Microsoft’un yapay zekâ yarışındaki asıl engel çip satın almak değil, veri merkezlerini çalıştırmak

Copilot bu takasa özellikle duyarlı. Ürünün ekonomisi, çok büyük hacimdeki çıkarım taleplerini öngörülebilir bir maliyetle karşılayabilmesine bağlı. Daha verimli bir hızlandırıcı bu maliyet yapısını iyileştirebilir; ancak çip, çalışan bir kümeye bağlanmadan bu avantaj ortaya çıkmaz.

Maia 200 maliyete yardımcı oluyor, elektriğe değil

Microsoft’un Maia 200 çipi, eğitimini tamamlamış modellerin yanıt ürettiği çıkarım aşaması için tasarlandı. Microsoft, çipin FP4 ve FP8 performansının AWS ve Google’ın karşılaştırılabilir hızlandırıcılarından daha yüksek olduğunu söylüyor. Ancak bunlar bağımsız, uçtan uca kıyaslamalar değil; şirketin kendi performans bildirimlerine dayanan karşılaştırmalar.

Başka haberlerde Maia 200’ün Microsoft ve OpenAI iş yüklerinde önde gelen Nvidia donanımına kıyasla işletme maliyetini yaklaşık yüzde 30 ila 40 azaltabileceği aktarılıyor. Bu oran, her model, yazılım yığını veya kullanım yoğunluğu için geçerli olduğu garanti edilmiş bir sonuç değil, bildirilen bir tahmin olarak değerlendirilmelidir.

Stratejik mantık açık: Maia beklenen performansı üretim ölçeğinde sunabilirse Microsoft, belirli çıkarım iş yüklerinde Nvidia’ya olan bağımlılığını azaltabilir ve Copilot ile Azure OpenAI gibi hizmetlerin maliyet yapısını iyileştirebilir. Fakat özel tasarım çipler, çevresindeki fiziksel gereksinimleri ortadan kaldırmıyor. Maia’nın da yüksek bant genişlikli belleğe, gelişmiş paketlemeye, ağ bağlantılarına, raflara, soğutmaya ve kullanılabilir megavatlara ihtiyacı var.

Kısacası Maia, çalışan bir veri merkezinin ekonomisini iyileştirebilir. İnşaatı bitmemiş veya enerji bağlantısı yapılmamış bir veri merkezini çalışır hâle getiremez.

Maia 300, henüz kurulmuş kapasite değil; ölçeklenme iddiası

Reuters, Microsoft’un Maia 300’ü en erken bu sonbaharda tanıtmayı planladığını ve 2027 teslimatı için TSMC’nin 300.000’den fazla çiplik üretim kapasitesiyle ilgili görüşmeler yaptığını bildirdi. Haberde, uzun vadede bir milyondan fazla birimlik kapasite hedefinden de söz ediliyor.

Bu rakamlar kesinleşmiş sevkiyatlar değil, görüşme ve plan aşamasındaki hedefler olarak ele alınmalı. Microsoft bildirilen sayılara itiraz ediyor. Ayrıca dökümhane kapasitesi ayarlansa bile Microsoft’un bellek ve diğer bileşenleri temin etmesi, sistemleri birleştirmesi ve bunları elektrik bağlantısı yapılmış tesislere kurması gerekecek.

Bu üretim artışı gerçekleşirse Maia 300, Microsoft’un özel çip programını sınırlı bir şirket içi verimlilik projesinden anlamlı bir çıkarım kapasitesi kaynağına dönüştürebilir. Başarı, üretim, sistem entegrasyonu ve veri merkezi hazırlığının aynı zamanlamayla ilerlemesine bağlı olacak.

AWS ve Google neden daha avantajlı görünüyor?

AWS, özel hızlandırıcılar konusunda daha olgun bir üretim ve kullanım altyapısına sahip. Amazon, üç nesil boyunca toplam 1,4 milyon Trainium çipinin devrede olduğunu söylüyor. TechCrunch’a göre Anthropic’in Claude modeli de bir milyondan fazla Trainium2 çipi kullanıyor. AWS ayrıca çıkarıma odaklanan ayrı bir ürün hattı olan Inferentia’yı işletiyor; bu da şirkete hem eğitim hem de model sunumu iş yüklerinde deneyim kazandırıyor.

Google’ın TPU programının üretimdeki geçmişi daha da uzun. Ironwood mimarisinin 9.216 çiplik pod’lara kadar ölçeklenebildiği aktarılıyor. Başka haberlerde Anthropic’in bir milyona kadar Google TPU’suna erişebileceği belirtiliyor. Ancak bu, kapasite taahhüdünü gösterir; kurulu filo için kesin ve doğrudan bir karşılaştırma olarak değerlendirilmemeli.

Microsoft’un toplam yapay zekâ çipi sayısını AWS ve Google’la birebir karşılaştıran güvenilir bir kamu tablosu bulunmuyor. Şirketler farklı nesilleri, iş yüklerini, sahiplik modellerini ve “kurulu”, “devrede” veya “taahhüt edilmiş” kapasite tanımlarını kullanıyor.

Bu nedenle savunulabilir sonuç daha sınırlı: AWS ve Google, özel çiplerini geniş ölçekte devreye alma ve işletme deneyiminde Microsoft’un önünde görünüyor. Microsoft ise Maia ile aradaki farkı kapatmaya çalışıyor.

Sektör genelindeki kıtlık farkı büyütebilir

Microsoft bu kısıtlarla tek başına karşı karşıya değil. Ars Technica’nın aktardığı bir rapora göre, 2026’da tamamlanması planlanan ABD veri merkezi projelerinin yaklaşık yüzde 40’ı gecikme riski taşıyor. Raporda iş gücü, elektrik, malzeme ve izin süreçlerindeki sorunlar başlıca nedenler arasında gösteriliyor.

Bellek de başka bir darboğaz. Sektör raporları, veri merkezlerinin 2026’da yüksek segment bellek üretiminin yüzde 70’inden fazlasını tüketebileceğini öngörüyor. Synopsys CEO’su ise yarı iletken sıkışıklığının 2027’ye kadar sürebileceğini söyledi. Bu durum diğer sektörlerde maliyetleri artırıp tedarik sürelerini uzatabilir; ancak etkinin boyutu bellek türüne, tedarikçiye ve sözleşme koşullarına göre değişir.

Böyle bir ortamda planlanan yapay zekâ kapasitesiyle gerçekten kullanılabilir kapasite arasındaki fark açılabilir. Enerji bağlantısı yapılmış tesislere, daha erken alınmış şebeke taahhütlerine, olgun tedarik zincirlerine ve büyük çalışan kümelere sahip şirketler yeni iş yükleri eklemeyi sürdürürken, daha yeni tesisler transformatör, soğutma sistemi, uzman iş gücü veya şebeke bağlantısı bekleyebilir.

Stratejik sonuç

Veri merkezi gecikmeleri Microsoft’un yapay zekâ stratejisini geçersiz kılmıyor; ancak stratejiyi uygulama sırasına son derece bağımlı hâle getiriyor. Şirket hızlandırıcı satın alabilir, Maia çiplerini tasarlayabilir ve üretim anlaşmaları için görüşebilir. Bu adımların hiçbiri tek başına müşteriye sunulabilir işlem gücü yaratmıyor.

Kısa vadeli risk, Azure kapasitesinin daha yavaş büyümesi ve Copilot ile Azure OpenAI gibi ürünlerde ek çıkarım maliyetlerinin yükselmesi. Rekabet açısından risk ise AWS ve Google’ın mevcut özel çip kurulumlarını kullanarak Microsoft’un yeni tesisleri ve Maia çipleri tam olarak devreye girmeden önce fiyat, erişilebilirlik ve geliştirici deneyimi avantajlarını güçlendirmesi.

Maia 200, Microsoft bunu geniş ölçekte kurabildiğinde maliyetleri düşürebilir. Bildirilen üretim planı gerçekleşirse Maia 300, 2027’de tedarik kaynaklarını çeşitlendirebilir. Ancak o zamana kadar Microsoft’un yapay zekâ altyapısındaki temel sınav değişmiyor: satın alınan çipleri ve iddialı planları, elektrik bağlantısı yapılmış ve üretime hazır kapasiteye dönüştürmek.