Neden Önde Gelen Yapay Zeka Şirketleri 2026'da Özel Çipler Üzerinde Çalışıyor

7 Temmuz'da, Çinli bir AI şirketi tarafından kendi kendine geliştirilen çiplerle ilgili iki haber popüler oldu.

Öncelikle Reuters'in özel haberi: DeepSeek, kendi çipini geliştiriyor. Haber, üç bilgili kaynaktan alıntı yaparak, bu çipin eğitimi değil, çıkarım (inference) hedef aldığını belirtiyor. Rapor, DeepSeek'in çip tasarımı mühendislerini gizlice istihdam ettiğini ve açık rekabet yoluyla değil, aynı zamanda dış üretici ve depolama tedarikçileriyle temas içinde olduğunu bildiriyor. DeepSeek, yorum isteği için yanıt vermedi ve bu haber şu anda yalnızca Reuters'in tek kaynağı olduğu için tartışmalar var.

Aynı gün, The Information, Çinli başka bir laboratuvar olan Zhipu'nun kendi özelleştirilmiş çipini değerlendirdiğini de bildirdi. Bilgili kaynaklara göre neden, GLM-5.2 talebindeki patlamadır. The Information ve birçok başka kaynak, bu modelin Vercel model toplama platformunda en hızlı büyüyen model olduğunu ve ilk haftada günlük token tüketiminin bir anda 27 katına çıktığını bildirdi. Zhipu, birkaç yerel çip tasarımı şirketiyle ilk temasları kurdu, ancak henüz ortak seçmedi. Projenin tamamlanmasının iki yıldan uzun sürebileceği belirtildi. Haber çıkar çıkmaz, Zhipu'nun hisseleri Hong Kong borsasında gün içinde yaklaşık %9,9 yükseldi.

Elbette, iki mesaj da henüz erken değerlendirme aşamasında olup, fiziksel bir ürün veya tamamlanmış tasarım bulunmamaktadır.

Aslında DeepSeek ve ZhiPu yalnızca istisnalar değil. Kamerayı uzaklaştırdığınızda, 2026 yılında "AI şirketlerinin kendi çiplerini üretmek" isteğinin, uzak kıtadaki OpenAI ve Anthropic'ten domestic bu iki öncü laboratuvarına kadar, endüstride bir seçimden varsayılan bir eyleme dönüşmüş olduğunu göreceksiniz. Bu makale, nedenini cevaplamayı amaçlıyor.

DeepSeek'in haberi hâlâ söylentiler düzeyindeyken, OpenAI zaten ürünü ortaya koydu.

24 Haziran'da OpenAI, Broadcom ile birlikte Jalapeño'yu duyurdu; bu, OpenAI'nin ilk kendi geliştirdiği, büyük modeller için optimize edilmiş bir ASIC (özel amaçlı entegre devre).

OpenAI donanım sorumlusu Richard Ho, bu çipin "LLM çıkarımı için sıfırdan tasarlandığını" ve ekibin çekirdek, bellek taşıma, ağ ve hizmet modu üzerinde hedefe yönelik iyileştirmeler yaptığını belirtti.

OpenAI'ye göre, erken laboratuvar testleri, Jalapeño'nun watt başına performansının mevcut endüstri lideri seviyesinden "önemli ölçüde daha iyi" olduğunu gösterdi. Ancak şirket, nihai performansın hâlâ ölçülürken olduğunu ve ayrıntılı teknik raporun gelecek aylarda yayınlanacağını kabul etti. Bu tür üretici açıklamaları, üçüncü taraf benchmark'lar ortaya çıkmadan önce tek taraflı iddialar olarak kalır.

Dikkat edilmesi gereken birkaç detay var. Tom's Hardware'a göre, bu çipin tasarımıyla tape-out süreci sadece dokuz ayda tamamlandı; OpenAI, bunun yüksek performanslı ileri yarı iletken tarihinin en hızlı ASIC geliştirme döngüsü olabileceğini belirtti; bu döngüyü hızlandıran ise OpenAI'nin kendi modeli: AI ile AI üreten çipleri tasarlamak.

Jalapeño, 2026 yıl sonunda, 2029 yılında tamamlanacak olan Broadcom iş birliğine dayalı 10 GW kapasiteli bir projeye başlayacak. Microsoft'un ilk Jalapeño üretimi yaklaşık %40'ını satın alması bekleniyor.

Başka bir öncü laboratuvar olan Anthropic'e bakalım. Bu yıl Nisan ayında Reuters, Anthropic'in kendi çipini geliştirmeyi de değerlendirdiğini ilk olarak duyurdu; ifadeler oldukça dikkatliydi: planlar erken aşamada, şirket sonunda sadece satın almayı tercih edebilir, tasarım henüz belirlenmedi ve özel bir ekip kurulmadı.

Ancak Temmuz başlarında durum yeni bir gelişme yaşadı. Birden fazla medya kaynağına göre, Anthropic, özel bir çipin üretimi için Samsung ile görüşmelere başladı ve bu çipin Samsung'un 2 nanometre üretim süreci ve ileri paketleme teknolojileri hedef alındığı bildirildi.

Ayrıca Anthropic, yakın zamanda OpenAI'nin kendi çip ekibinin erken üyelerinden Clive Chan'ı kadrosuna katıldı.

Sorulara yanıt olarak Anthropic, Google, Amazon ve NVIDIA çiplerinden oluşan "çeşitli donanım yığını" hâlâ hesaplama stratejisinin çekirdeği olacak ve Samsung ile olan iş birliği hakkında yorum yapmayacak.

Bu resmi açıklama, kendi çip serilerini geliştirmeye yönelik dalganın en gerçek motivasyonunu tam olarak ortaya koyuyor. The Information verilerine göre, NVIDIA, küresel AI çip pazarının yaklaşık %74'ünü elinde tutuyor; Anthropic ise henüz kendi bir çipi üretmedi ve Claude'ın her çağrısı, ortaklarından kiralanan çipler üzerinde çalışıyor; bu ortaklar aynı zamanda rekabetçileri.

Dikkat edilmesi gereken nokta, Anthropic'ın kendi çapında geliştirme çalışmalarına başlama zamanlamasının, gelirlerindeki keskin artışla neredeyse aynı zamana denk gelmesidir. Şirketin kendi açıklamalarına göre, 2026 yılında yıllık operasyonel geliri 30 milyar doları aşmıştır, oysa 2025 yılının sonunda bu rakam yaklaşık 9 milyar dolar seviyesindeydi. Ölçek bu seviyeye ulaştığında, kendi çip geliştirme projelerinin ekonomik hesaplamaları anlamlı hale gelir.

DeepSeek, ZhiPu, OpenAI ve Anthropic haberlerini yan yana bakınca ortak bir nokta fark edersiniz: Ürettikleri tüm çipler, eğitim çipleri değil, çıkarım çipleri. Bu bir rastlantı değil.

Endüstride gerçekleşen yapısal bir dönüşüm, hesaplama gücü tüketiminin "model eğitimi"den "model çalıştırma"ya kaymasıdır. Eğitim bir kezlik maliyettir, ancak bir modeli yüz milyonlarca kullanıcıya hizmet vermek sürekli bir giderdir. Introl'ün endüstri analizine göre, artık çıkarım işlemi, tüm AI hesaplama gücünün yaklaşık üçte ikisini tüketmektedir.

https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu

Ancak çıkarım, tam olarak ASIC'in sahnesidir. Çip Savaşı yazarı Chris Miller'in CNBC için yaptığı bir benzetmeye göre, NVIDIA'nın GPU'ları bir İsviçreli çakma bıçğı gibidir, her tür paralel hesaplamayı yapabilir; ancak ASIC, tek bir amaçlı bir alettir, çok verimli ve hızlıdır, ancak sadece bir tür iş yapacak şekilde sabit hatlarla kilitlenmiştir. Eğitim aşamasında model mimarisi değiştiği için İsviçreli çakma bıçğı gibi esneklik gerekir; ancak model sabitlendikten ve milyonlarca isteği hizmet etmeye başladığında, bu "tek amaçlı araç" daha az enerji tüketir ve daha ucuzdur.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

Ajanların patlaması, bu hesabı daha da büyüttü. MindCast AI’nın bir analizi, ilginç bir ayrım öne sürdü:

Geleneksel akıl yürütme, "sorgu maliyeti"dir: bir soru, bir cevap, işlem tamamlandı;

Ajan, "döngüsel maliyet" tir: Bir kullanıcının bir hedefi, ajanın çıkarım yapması, planlaması, araması ve yürütmesi nedeniyle onlarca hatta yüzlerce çıkarım çağrısını tetikler.

Resim, https://www.mindcast-ai.com/p/ai-inference-economy adresinden çevrilmiştir.

Akıllı ajanlar ölçeklendirildiğinde, eğitim ve çıkarım arasındaki ekonomik asimetri doğrusal olmayan şekilde büyür. Bu nedenle, bu analiz kuruluşu, çıkarım ekonomisinin 2028 yılında dikkate alınması gereken bir konu olmadığını, aksine 2026 yılında yapılması gereken bir satın alma kararı olduğunu belirliyor.

“Neden kendi kendinizi yapmalısınız?” sorusuna ilişkin endüstride oldukça net rakamlar mevcuttur.

En açık örnek, AI görsel platformu Midjourney'den geliyor. Midjourney, çıkarım yükünü NVIDIA GPU'larından Google'ın yedinci nesil TPU'larına taşıdıktan sonra aylık hesaplama maliyetini yaklaşık 2,1 milyon dolarından yaklaşık 700.000 dolara düşürdü; bu da %65'lik bir düşüş demek. Bir analistin söylediği gibi, bu oran, her gün milyarlarca sorgu çalıştıran dev ölçekli şirketlerde, onlarca milyar dolarlık bir yatırımla kendi çiplerini geliştirmek, "doğrudan bir finansal hesaplama" haline gelir.

Bu sorunun cevabı, tüm piyasayı değiştiriyor. TrendForce'ün tahminlerine göre, 2026 yılında özelleştirilmiş ASIC'lerin teslimat büyüme hızı %44,6'ya ulaşacak, bunun karşılığında ticari GPU'lar sadece %16,1 olacak—bu, özelleştirilmiş çiplerin büyüme hızının ilk kez GPU'yu geçmesidir. Introl, Bloomberg Araştırma'nın verilerine dayanarak daha genel bir bakış sunuyor: 2033 yılına kadar tüm AI akseleratör pazarının 604 milyar dolar olacağı tahmin ediliyor ve özelleştirilmiş silikonun bu pazar içindeki payı hızla artıyor.

Çok büyük üreticiler zaten gerçek para ile oy vermişler. Google'ın TPU'su, Amazon'un Trainium'u, Microsoft'un Maia'sı, Meta'nın MTIA'sı... Bu özgün çipler, her biri kendi ana şirketlerinin büyük miktarda çıkarım yükünü hizmet etmektedir.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

CNBC'ye göre, Trainium baş mimarı Ron Diamant, Amazon'un bu ASIC'inin AWS üzerindeki diğer donanım sağlayıcılarına göre %30 ila %40 arasında maliyet-verimlilik avantajı sağladığını söyledi.

Bu rakamlar, hesaplama kapasitesi talebiniz çok büyük boyutlara ulaştığında, çiplerin maliyet kalemi değil, rekabet avantajının kendisi olduğunu gösteriyor. Oplexa'nın bir analizinde de belirtildiği gibi, kendi silikonunuzu kontrol etmek, kendi performans rota planınızı, maliyet yapınızı ve tedarik zincirinizi kontrol etmek anlamına gelir. Bu üç şey, hiçbir satın alma emriyle elde edilemez.

Ekonomik hesap açık neden ise, "kaderi bir şirkete bırakmak istememek" dalganın altında daha derin bir akımdır.

NVIDIA'nın güçlü olması, çipin kendisinden bir kısmıyla, daha büyük bir kısmıyla ise CUDA'dan kaynaklanır. CUDA, yirmi yıldan fazla bir süredir birikmiş bir yazılım ekosistemidir. Spheron'un analizine göre, FlashAttention'tan vLLM'deki sürekli toplu işleme kadar neredeyse tüm ciddi LLM çıkarım optimizasyonları yalnızca CUDA üzerinde çalışır. Bu ekosistem, NVIDIA'nın bir kalesi olarak değil, çip değiştirmek isteyen her ekip için ödenmesi gereken bir "taşınma maliyeti" olarak görülür. Hizmet yığınlarını vLLM'den Amazon Neuron SDK'ya taşımanın genellikle iki ila altı hafta mühendislik süresi gerektirdiği tahmin edilmektedir; bazı model mimarileri ise tamamen desteklenmemektedir.

https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/

Bu duvarın hem yüksek hem de kalın olması, onu aşma motivasyonunu özellikle artırıyor. Çok büyük üreticiler ve öncü laboratuvarlar için, kendi geliştirilen çiplerinde çalışan her iş yükü, kendi cebine daha fazla kâr kalması ve NVIDIA ile fiyat görüşmelerinde daha fazla güç kazanması anlamına geliyor.

TheStreet'in değerlendirmesi oldukça açık: Değişen şey, "AI laboratuvarlarının NVIDIA'nın herhangi bir fiyat ve tedarik koşulunu kabul etmesi" varsayımıdır. Microsoft'un Maia'sı, Amazon'un Trainium'u, Google'ın TPU'su var ve en yeni AI laboratuvarları da artık kendi lehlerine aynı kazançları biriktirmek istiyor.

7 Temmuz'daki iki mesajı geri alalım. DeepSeek ve ZhiPu için, yukarıdaki tüm nedenlerin yanı sıra, Amerikalı rakiplerinin karşılaşmadığı bir sorun daha var: ihracat kısıtlamaları.

Ayrıca dikkat edilmesi gereken nokta, DeepSeek'in bu kez kendi kendine geliştirdiği söylentisinin, ilk dış sermaye alımı ile tamamen örtüşmesidir: Şirket, 50 milyar yuandan fazla bir sermaye topladı ve değeri 330 milyar yuandan fazla oldu. Çip üretimi çok para gerektirir; para ve çip konularının aynı anda gerçekleşmesi rastlantı olmayabilir.

Ancak ZhiPu, bu yıl Ocak'ta Hong Kong Menkul Kıymetler Borsası'nda listelenen ilk Çinli AI laboratuvarı oldu. İkisi de bu pahalı kumar için önce cebini hazırlıyor.

Bu ipuçlarını bir araya getirin; "Neden AI şirketleri kendi çiplerini üretmek istiyor?" sorusunun cevabı aslında birkaç kuvvetin bir araya gelmesidir: çıkarım, eğitim yerine hesaplama alanının ana sahası haline gelerek özel ASIC'lerin kullanım alanını açmıştır; agenlerin patlaması, çıkarım maliyetlerini doğrusal olmayan şekilde artırarak her kuruş tasarrufunun değerini katlamıştır; NVIDIA'ya derin bağımlılık ise herkesin kendi pazarlık gücü için bir yedek hazırlamak istemesine neden olmuştur. DeepSeek ve Zhipu gibi Çinli şirketler için, ihracat kontrolleri sorunu da eklenmelidir.

Ancak bu ısınma altında soğuk su da dökülmelidir. Kendi çapta geliştirilen çipler kesin kazanç anlamına gelmez. Tasarım döngüsü 18 ila 24 ay arasında değişebilir, başlangıç mühendislik yatırımları büyük olur ve sabit bir mimari etrafında tasarım yapmak için yeterince istikrarlı ve öngörülebilir bir iş yükü gerekir. Model mimarilerini hâlâ test eden girişimciler ya da görevleri çok çeşitli olan normal şirketler için, NVIDIA GPU’larının esnekliği daha karlı bir seçimdir.

TechTimes, 40 ila 65 porcentlik maliyet avantajının, her gün milyarlarca sorgu çalıştıran devler için geçerli olduğunu açıkça belirtiyor; haftada sadece on binlerce sorgu çalıştıran şirketler için bu hesap tamamen tersine dönüyor.

Daha fazla sorulması gereken bir soru: Bu dalga, NVIDIA'nın pozisyonunu zayıflatacak mı, yoksa sadece ona bir "ek pozisyon" mu ekleyecektir? Çoğu analiz, cevabın sonuncusuna doğru eğilim göstermektedir. Oplexa'ya göre, 2027 yılına kadar ASIC çıkış miktarı GPU miktarını aşabilir, ancak her iki pazar da büyümeye devam edecektir: AI altyapısı, iki farklı yola ayrılmaktadır: sabit, yüksek frekanslı, öngörülebilir yükler ASIC'e; araştırma, çeşitlilik ve hâlâ gelişmekte olan mimariler GPU'ya bırakılmaktadır. NVIDIA, eğitim ve çoğunlukla pazarı hâlâ sağlam bir şekilde elinde tutmaktadır.

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

DeepSeek ve ZhiPu'nun kendi çiplerini üretebilip üretemeyeceği şu anda henüz cevaplanmamıştır, çünkü bu iki haber hâlâ erken değerlendirme aşamasında kalıyor.

Ancak onlar aynı gün ortaya çıktı, sanki su yüzeyine aynı anda atılan iki taş gibi, ortaya çıkan dalgalar aynı kaygıyı yansıttı: Bu hesaplama gücü gücün olduğu dönemde, San Francisco'dan Pekin'e kadar, bir sonraki turda hayatta kalmak isteyen hiçbir AI şirketi kendi kaderini başkalarının elinde kalıcı olarak kiralamak istemiyor.

Bu yazı, WeChat hesabından "Makine Kalbi" (ID: almosthuman2014) tarafından paylaşılmıştır, yazar: Panda