Google'ın TPU v10'u Neden CPU Çekirdeklerine Kavuşuyor? AMD Ortaklığı ve Aracı Yapay Zekanın Yeni Mimarisi

Arka planı bilmek önemli. Broadcom, Google'ın uzun süredir devam eden TPU ortak tasarım ortağı. Mart 2026'da imzalanan ve v8'den v11'e kadar dört nesli kapsayan beş yıllık bir iş birliği anlaşmaları bulunuyor . Mevcut Ironwood (TPU v7x) neslinde ise Mediatek, G/Ç ve üretim koordinasyonunu üstleniyor . AMD'nin dahli, v10 nesli içindeki belirli bir proje gibi görünüyor. Broadcom'u tamamen devre dışı bırakması beklenmese de, Broadcom'un Ironwood (v7x) CoWoS üretim hacminde yaklaşık 32.000 plaka kadar bir aşağı yönlü revizyon olduğu belirtiliyor .

Bunlara ek olarak Google'ın, tedarikçi bağımlılığını azaltmak için 'Ice Fish' kod adlı v10 neslinin bazı bileşenlerini Samsung Foundry'de üretmeyi düşündüğü ve diğer özel AI çipleri için Marvell ile son aşama görüşmeler yaptığı da bildiriliyor .

Önemli uyarı: Bu bilgilerin hiçbiri Google veya AMD tarafından resmi olarak doğrulanmış değil. SemiAnalysis raporu bir piyasa dedikodusu olarak kalıyor. AMD projesi, belirli bir SKU, deneysel bir yol veya çeşitlendirme amaçlı bir önlem olabilir .

Hibrit Çipler Neden Aracı Yapay Zeka ve Pekiştirmeli Öğrenme İçin Mantıklı?

Saf bir matris ASIC'ten, entegre CPU çekirdeklerine sahip hibrit bir çipe geçiş, özellikle pekiştirmeli öğrenme (RL) ve aracı yapay zeka (agentic AI) iş yüklerinin değişen doğasına doğrudan bir mimari yanıttır.

Aracı Yapay Zeka GPU Değil, CPU Odaklıdır

Geleneksel toplu çıkarım (batch inference) neredeyse tamamen GPU odaklıdır: bir girdi girer, GPU bir ileri geçiş yapar, token'lar geri gelir . Aracı yapay zeka iş yükleri ise temelde farklıdır. Orkestrasyon, planlama, araç çağırma, sanal ortamda kod çalıştırma (sandbox) ve çevre etkileşimleri GPU'larda değil, CPU'larda gerçekleşir .

Yapılan akademik bir araştırma, araç çağrılarının yoğun olduğu aracı yapay zeka iş yüklerinde, CPU üzerindeki araç işlemenin uçtan uca gecikmenin %88'ine kadarını oluşturduğunu ortaya koydu . Başka bir analiz bu oranı %90,6'ya kadar çıkardı .

CPU:GPU Oranı Radikal Bir Şekilde Değişiyor

AI eğitim kümelerinde CPU'nun GPU'ya oranı yaklaşık 1:7 veya 1:8 iken , iş yükleri çıkarıma kaydıkça bu oran 1:3 veya 1:4'e düşüyor . Aracı yapay zeka dağıtımlarında ise durum daha da çarpıcı. Intel, 2026'nın ilk çeyrek bilanço görüşmesinde bazı müşterilerinin şimdiden GPU başına dört CPU çalıştırdığını, yani bazı kümelerde 1:1 oranına ulaşıldığını açıkladı .

Morgan Stanley, 2030 yılına kadar tamamen bu değişimden kaynaklanan 32,5-60 milyar dolarlık ek bir CPU pazarı büyümesi öngörüyor . AMD'nin kendisi de aracı yapay zekanın tek bir GPU odaklı çıkarım iş yükü olmadığını, orkestrasyon ve sanal ortam çalıştırması için yüksek çekirdek yoğunluğu ve iş parçacığı sayısına sahip CPU'lar gerektiren heterojen bir uçtan uca iş akışı olduğunu savunuyor .

Pekiştirmeli Öğrenme (RL) Sıkı Sanal Ortam Döngüleri Gerektirir

RL eğitimi, özellikle aracı modeller için, sanal ortamda kod çalıştırma, çevre simülasyonu, ödül hesaplama ve politika güncellemelerinin tekrarlanan döngülerini içerir. Bu döngüler, saf matris hızlandırıcılarına verimli bir şekilde haritalanmayan önemli miktarda CPU tarafı orkestrasyonu gerektirir.

Nvidia'nın Vera'sı (88 çekirdekli Olympus tasarımı) ve Intel'in Xeon 6+'sı, tam da bu 'sıkı pekiştirmeli öğrenme sanal ortam döngüsü' modeli için optimize ediliyor . Donanım endüstrisi, geleceğin AI hızlandırıcılarının saf matris motorları olmayacağı konusunda ortak bir görüşte birleşiyor.

Google'ın Hibrit TPU v10'u Bir Öncü Gösterge Olarak

Google, AMD CPU çekirdeklerini doğrudan TPU paketine entegre ederek, bu CPU yoğun aracı döngüler için PCIe darboğazlarını ortadan kaldırabilir, gecikmeyi azaltabilir ve 'araç çağrısı → çevre adımı → politikayı güncelle' döngüsünü tek bir sıkı bağlı kalıp (die) üzerinde gerçekleştirebilir. Bu, geleceğin AI sistemlerinin, iş yükü aşamasına göre bilgi işlem türlerini karıştıran heterojen sistem-üzerinde-paket tasarımları olacağı içgörüsünün donanımsal bir tezahürüdür.

Daha Geniş Etkiler

Alt Satır

Google'ın TPU v10'una CPU çekirdekleri koyacağı iddiası, kademeli bir ince ayar değil; 2028'in AI hızlandırıcısının 2024'ünkinden çok farklı görüneceğinin bir kabulüdür. Aracı yapay zeka ve pekiştirmeli öğrenme, bilgi işlem mimarisinin kurallarını yeniden yazıyor ve saniyede bin kez bir araç çağırma döngüsünü yöneten bir çipin, büyük bir matris çarpımı yapan çipten farklı inşa edilmesi gerekiyor.

Eğer SemiAnalysis dedikodusu doğruysa, Google ve AMD tam da bu çipi şu anda inşa ediyor.