Bugün Google, OpenAI, xAI gibi şirketlerin popüler yapay zekâları eğitim aşamasından ziyade çıkarım (inference) aşamasında, yani kullanıcıya cevap üretirken devasa bir hesaplama yükü oluşturuyor. Özellikle milyarlarca sorgunun işlendiği arama motorları, sohbet botları ve kurumsal AI servisleri düşünüldüğünde, bu aşama artık yapay zekâ ekonomisinin en pahalı ve kritik parçası haline gelmiş durumda.
Google, hem Nvidia'nın sektördeki hakimiyetine rakip olmak, hem de bu çıkarım maliyetlerini düşürmek için dört farklı tasarım ortağıyla birlikte çok katmanlı ve çeşitlendirilmiş bir özel çip (ASIC) tedarik zinciri kuruyor.
Planın temel fikri oldukça net: Eğitim süreci nadiren gerçekleşirken, inference sürekli ve ölçeklenebilir bir maliyet yaratıyor. Her Gemini sorgusu, her Cloud AI çağrısı ve her arama isteği bu maliyeti büyütüyor. Bu yüzden Google, genel amaçlı GPU’lara bağımlılığı azaltıp, daha ucuz ve daha verimli özel çiplerle bu yükü optimize etmeye çalışıyor.
Ironwood: Google’ın bugüne kadarki en güçlü TPU’su
Google’ın şu anda öne çıkardığı en önemli donanım Ironwood, yani yedinci nesil TPU. Bu çip özellikle inference için tasarlanmış ilk büyük TPU olarak konumlanıyor.
Teknik olarak bakıldığında Ironwood, oldukça agresif değerler sunuyor. Google’ın planı bu çipten yalnızca yüksek performans elde etmek değil; aynı zamanda bunu milyonlarca birimlik üretim ölçeğine taşımak. Şirketin bu yıl içinde milyonlarca TPU üretmesi bekleniyor ki Anthropic gibi büyük yapay zekâ şirketleri üretilecek bu TPU'ların önemli bir bölümünü şimdiden rezerve etmiş durumda.
Google, Aynı Nesil İçinde Hem Yüksek Performanslı Hem Düşük Maliyetli İki Ayrı Çip Hattı Oluşturuyor
Google, bu iddialı hedefi tutturabilmek için TPU yol haritasını dört ayrı tasarım ortağı arasında bölmüş durumda:

  • Broadcom: Yüksek performanslı TPU varyantları ve ağ bileşenlerinden sorumlu. “Sunfish” kod adlı TPU v8 tasarımı, TSMC’nin 2nm üretim sürecine taşınacak yeni nesil eğitim çiplerinin temelini oluşturacak.
  • MediaTek: Maliyet odaklı TPU v8 varyantı “Zebrafish”, özellikle inference işlemlerinde %20 ila %30 arasında daha düşük maliyet hedefli.
  • Marvell Technology: Bellek işleme birimi ve yeni bir inference odaklı TPU tasarımı üzerinde çalışıyor.
  • Intel: Veri merkezlerinin genel hesaplama ve altyapı katmanlarını desteklemek üzerine çalışıyor.
    Tüm bu tasarım çeşitliliğine rağmen üretim tarafında değişmeyen tek unsur ise TSMC. Google’ın tüm özel silikonları, hangi tasarım ortağından gelirse gelsin, TSMC’nin üretim hatlarında şekilleniyor.
    Google, 2028'de 35 Milyon TPU Üretmeyi Hedefliyor
    Bu stratejinin arkasındaki en önemli motivasyon, yapay zekâ ekonomisinin değişen yapısı. Google, her gün milyarlarca arama sorgusu, Gemini etkileşimi ve bulut tabanlı AI isteği işlediği için, inference maliyetlerinin toplam sistem üzerindeki etkisinin giderek daha belirleyici hale geldiğini görüyor.
    Bu nedenle şirket, Nvidia’nın genel amaçlı GPU’larına bağımlılığı azaltarak, her kullanım senaryosu için ayrı optimize edilmiş çiplerle maliyet avantajı yaratmayı hedefliyor.
    Planın ölçeği oldukça iddialı. Google’ın 2026’da yaklaşık 4.3 milyon TPU üretmesi, 2028’e gelindiğinde ise bu sayının 35 milyonun üzerine çıkması bekleniyor.
    Yaklaşan Google Cloud Next etkinliğinde bu yeni çip mimarisine dair daha fazla teknik detayın paylaşılması bekleniyor.