İşlem gücü kısıtlaması
Geçen yılın sonundan beri Moore Threads, Muxi Shares, Biren Technology, TianShu Intelligent Chip gibi yerel GPU üreticileri sermaye dalgalanmalarına neden oldu. Ancak ikinci piyasa zenginlik şatosunun altında, göz ardı edilemez bir gizli çizgi giderek daha net hale gelmekte ve ortaya çıkan sorunlar giderek daha acil hale gelmektedir.
Geçtiğimiz yıllarda, yerli AI çipleri genellikle nispeten güvenli ve daha kenar pozisyonunda olan “tahmin (inference) tarafında” odaklanmıştır; örneğin, yakın zamanda DouBao projesi, Çin'in en büyük AI uygulaması olan bu terminalin sık sık talep ettiği hesaplama görevlerini karşılamak için TianShu ZhiXin'den 50.000 adet çip satın almıştır.
AI eğitimi gibi hesaplama piramidinin en üst katmanında, yerel çipler şu anda yalnızca kenar görevlerinde yardımcı olabiliyor.
AI eğitim çipleri, yapay zeka modellerinin eğitimi sırasında yoğun matris işlemleri ve parametre ayarlamaları gerçekleştirildiği için güçlü hesaplama kapasitesine ve yüksek verimlilik oranına sahip olmalıdır; performansları daha güçlü ve fiyatları oldukça yüksektir, örneğin NVIDIA A100, H100, H200 ve AMD MI300 serisi gibi.
Karşılaştırıldığında, çıkarım çiplerinin görevi çok daha hafiftir. Model eğitimi tamamlandıktan sonra dağıtım aşamasında kullanılır ve ana görevi modelin çıkarımını gerçekleştirmektir; gerçek zamanlılık talebi yüksektir. Çıkarım çipleri, doğruluk oranını korurken hızlı yanıt verme ve düşük güç tüketimi özelliklerine sahip olmalıdır.
Bir uygun benzetme, eğitimin AI modeline "bilgi kazandırma", çıkarımın ise büyük modelin "bilgiyi kullanma" süreci olmasıdır. Öğrenme aşamasında, eğitim çipleri, milyarlarca, trilyonlarca hatta on trilyonlarca parametrenin dinamik güncellenmesi için devasa veri setlerini "beslemek" zorundadır; bu, sadece güçlü bir hesaplama gücü gerektirmekle kalmaz, aynı zamanda verimli bir bant genişliği ve iletişim kapasitesine de ihtiyaç duyar ve on binlerce işlemci kartlı bir kümede stabiliteyi garanti altına almalıdır.
Çin ve ABD modelleri arasındaki farkın temel nedeni, özellikle yüksek performanslı eğitim çiplerinin eksikliği gibi "görünmeyen" alanlardır.
Büyük modellerin ölçekleme yasası altında, model parametreleri arttıkça hesaplama talebi doğrusal olarak artar ve üssel şekilde artan hesaplama ve donanım maliyetleri, büyük modelleri eğitmeyi sadece az sayıda teknoloji devinin "özel oyunu" haline getirir.
ABD teknoloji devletlerinden yalnızca Meta, 2026 sonuna kadar 1,2 milyondan fazla üst düzey GPU kurmayı planlıyor ve yıllık yatırımını 145 milyar doların üzerinde tutuyor; ek olarak, Google'ın sahip olduğu AI toplam hesaplama gücü, 5 milyon NVIDIA H100 ile eşdeğerdir ve bu tek bir şirket, küresel toplamın dörtte birini oluşturmaktadır.
Amazon, Microsoft, Alphabet ve Meta'nın bu yılki sermaye harcamaları 725 milyar doları aşarak %77 oranında sert bir artış gösterdi; bu miktar, ABD'nin yıllık özel iç toplam yatırımlarının %13'üne denk gelmektedir. Morgan Stanley ayrıca 2027 yılına kadar ABD teknoloji şirketlerinin sermaye harcamalarının 1,1 trilyon dolarlık bir rekor seviyeye ulaşmasını bekliyor.
Şu anda ABD, küresel yüksek performanslı GPU'ların %70'inden fazlasını kontrol ediyor; çip yasaklamasından sonra ülkede kullanılabilecek yüksek performanslı çipler, ABD'nin sekizde biri kadar. Stanford AI Index Raporu 2026, ABD'nin veri merkezi sayısıının (5.427) Çin'in 10 katından fazla olduğunu belirtiyor.
Çin Bilgi ve İletişim Teknolojileri Enstitüsü'ne (CAICT) göre, 2025 yılının başı itibarıyla ABD'nin hesaplama kapasitesi 2.400 EFLOPS, Çin'in ise 1.053 EFLOPS'tur; ABD'nin kapasitesi Çin'in iki katından fazladır.
Yukarıdaki dört teknoloji devinin elindeki hesaplama gücü, her biri tek başına Çin'in tüm AI şirketlerinin toplamını aşmaktadır.
Bu baskın hesaplama gücü avantajı, ABD şirketlerinin bir yıl içinde onlarca büyük model yineleme deneyimi tamamlamasını sağlıyor.
Elon Musk, altındaki xAI'nin küresel olarak "ilk GW seviyesindeki AI kümesi" olarak tanıtılan Colossus 2'ye sahip olmakla daha da lüks bir duruma geldi. Bu nedenle aynı anda yedi modeli eğitiyor olduğunu iddia edebiliyor: iki adet 1 trilyon, iki adet 1,5 trilyon, bir adet 6 trilyon ve bir adet 10 trilyon parametreli model. Bu "şiddet estetiği", yalnızca hesaplama gücü aşırı derecede yeterli olduğunda mümkün olabilir.
Bu arada, ABD'nin çip ihracatını kısıtlaması nedeniyle, son yıllarda satılan yüksek performanslı AI çiplerinde Çinli şirketlerin payı sürekli düşmektedir (epoch.AI verilerine göre).
Aşırı bir ifade olmadan, hesaplama kapasitesi temelindeki büyük fark, Çin'in yapay zekâ alanında uzun süre geride kalmasına ve yerel büyük modellerin ABD rakiplerine ulaşma sürecini daha zor hale getirecektir.
Nesiller arası fark
Çin'in yenilik adımları durdurulamaz, Çin'in çip yapamayacağını düşünenler gerçekten yanılmıştır. Çin ve ABD arasındaki fark sadece nanosaniye düzeyindedir.
NVIDIA kurucusu Jensen Huang, Çin yarı iletken endüstrisinin ilerlemesini defalarca kamuoyunda takdir etti.
Ayrıca Musk, X üzerinde sık sık benzer görüşleri ifade eder — “Çin kesinlikle çip tıkanıklığı sorununu çözecek, yapay zeka hesaplama gücü alanında kesinlikle tüm diğer ülkeleri geride bırakacak”, “Çin, dünyadaki AI yarışını kazanacak”.
Teknoloji dünyasının ünlü isimleri, Çin'in AI gelişimini övmektedir ve bu da kolayca inanılmaya yol açar. Bu ifadeler açıkça bir takdir kandırma tezahürüdür. Bazı ABD medya organları, Çin ve ABD modelleri arasındaki farkın çok küçük olduğu haberlerini sürekli yayarak gerçekleri karıştırmayı ve bazı nesnel gerçekleri gizlemeyi amaçlamaktadır.
Bu konuda, ulusal AI ilgili alanların hepsi açık ve sakin kalmalıdır.
Eğer günümüzde Çin'in gelişmiş büyük modellerinin standartlaştırılmış sorunları çözmede ABD rakipleriyle farkı az ise, karmaşık endüstriyel ve kurumsal ortamlarda bu fark daha belirgin hale gelir.
Amerika'daki Anthropic gibi şirketlerin öncü modelleriyle karşılaştırıldığında, Çin hâlâ geride kalıyor. Amerika CAISI değerlendirmesine göre, ülkedeki en güçlü DeepSeek V4 Pro, Amerika öncü modellerinden yaklaşık 8 ay geride.
Li Kaifu, son zamanlarda The Wall Street Journal ile yaptığı röportajda, Anthropic tarafından çıkarılan Claude Fable 5 gibi ABD'nin en üst düzey modellerini referans alarak, ABD'nin şu anda Çin'den yaklaşık 15 ay önde olduğunu belirtti.
Büyük modeller, Ölçekleme Yasası'na uyar; model parametre sayısı, eğitim verisi miktarı ve harcanan hesaplama gücü ne kadar artarsa, model performansı o kadar iyileşir. Günümüzde ABD'nin en ileri büyük modelleri on trilyon parametre dönemine girmiş durumda ve bu gelişim hızı hâlâ artmaktadır.
Anthropic'ın en güçlü Mythos modeli 10 trilyon parametreye ulaşmış ve bunu eğitmek 10 milyar dolarlık bir maliyet gerektiriyor; xAI'nin Colossus 2, 6 trilyon ve 10 trilyon parametreli modelleri de dahil olmak üzere aynı anda 7 modeli eğitiyor; OpenAI, 4 trilyon parametreli bir modeli bir ay içinde yeniden geliştiriyor.
Çin'in en güçlü modeli DeepSeek V4 Pro'nun toplam parametre sayısı 1,6 trilyon, ABD'nin on trilyon seviyesindeki öncü modellerinden yaklaşık 6 kat daha az.
Anthropic'ın Claude serisi, son iki yılın en güçlü AI programlama büyük modeli olarak kabul edilmiştir; Mythos ise yeniden halkın algısını değiştirmiş ve önceki lider model Oups 4.6'dan daha güçlü bir performans sergilemiştir.
OpenBSD, endüstride en güvenli sistem olarak bilinir, ancak Mythos, 27 yıldır keşfedilmemiş bir açığı buldu ve FFmpeg ile Linux çekirdeğinde de yıllarca hatta onlarca yıldır fark edilmemiş açıklar tespit etti; bunların tümünü tamamen kendi kendine, insan destek olmadan keşfetti.
Büyük modellerin "önceden eğitimi", model yeteneklerinin üst sınırını belirler; trilyonlarca parametreli bir modeli, on trilyon parametreli bir modele eşit düzeyde "sonraki eğitimi" ile ayarlamak mümkün değildir. Önceden eğitimin belirleyici faktörü ise yüksek performanslı hesaplama çipleridir; bu çipler, parametre ölçeğini ve eğitim yineleme hızını belirler.
Koç Üniversitesi Başkanı Liu Qingfeng, şu anda en üst düzey büyük modeller üreticilerinin, özellikle Amerikalı devlerin, aşırı büyük hesaplama platformları kurduğunu itiraf etti. Şu anda yerli hesaplama kapasitesi gerçekten bir ağrı döneminden geçiyor ve bu da uzun metin bağlamında eğitimi sınırlıyor.
Görüldüğü gibi, hesaplama gücü farkı, Çin ve ABD modelleri arasındaki farkın temelidir.
Yerli kalkınma
Bir şirket, küresel yüksek端 AI eğitim çiplerinin %90'ını tekelleştiriyor — bu, NVIDIA'nın küresel en büyük piyasa değeri sahibi şirket unvanını korumasına yardımcı oluyor. Toplam piyasa değeri, küresel üçüncü büyük ekonomi Almanya'nın 2025 yılı GSYH'sini aşmış durumda.
Setong Danışmanlığı verilerine göre, 2026 Q1 global GPU sunucu pazarında NVIDIA %68'ini, AMD %5-6'sını, yerli GPU üreticileri ise toplamda %4'ten azını oluşturuyor.
Öncül avantaj, güçlü teknik bariyerler, yüksek hızlı bağlantı, yazılım ekosistemi ve TSMC'nin ileri üretim süreçleriyle entegrasyon sayesinde NVIDIA tamamen lider konumda. Yüksek performanslı eğitim senaryolarında NVIDIA'nın GB300'u, AMD'nin MI325'inden daha güçlüdür ve Kunlun'un Siyuan 690 ile Moore Threads'in MTT40'ından da üstündür; özellikle trilyon parametreli büyük modellerin eğitimi sırasında rakiplerine göre %30'dan fazla performans avantajına sahiptir.
İhracat yasağı altında, Huang Renxun daha önce, NVIDIA'nın Çin'deki (yeni) pazar payının neredeyse sıfıra indiğini, sadece mevcut pazarın kaldığını ifade etti. Yerel alternatif politikalarının desteğiyle, Huawei Ascend 910, Higon DCU Şen Suan 2, Cambricon Siyuan 370/590 ve Moore, Muxi gibi şirketler sırayla ortaya çıktı.
Bu arada, Ascend 910, Huawei'in en güçlü hesaplama çipidir ve Ascend 910B'nin hesaplama gücü 640 TOPS (INT8) düzeyindedir ve NVIDIA A100 çipine kıyaslanabilir.
Mutlak performans açısından, yerli GPU'lar hâlâ fark vardır, ancak öncelikle çıkarım ve kenar hesaplama senaryolarına odaklanılabilir. Şu anda yerli GPU'lar, ulusal kamu ve kurumsal genel çıkarım ihtiyaçlarını temel olarak karşılamaktadır ve NVIDIA'nın orta segment ürünleriyle arasındaki fark %15-20'ye daralmıştır; bu da yerine geçme olasılığını ortaya koymaktadır.
Özellikle belirtmek gerekir ki, hesaplama gücü performansı önemlidir, ancak yerel GPU'ların zayıf tarafı arka planda yer alan teknolojik yazılım ekosistemidir. CUDA'nın NVIDIA GPU imparatorluğunu inşa eden temel taşı olduğu gibi, Çin Mühendislik Akademisi üyesi Zheng Weimin, yerel AI çiplerinin temel sorununun yeterince iyi bir ekosistem olmaması olduğunu belirtti; ekosistem iyi olsaydı, performans %60 olsa bile kullanılırdı.
Yazılım ekosistemi, GPU sektörünün en sert engelidir ve bu alanda NVIDIA'nın yetenekleri de yerine geçilmez.
CUDA ekosistemi, on yıllık bir derinleşmenin ardından 4 milyondan fazla geliştiriciye, on binlerce açık kaynak modele ve tüm kategorilerde üçüncü taraf araç zincirlerine sahiptir ve AI eğitimi, çıkarım, grafik işleme ve bilimsel hesaplamayı kapsar; ekosistem engeli benzeri görülmemiştir.
IDC verilerine göre, şu anda küresel olarak %95'ten fazla AI modeli CUDA ekosistemi üzerinde geliştirilmektedir. Yerel GPU'lar, politik destekten yararlanarak, uzun vadeli bir şekilde zincirleme endüstriyle iş birliği içinde olmalı ve medya algısı ile sermaye piyasalarından yeterli sabır gösterilmelidir.
Bu yıl Ocak'ta, Zhipu, Huawei Ascend Atlas 800T A2 cihazı ve Ascend MindSpore AI çerçevesi üzerinde temel alınarak, veri işlemeden model eğitimiye kadar tüm süreçleri kapalı döngü olarak tamamlayan GLM-Image adlı yeni nesil görüntü üretme modelini açık kaynak olarak yayınladı; bu, yerel çip teknolojisiyle tamamen eğitilen ilk SOTA çok modlu modeldir;
Mole Thread, Beijing Zhixuan Artificial Intelligence Research Institute ile birlikte MTT S5000 akıllı hesaplama kümesi ve FlagOS-Robo çerçevesi üzerinde, Zhixuan'ın kendi geliştirdiği RoboBrain 2.5 vücutlu zeka modelinin tam süreç eğitimini tamamladı. Bu başarı, yerli hesaplama kümesinin vücutlu akıllı büyük modellerin eğitimi sırasında kullanılabilirliğini ilk kez doğruladı.
Yerel GPU'ların uyumluluk ve ekosistem oluşturma yönlerinde bir atılım yaptığı görülmektedir ve bu, çıkarım tarafındaki "tek noktada atılım"dan eğitim tarafındaki "adım adım uyum"a doğru ilerlemektedir; bu büyük bir ilerlemedir.
Özet
Yabancı ileri çip ithalatının engellendiği bir bağlamda, yerel hesaplama çiplerini öncelikli olarak destekleyerek hem yerel hem de yabancı teknolojileri bir araya getiren iki ayaklı bir yaklaşım izlenebilir.
Talebin gerçekliği şüphesiz, "balon teorisi" hâlâ var, ancak sesi giderek büyümedi. Yapay zeka inşasına yönelik küresel pazar ilgisi, daha önceki herhangi bir endüstrinin erken dönem gelişimini aştı.
Bu yıl boyunca, küresel sermaye piyasalarında süper AI döngüsü yeniden patlak verdi; Samsung, SK Hynix, Broadcom ve TSMC hisseleri yeni rekorlar kırıyor. Yerel piyasada, Cambricon gibi temsilci hardtech şirketleri de güçlü bir yükseliş gösteriyor ve optik modül devi InnoLight'in piyasa değeri bir zamanlar Kweichow Moutai'yi geçti.
Güney Kore'nin yarı iletken endüstrisi tarihine bakıldığında, Güney Kore, depolama çip endüstrisini ulusal çapta destekleyerek karanlık dönemleri aştı ve nihayetinde Japonya'yı yeneerek dünya depolama endüstrisinin mutlak şampiyonu oldu.
Depolama çipleri, telefon çipleri ve hatta şu anki AI çipleri açısından Çin hâlâ geride kalmış durumda; bu, bir gün ya da bir gece içinde sağlanabilecek bir şey değil. Ancak büyük pazar, sürekli ortaya çıkan AI uzmanları ve büyük sermaye gücü sayesinde yerel GPU’lar, birçok AI şirketinin gerçek ihtiyaçlarını karşılayabilecek bir uygunluk göstermeye başlamıştır.
Bu ulusal kader üzerine yapılan AI oyununda, Çin ve ABD hem rakip hem de birbirlerinin ihtiyaç duyduğu teknoloji, pazar ve kaynaklara sahiptir.
Bu yazı WeChat hesabından: Juetao WAVE, Düzenleyen: Yang Xuran, Yazar: Xie Zefeng, Orijinal başlık: «Çin ve ABD AI Mücadelesindeki Hesaplama Gücü Zorluğu | Juetao»