Nvidia’nın H100 çipini temin etmek için 2024 başında ortalama bekleme süresi sekiz ila on iki aydı. Bu rakam, silikon üzerinde dönen küresel bir iktidar mücadelesinin en somut göstergelerinden biriydi. Yapay zeka modelleri büyüdükçe, o modelleri eğiten donanımın kontrolü stratejik bir meseleye dönüştü.
Nvidia Neden Hâlâ Zirvede?
Nvidia’nın avantajı yalnızca GPU’larından gelmiyor; CUDA ekosistemi, on beş yılda yazılmış milyarlarca satır kodun üzerinde çalıştığı bir platform. PyTorch, TensorFlow ve neredeyse tüm büyük yapay zeka çerçeveleri CUDA’ya derin biçimde bağlı. Rakip bir donanım üreticisi, yalnızca daha hızlı bir çip üretmekle yetinemiyor; bu ekosistemi de ya kopyalaması ya da onun etrafından dolaşması gerekiyor. Şu ana kadar ikisini tam anlamıyla başaran olmadı.
H100’ün ardından gelen B200 (Blackwell) mimarisi, tek bir çip üzerinde teorik olarak saniyede 20 petaflops FP8 performansı sunuyor. Karşılaştırma için: 2020’de piyasaya çıkan A100, 312 teraflops FP16 sağlıyordu. Dört yılda yaklaşık 60 katlık bir fark.
AMD’nin Gerçek Durumu
AMD, MI300X ile veri merkezi pazarına ciddi bir giriş yaptı. Özellikle büyük dil modellerinin çıkarım (inference) aşamasında rekabetçi. Meta ve Microsoft, belirli iş yüklerinde MI300X’i tercih etmeye başladı. Ancak eğitim tarafında — özellikle transformer mimarilerinin ağır hesaplamasında — Nvidia’nın yazılım optimizasyonları hâlâ belirleyici fark yaratıyor.
AMD’nin ROCm platformu son iki yılda ciddi iyileşme gösterdi; ama geliştirici kitlesi CUDA’nın onda biri bile değil. Bu, teknik bir sorun olmaktan çok bir davranış ekonomisi meselesi.
Intel’in Gaudi Bahsi
Intel, Gaudi 3 ile yapay zeka çip pazarına girmeye çalışıyor. Benchmarklarda bazı iş yükleri için Gaudi 3, H100’ü geçiyor. Fakat Intel’in temel sorunu dağıtım ve ekosistem. Hyperscaler’ların (AWS, Azure, GCP) altyapısında Gaudi henüz marjinal bir yer tutuyor. Intel bu konuyu çözemezse, iyi bir çip üretmek tek başına yeterli olmayacak.
Yerli Çip Yarışı: ABD, Çin ve Aradakiler
ABD, Ekim 2022’den bu yana Çin’e yönelik çip ihraç kısıtlamalarını katmanlar halinde sıkılaştırıyor. A100 ve H100’ün ihracatı yasak; düşürülmüş versiyonlar (A800, H800) da 2023’te listeye eklendi. Bu kısıtlamalar Çin’i yavaşlatıyor ama durdurmadı: Huawei’nin Ascend 910B’si, sınırlı koşullarda H100’ün yüzde altmışı ile seksenine ulaşabiliyor. Baidu ve Alibaba de dahili çip geliştirmelerine hız verdi.
Avrupa’da ise TSMC’nin Dresden tesisi 2025’te devreye girdi; ancak 5nm ve altı üretim kapasitesi hâlâ Tayvan ve Güney Kore’de yoğunlaşmış durumda. Bu coğrafi konsantrasyon, tüm jeopolitik hesaplamaların merkezinde duruyor.
Çıkarım Mü, Eğitim Mi? İki Ayrı Pazar
Yapay zeka çip pazarını ikiye ayırmak gerekiyor: büyük modellerin sıfırdan öğretildiği eğitim (training) ve bu modellerin gerçek zamanlı kullanıcı sorgularını yanıtladığı çıkarım (inference). Eğitim, küçük sayıda devasa küme gerektirir; çıkarım ise milyonlarca ucuz ve enerji verimli çip. Nvidia’nın hâkimiyeti eğitimde tartışmasız; çıkarım tarafında Qualcomm, Arm tabanlı çözümler ve özel tasarım ASIC’ler (Google’ın TPU’su, Amazon’un Trainium’u gibi) rekabeti kızıştırıyor.
2026 sonuna kadar çıkarım pazarının toplam yapay zeka çip harcamalarının yarısını aşması bekleniyor. Bu, rekabet haritasını yeniden çiziyor.
Enerji Tüketimi: Görmezden Gelinemeyen Değişken
Bir H100 kümesi, saatte 700 watt çeker; B200 ise 1000 watt’a yaklaşıyor. Microsoft’un 2030 karbon hedeflerine rağmen veri merkezi enerji tüketimi 2024’te yüzde kırkın üzerinde arttı. Bu durum, ham hız yarışının yanına enerji verimliliği metriğini de ekledi. Arm mimarisinin veri merkezi donanımına girişinin arkasındaki temel motivasyon da bu.
Chip savaşı, teknik bir tartışmanın çok ötesine geçti. Hangi ülkenin hangi çipi tasarlayıp üretebileceği sorusu, önümüzdeki on yılın teknoloji egemenliğini belirleyecek.