Google’ın 10. nesil TPU ailesinde AMD ile iş birliği yaptığı iddiası, yapay zekâ hızlandırıcılarının tasarımında yeni bir yaklaşımın hazırlığına işaret ediyor. İddiaya göre Google, yeni nesil TPU mimarisinde CPU çekirdeklerini hızlandırıcıyla aynı pakete yerleştirerek özellikle pekiştirmeli öğrenme, akıl yürütme ile ajan tabanlı yapay zekâ iş yüklerini hedefleyebilir. AMD’nin projedeki rolü henüz doğrulanmazken şirketin CPU mimarisi, çiplet tasarımı ile gelişmiş paketleme konularındaki deneyimi öne çıkıyor.
Ajan Tabanlı Yapay Zekâ CPU Gücünü Daha Önemli Hâle Getiriyor
Google’ın TPU geliştirme yaklaşımı, uzun süredir yapay zekâ hesaplamalarını özel donanım üzerinde hızlandırmaya odaklanıyor. Şirketin mevcut TPU 8i platformu ise özellikle akıl yürütme modelleri ile ajan tabanlı iş yükleri için CPU tarafını daha yakından sisteme dahil ediyor ve her iki TPU için bir Axion CPU barındıran yapı kullanıyor. Google, TPU 8i mimarisinde CPU sunucularının sayısını artırdığını açıklarken yeni nesil sistemlerde genel amaçlı işlem kapasitesinin daha önemli hâle geldiğini açıkça ortaya koyuyor.
SemiAnalysis kaynaklı iddiaya göre AMD, TPU v10’un doğrudan tasarımını üstlenen şirket olmayabilir. Google’ın önceki TPU nesillerinde fiziksel çip tasarımında Broadcom ile çalışması nedeniyle AMD’nin CPU IP’si, gelişmiş paketleme, bağlantı teknolojileri veya programlanabilir mantık gibi belirli bileşenlerde katkı sağlaması daha olası görülüyor. AMD’nin Instinct MI300A platformunda CPU ile yapay zekâ hızlandırıcısını aynı pakette birleştirmiş olması da şirketin söz konusu mimari yaklaşım konusunda doğrudan deneyime sahip olduğunu gösteriyor.
Google’ın yapay zekâ altyapısındaki yeni yönelim, yalnızca büyük modellerin eğitim hızına odaklanmıyor. Ajan tabanlı sistemler bir görevi parçalara ayırırken araç çağrıları yapıyor, sonuçları değerlendiriyor, yeni adımlar oluşturuyor ve gerektiğinde tekrar hesaplama gerçekleştiriyor; söz konusu işlem zinciri klasik model eğitimine kıyasla daha fazla genel amaçlı işlem gerektirebiliyor. Google Cloud da 2026 yılında yapay zekânın soru yanıtlamaktan görev planlama, araç kullanımı ve çok adımlı eylemlere yöneldiğini belirterek altyapının ajan odaklı iş yüklerine göre yeniden tasarlanması gerektiğini vurguluyor.
Pekiştirmeli öğrenme tarafında ise CPU ile hızlandırıcı arasındaki veri alışverişinin gecikmesi önemli bir performans unsuru oluşturuyor. Google’ın RL altyapısında aktörler ortamdan gözlem toplarken TPU çekirdekleri eylem seçimi ile öğrenme işlemlerini yürütüyor ve sistem, işlemciler arasındaki iletişimi azaltacak mimarilerden yararlanıyor. Google araştırmaları, RL iş yüklerinde TPU ile CPU arasındaki görev paylaşımının performans üzerinde doğrudan etkili olduğunu gösteriyor.
AMD’nin Instinct MI300A yaklaşımı, CPU ile yapay zekâ hızlandırıcısını aynı pakette birleştiren mimarinin en önemli ticari örneklerinden biri olarak öne çıkıyor. MI300A tasarımında CPU çekirdekleri ile GPU tabanlı hızlandırıcı bileşenlerinin yakın konumlandırılması, işlemciler arasındaki veri transferini hızlandırırken bellek erişimini de ortak bir mimari altında ele alıyor. Google’ın benzer bir yaklaşımı TPU ailesine taşıması hâlinde AMD’nin deneyimi, yalnızca işlemci çekirdeği sağlamakla sınırlı kalmayıp paket seviyesindeki sistem tasarımına da uzanabilir.
Çiplet tabanlı tasarımın yaygınlaşması, yapay zekâ işlemcilerinde farklı işlem birimlerinin tek bir sistem gibi çalışmasını kolaylaştırıyor. AMD, EPYC işlemcilerinden Instinct hızlandırıcılarına kadar çiplet mimarisini uzun süredir kullandığı için Google’ın TPU tasarımında ihtiyaç duyabileceği yüksek bant genişlikli bağlantı ile paketleme teknolojileri açısından güçlü bir teknik geçmişe sahip bulunuyor. Yeni TPU’nun CPU, yapay zekâ hızlandırıcıları ile yüksek bant genişlikli belleği aynı paket çevresinde birleştirmesi hâlinde sistem düzeyindeki gecikme ile enerji verimliliği yeni tasarımın temel ölçütlerinden biri hâline gelebilir.
Google’ın TPU ailesi, Gemini gibi büyük yapay zekâ modellerinin eğitiminden geniş ölçekli çıkarıma kadar şirketin kendi altyapısının temel parçalarından biri olarak kullanılıyor. Google Cloud, TPU platformunu artık yalnızca model eğitimi için değil akıl yürütme, kod üretimi ile ajan tabanlı sistemler için de konumlandırıyor. Şirketin TPU 8i için geliştirdiği mimaride yüksek bant genişlikli bellek, düşük gecikmeli ara bağlantılar ile Axion CPU kullanımı aynı sistem yaklaşımının parçaları olarak sunuluyor.
Google ile AMD arasındaki iddia edilen çalışma doğrulanırsa yeni nesil TPU tasarımı, yapay zekâ hızlandırıcılarının yalnızca matris işlemlerini hızlandıran özel çipler olmaktan çıkıp daha karmaşık hesaplama sistemlerine dönüşmesinin önemli örneklerinden biri olabilir. Google’ın 10. nesil TPU mimarisinde CPU çekirdeklerini doğrudan pakete dahil etmesi, özellikle ajanların sürekli karar verdiği, araç kullandığı ve çevrim içi geri bildirim aldığı iş yüklerinde işlemci ile hızlandırıcı arasındaki iletişim maliyetini azaltabilir. AMD’nin projedeki kesin sorumluluğu ile yeni TPU’nun teknik özellikleri ise şirketlerden resmi açıklama gelmeden netleşmeyecek.
