NVIDIA, CUDA ve Yeni Meydan Okuyanlar
"İleriye bakarak noktaları birleştiremezsiniz; onları ancak geriye bakarak birleştirebilirsiniz."
Steve Jobs
Bu 3 bölümlük yazının 1. Bölümü, RISC ve CISC savaşlarını ve Intel'in x86 ISA'sının, Wintel volanı, hacim ekonomisi ve PC dönemindeki tam ekosistem kilidi sayesinde, daha zarif bir nesil RISC mimarisini nasıl yendiğini; DEC ve Sun Microsystems gibi iki ikonik şirketin ise dipnotlara nasıl karıştığını ele almıştı.
Bu bölüm, NVIDIA'nın benzer bir imparatorluğu üç on yıl boyunca nasıl inşa ettiğini ve günümüz yapay zeka döneminde açık ara lider konumuna geldiğini, ayrıca yeni bir meydan okuyanlar topluluğunun ondan nasıl pay almaya çalıştığını inceliyor.
NVIDIA: Bir Denny's Köşesinden Trilyon Dolarlık Bir Kaleye
1993 yılında Intel, PC döneminin tartışmasız bilgi işlem platformu olarak konumunu pekiştiren Pentium işlemciyi piyasaya sürdü. Aynı yıl, üç mühendis – Jensen Huang, Chris Malachowsky ve Curtis Priem – Kaliforniya'nın San Jose kentindeki bir Denny's restoranında kahvaltı ederken NVIDIA'ya dönüşecek iş fikrinin taslağını çizdi.
Priem ve Malachowsky, Intel'in x86 ekosisteminin nihayetinde yok ettiği, 1. Bölüm'de tartışılan, RISC döneminin en önde gelen şirketlerinden Sun'da iş arkadaşıydı. Sun'ın SPARC mimarisi, özel donanım marjları ve dikey olarak entegre modeli, sonraki on yıl içinde x86 + Linux tarafından metalaştırıldı.
Yine de, aynı şirketten iki mühendis, 2023 yılına gelindiğinde Intel'in 1993'te olduğu şey haline gelen NVIDIA'yı kurdu: kendi bilgi işlem döneminin baskın, ekosistem kontrol eden platformu. Intel'in öldürdüğü şirket, farkında olmadan bir gün Intel'i gölgede bırakacak şirketi doğurdu.
NVIDIA'nın otuz yıllık kristalleşmesi hakkında 1993'te hiçbir şey görünür değildi. NVIDIA ilk on yılını bir grafik kartı şirketi olarak geçirdi, ikinci on yılını niş bir bilimsel bilgi işlem platformu kurarak ve ancak üçüncü on yılında, yapay zeka patlamasıyla birlikte NVIDIA'nın yapısal olarak Intel'in x86 ve Wintel ile kurduğu hendeğe özdeş ve muhtemelen daha derin bir hendek inşa ettiği ortaya çıktı. Sun'ın Intel'in ekosistem oyun kitabına yenildiğini izleyen NVIDIA kurucuları, bir nesil sonra aynı oyun kitabını daha etkili bir şekilde uygulamaya başladı.
NV1 çipiyle neredeyse iflas ettikten sonra NVIDIA, 1999'da "dünyanın ilk GPU'su" olarak pazarlanan GeForce 256 ile grafik lideri konumuna geldi. Ancak GPU'lar hâlâ sadece oyuncular ve CAD mühendisleri için niş çevre birimleriydi. NVIDIA'nın bir yapay zeka devine dönüşümü tek bir iddiayla başladı: CUDA.
CUDA: Bir İmparatorluk Yaratan Hamle
2006 yılında NVIDIA, Compute Unified Device Architecture'ı (CUDA) piyasaya sürdü. Entelektüel kökenler, genel amaçlı GPU dili Brook'u geliştiren ve NVIDIA'yı 2004'te kendisini işe alması için ikna eden Stanford doktora öğrencisi Ian Buck'a kadar uzanıyor. Buck ve GPU mimarı John Nickolls, Brook'u tam bir geliştirme platformuna dönüştürdü. İlk kez, geliştiriciler GPU'ları oyun dışı görevler için C/C++ ile programlayabildi.
CUDA yıllarca yavaş büyüdü, sadece hesaplamalı bilim insanları için niş bir araç olarak kaldı. NVIDIA, kütüphanelere, dokümantasyona, üniversite ortaklıklarına ve geliştirici ilişkilerine büyük yatırım yaptı, inançla ve hiçbir kısa vadeli getiri beklemeden. Jensen daha sonra CUDA'ya yaptığı amansız yatırımın NVIDIA'yı neredeyse iflasın eşiğine getirdiğini hatırlayacaktı.
Ardından 2012'de, Geoffrey Hinton'ın Toronto Üniversitesi'ndeki ekibi tarafından inşa edilen bir sinir ağı olan AlexNet, iki NVIDIA GPU kullanarak ImageNet görüntü tanıma kriterini paramparça etti. Nitelikli bir araştırma merakı aniden yapay zekanın geleceği gibi görünmeye başladı. NVIDIA fırsatı yakalamak için olağanüstü bir hız ve kusursuz bir uygulama ile hareket etti:
- cuDNN'yi inşa etti; TensorFlow ve PyTorch bunu varsayılan derin öğrenme arka ucu olarak entegre etti.
- Derin öğrenme matris matematiği için Tensor Çekirdekleri eklendi.
- DGX sistemleri standart yapay zeka araştırma cihazı olarak piyasaya sürüldü.
- 2016'da ilk DGX1 OpenAI'ye bağışlandı ve ChatGPT'yi yaratacak organizasyon yetiştirildi.
- Mellanox satın alınarak yapay zeka süper bilgisayarlarında binlerce GPU'yu birbirine bağlayan ağ dokusunun kontrolü ele geçirildi.
ChatGPT, Kasım 2022'de üretken yapay zeka için kitlesel pazar talebini serbest bıraktığında, CUDA hendeği on altı yıldır yapım aşamasındaydı! H100, yapay zeka patlamasının olmazsa olmaz çipi haline geldi ve NVIDIA geliri sonraki 3 yılda 5 kat artarak parabolik bir büyüme gösterdi.
NVIDIA'nın yavaş başlangıcı ve nihai patlayıcı yükselişi, Intel'in 1968'de kurulduğunda bir bellek üreticisinden 1990'larda mikroişlemci ve PC devriminin bayrak taşıyıcısı haline gelmesinin evrimini yansıtıyor.
Hem Intel hem de NVIDIA, sonunda temel büyüme motorları haline gelecek olan teknolojilerden farklı teknolojiler geliştirmeye başladı. Her ikisi de temel yetkinliklerini avantajlarına etkili bir şekilde kullandı ve otuz yıl arayla baskın bilgi işlem platformları haline geldi. Her ikisi de yerleşik şirketler ve yeni kurulan şirketler dahil olmak üzere tam bir meydan okuyanlar listesiyle karşı karşıya kaldı.
Meydan Okuyanlar: Hızlandırmanın Bir Düzine Yolu
2026'daki NVIDIA rakiplerinin listesi, 1990'lardaki Intel ve x86 rakiplerine yapısal bir benzerlik taşıyor. Her biri gerçek yenilik getiriyor ve her biri aynı ekosistem yerçekimiyle karşı karşıya.
AMD en yakın ticari silikon rakibidir ve x86'da Intel'e karşı oynadığı gölge rolün aynısını oynuyor. AMD'nin donanımı rekabetçi. Ancak yazılım ekosistemi açığı, CUDA'yı baskın kılan şeydir, tıpkı RISC donanımı daha hızlı olsa bile x86 yazılım tabanının Intel'i baskın tutması gibi.
Google TPU'lar en güvenilir eğitim alternatifidir. Google, silikondan buluta en eksiksiz yapay zeka yığınına sahip. Ancak TPU'lar yalnızca Google Cloud'a özeldir; NVIDIA kilitlenmesini Google kilitlenmesiyle takas eder.
Amazon Trainium, öncü model eğitimine NVIDIA örneklerinden önemli ölçüde daha iyi fiyat-performansla güç sağlıyor, ancak AWS'ye özel; yine NVIDIA kilitlenmesini AWS kilitlenmesiyle takas ediyor. Amazon, NVIDIA'dan kaçışını sübvanse ediyor.
Microsoft Maia 100, NVIDIA'nın yerini almak için değil, Azure'un NVIDIA'ya bağımlılığını azaltmak için tasarlandı; bir platform meydan okuması değil, bir TCO optimizasyon hamlesi.
Cerebras, Wafer-Scale Engine'i inşa etti – neredeyse 300 mm'lik bir silikon gofretin tamamını tek bir işlemci olarak kullanan bir sistem. Yıkıcı ve cesur ama niş bir çözüm; biraz ivme kazanıyor ancak yaygın benimsenme belirsiz.
SambaNova, GPU'lardan ve TPU'lardan farklı bir veri akışı mimarisi olan Yeniden Yapılandırılabilir Veri Akışı Birimi (RDU) ile farklı bir yaklaşım benimsedi.
Tenstorrent de GPU'ların yapay zeka iş yükleri için temelde yanlış bir soyutlama olduğuna ve ölçekte veri akışının RISC'in CISC'e karşı teknik argümanı kazanması gibi kazanacağına bahse giriyor. Tenstorrent, her biri kendi yerel SRAM'ına, matris matematik birimine, vektör birimine ve veri hareketini ve zamanlamayı yerel olarak yöneten RISC-V işlemcilerine sahip küçük, özdeş bilgi işlem çekirdeklerinden oluşan bir ızgara etrafında inşa edilmiş bir hızlandırıcı mimarisi geliştirdi.
Birkaç başka girişim de var. JP Morgan, özel silikonun 2028 yılına kadar yapay zeka çip pazarının %45'ini ele geçirebileceğini öngörüyor. NVIDIA artık kendi müşterilerinden rekabetle karşı karşıya.
CUDA Hendeği: Wintel, Yeniden Yüklendi
NVIDIA'nın bugünü ile Intel'in 1990'lardaki hali arasındaki paralellikler yapısaldır ve yalnızca yüzeysel değildir:
CUDA kilitlenmesi tek bir bağımlılık değildir. Birden çok düzeyde birikir: NVIDIA'nın matematik kütüphanelerine göre ayarlanmış çekirdekler, cuDNN'ye göre kalibre edilmiş karma duyarlıklı davranış, NVIDIA Kolektif İletişim Kütüphanesi (NCCL) etrafında optimize edilmiş dağıtık eğitim, CUDA araçları üzerine inşa edilmiş sürekli entegrasyon ve dağıtım boru hatları ve daha mezun olmadan önce CUDA üzerinde eğitilmiş bir nesil mühendis.
NVIDIA'nın hendeği, Intel'in inşa ettiği hendekten iki ana nedenden dolayı daha derin olabilir:
Dikey entegrasyon: Wintel, işletim sistemini ve CPU'yu kontrol ediyordu ancak diğer her şey için üçüncü taraflara güveniyordu. NVIDIA, GPU'yu, ağ iletişimini (NVLink, InfiniBand), yazılımı (CUDA, cuDNN, TensorRT, NCCL) ve tam raf ölçekli sistemleri (NVL72, tek bir mantıksal bilgi işlem birimi olarak 72 Blackwell GPU) kontrol ediyor. GTC 2026'da NVIDIA, beş raf ölçekli sistem konfigürasyonunu kapsayan yedi farklı çip tipine sahip Vera Rubin platformunu tanıttı ve dikey kontrolü Intel'in hiç ulaşamadığı bir noktaya kadar genişletti.
Sermaye yoğun değiştirme maliyetleri: 1990'larda bir Windows uygulamasını Linux'a taşımak pahalıydı ancak sınırlıydı. Bir öncü yapay zeka modelini alternatif donanımda yeniden eğitmek yüz milyonlarca dolara ve aylarca süren mühendislik çalışmasına mal oluyor.
Groq: NVIDIA Bir Meydan Okuyanı Emiyor
Belki de geçen yılki en anlamlı gelişme, gerçek bir ivme kazanan bir meydan okuyanın başına gelenlerdir. Eski Google TPU mühendisi Jonathan Ross tarafından kurulan Groq, ultra düşük gecikmeli çıkarım için optimize edilmiş bir Dil İşleme Birimi (LPU) inşa etmişti. SRAM tabanlı mimarisi, GPU'lardan 4-7 kat daha hızlı token üretimi ve deterministik gecikme vaat ediyordu. 2025 yılına gelindiğinde Groq, 500 milyon dolar gelir hedefliyordu ve 6,9 milyar dolar değerleme üzerinden 750 milyon dolar toplamıştı. 24 Aralık 2025'te NVIDIA, şimdiye kadarki en büyük anlaşması olan 20 milyar dolarlık bir anlaşmayla Groq'un çıkarım teknolojisini lisanslayacağını ve kurucu Ross da dahil olmak üzere teknik ekibinin çoğunu işe alacağını duyurdu.
GTC 2026'da Jensen, Groq teknolojisi için planını açıkladı. Groq 3 LPX çıkarım hızlandırıcısı, Vera Rubin platformunda özel bir kod çözme aşaması yardımcı işlemcisi olarak yer alacak ve Jensen'e göre bir yapay zeka kümesindeki bilgi işlemin yaklaşık %25'ini temsil edecek.
Satın alma daha derin bir sinyal taşıyor. Bir yandan, özellikle çıkarım iş yükleri için GPU dışı hızlandırıcılar için bir pazarın varlığını doğruluyor. Öte yandan, Jensen ve NVIDIA'nın GPU imparatorluklarına yönelik ortaya çıkan tehditleri yutma isteğinde olabileceğini gösteriyor.
Bunun da tarihsel bir emsali olan bir oyun kitabı olduğunu belirtmek büyüleyici. 1998'de Intel, DEC'in Alpha IP'sini ve silikon üretim tesisini kullanmak için değil, etkisiz hale getirmek için satın aldı. Groq anlaşması biraz daha karmaşık – NVIDIA gerçekten kullanışlı teknolojiyi entegre ediyor – ancak rekabetçi etki benzer: masada bir meydan okuyan daha az.
Özet
Tıpkı Intel'in PC döneminde x86 CPU'lar etrafında zorlu bir ekosistem kurması gibi, NVIDIA da yapay zeka çağını başlatmak için programlanabilir GPU'lar etrafında çarpıcı biçimde benzer bir imparatorluk kurdu. CUDA hendeği, x86 ve Wintel hendeğinden daha derin olabilir ve Intel'in aksine NVIDIA, teknoloji yığınında hızla yukarı çıkarak yalnızca bir ticari silikon tedarikçisi olarak kalmak yerine bir sistem ve yazılım sağlayıcısı haline geldi.
Geçmişte olduğu gibi, NVIDIA'nın yükselişiyle birlikte ticari çip şirketleri, hiper ölçekleyiciler ve özel silikon üreten bir dizi girişim de dahil olmak üzere yeni bir meydan okuyanlar listesi geldi. Bu meydan okuyanlar, NVIDIA devine karşı çıkan yenilikçi ve zarif mimariler geliştirdiler. Ancak geçmişte olduğu gibi, NVIDIA'nın hakim olduğu ölçek, hacim ekonomisi, yazılım kilitlenmesi ve sistem entegrasyonundan yoksunlar.
Tıpkı Intel'in devasa savaş sandığının 1990'ların neredeyse tüm yarı iletken üretim rakiplerini yenmesine izin vermesi gibi, NVIDIA da optik ara bağlantılardan kuantum hesaplamaya kadar potansiyel olarak ortaya çıkan her trendi kapsayan teknoloji yığını boyunca akıllı satın almalar yapmak için muazzam nakit akışını kullanıyor.
- Bölüm, ayrıntılardan bir adım geri çekilerek büyüleyici bir soruyu sorgulayacak: Sırada ne var?
