OpenAI, Jalapeño’yu duyurdu: Şirketler neden kendi AI çiplerini geliştiriyor?

Son yıllarda Amazon ve Google gibi pek çok şirket, kendi yapay zeka çiplerini de tasarlamaya başladı. Bu şirketlere yakın zamanda OpenAI ve Anthropic gibi daha genç yapay zeka laboratuvarları da katıldı. OpenAI, geçen hafta Broadcom ile işbirliği içinde Jalapeño’yu duyurarak donanım pazarına ilk adımını attı. 

Daha önce sektördeki yaygın eğilim ise NVIDIA gibi rüştünü ispatlamış çip üreticileriyle tedarik anlaşmaları imzalamaktı. Fakat öncü şirketler, çok kısa bir süre içinde ardı ardına bu eğilimin dışına çıkmaya başladı. Bu furya, oldukça kritik bir soruyu da gündeme taşıdı: Neden tüm teknoloji şirketleri, NVIDIA’ya güvenmek yerine, kendi yapay zeka çiplerini geliştiriyor? 

Geniş açı: Yapay zeka çipi yarışında son kritik hamle, OpenAI’dan geldi. Şirket, Haziran ayında kendi tasarladığı ilk yapay zeka çipi Jalapeño’yu duyurdu. Broadcom ile işbirliği içinde geliştirilen çip, yapay zeka modellerini çalıştırmak için ihtiyaç duyulan çıkarım süreçlerinde kullanılmak üzere tasarlandı. 

Çipin geliştirilme sürecine OpenAI’ın yapay zeka modelleri de katkı sağladı. Hâlâ test aşamasında olan Jalapeño’nun, en gelişmiş alternatiflere kıyasla watt başına performansta daha iyi sonuçlar verdiği aktarıldı. 

• Şirket, Jalapeño’yu yıl sonuna kadar kullanıma almayı planlıyor.

Bununla birlikte: Yakın zamanda Anthropic’in de kendi yapay zeka çipini geliştirmek için işbirliği yapmak üzere Samsung ile görüşmeler yürüttüğü bildirildi. Anthropic, veri merkezlerinde Google, Amazon ve NVIDIA’nın da aralarında bulunduğu yapay zeka çipi üreticilerinden tedarik ettiği çipleri kullanıyordu.

Benzer şekilde Meta da Mart ayında şirket bünyesinde geliştirdiği yapay zeka çipleri MTIA 300, MTIA 400, MTIA 450 ve MTIA 500’ü tanıtmıştı. Bazı çiplerin hâlihazırda kullanımda olduğuna işaret eden şirket, bazılarının 2026 sonu ve 2027 başında devreye alınacağını ifade etmişti.

Ek olarak: Microsoft, Ocak ayında yapay zeka sistemlerinin çıkarım süreçlerini ölçeklendirmek için kullanılacak çipi Maia 200’ü tanıttı. Selefi Maia 100’den yaklaşık üç yıl sonra gelen Maia 200, 100 milyardan fazla transistörle donatıldı. 

• Çip, yapay zeka modellerini çalıştırırken saniyede 10 katrilyondan fazla işlem yapabiliyor. 

Öte yandan: NVIDIA, hâlihazırda Blackwell yapay zeka çipleriyle sektörde ciddi bir hakimiyet gösteriyor. Google ve Amazon da uzun yıllardır kendi yapay zeka çiplerini üretiyor. Amazon’un bulut bilişim birimi Amazon Web Services (AWS), Trainium serisi çiplerle sektörde varlık gösterirken Google, yapay zeka modellerini eğitmek ve çalıştırmak için TPU çiplerine güveniyor. 

Üstelik Amazon’un yapay zeka başkanı Peter DeSantis, AWS’nin Trainium yapay zeka çiplerini veri merkezlerinde kullanmaları için diğer şirketlere satmak üzere erken aşama görüşmeler yürüttüğünü söylüyor. Bu da Trainium çipleri daha önce yalnızca kendi altyapısında kullanan şirketin, pazarda doğrudan NVIDIA ile rekabete girmeye hazırlandığı anlamına geliyor. 

Neden tüm şirketler kendi AI çipini geliştiriyor?

Analistlere göre öncü teknoloji şirketleri, üç temel sebeple kendi yapay zeka çiplerini geliştiriyor. 

1. Alternatif arayışı: Yapay zeka patlamasının hemen ardından NVIDIA, yüksek bilgi işlem gücü gerektiren yapay zeka modellerinin eğitimi ve çalıştırılması için ihtiyaç duyulan çipleri tedarik ederek birkaç yıl içinde sektörün omurgası oldu. 

Bu sektör hakimiyeti, NVIDIA’yı dünyanın en büyük şirketlerinden biri hâline getirdi. ChatGPT’nin kullanıma sunulduğu 2022 yılını 364 milyar dolar piyasa değeriyle kapatan şirket, bugün değerini 4,7 trilyon dolara kadar yükseltti. Fakat aynı zamanda NVIDIA'nın sektör hakimiyet, Apple, Google ve Amazon gibi şirketler için artık rahatsız olmaya başladıkları bir bağımlılık da yarattı. 

Arka plan: Yapay zeka patlamasının ilk aşamasında NVIDIA’nın çiplerine güvenmek mantıklıydı. Zira altyapı kurmak pahalı, zaman alıcı ve karmaşık bir operasyondu. Ayrıca NVIDIA, uzun yıllardır hem donanım hem yazılım alanında öncü bir şirketti. 

Fakat yapay zeka neredeyse her ürün ve hizmetin merkezine yerleştikçe bu bağımlılık, bir kolaylıktan ziyade, bir riske dönüşmeye başladı. Tek bir tedarikçi, operasyonun kritik bir katmanını kontrol ettiği için ölçeklenebilirlik, maliyet ve inovasyon kabiliyeti de bu tedarikçiye bağımlı hâle geldi. 

• Bu nedenle OpenAI’ın Jalapeño’yu duyurması, temelde NVIDIA’ya olan bağımlılığını azaltma ve alternatif bir güvence yaratma hamlesiydi. 

Analistlere göre çip tedarikinde yalnızca NVIDIA’ya güvenmek, maliyetleri artırabileceği gibi iddialı projeleri engelleyebilecek gecikmelere ve sınırlamalara da yol açabiliyor. Şirketler, sınırlı bir çip arzında sıraya girmek ve tedarik için yüksek fiyatlar ödemek yerine, kendi altyapılarını sıfırdan kontrol etmek istiyor. 

Anlamı: Google, Meta ve OpenAI gibi öncü şirketler, tek bir tedarikçiye bağımlı olma riskini azaltmak için kendi yapay zeka çiplerini geliştirme yoluna gidiyor.

• Sektör analistleri, bu süreci Apple'ın uzun yıllar boyunca çip tedariki konusunda bağımlı olduğu Intel ile yollarını ayırıp kendi M serisi çiplerine geçiş yaparak bilgisayarlarını çok daha cazip hâle getirmesine benzetiyor. 

2. Maliyet kaygısı: Analistler, şirketlerin sektörde hakimiyet kuran tedarikçiye olan bağımlılıklarını azaltarak önemli bir maliyet tasarrufu da sağlayabileceğine dikkat çekiyor. OpenAI ve Anthropic, temelde çıkarım süreçleri ve kodlama tabanlı yapay zeka görevlerinde maliyetleri düşürmeyi hedefliyor. 

• Halka arz olmak üzere başvuruda bulunan iki şirketin, halka açıldıklarında hissedarları ve yatırımcıları memnun etmek için bu maliyet düşüşlerine ihtiyaç duyacağı vurgulanıyor. 

Çip krizi: Ayrıca yapay zeka patlamasının veri merkezlerinde bellek çiplerine olan talebi artırmış olması nedeniyle güncel olarak dünya genelinde büyük bir çip krizi yaşanıyor. Sınırlı sayıda üreticinin bulunduğu bu pazarda yaşanan talep patlaması ve arzın yetersiz kalması fiyatları tırmandırıyor. Birçok şirket, çip maliyetlerindeki bu artışı tüketiciye yansıtmak zorunda kalıyor. 

• Yakın zamanda Apple, çip krizi nedeniyle “fiyat artışlarının kaçınılmaz olduğuna” işaret ederek MacBook ve iPad’in de aralarında bulunduğu bazı ürünlerinin fiyatlarında zam yaptı. MacBook Neo, MacBook Air, MacBook Pro, iMac, Mac mini, Mac Studio, iPad, iPad mini, iPad Air, iPad Pro, Apple TV 4K, HomePod mini, HomePod ve Vision Pro, fiyat artışlarından etkilenen ürünler arasındaydı. 

• Microsoft da RAM krizi nedeniyle Xbox Series S ve Xbox Series X oyun konsollarının fiyatlarına bir kez daha zam geleceğini açıkladı. 

Benzer şekilde: Dell, Lenovo ve Sony gibi diğer teknoloji şirketleri de yılın başlarında RAM krizi nedeniyle bazı ürünlerinde zam yapmak zorunda kalmıştı. Artan donanım maliyetleri, abonelik tabanlı hizmetlerin fiyatlarında da artışa yol açtı. 

• Analistler, şirketlerin kendi yapay zeka çiplerini üreterek sınırlı çip arzına karşı proaktif bir önlem almaya ve altyapı maliyetlerini düşürmeye çalıştığını vurguladı. 

3. Kişiselleştirme kabiliyeti: Uzmanlara göre pek çok şirket, kişiselleştirme kabiliyeti edinmek için de kendi yapay zeka çipini geliştiriyor. OpenAI gibi şirketler, çiplerde kendi yapay zeka modellerinin ihtiyaçlarına göre uyarlanmış yetenekler arıyor. Kendi yapay zeka çipini üretmek, performansın, verimliliğin ve işlevlerin bu ihtiyaca göre optimize edilmesini mümkün kılıyor. 

Özel bir çip geliştirmek, modellere güç veren donanımın yazılım gereksinimleriyle tam uyum içinde çalışmasını sağlayabiliyor. Bu yüksek uyumluluk, performansı ve verimliliği artırıyor. 

• Ayrıca alternatifi bulunamayan bir donanıma sahip olmak, rakiplerden farklılaşmaya da olanak tanıyor. 

Bir adım geriden: OpenAI, daha önce birçok kez bu kişiselleştirme ihtiyacıyla gündeme geldi. Yılın başlarında şirketin, NVIDIA’nın en yeni yapay zeka çiplerinden bazılarından memnun olmadığı ve geçen yıldan bu yana özellikle çıkarım süreçleri için NVIDIA’ya alternatif bir tedarikçi aradığı iddia edilmişti. 

İddialara göre OpenAI, NVIDIA’nın donanımının yazılım geliştirme gibi belirli görevlerde ChatGPT kullanıcılarına yanıt verme hızından memnun değildi. Şirketin kodlama odaklı yapay zeka aracı Codex’de bu problem, çok daha belirgin hâle geliyordu. 

• Bu nedenle şirket, Groq ve Cerebras Systems gibi alternatiflere yöneldi.

Bilgi notu: Çıkarım, modeli eğitmek yerine, çalıştırmak için gereken hesaplama sürecini ifade ediyor ve eğitimden çok daha yüksek bellek gerektiriyor. NVIDIA’nın çipleri, şimdilik model eğitiminde baskın konumunu korusa da çıkarım tabanlı görevlerde yetersiz kalabiliyor. 

Jalapeño’nun duyurusu da bu kişiselleştirme ihtiyacını doğruluyor. NVIDIA’nın çiplerini Codex tabanlı görevlerde yetersiz bulan şirket, duyuruda Jalapeño’nun özellikle kodlama görevlerinde önemli bir maliyet tasarrufu sağladığına işaret ediyor. 

Süreç pek çok zorluğu beraberinde getiriyor

Yapay zeka şirketlerine uzun vadede avantaj sağlaması beklenen çip geliştirme operasyonu, pek çok zorluğu da beraberinde getiriyor. Bir yapay zeka çipi tasarlamak, test etmek ve üretmek, özel bir beceri seti ve büyük miktarda kaynak gerektiriyor. Şirketler, çipin kullanıma alındığı aşamaya kadar yetenek, teknoloji ve altyapıya milyarlarca dolar yatırım yapmak durumunda kalıyor. 

Fakat OpenAI ve Anthropic gibi nispeten daha küçük ölçekli şirketlerin bile yapay zeka çipi geliştirme yarışına katılması, bu yarışın getirilerinin risklerinden daha ağır bastığına inandıklarını açık bir biçimde ortaya koyuyor. 

• Editörün önerisi: Daha yavaş, daha pahalı: Teknoloji ürünlerinde AI vergisi mi ödüyoruz? | Quando, Doğa Yurduneri