Huawei’den Nvidia’ya uyarı: Daha güçlü çip arayışı fiziksel duvara mı çarpıyor?

Huawei’nin yarı iletkenlerden sorumlu baş bilim insanı ve Huawei Fellow’u Liao Heng, yapay zekâ çiplerindeki performans yarışının alışılmış rotasının uzun vadede fiziksel sınırlara takılacağını savundu. Liao’ya göre sektör; transistörleri küçültüyor, işlemci kalıplarını büyütüyor ve çiplerin çevresine giderek daha fazla yüksek bant genişlikli bellek (HBM) ekliyor. Ancak bu yaklaşımın sonsuza kadar sürdürülemeyeceğini belirten Liao, Huawei’nin çözümü tek başına daha gelişmiş üretim teknolojilerinde değil, sistem genelinde verinin daha hızlı hareket etmesinde aradığını söyledi.

Nvidia’nın büyüyen çipleri neden örnek gösteriliyor?

Liao, Nvidia, TSMC, Intel ve Samsung dâhil olmak üzere önde gelen üreticilerin yalnızca transistörleri küçülterek ve aynı alana daha fazlasını sığdırarak sürekli performans kazanamayacağını öne sürüyor. Bu yöntemin sonunda aşılması zor bir fiziksel eşik bulunduğunu düşünüyor.

Nvidia’nın yapay zekâ hızlandırıcılarında görülen eğilim, Liao’nun tezinin temel örneklerinden biri. Daha büyük işlemci kalıpları veya paketleri ile bunlara bağlanan daha yüksek kapasiteli HBM, hesaplama gücünü artırmayı hedefliyor. Fakat çip ve bellek ölçeği büyüdükçe alan kullanımı, enerji tüketimi, ısı dağılımı, bağlantılar ve üretilebilirlik gibi sorunlar da ağırlaşıyor. Liao, bu sınır aşıldığında sürecin bir tür “çığ” etkisi yaratabileceği uyarısında bulundu.

Burada önemli bir ayrım var: Bu değerlendirme Liao ve Huawei’nin görüşü; sektörün üzerinde uzlaştığı kanıtlanmış bir sonuç değil. Bağımsız uzmanlar, Huawei’nin önerdiği yaklaşımın ne kadar yeni olduğu ve pratikte ne ölçüde fark yaratacağı konusunda farklı düşünüyor.

Yaptırımlar Huawei’yi farklı bir yola itti

ABD yaptırımları, Huawei’nin aralarında ASML’nin gelişmiş litografi sistemlerinin de bulunduğu kritik çip üretim tedarikçilerine erişimini kısıtladı. Bu durum, yalnızca en yeni üretim düğümlerine geçerek rakiplerle yarışma seçeneğini Huawei açısından çok daha zor hâle getirdi.

Şirket bu nedenle optimizasyon hedefini değiştirmeyi öneriyor. Geleneksel yaklaşımın temel sorusu “Transistörü ne kadar küçültebiliriz?” iken Huawei’nin Tau çerçevesi, “Bilgiyi sistem içinde ne kadar hızlı taşıyabiliriz?” sorusunu öne çıkarıyor. Amaç, yalnızca transistör geometrisini küçültmek yerine çipler ve bilgisayar sistemleri arasındaki sinyal ve veri aktarım süresini azaltmak.

Tau Ölçekleme Yasası nedir?

Tau (τ) Ölçekleme Yasası, Huawei’nin geometrik transistör ölçeklemesine alternatif olarak sunduğu bir gelişim çerçevesi. Moore Yasası’yla özdeşleşen transistörleri küçültme fikrinin yerine, elektronik sistemlerde zaman ve sinyal gecikmesini temel performans ölçütlerinden biri olarak konumlandırıyor. Huawei’ye göre sinyal yayılım gecikmesini azaltmak, transistör yoğunluğunu ve sistem performansını mevcut litografi imkânlarıyla da geliştirebilir.

Bu çerçeveyle bağlantılı mimari ise LogicFolding. Huawei, LogicFolding’in daha yüksek etkin yoğunluk ve performans elde etmek için devre yerleşimini ve sistem mimarisini yeniden düzenlemeyi hedeflediğini söylüyor. Dolayısıyla vaat edilen kazanımın kaynağı yalnızca transistör boyutunu küçültmek değil; bağlantıların, veri akışının ve mantık devrelerinin tasarımını birlikte optimize etmek.

Huawei, 2026’nın ilerleyen dönemlerinde piyasaya çıkması planlanan Kirin akıllı telefon işlemcilerinin LogicFolding kullanan ilk ürünler olacağını açıkladı. Bu çiplerin piyasaya sürülmesi ve sonrasında sektör araştırma şirketleriyle söküm ve inceleme kuruluşları tarafından analiz edilmesi, Huawei’nin iddiaları için ilk anlamlı dış test olacak.

“18 katlı pagoda” ve Jensen Huang’ın “beş katlı pastası”

Liao, yapay zekâ ve hesaplama sektörünü 18 katlı bir pagodaya benzetiyor. Bu model, hammaddelerden elektronik kimyasallara ve üretim ekipmanlarına; transistör süreçlerinden paketlemeye; çip mimarisi, derleyiciler ve yazılımlardan algoritmalara, modellere ve uygulamalara kadar uzanan zinciri daha ayrıntılı katmanlara ayırıyor.

Bu anlatım, Nvidia CEO’su Jensen Huang’ın yapay zekâ ekonomisini açıklarken kullandığı beş katlı pasta modeline genel olarak paralel. Huang’ın modeli enerji, çipler ve hesaplama altyapısı, bulut veri merkezleri, yapay zekâ modelleri ve uygulamalardan oluşuyor. Liao’nun pagoda yaklaşımı ise bu geniş başlıkların altında yer alan çok sayıdaki teknik ve endüstriyel bağımlılığı ayrı katmanlar hâlinde gösteriyor.

İki modelin ortak mesajı, yapay zekâ performansının tek bir çipten ibaret olmadığı. Malzeme, üretim, paketleme, mimari, yazılım, model ve uygulama katmanları birbirine bağlı; zincirin herhangi bir halkasındaki zayıflık toplam kapasiteyi sınırlayabiliyor.

ABD ve Çin için iki ayrı ekosistem fikri

Liao’nun değerlendirmesinin politika boyutu da bulunuyor. Stratejik rekabet ve ihracat kontrolleri nedeniyle ABD ile Çin’in, tek ve bütünleşik bir küresel tedarik zincirine erişimin garanti olduğunu varsaymak yerine, kapsamlı ve mümkün olduğunca kendi kendine yeterli yarı iletken üretim ekosistemleri kurması gerektiği sonucunu öne çıkarıyor.

Mevcut kanıtlar, Huawei’nin Çin’in tedarik zincirini daha sıkı biçimde bütünleştirme çabasını destekliyor. Ancak Liao’nun ABD ve Çin’in tam olarak iki ayrı, eksiksiz ekosistem kurması gerektiğine ilişkin ifadelerinin ayrıntıları sınırlı biçimde aktarılmış durumda. Bu nedenle Tau ve LogicFolding’in gerçek etkisi, özellikle yeni Kirin çipi incelendikten sonra daha net değerlendirilebilecek.