Yapay zeka donanımı alanında öncü şirketlerden Cerebras Systems’in Kurucu Ortağı ve CEO’su Andrew Feldman, San Francisco’da düzenlenen Bloomberg Tech 2026 konferansında Bloomberg’den Tom Giles ile yaptığı söyleşide, büyük ölçekli yapay zeka çıkarımının (inference) altyapı ve ekonomi boyutlarını ele aldı. Feldman’a göre, AI modellerinin üretim ortamında çalıştırılması ve maliyetlerin optimize edilmesi, sektörün bir sonraki büyük sınavı olacak.
Yapay Zeka Çıkarımının Ekonomi Politiği
Cerebras, geleneksel GPU tabanlı sistemlere alternatif olarak geliştirdiği wafer-scale işlemcilerle tanınıyor. Feldman, konuşmasında özellikle büyük dil modellerinin (LLM) ve diğer AI uygulamalarının çıkarım aşamasında karşılaşılan darboğazlara dikkat çekti. Eğitim kadar önemli olan çıkarım aşamasında, düşük gecikme süresi ve yüksek verimliliğin kritik olduğunu vurgulayan Feldman, mevcut GPU tabanlı çözümlerin ölçek büyüdükçe verimlilik kaybına uğradığını savundu.
Cerebras’ın işlemci mimarisi, aynı yonga üzerinde çok sayıda çekirdeği birleştirerek veri transferindeki kayıpları minimize ediyor. Bu yaklaşım, özellikle gerçek zamanlı çıkarım gerektiren uygulamalarda (örneğin, otonom sürüş, finansal modelleme) belirgin avantajlar sunuyor. Feldman, “AI artık sadece eğitim değil; dağıtım ve işletme maliyetleri belirleyici olacak” ifadelerini kullandı.
Küresel AI Altyapısında Yeni Bir Dönem
Bloomberg Tech 2026’daki söyleşi, ABD merkezli teknoloji şirketlerinin AI altyapısına yönelik stratejilerini anlamak açısından önemli ipuçları verdi. Feldman, özel çip tasarımlarının ve uygulamaya özel donanımların (ASIC) önümüzdeki yıllarda daha yaygın hale geleceğini öngörüyor. Bu trend, yalnızca Cerebras gibi girişimler için değil, aynı zamanda büyük bulut sağlayıcılarının (AWS, Google Cloud, Azure) kendi çiplerini geliştirme çabalarıyla da paralellik gösteriyor.
AI çıkarımının ekonomisi, veri merkezi maliyetlerinden enerji tüketimine kadar geniş bir yelpazeyi kapsıyor. Feldman’a göre, ölçek ekonomisi bu noktada kritik: Daha büyük sistemler, birim işlem başına maliyeti düşürürken, özel donanımlar da enerji verimliliğini artırabiliyor. Ancak bu dönüşümün yüksek Ar-Ge yatırımları gerektirdiğini de ekledi.
Türkiye Açısından Değerlendirme
Türkiye, yapay zeka altyapısına yönelik yatırımlarını son yıllarda artırmış olsa da, özellikle donanım tarafında dışa bağımlılığı sürüyor. Cerebras gibi özel çip çözümleri, Türkiye’deki büyük ölçekli AI projeleri (örneğin, savunma sanayii, akıllı şehir uygulamaları) için bir alternatif oluşturabilir. Ancak bu tür sistemlerin tedarik zinciri ve maliyet yapısı, Türkiye’nin mevcut teknoloji ekosistemi için önemli bir engel teşkil ediyor. Orta vadede, Türkiye’nin açık kaynak donanım ve yerli çip geliştirme projelerine ağırlık vermesi, bu alandaki bağımlılığı azaltabilir. Ayrıca, AI altyapısındaki küresel rekabet, Türkiye’nin veri merkezi yatırımlarını ve enerji politikalarını doğrudan etkileyecek bir faktör olarak öne çıkıyor.
