AMD’nin sunduğu örnek bir iş yükü senaryosunda, 2030’da yalnızca iki AMD rafı, 2024 nesli sistemlerden yaklaşık 570 rafın sağlayabildiği yapay zekâ kapasitesini sunabilecek. Aynı hesap, eşdeğer iş için kullanım aşamasındaki elektrik tüketiminin 20 kat azalmasına işaret ediyor. AMD’nin bir başka senaryosunda karbon yoğunluğundaki düşüş 28 kat olarak veriliyor; ancak bu sonuç yalnızca donanım verimliliğine değil, veri merkezinin kullandığı elektrik üretim karışımına da bağlı ve bağımsız bir kıyaslama olarak doğrulanmış değil.

Raf ölçeği neden önemli?

AMD’nin önceki 30x25 programı, CPU ve GPU’lardan oluşan hızlandırılmış bilgi işlem düğümlerinin verimliliğine odaklanıyordu. Şirket, 2020-2025 döneminde bu hedefi aşarak düğüm seviyesinde 38 katlık bir enerji verimliliği artışı sağladığını ve aynı performans için enerji kullanımını yüzde 97 azalttığını belirtiyor.

Yeni hedef ise tek bir işlem düğümünden daha geniş bir alanı kapsıyor: hızlandırıcılar, CPU’lar, bellek, ağ bağlantıları, güç ve soğutma yükü ile yazılım kullanım verimliliği birlikte değerlendiriliyor. Bu ayrım önemli; çünkü yüksek FLOPS değeri tek başına tamamlanan bir eğitim veya çıkarım görevi başına daha az enerji harcandığını garanti etmiyor.

Verimlilik artışı nasıl sağlanabilir?

AMD’nin yaklaşımı birkaç katmandan oluşuyor:

• Daha verimli işlem mimarileri: Daha düşük hassasiyetli AI formatları, uygun iş yüklerinde watt başına daha fazla işlem yapılmasını sağlayabiliyor.
• Daha büyük ve hızlı HBM: Yüksek bant genişlikli bellek, işlemcilerin veri beklemesini azaltıyor; verinin daha az taşınması da enerji tüketimini düşürebiliyor.
• Yüksek hızlı bağlantılar: Raf içi scale-up ve raflar arası scale-out ağları, iletişim beklemelerini ve işlemcilerin boşta kalma süresini azaltmayı amaçlıyor.
• Yazılım optimizasyonları: Çekirdeklerin verimli çalıştırılması, iş planlama, model paralelliği ve donanım kullanım oranı toplam performans başına enerji tüketimini etkiliyor.
• Sistem düzeyinde ortak tasarım: Çip, bellek, ağ, güç yönetimi ve soğutmanın tek bir sistem olarak tasarlanması, yalnızca bileşen bazlı performans artışlarının ötesine geçmeyi hedefliyor.

Helios, AMD’nin raf ölçeği hamlesi

AMD’nin bu stratejideki en somut ürünü Helios. Sistem, yalnızca ayrı GPU’lar satmak yerine yapay zekâ altyapısını bütünleşik bir raf olarak sunma girişimi. AMD’nin teknik özelliklerine göre bir Helios yapılandırmasında şunlar bulunuyor:

• 72 adet Instinct MI455X GPU
• EPYC “Venice” işlemciler
• Pensando ağ donanımı
• FP8’de 1,4 exaFLOPS’a kadar hesaplama
• 31 TB HBM4 bellek
• 260 TB/s scale-up bant genişliği
• 43 TB/s scale-out bant genişliği

AMD ayrıca Helios’un Nvidia’nın Vera Rubin NVL72 çözümüne kıyasla yüzde 15’e kadar daha yüksek tepe FP4 hesaplama, yüzde 50 daha fazla HBM kapasitesi ve yüzde 50 daha fazla scale-out bant genişliği sunduğunu iddia ediyor. Bunlar AMD’nin kendi karşılaştırmaları; bağımsız performans testleri olarak değerlendirilmemeli.

Şirket, Helios’un Temmuz 2026’da tam üretime geçtiğini, ilk sevkiyatların 2026’nın üçüncü çeyreğinin sonunda başlamasının planlandığını ve daha geniş yayılımın sonraki dönemde gerçekleşeceğini söyledi. Mevcut kaynaklar, 2027 için kesin bir üretim kilometre taşını doğrulamıyor. Bu nedenle “2026-2027 takvimi”, teyit edilmiş tek bir tarih yerine kademeli bir yayılım beklentisi olarak görülmeli.

AMD’nin büyümesi ve Nvidia rekabeti

Açıklama, AMD’nin veri merkezi işinin hızla büyüdüğü bir dönemde geldi. Şirketin 2026’nın ikinci çeyreğinde veri merkezi geliri 6,7 milyar dolar olarak bildirildi; bu, yıllık bazda yüzde 107 artışa karşılık geliyor. Bu rakam hem EPYC sunucu işlemcilerini hem de Instinct hızlandırıcılarını içeriyor; yalnızca yapay zekâ GPU geliri olarak yorumlanmamalı.

Helios ile AMD, Nvidia’ya yalnızca hızlandırıcı bileşenleriyle değil, tüm raf ve sistem mimarisiyle rakip olmaya çalışıyor. Yapay zekâ altyapısındaki rekabet bu nedenle çip performansından veri merkezi tasarımına, bellek ve ağ bağlantılarından yazılıma kadar genişliyor.

Buna karşın, mevcut kaynaklar Nvidia’nın finansman stratejisini veya Google’ın TPU sistemlerinden elde ettiği geliri güvenilir biçimde ölçmek için yeterli kanıt sunmuyor. Bu başlıklar rekabetin önemli unsurları olabilir; ancak ayrı ve güçlü kaynaklarla doğrulanmadan kesin birer olgu olarak aktarılmamalı.

AMD’nin sunduğu örnek bir iş yükü senaryosunda, 2030’da yalnızca iki AMD rafı, 2024 nesli sistemlerden yaklaşık 570 rafın sağlayabildiği yapay zekâ kapasitesini sunabilecek. Aynı hesap, eşdeğer iş için kullanım aşamasındaki elektrik tüketiminin 20 kat azalmasına işaret ediyor. AMD’nin bir başka senaryosunda karbon yoğunluğundaki düşüş 28 kat olarak veriliyor; ancak bu sonuç yalnızca donanım verimliliğine değil, veri merkezinin kullandığı elektrik üretim karışımına da bağlı ve bağımsız bir kıyaslama olarak doğrulanmış değil.

Raf ölçeği neden önemli?

AMD’nin önceki 30x25 programı, CPU ve GPU’lardan oluşan hızlandırılmış bilgi işlem düğümlerinin verimliliğine odaklanıyordu. Şirket, 2020-2025 döneminde bu hedefi aşarak düğüm seviyesinde 38 katlık bir enerji verimliliği artışı sağladığını ve aynı performans için enerji kullanımını yüzde 97 azalttığını belirtiyor.

Yeni hedef ise tek bir işlem düğümünden daha geniş bir alanı kapsıyor: hızlandırıcılar, CPU’lar, bellek, ağ bağlantıları, güç ve soğutma yükü ile yazılım kullanım verimliliği birlikte değerlendiriliyor. Bu ayrım önemli; çünkü yüksek FLOPS değeri tek başına tamamlanan bir eğitim veya çıkarım görevi başına daha az enerji harcandığını garanti etmiyor.

Verimlilik artışı nasıl sağlanabilir?

AMD’nin yaklaşımı birkaç katmandan oluşuyor:

• Daha verimli işlem mimarileri: Daha düşük hassasiyetli AI formatları, uygun iş yüklerinde watt başına daha fazla işlem yapılmasını sağlayabiliyor.
• Daha büyük ve hızlı HBM: Yüksek bant genişlikli bellek, işlemcilerin veri beklemesini azaltıyor; verinin daha az taşınması da enerji tüketimini düşürebiliyor.
• Yüksek hızlı bağlantılar: Raf içi scale-up ve raflar arası scale-out ağları, iletişim beklemelerini ve işlemcilerin boşta kalma süresini azaltmayı amaçlıyor.
• Yazılım optimizasyonları: Çekirdeklerin verimli çalıştırılması, iş planlama, model paralelliği ve donanım kullanım oranı toplam performans başına enerji tüketimini etkiliyor.
• Sistem düzeyinde ortak tasarım: Çip, bellek, ağ, güç yönetimi ve soğutmanın tek bir sistem olarak tasarlanması, yalnızca bileşen bazlı performans artışlarının ötesine geçmeyi hedefliyor.

Helios, AMD’nin raf ölçeği hamlesi

AMD’nin bu stratejideki en somut ürünü Helios. Sistem, yalnızca ayrı GPU’lar satmak yerine yapay zekâ altyapısını bütünleşik bir raf olarak sunma girişimi. AMD’nin teknik özelliklerine göre bir Helios yapılandırmasında şunlar bulunuyor:

• 72 adet Instinct MI455X GPU
• EPYC “Venice” işlemciler
• Pensando ağ donanımı
• FP8’de 1,4 exaFLOPS’a kadar hesaplama
• 31 TB HBM4 bellek
• 260 TB/s scale-up bant genişliği
• 43 TB/s scale-out bant genişliği

AMD ayrıca Helios’un Nvidia’nın Vera Rubin NVL72 çözümüne kıyasla yüzde 15’e kadar daha yüksek tepe FP4 hesaplama, yüzde 50 daha fazla HBM kapasitesi ve yüzde 50 daha fazla scale-out bant genişliği sunduğunu iddia ediyor. Bunlar AMD’nin kendi karşılaştırmaları; bağımsız performans testleri olarak değerlendirilmemeli.

Şirket, Helios’un Temmuz 2026’da tam üretime geçtiğini, ilk sevkiyatların 2026’nın üçüncü çeyreğinin sonunda başlamasının planlandığını ve daha geniş yayılımın sonraki dönemde gerçekleşeceğini söyledi. Mevcut kaynaklar, 2027 için kesin bir üretim kilometre taşını doğrulamıyor. Bu nedenle “2026-2027 takvimi”, teyit edilmiş tek bir tarih yerine kademeli bir yayılım beklentisi olarak görülmeli.

AMD’nin büyümesi ve Nvidia rekabeti

Açıklama, AMD’nin veri merkezi işinin hızla büyüdüğü bir dönemde geldi. Şirketin 2026’nın ikinci çeyreğinde veri merkezi geliri 6,7 milyar dolar olarak bildirildi; bu, yıllık bazda yüzde 107 artışa karşılık geliyor. Bu rakam hem EPYC sunucu işlemcilerini hem de Instinct hızlandırıcılarını içeriyor; yalnızca yapay zekâ GPU geliri olarak yorumlanmamalı.

Helios ile AMD, Nvidia’ya yalnızca hızlandırıcı bileşenleriyle değil, tüm raf ve sistem mimarisiyle rakip olmaya çalışıyor. Yapay zekâ altyapısındaki rekabet bu nedenle çip performansından veri merkezi tasarımına, bellek ve ağ bağlantılarından yazılıma kadar genişliyor.

Buna karşın, mevcut kaynaklar Nvidia’nın finansman stratejisini veya Google’ın TPU sistemlerinden elde ettiği geliri güvenilir biçimde ölçmek için yeterli kanıt sunmuyor. Bu başlıklar rekabetin önemli unsurları olabilir; ancak ayrı ve güçlü kaynaklarla doğrulanmadan kesin birer olgu olarak aktarılmamalı.