Meta’nın Muse Asistanı 100 Milyon Kullanıcıya Ulaşırsa Devasa Altyapı Gerektirebilir

Meta’nın çok adımlı görevleri kullanıcı adına gerçekleştiren Muse yapay zekâ asistanı, 100 milyon kullanıcıya ulaşması durumunda teorik olarak 200 milyon vCPU, 800 petabayt RAM ile 10.000 petabayt SSD kapasitesi gerektirebilir. Hesaplama, Meta’nın her kullanıcı için 2 vCPU, 8 GB RAM ve 100 GB SSD içeren izole sanal makine tahsis ettiği varsayımına dayanıyor. Kullanıcıların aynı anda aktif olmadığı gerçekçi kullanım senaryoları toplam işlemci ihtiyacını azaltabilecek olsa da Muse’un Meta’nın daha geniş platformlarına açılması hâlinde altyapı ölçeği önemli ölçüde büyüyebilir.

Muse Her Kullanıcı İçin İzole Bir Sanal Makinede Çalışıyor

Meta’nın Muse sistemi, kullanıcı adına web sitelerinde işlem yapabilen, görevleri birden fazla adımda sürdürebilen ve uygulama kapatıldıktan sonra çalışmaya devam edebilen bir ajan mimarisi kullanıyor. Sistem, kullanıcı verileri ile oturum bilgilerini diğer kullanıcılardan ayırmak için her hesap adına izole bir sanal makine çalıştırıyor.

Her sanal makine için ayrılan kaynaklar 2 vCPU, 8 GB RAM ile 100 GB SSD olarak belirtiliyor. Kullanıcı sayısı büyüdükçe sabit kaynak tahsisi yaklaşımı, klasik sohbet botlarından farklı olarak Muse’un altyapı maliyetini doğrudan sanal makine sayısına bağlayabiliyor.

Meta’nın Sentinel adını verdiği güvenlik katmanı da Muse’un işlem akışını denetliyor. Sentinel, kullanıcı ile sistem tarafından verilen onayların bulunmadığı durumlarda işlemlerin tamamlanmasını engelleyerek ajanların kullanıcı adına gerçekleştirdiği eylemlere ek bir kontrol katmanı getiriyor.

Ajan tabanlı yapının temel farkı, Muse’un yalnızca yanıt üretmek yerine kullanıcının adına bilgisayar ortamında işlem gerçekleştirmesi oluyor. Tarayıcı oturumları, kimlik bilgileri, geçici dosyalar ve görev durumları gibi unsurların izole çalışma ortamlarında tutulması, altyapı ihtiyacının yalnızca model çıkarımıyla sınırlı kalmamasına yol açıyor.

100 milyon kullanıcının her biri için 2 vCPU tahsis edilmesi, kaynakların sürekli ayrıldığı varsayımında toplam 200 milyon vCPU gerektiriyor. Aynı hesap 8 GB RAM üzerinden yapıldığında 800 milyon GB yani yaklaşık 800 petabayt bellek ortaya çıkarken 100 GB SSD tahsisi 10.000 petabayt depolama kapasitesine karşılık geliyor.

126 çekirdekli işlemcilerin temel alındığı teorik hesaplama, sürekli ayrılmış işlem kaynakları senaryosunda yaklaşık 1,58 milyon işlemciye işaret ediyor. Kullanıcıların işlemci kaynaklarını aynı anda tüketmemesi, sanallaştırma katmanının kapasiteyi dinamik biçimde dağıtması ve iş yüklerinin farklı zamanlara yayılması gerçek ihtiyaç seviyesini önemli ölçüde aşağı çekebilir.

Kullanıcıların yalnızca yüzde 50’sinin aynı anda işlem gerçekleştirdiği bir senaryoda teorik işlemci ihtiyacı yaklaşık 790 bin işlemci seviyesine iniyor. RAM ile depolama tarafında ise kullanıcı başına tahsis edilen kaynakların görev süreleri boyunca korunması gerektiği varsayılırsa toplam kapasite ihtiyacı daha yüksek kalıyor.

Bu rakamlar Meta’nın gerçekten 1,58 milyon fiziksel işlemci veya 800 petabayt RAM kuracağı anlamına gelmiyor. Hesaplama, mevcut kullanıcı başına kaynak tahsisinin 100 milyon kullanıcıya doğrusal biçimde uygulanması durumunda ortaya çıkacak teorik üst ölçekli altyapı ihtiyacını gösteriyor.

Meta’nın işlem kapasitesine yönelik yatırımları, yapay zekâ ajanlarının daha geniş kullanıcı tabanlarına sunulması açısından kritik bir altyapı katmanı oluşturuyor. Şirket, 2026 içinde Arm tabanlı AGI CPU geliştirme çalışmalarında yer alırken AWS Graviton tabanlı işlemci çekirdeklerini de altyapısına dahil etmeye yönelik adımlar attı.

Arm mimarisine dayalı işlemciler, yüksek sayıda işlem çekirdeğini enerji verimliliğiyle birlikte sunma hedefi nedeniyle büyük ölçekli veri merkezlerinde farklı iş yükleri için değerlendiriliyor. Meta’nın kendi altyapısında işlemci çeşitliliğini artırması, yalnızca Muse gibi ajanların değil model eğitimi, çıkarım, öneri sistemleri ile diğer yapay zekâ servislerinin kapasite planlamasına da katkı sağlayabilir.

Muse’un sanal makine tabanlı çalışma modeli, Meta’nın veri merkezi kaynaklarını dinamik biçimde yönetmesini gerektirecek. Sistem kullanıcı etkinliğini, görev yoğunluğunu ve işlem sürelerini dikkate alarak kaynakları paylaşırsa teorik toplam kapasite ile gerçek fiziksel donanım ihtiyacı arasında ciddi fark oluşabilir.

Meta’nın Muse’u WhatsApp veya Instagram gibi yüksek kullanıcı sayılarına sahip platformlarda daha geniş biçimde kullanıma açması ise kaynak planlamasını farklı bir ölçeğe taşıyabilir. Yüz milyonlarca kullanıcının bulunduğu platformlarda her hesap için sürekli izole çalışma ortamı oluşturulması, işlem kapasitesinin yanında ağ trafiği, depolama, güvenlik izolasyonu ve sanal makine orkestrasyonu üzerinde de ek yük oluşturacak.

Muse örneği, yapay zekâ ajanlarının altyapı ihtiyacının yalnızca büyük dil modeli çalıştırmakla sınırlı olmadığını gösteriyor. Ajanların kullanıcı adına gerçek işlemler gerçekleştirmesi, uzun süreli görevleri koruması ve güvenli çalışma ortamları sağlaması ek CPU, RAM, depolama ile ağ kaynakları gerektiriyor.

Geleneksel sohbet uygulamalarında kullanıcı isteği çoğunlukla modelin kısa süreli çıkarım işlemiyle yanıtlanırken ajan sistemlerinde görev süresi uzayabiliyor. Bir seyahat planı oluşturmak, web sitelerinde farklı işlemler yapmak veya birden fazla uygulama arasında veri taşımak gibi görevler, tek bir model çağrısından daha uzun ve kaynak yoğun bir çalışma döngüsü oluşturabiliyor.

İşletmeler açısından bu yapı, yapay zekâ ajanı seçerken model performansının yanında kullanıcı başına altyapı maliyetinin de hesaplanmasını gerektirecek. Sanal makine yoğunluğu, eş zamanlı kullanıcı oranı, görev süresi, depolama politikası ile güvenlik izolasyonu toplam sahip olma maliyetinin temel değişkenleri arasında yer alacak.

Meta’nın önündeki temel ölçekleme sorunu ise kullanıcı sayısındaki artıştan çok eş zamanlı görev yoğunluğunun nasıl yönetileceği olacak. Şirket kaynakları dinamik biçimde paylaştırabilir, kısa süreli görevleri daha yoğun donanım havuzlarına yönlendirebilir veya kullanıcı aktivitesine göre sanal makinelerin kapasitesini değiştirebilirse Muse’un teorik kaynak ihtiyacı ile gerçek altyapı yatırımı arasında daha büyük bir fark oluşabilir.

Muse’un gelecekte WhatsApp, Instagram veya Meta’nın diğer hizmetleriyle daha derin biçimde bütünleşmesi, ajan tabanlı yapay zekânın altyapı ekonomisini daha görünür hâle getirecek. Meta’nın işlemci, bellek, depolama ve güvenlik kaynaklarını nasıl ölçeklendireceği, kişisel yapay zekâ ajanlarının yüz milyonlarca kullanıcıya sunulmasında yalnızca teknik performansı değil hizmetin işletme maliyetini de belirleyecek.