Yapay zeka altyapısında kendi donanımlarını tasarlayan Google, yeni nesil Tensor Processing Unit (TPU) mimarisinde AMD’nin yüksek hızlı bellek ve GPU tasarımındaki deneyiminden faydalanıyor olabilir. Silikon dünyasının dengelerini değiştirebilecek bu iddia, devasa veri merkezlerinin artık sadece “her şeyi kendin yap” stratejisiyle yönetilemeyeceğini gösteriyor.
Google, bugüne kadar TPU’larını tamamen kapalı bir kutu olarak geliştirdi. Kendi yazılımı, donanımı ve soğutma çözümleriyle verimlilik odaklı bir ekosistem kurmuştu. Ancak 3 nanometre süreçlerinin zorlukları ve yüksek bant genişlikli bellek (HBM) tedarikindeki kısıtlamalar, dev şirketleri bile strateji değişikliğine zorluyor.
Google’ın TPU v5 veya v6 modellerinde NVIDIA’nın Blackwell serisiyle rekabet ederken neden AMD’nin kapısını çaldığı sorusunun cevabı net: Zaman ve ölçek ekonomisi. Bir çiçeği yetiştirmekle bir ormanı yönetmek aynı şey değil. Google, devasa yapay zeka modellerini eğitmek için ihtiyaç duyduğu işlem gücünü tek bir merkezde toplarken enerji maliyetlerini ve üretimdeki hata payını minimize etmek zorunda.
Yapay zeka altyapısında AMD neden kilit nokta?
AMD, CDNA mimarisiyle veri merkezi tarafında NVIDIA’nın en ciddi rakibi konumunda. Google, AMD ile bir iş birliğine giderse bu muhtemelen doğrudan bir işlemci üretiminden ziyade, özel hızlandırıcı altyapıları ve bellek kontrolcüleri üzerinde yoğunlaşacaktır. AMD’nin Infinity Fabric teknolojisiyle elde ettiği modüler yapı, Google’ın TPU çiplerini daha esnek ve ölçeklenebilir kılabilir.
Çoğu kişi ekran kartı gücüne odaklansa da, arka planda veri transfer hızları büyük bir darboğaz yaratıyor. Bir yapay zeka modeli eğitilirken binlerce GPU’nun birbiriyle sürekli “konuşması” gerekiyor. Google’ın TPU’ları bu konuda başarılı olsa da, AMD’nin açık kaynak dostu yaklaşımı ve modüler tasarımı, TPU’ların yazılımsal esnekliğini TensorFlow ve JAX uyumluluğunu bozmadan çok daha ileriye taşıyabilir.
Mimari Verimlilik ve HBM Darboğazı
Yapay zeka dünyasında şu anki en büyük kısıtlayıcı faktör, işlemcinin hesaplama gücünden ziyade veriye erişim hızıdır. HBM3 ve HBM3e bellek modülleri, üretim süreçlerinin karmaşıklığı nedeniyle küresel bir kıtlık yaşıyor. Google, kendi özel çiplerini üretirken bu bellekleri tedarik etme konusunda NVIDIA gibi devlerle yarışmak zorunda. AMD, kendi Instinct serisi GPU’larında bu bellekleri entegre etme konusunda geniş bir tecrübe kazandı. Google’ın bu iş birliği ile hedefi, AMD’nin bellek kontrolcü mimarilerinden yararlanarak kendi TPU’larını daha az enerji harcayan ama daha geniş bant genişliği sunan bir yapıya kavuşturmak olabilir.
Özellikle 3nm ve altı üretim süreçlerinde, çiplerin üzerindeki transistör yoğunluğu arttıkça termal yönetim kritik hale geliyor. Google’ın kendi TPU tasarım ekibi, AMD’nin “Chiplet” mimarisiyle elde ettiği başarıları inceleyerek, çiplerin daha iyi soğutulmasını sağlayacak modüler bir yapıya geçiş yapabilir. Tek parça (monolitik) tasarım yerine, farklı bileşenlerin farklı süreçlerle üretilip birleştirildiği chiplet yapısı, hata payını düşürdüğü için üretim maliyetlerinde ciddi tasarruf sağlar.
Geliştiriciler İçin Pratik Yansımalar
Son kullanıcı doğrudan TPU satın almasa da, bu ortaklığın meyveleri bulut hizmetleri üzerinden doğrudan hissedilecek. Google Cloud, yapay zeka modellerini eğitmek isteyen şirketlere TPU erişimini kiralıyor. Eğer Google, AMD ile olan bu teknik sinerji sayesinde çip üretim maliyetlerini aşağı çekebilirse, bu durum bulut kiralama fiyatlarına doğrudan yansıyacaktır. Bugün start-up seviyesindeki firmalar, büyük dil modellerini (LLM) eğitmek için gereken GPU bütçelerini karşılamakta zorlanıyor. Daha verimli TPU’lar, bu şirketlerin daha düşük bütçelerle daha büyük modelleri eğitmesine olanak tanıyabilir.
Ayrıca, yazılım tarafında bir başka avantaj daha söz konusu. Google, kendi TPU’larını TensorFlow ve JAX gibi açık kaynaklı kütüphaneler etrafında optimize etti. NVIDIA ise CUDA ekosistemiyle donanım ve yazılımı birbirine sıkıca kilitliyor. Google ve AMD arasındaki olası bir teknik iş birliği, belki de donanım bağımsız bir yazılım katmanının güçlenmesini sağlayabilir. Eğer TPU’lar AMD’nin bazı mimari özelliklerini benimserse, yazılımcıların kodlarını hem TPU’larda hem de AMD’nin veri merkezi hızlandırıcılarında çalıştırması daha kolay bir hale gelebilir. Bu da geliştiricilerin NVIDIA’nın tekelinden çıkış yolu aramasına yardımcı olur.
Stratejik Riskler ve Gelecek Senaryoları
Tabii ki her iş birliği beraberinde riskleri getirir. Google, donanım dünyasında kendi kültürüne, yani “her şeyi kendi bünyesinde yapma” prensibine sahip. Dışarıdan bir donanım mimarisini kendi TPU hattına entegre etmek, Google’ın tasarım disipliniyle AMD’nin mühendislik standartlarını birleştirmeyi gerektirir. Bu, iki farklı dev kurumun birbirinin çalışma kültürüne uyum sağlaması demektir. Bir başka risk ise fikri mülkiyet meselesi. Google, AMD’nin teknolojisini kullanırken kendi TPU’larına has “sırları” ne kadar paylaşacak? Bu, iki şirket arasında uzun vadeli bir teknoloji transferi anlaşması mı olacak yoksa sadece belirli bir nesil için geçerli bir danışmanlık süreci mi, zaman gösterecek.
Gelecek senaryolarında, bu hamlenin sadece TPU’larla sınırlı kalmayacağını düşünebiliriz. Google’ın kendi sunucu işlemcileri (CPU) olan Axion ile AMD’nin EPYC mimarisi arasında kurulacak bir bağ, veri merkezlerinde tam bir AMD-Google entegrasyonu doğurabilir. Eğer Google, NVIDIA donanımlarına olan bağımlılığını azaltmak istiyorsa, AMD’yi sadece bir tedarikçi olarak değil, uzun vadeli bir teknolojik ortak olarak konumlandırmak zorunda. Bu durum, veri merkezi pazarında Intel ve NVIDIA’nın oluşturduğu iki kutuplu yapıyı sarsarak, Google’ın kendi donanım ekosistemini bir “alternatif platform” olarak konumlandırmasını sağlar.
Sonuç Yerine: Donanım Dünyasının Yeni Dengesi
NVIDIA’nın Blackwell serisi ile çıtayı yükseltmesi, piyasadaki herkesi ya NVIDIA’ya mecbur bıraktı ya da kendi alternatifini hızlandırmaya itti. Google, verimlilik, hız ve enerji tüketimi üçgeninde artık “tek başına en iyisi” olmanın yetmediğini fark etti. AMD’nin hem x86 mimarisi hem de veri merkezi GPU’larındaki birikimi, Google’ın kendi TPU motorunu rakiplerinden daha ucuza ve hızlı kurmasını sağlayabilir.
Sektördeki bu tür “devlerin iş birliği” söylentileri genellikle boşuna çıkmaz. Google ve AMD geçmişte de dolaylı yollardan kesişmişti ancak bir TPU neslinde böyle bir ortaklık, oyunun kurallarını yeniden yazabilir. Geliştiriciler için bu, NVIDIA’nın CUDA hakimiyetinden kurtulmanın bir yolu olabilir; çünkü Google’ın TPU’ları güçlendikçe, NVIDIA’nın kapalı ekosistemine olan bağımlılık da azalacaktır.
Süreç nasıl ilerler? Öncelikle sızıntılar teknik dokümanlara yansıyacak, ardından muhtemelen Google I/O veya Cloud Next etkinliklerinde üstü kapalı mesajlar göreceğiz. Eğer bu ortaklık resmiyet kazanırsa, sadece işlemci tasarımı değil; veri merkezi mimarisi, güç tüketimi ve soğutma sistemlerinde yeni standartlar oluşacak. Her şey, bir sonraki büyük dil modelinin eğitim süresini ne kadar kısaltabileceğimiz üzerine kurulu.
Google bu hamlesiyle sadece bir çip geliştirmiyor, gelecekteki yapay zeka savaşlarında kimin masada kalacağını belirleyecek bir altyapı inşa ediyor. Eğer AMD bu işin bir parçası olursa, sadece bir işlemci üreticisi olmaktan çıkıp tüm bulut altyapısının gizli kahramanı haline gelebilir. Önümüzdeki birkaç ay, donanım dünyasının sadece işlemci hızlarıyla değil, stratejik ortaklıkların derinliğiyle konuşulacağı bir dönem olacak. NVIDIA’nın bu hamleye cevabı, muhtemelen daha agresif fiyatlandırma veya daha kapalı yazılım katmanları ile gelecektir, ancak Google’ın attığı bu adımın geri dönüşü olmayabilir.
