2036 Yılının Yapay Zeka Veri Merkezleri GPU'larla Dolu Olmayacak: FuriosaAI CEO'su Silikonun Geleceği Hakkında Konuştu

Güney Kore - Ekhbary Haber Ajansı

GPU'nun Ötesi: FuriosaAI, 2036 Veri Merkezlerine Hakim Olacak Özel Silikonları Öngörüyor

Yapay zeka (AI) veri merkezlerinin altyapısı, 2036 yılına kadar mevcut GPU merkezli modelden uzaklaşarak dramatik bir dönüşüme hazırlanıyor. Bu öngörüyü, Güney Koreli yarı iletken girişimi FuriosaAI'nin CEO'su June Paik dile getirdi. Özel bir röportajda Paik, şirketin yapay zeka donanımının geleceğine dair vizyonunu ortaya koydu; özellikle çıkarım (inference) çipleri alanında, mevcut GPU hakimiyetine verimlilik, performans ve yenilikçi alternatifler sunduklarını vurguladı.

Yapay zeka hızlandırma donanım pazarı önemli engellerle karşı karşıya. Yeni nesil çipler, önemli güç bütçeleri ve büyük altyapı yatırımları gerektiriyor. Bu durum, yapay zekayı ölçeklendirmek isteyen startup'lar ve küçük işletmeler için ciddi zorluklar yaratıyor. Güney Koreli yarı iletken yenilikçisi FuriosaAI, verimlilik, performans ve GPU hakimiyetindeki pazara alternatif mimarilere odaklanarak bu paradigma ile aktif olarak mücadele ediyor.

Güney Kore'de kurulan FuriosaAI, yüksek performans sunarken aynı zamanda güç tüketimini ve veri merkezi altyapısındaki yükü azaltmak üzere tasarlanmış yapay zeka çıkarım çiplerini geliştiriyor. En son işlemcileri RNGD, şirketin tescilli Tensor Contraction Processor (TCP) mimarisi üzerine inşa edilmiştir. Bu tasarım, geleneksel GPU çerçevelerine ihtiyaç duymadan zorlu yapay zeka modellerini çalıştırmayı hedefliyor ve sektörün yerleşik normlarından bir sapmayı temsil ediyor.

AMD ve Samsung'da donanım ve yazılım mühendisliği becerilerini geliştirdikten sonra 2017'de FuriosaAI'yi kuran Paik, yapay zeka silikon pazarındaki yoğun rekabeti kabul etti. Çok az sayıda donanım startup'ı Nvidia'nın hakimiyetine başarıyla meydan okumuş olsa da, inovasyon beklenmedik yerlerden de ortaya çıkıyor. ASIC'lerin başarılı olduğu sabit kripto madenciliği algoritmalarının aksine, yapay zekanın hızlı evrimi uyarlanabilir donanım gerektiriyor. Bu kadar dinamik bir alan için çip üretmek, hem donanım hem de derleyici (compiler) teknolojisinde derin uzmanlık gerektiriyor; bu uzmanlık genellikle güçlü yarı iletken miraslarına ve üreticilerle yerleşik ilişkilere sahip bölgelerde yoğunlaşıyor.

FuriosaAI'nin Güney Kore'de bulunması stratejik bir avantaj sağladı. Şirket, Kore üniversitelerindeki ve büyük teknoloji firmalarındaki dünya standartlarındaki mühendislik programlarından zengin bir yetenek havuzuna erişim sağladı. Ayrıca, ikinci nesil çıkarım çipi RNGD için HBM3 belleği tedariki konusunda SK Hynix ve üretim ortağı olarak Tayvan'daki TSMC gibi önde gelen Asya şirketleriyle kilit ortaklıklar kurdu. Silikon Vadisi'nin hemen dışındaki operasyonlar, şirkete disiplinli bir yaklaşım da aşıladı. FuriosaAI, mütevazı bir 1 milyon ABD Doları başlangıç finansmanıyla piyasaya sürüldü ve silikon sevkiyatından önce teknolojisini iyileştirmek için yıllarını harcadı.

Şirket, Nvidia'nın geniş CUDA kütüphanesini kopyalamanın geçerli bir strateji olduğu fikrini açıkça reddediyor. Bunun yerine FuriosaAI, donanım ve yazılımını baştan sona yapay zeka için özel olarak tasarlayarak daha cesur bir yol izledi. Bu yaklaşım, CUDA'yı yeniden yaratma ihtiyacını ortadan kaldırdı. Çipleri, derin öğrenmenin karmaşık çok boyutlu matematiksel işlemlerini yerel olarak gerçekleştiren ve GPU'ların eski yapılarının uyumsuzluklarından kaçınan tescilli TCP mimarisinden yararlanıyor. Bu mimari seçim, derleyicilerinin binlerce manuel olarak ayarlanmış çekirdeğe dayanmadan modelleri optimize etmelerine olanak tanıyor.

Kitlesel üretimi yapılan RNGD çipi, FuriosaAI'nin yaklaşımının faydalarını örneklendiriyor. En zorlu yapay zeka modelleri için yüksek performanslı çıkarım sunarken, GPU'ların gerektirdiği 600 watt veya daha fazlasının aksine yalnızca 180 watt güç tüketiyor. LG AI Research gibi küresel ortaklar, bu verimliliği üretim ortamlarında doğruladı. Yazılım yığınını PyTorch ve vLLM gibi standart araçlarla sorunsuz bir şekilde entegre olacak şekilde inşa eden FuriosaAI, CUDA'nın kilitlenmesini etkili bir şekilde kırdı ve geliştiricilerin mevcut iş akışlarını değiştirmeden bu performanstan yararlanmalarını sağladı.

Mevcut GPU bağımlılığı, sektör genelinde, hatta büyük ölçekli bulut sağlayıcıları (hyperscalers) dahil olmak üzere önemli enerji zorlukları ve altyapı darboğazları yaratıyor. FuriosaAI, farklı mimarilerin eğitim ve çıkarım gibi belirli ihtiyaçları karşılamak üzere işbirliği yaptığı heterojen hesaplama (heterogeneous compute) ile karakterize edilen bir gelecek öngörüyor. Şirketin Toplam Sahip Olma Maliyeti (TCO), güç verimliliği ve esnekliğe odaklanması, teknolojisini bu büyüyen endüstri sorunlarına yönelik kilit bir çözüm olarak konumlandırıyor.

Şu anda FuriosaAI, enerji ve altyapı sorunlarından en çok etkilenen dört ana sektöre odaklanıyor: hassas verileri genel bulutta değil, şirket içinde (on-premise) işlemek isteyen ülkeler ve düzenlenmiş sektörler; TCO ve esnekliği önceliklendiren kurumsal müşteriler (RNGD standart raflara sığıyor ve pahalı sıvı soğutmadan kaçınıyor); marjlar üzerinden rekabet etmek isteyen bölgesel ve özel bulut sağlayıcıları (RNGD yüksek hesaplama yoğunluğu sunuyor); ve kenar ağ (network edge) ortamlarında güç kısıtlamalarıyla çalışan telekom şirketleri.

İleriye dönük olarak, FuriosaAI'nin yeni nesil çipi, bu kritik sektörlerin yanı sıra doğrudan büyük ölçekli bulut sağlayıcılarını hedefleyecek şekilde geliştiriliyor. Paik, 2036 yılına kadar "veri merkezi" teriminin, akıllı saatlerden yüksek performanslı sunuculara kadar her şeyi kapsayan "bilgisayar" gibi, çok çeşitli tesisleri kapsayacağını öngörüyor. Hastanelerde düşük gecikmeli, güvenli yapay zeka asistanları için şirket içi yapay zeka veri merkezleri ve telekom şirketleri için çok sayıda yüksek performanslı kenar yapay zeka veri merkezleri göreceğiz.

Paik'e göre bu değişimin temel nedeni, GPU mimarisinin yapay zeka görevleri için doğasında bulunan verimsizliğidir. GPU üreticileri tensor çekirdekleri gibi yenilikler getirmiş olsa da, özel yapay zeka odaklı mimarilerin avantajları göz ardı edilemeyecek kadar önemli hale geliyor. FuriosaAI'nin ürün stratejisi, büyük altyapı yükseltmeleri gerektirmeden, güç açısından verimli, uygun maliyetli ve dağıtılabilir yüksek performanslı çıkarım sunmaya odaklanmaya devam ediyor. Bu, daha fazla hesaplama yoğunluğu için watt başına token ve rack başına token gibi metriklerin önceliklendirilmesini içeriyor.

Şirket, daha küçük üretim düğümleri ve yeni bellek teknolojileri gibi yeni endüstriyel gelişmelerden agresif bir şekilde yararlanmayı planlıyor. İlk nesil çipleri 14nm düğüm kullanırken, RNGD 5nm düğüm ve HBM3 kullanıyor ve ilerlemeye devam edecekler. Ancak FuriosaAI, aynı düğüm üzerinde üretilen GPU'lara kıyasla daha iyi, daha enerji verimli performans elde etmelerini sağlayan şeyin mimari yenilikleri olduğunu vurguluyor.

Son olarak Paik, FuriosaAI'nin yol haritasının donanım kadar yazılımı da ilgilendirdiğini vurguladı. Donanım mühendislerinden daha fazla yazılım mühendisine sahip olan şirket, yeni modeller ve dağıtım araçları için hızlı ve etkili destek sağlamayı önceliklendiriyor; 2025'te üç büyük SDK güncellemesi yayınladı ve bu ivmeyi gelecekte de sürdürmeyi taahhüt ediyor.

Ekhbary Haber Ajansı