Dünya Neden NVIDIA'dan Kaçamıyor: CUDA, Blackwell ve Yapay Zeka Altyapısının Gerçek Kilidi

Yapay zeka konuşulurken akla ilk gelen soru genelde hangisi daha hızlı oluyor, ancak StudyZoom international kanalının ortaya attığı kaçış sorusu çerçeveyi değiştiriyor: daha hızlı bir çip çıksa bile dünya neden aynı tedarikçide kalıyor. Cevap, rafine edilmiş silikondan çok, o silikonun etrafında yirmi yılda örülmüş yazılım ağında saklı. Hız tek başına açıklasaydı, indirimli rakipler çoktan arayı kapatırdı.

Gerçek hendek: çip değil, CUDA

2006'da doğan CUDA , grafik işlemcileri programlanabilir bir hesaplama platformuna çeviren paralel programlama katmanıdır. Hazır kütüphaneler, hata ayıklama araçları ve binlerce çipi tek bir eğitim işinde buluşturan ölçekleme yazılımı olmadan modern büyük modellerin eğitimi pratikte yürümez. Thenextweb'e göre bu katmanın gücü çiplerde değil, geliştiricilerin her gün çağırdığı 7 binden fazla uygulama ve model kütüphanesinde birikiyor.

Bu birikim kilitlenme maliyeti üretir. Bir şirketin üretimdeki çıkarım hattı, veri işleme işleri ve özel çekirdekleri CUDA'ya yazılmışsa, rakip bir karta geçmek yalnızca donanım değiştirmek değildir; kodun taşınması, yeniden doğrulanması ve performansın yeniden yakalanması gerekir. Amazon'un iç yazışmalarında bile bu taşınma yükünün kendi çiplerine geçişi yavaşlattığı anlatılır. Kod çalışıyor ve para kazandırıyorken kimse bu riski durduk yere almaz.

Blackwell merdiveni ve veri merkezi rakamları

Donanım tarafında merdiven hızla yükseliyor: Hopper'dan Blackwell ailesine, oradan Blackwell Ultra'ya ve yıl sonunda beklenen Vera Rubin'e uzanan yıllık mimari temposu rakiplerin yakalamasını zorlaştırıyor. MLPerf eğitim ve çıkarım testlerinde şirketin tüm testlerde sonuç veren tek platform olması, bu iddiayı bağımsız ölçümlerle destekliyor. Nvidia Investor Relations sunumundaki flywheel tezi de bunu söyler: daha çok geliştirici, daha çok optimize model, daha çok bulut kurulumu ve yeniden daha çok kurumsal talep.

Rakamlar bu tezi besliyor. SiliconAnalysts'e göre şirket 2026'da yapay zeka hızlandırıcı pazarının yaklaşık yüzde 80'ini elinde tutuyor ve veri merkezi geliri 194 milyar dolara yaklaşıyor. Yahoo Finance'in aktardığı son çeyrekte veri merkezi geliri yıllık yüzde 117 artışla 89 milyar dolara çıkarken, Blackwell Ultra talebi ve yüzde 75'lik brüt marj dikkat çekiyor. Ağ tarafında Spectrum-X Ethernet ve NVLink satışlarıyla yüzde 98'lik sıçrama, yalnızca çip değil tüm fabrika satıldığını gösteriyor.

Rakipler kapıda: AMD, TPU ve özel silikon

Rekabet cephesi boş değil. Theglobeandmail'in yorumunda öne çıkan başlık, AMD'nin 2026'da gelecek CDNA 5 tabanlı Instinct MI450 serisi ve OpenAI ile yapılan çok yıllı anlaşma: ilk etapta 1 gigawattlık kurulum ve toplamda 6 gigawattlık AMD sistem planı. Google'ın TPU ailesi, Amazon'un Trainium ve Inferentia çipleri, Microsoft'un MAIA'sı ve Meta'nın MTIA'sı belirli eğitim ve çıkarım işlerinde daha düşük maliyetle çalışıyor. 2028'de 500 milyar doları aşması beklenen hızlandırıcı pastasında bu alternatiflerin payı hızla büyüyor.

Maliyet argümanı özellikle çıkarım tarafında güçleniyor. Eğitim bir kez yapılan dev bir inşaat ise, çıkarım her gün ödenen kira gibidir ve şirketler kirayı düşürmek için çip değiştirmeye daha isteklidir. BusinessInsider'a göre bazı yeni çıkarım yığınları açık kaynak katmanlarla farklı çipler arasında geçişi kolaylaştırıyor. Bu, CUDA'nın en güçlü olduğu eğitim dünyasından farklı bir oyun ve Nvidia'nın fiyat dayanıklılığını test eden ilk ciddi cephe.

Ajanlar duvarı yıkar mı, yoksa taşır mı

Son bir yılın en ilginç iddiası, yapay zeka kod ajanlarının bu yazılım hendeğini kendiliğinden kapatacağı yönünde. Eski Google Brain araştırmacısı Jeremy Nixon'ın kurduğu Infinity ekibi, D-Matrix adlı çip girişimi için CUDA benzeri yazılımı ajanlarla yaklaşık 10 saatte yeniden ürettiğini anlatıyor. Kulağa duvarın yıkılması gibi geliyor, ancak ikinci cümle daha önemli: üretilen kodun doğrulanması, optimize edilmesi ve üretim yükünde ayakta kalması gerekiyor.

Nvidia'nın geliştirici ekosisteminden sorumlu yöneticisi Ankit Patel'in yanıtı da bu noktaya dokunuyor: geliştiriciler CUDA kütüphanelerini her yıl daha yoğun kullanıyor ve şirketin kendisi de CUDA'yı ajanlarla daha hızlı geliştirip daha geniş ölçekte doğruluyor. Kurucu ortaklarından biri Nvidia'ya satılmış olan girişimci Bing Xu'ya göre doğrulama araçlarının derinliği yeni hendek olabilir. Yani ajanlar ilk hendeği aşındırırken, ikinci hendeği derinleştiriyor. Egemen yapay zeka projeleri ve 8 gigawatta koşan yeni bulutlarla birlikte toplam talep büyüdüğü için pasta kavgası henüz sıfır toplamlı değil.