bir varlıktır.
Paylaşılmaya dayanan sonuçlar
Bir çalıştırmanın, bir bağlantının çözdüğü bir kimliği vardır; modeller ve veri kümeleri ise imzası denetlenmiş paketler hâlinde sunulur. Bu, birine bir sonuç göndermekle, o sonuca kendisinin ulaşabilmesini göndermek arasındaki farktır.
Çoğun paylaştığı hesaplama
Tek iş akışı, çok sayıda makine: iş bölünür, gönderilir ve güvenilmek yerine kabul edilmeden önce denetlenir — yabancılardan oluşan bir havuzu kullanılabilir kılan da tam olarak budur. Aynı mekanizma kendi cihazlarınızda, davetli bir konsorsiyumda ya da açık bir havuzda çalışır; federe öğrenme ise onun bir yapılandırmasıdır: çok sayıda saha, ham veri her birinde kalırken tek bir paylaşılan modeli öğrenir. Verisi kımıldayamayan kurumlar için bu bir özellik değil, katılma iznidir.
İçerik paketleri yeni bir alana ulaşır
Gelir katmanı, motorda hiçbir değişiklik olmadan her disipline ulaşır: yeni bir düzenlemeye tabi pazar, bir platform sürümü değil, imzalı içeriktir. Tek bir ekibin, kendisinin bilmediği alanlara hizmet edebilmesinin nedeni budur.
Bunların hiçbiri tek başına kopyalanamaz değildir — iyi finanse edilmiş bir ekip herhangi bir köşeyi aylar içinde klonlayabilir; dürüst sınırlar sayfası da bunu böyle söyler. Savunulabilirlik bileşiktir: kullanıcılarının çekirdeklerini kendilerinin yazdığı bir motor, doğru olmayı herkesin denetleyebileceği bir şeye dönüştüren bir doğruluk denetimleri külliyatı, paylaşılmaya dayanan sonuçlar, düzenlemeye tabi işin üzerine kurulduğu konsorsiyum ilişkileri ve temellerine kadar tutarlı bir sistemin hızı. Hızlı bir takipçi bir özelliği kopyalar. Bileşiği kopyalayamaz.
Scellis'in yazılı olarak kabul ettiği şey: bir tarayıcı sekmesi, kiralanmış bir veri merkezi GPU'suna karşı yarışı kazanmaz ve buna kalkışmaz da — ham verimi, bu işte uzmanlaşan çalışma zamanlarına bırakır. Buradaki iddialar daha dar ve daha sağlamdır: kurulum yok, kullanıcının kendi makinesi, çevrimdışı çalışma, ücretsiz yerel hesaplama, yeniden çalışan sonuçlar ve birlikte çalışan insanlar. Geri kalanı inandırıcı tutan şey, sınırları tam olarak adlandırmaktır.
§ 08 · Riskler
Bunu yanlış çıkaracak olan şeyler
Ciddi bir okurun zaten bulacağı beş şey. Her biri önce söylenir, sonra yanıtlanır — çünkü dürüstlüğünü öne süren bir sayfanın ardından bunları kendiniz keşfetmeniz, burada okumanızdan kötüdür.
Tarayıcıda eğitim talebi kanıtlanmış değil
Beşinin en keskini budur. Tarayıcıda makine öğrenmesine gerçek ve hızla büyüyen bir talep var; ama neredeyse tamamı modelleri eğitmeye değil, çalıştırmaya yönelik: yaygın tarayıcı eğitim kütüphanesi yaklaşık yirmi aydır hareketsiz. Scellis, talep eğrisinin önünde — zeminin boş olmasının nedeni de budur. Yanıt: kurulumu çalışan ve acı hissetmeyen insanları ikna etmeye çalışmak yerine, alternatifin hiçbir şey olduğu yerden başlamak: öğretim, dışa kapalı kurum filoları, kımıldamasına izin verilmeyen veriler.
Yapay zekâ asistanları işi yutabilir
Tam da bu platformun gösterdiği işler için — bir tablo yükle, küçük bir model eğit, bir eğri çiz — bunu İngilizce anlatıp kodu ürettirmek ve barındırılan bir kum havuzunda çalıştırmak artık tek bir mesaj uzakta, ücretsiz ve tüm bilimsel Python dünyası dâhil. Yanıt: üretmek bedava olduğunda darboğaz denetlemeye kayar; bulutta tek kullanımlık bir kum havuzunun ise belleği, kökeni ve binadan çıkması yasak verilere erişimi yoktur. Scellis tam da bu alettir. Aynı kayma yukarıda bir fırsat olarak da duruyor — dürüstçe, çünkü ikisi birden.
Pencere çekişmeli ve daralıyor
Tarayıcıda çıkarım sıradanlaşıyor ve ona sahip ekipler, eğitim eklemekten bir ürün kararı uzakta. Kesişime ilk girmek tezdir, garanti değil. Yanıt: yukarıdaki savunulabilirlik bileşiği ve hız. Bir yabancı bunu kullanmadan önce geçen her ay, tasarruf edilmiş değil, harcanmış bir aydır.
En hızlı benimseyenler, acıyı çekenler değil
Yarın geçiş yapabilecek araştırmacıların çalışan bir kurulumu var ve acı hissetmiyorlar; acıyı hissedenler — düzenlemeye tabi, BT kilidinin ardındaki kurumlar — on sekiz ilâ otuz altı aylık döngülerle satın alıyor ve genç bir tedarikçiye temkinli yaklaşıyor. Çareleri birbirine zıt, iki ayrı sorun. Yanıt: benimsemeyi öğretim ve dışa kapalı ortamlar taşırken, konsorsiyum görüşmeleri kendi uzun saatinde ilerler — para gerektiğinde değil, erkenden başlatılarak.
Tek yazar hem tutarlılık hem yoğunlaşmadır
Motor, temellerine kadar tutarlıdır; çünkü onu tek bir kişi uçtan uca tasarlayıp yazdı. Aynı cümle, bu sayfadaki en büyük tek-nokta riskidir ve hiçbir okur bunu kendi başına çıkarmak zorunda kalmamalı. Yanıt: ilk dış sermaye tam da motorun etrafına ekibi kurmak içindir; ayrıca mimari devredilmek üzere kuruldu: her yetenek, denetlenmiş tek bir yoldan içerik olarak gelir — bu da yalnızca yazarının genişletebileceği bir sistemin tam tersidir.
§ 09 · Ekip
Onu kim geliştiriyor
Kurucu · CEO
Kemal İnecik
Helmholtz Munich ve Münih Teknik Üniversitesi'nde makine öğrenmesi doktora araştırmacısı; yapay zekâyı bilime uygulayan dünyanın önde gelen laboratuvarlarından birinde derin üretici modeller geliştiriyor. Aralarında Nature, Cell, ICML ve NeurIPS'in de bulunduğu ondan fazla makine öğrenmesi makalesinin yazarı. Scellis'i uçtan uca kendisi tasarlayıp geliştirdi: eğitim derleyicisini, otomatik türev ve GPU çekirdek kütüphanelerini, bunları bir referans uygulamaya karşı doğrulayan denetim rejimini ve etrafındaki platformu.
Kurucu Ortak · Bilim
Fabian J. Theis
Münih Teknik Üniversitesi'nde profesör ve Helmholtz Munich'te direktör. Almanya'nın en prestijli araştırma ödülü olan Leibniz Ödülü'nün ve bir ERC Advanced Grant'in sahibi; bilimlere yönelik makine öğrenmesinde Avrupa'nın en çok atıf alan bilim insanlarından biri. Araştırma grubu, temel modelleri (foundation models) bilimsel verilere uygulamanın öncülerinden — genel ve yeniden üretilebilir bir hesaplama platformunun rutin hâle getirdiği şeyin en yakın metodolojik öncülü.
Scellis Almanya'da geliştiriliyor. Motor, kurucusu tarafından uçtan uca tasarlanıp yazıldı — parçalardan birleştirilmiş değil, temellerine kadar tutarlı olmasının nedeni budur — ve ardındaki bilimsel muhakeme, bilimlere yönelik makine öğrenmesinde onlarca yıllık bir araştırma programından geliyor. Bu yoğunlaşma yukarıdaki riskler bölümünde açıkça söylenir ve orada yanıtlanır. Tam ekip sayfası ayrıntıyı verir; hakkında sayfası ise ne yaptığımızın ve neden yaptığımızın daha uzun hikâyesini anlatır.
§ 10 · Yol haritası
Temelden platforma
Dört aşama; her biri, içinde yürüdüğü ufuk ve onu bitiren dönüm noktasıyla. Ufuklar taahhüt değil, niyettir — asıl gerçekleşmesi gereken, dönüm noktalarıdır.
Temel — şimdi
Altyapı: tarayıcının GPU'sunda eğitim, bir referansa karşı denetlenmiş doğruluk, bağlantıdan yeniden çalışan sonuçlar, canlı iş birliği, havuzlanmış ve federe hesaplama — ve bunların tümünü süren tek bir türlenmiş arayüz.
Bitiş koşulu: bir yabancının, bir bağlantıdan gerçek bir eğitim çalıştırmasını yeniden üretmesi.
Lansman ve öğretim — 2027
Kamuya açık erken erişim, sınıf hareketi ve harici bir yapay zekâ ajanının platformu standart ajan protokolü (MCP) üzerinden sürmesini sağlayan yüzey — bu sayfada henüz var olmayan ilk yetenek. Scellis'in alternatifinin hiçbir şey olduğu yere yönelik.
Bitiş koşulu: insanların kendiliğinden geri dönmesi ve ilk derslerin onu benimsemesi.
Düzenlemeye tabi pilotlar — 2027–2029
Önce tek bir saha, sonra bir konsorsiyum: doğrulanmış içerik paketleriyle, tam bunun için kurulmuş güven rejimi altında hassas veriler üzerinde çalışır — davetli, kurumsal olarak imzalanmış bir grup. Burada satılan şey bir protokol değil, uyumun kısayolu ve ağdır.
Bitiş koşulu: bir kurumun, içeriden adı belli bir savunucuyla, gerçek bir hassas iş yükü çalıştırması.
Platform ekonomisi — 2030+
İçerik pazarı döner, kullanıcıların kendi yazdığı yetenek bileşik büyür ve altyapı, başkalarının üzerine inşa ettiği yeniden üretilebilir, ajanla sürülebilir standart olarak yerleşir.
Bitiş koşulu: yeteneğin çekirdek ekip olmadan büyümesi — çarkın kendi kendine dönmesi.
§ 11 · SSS
Yatırımcıların sorduğu sorular
Bu sadece TensorFlow.js değil mi?
Hayır — ve fark, tezin kendisidir. TensorFlow.js bir kütüphanedir: eski grafik yolunda, tek bir cihazda, sabit bir işlem kümesiyle eğitir ve yaklaşık yirmi aydır sürüm çıkarmadı. Scellis bir altyapıdır: modern GPU yolunda eksiksiz bir eğitim yığını, bir referans uygulamaya karşı denetlenen her çekirdek, bağlantıdan yeniden çalışan sonuçlar, canlı iş birliği, çok sayıda makineye yayılan havuzlanmış hesaplama ve kullanıcılarının kendilerinin genişlettiği bir katalog. Tarayıcıda eğitim burada giriş biletidir. Hiçbir zaman iddianın kendisi olmadı.
Büyük bir yerleşik neden onu kolayca kopyalayamaz?
Herhangi bir köşe aylar içinde kopyalanabilir — bir tarayıcı çalışma zamanına GPU ince ayarını en akla yakın biçimde Hugging Face ekleyebilir ve biz bunu, aksini iddia etmek yerine sayfada söylüyoruz. Bileşik ise kopyalanamaz: kullanıcılarının çekirdeklerini kendilerinin yazdığı bir motor, doğru olmayı denetlenebilir kılan bir doğruluk denetimleri külliyatı, paylaşılmaya dayanan sonuçlar, konsorsiyum ilişkileri ve temellerinden tutarlı kurulmuş bir sistemin hızı. Ayrıca adı konmayı hak eden bir çekince var: GPU kiralayan herkes için, kullanıcının kendi makinesinde bedava çalışan eğitim, bugün topladığı geliri yer.
Havuzlanmış hesaplama ticari olarak neden önemli?
Çünkü bir kurumun evet diyebileceği tek şey odur. Bir hastane ya da araştırma konsorsiyumu verisini hiçbir yere gönderemez; bir çalışmaya katılmasının tek yolu, hesaplamanın veriye gelmesi ve dışarı yalnızca denetlenmiş sonuçların çıkmasıdır. Scellis bunu tek bir mekanizmayla yapar — işi böl, gönder, kabul etmeden önce her sonucu denetle — ve bu, kendi cihazlarınızda, davetli bir konsorsiyumda ya da açık bir havuzda çalışır. Federe öğrenme, onun bir yapılandırmasıdır. Bu bir özellik değil, katılma iznidir; düzenlemeye tabi pilotlar da bunun üzerine satılır.
Bu açık kaynak mı?
Tam olarak değil ve bu ayrım bilinçlidir. Değişim halkası — spesifikasyonlar, doğruluk külliyatı, referans uygulama ve geliştirici kitleri — izin verici bir lisans taşır; böylece bir rakip dâhil herkes, ileri sürdüğümüz her doğruluk iddiasını doğrulayabilir. Motorun kaynağı, fair-code bir lisansla yayımlanır: araştırma, öğretim ile kişisel ve dâhilî kullanım için ücretsizdir. Motora asla açık kaynak demeyiz, çünkü değildir; [lisans sayfası](/platform/openness/) de güzel etiketi değil, tam koşulları verir. Yalnızca platform hizmeti ve kendi içerik paketlerimiz saklı tutulur.
Hesaplama ücretsizse nasıl para kazanıyorsunuz?
Yerel hesaplama, kural gereği her planda ücretsizdir ve öyle kalacaktır. Satılan şey onun çevresindedir ve her kalem, iş cihazdan çıktığında ya da bir kuruma girdiğinde ortaya çıkar: barındırılan depolama ve paylaşım, aktarılan ve havuzlanan hesaplama kapasitesi, motorun ticari kullanım lisansı, eğitim ve kampüs lisansları, doğrulanmış içerikle konsorsiyum kurulumları. Kullanıcılar kendi hesaplama gücünü getirdiği için, bir hesaplamaya hizmet etmek bize neredeyse hiçbir şeye mal olmaz — ücretsiz planın ucuz işlemesinin nedeni, matematiğin kullanıcının makinesinde olmasıdır.
Neden öğretimle başlamak?
Çünkü Scellis'in alternatifinin gerçekten hiçbir şey olduğu yer orasıdır. Bu savın dürüst hâli dardır: bir Chromebook bulut defterine erişebilir ve çoğu sınıf bugün böyle eğitiyor. Aşamadığı şey, yönetilen okul filosudur: yöneticiler dış hizmetleri küçükler için engeller ya da yaş sınırına bağlar, ücretsiz kota ders ortasında bitebilir ve öğrenci verisi okulun yetki alanından çıkmamalıdır. Hesap gerektirmeyen, cihaz üzerinde çalışan bir eğitici, üç kısıtı birden aşan tek seçenektir — ve paylaşılan her bağlantı, hiçbir maliyeti olmayan bir etkinleştirmedir.
Şirket hangi aşamada?
Ön-lansman. Altyapı kuruldu ve otomatik doğrulamanın arkasında tutuluyor; henüz canlı kullanıcı yok ve site ürünü erken erişim olarak ele alıyor. Kısa vadede önemsediğimiz kanıt bir gelir kalemi değil — onu gönüllü kullanıp geri dönen bir yabancı ve gerçek bir hassas iş yükü çalıştıran bir kurum. Aradığımız şey, motorun etrafına ekibi kurmak ve bu iki kanıta ulaşmak için gereken ilk dış sermayedir; bu görüşmenin biçimini teknik özet anlatır.
Kullanıcı verisi nerede durur?
Cihazda. Yerel çalıştırma varsayılandır ve ağa çıkan her akış ayrı, adlandırılmış ve onaya bağlı bir adımdır — platform asla eve telefon etmez. Çok sayıda saha tek bir paylaşılan modeli eğittiğinde cihazdan yalnızca model güncellemeleri çıkar, ham veri asla; ve bir güncelleme arkasındaki veri hakkında yine de bir şeyler ele verebildiği için, bu kip bütçesi bilançolanan bir diferansiyel gizlilik alt sınırını, kırpmayla birlikte varsayılan olarak açık tutar. “Veri asla çıkmaz” ifadesi baytlar için doğrudur. Bilgi düzeyindeki güvence yalnızca bu alt sınır devredeyken geçerlidir — ve bunu, önemli olduğu her sayfada söyleriz.
§ 12 · İletişim
Nitelikli yatırımcılar için
Teknik özet, mimari dokümantasyon, doğruluk külliyatı ve şirketin güncel kurumsal, fikrî mülkiyet ve lisans durumu, talep üzerine nitelikli yatırımcılara açıktır. invest@scellis.com adresine yazın, gerisini biz hallederiz.