NVIDIA İlhamlı Gelişmeler AI Eğitim Güç İhtiyacını 100 Kat Azaltıyor

Yapay zeka (AI) tüm dünyayı ele geçirdi ve hiçbir sektör bu teknolojik ilerlemenin büyüsünden etkilenmedi. Bugün, cihazların %77’si AI teknolojisini içeriyor, ancak tüketicilerin sadece üçte biri AI platformları kullandığını düşünüyor. 

Giderek daha fazla kuruluş da iş büyümesi için AI’yi benimseyerek, 10 şirketten 9’u rekabet avantajı için bu teknolojiyi destekliyor. Bu kullanımın 85 milyon işi ortadan kaldırması, aynı zamanda 97 milyon yeni iş yaratması öngörülüyor.

Bu rakamlar, AI pazarının 2030 yılına kadar küresel ekonomiye 15,7 trilyon dolar katkıda bulunacağı tahminlerini yansıtıyor. AI pazarının büyüklüğünün de yıllık en az %120 artması bekleniyor.

Ancak, AI benimsenmesi arttıkça, son derece enerji yoğun olan veri merkezlerini çalıştırmak için enerji talebi de artıyor. Binlerce sunucunun 24 saat çalıştırılması ve soğutulması büyük miktarda enerji gerektirir. Şu anda bu enerji elektrik şebekesinden çekiliyor, bu da talebin zirve yaptığı zamanlarda sorunlara ve sistem üzerindeki baskıya yol açıyor. Göre Chevron (CVX ) CEO Mike Wirth:

“Güç talebindeki artış ve büyüme, zaten zorlanan bir şebekeyi zorlayabilir. Bu, tüketicilere maliyet ekleyebilir. Doğal gaz, güvenilir elektriğe olan doyumsuz talebiyle yapay zekanın hızlı büyümesini destekleyecek.”

Bu talebe yanıt olarak, Chevron yakın zamanda GE Verona ve Engine No. 1 ile iş birliği yaparak veri merkezlerine doğrudan bağlanan doğal gaz enerji santralleri inşa ederek AI için elektrik üretileceğini duyurdu.

Şu anda, veri merkezleri küresel elektrik tüketiminin yaklaşık %1’ini oluşturuyor, Uluslararası Enerji Ajansı (IEA) raporuna göre. 

Ancak bu sadece bir başlangıç; şirketler daha fazla veri merkezi inşa etmek için milyarlarca dolar harcıyor. 

Microsoft (MSFT ) AI destekli veri merkezlerine 80 milyar dolar yatırım yapmayı planlıyor ve bunun yarısı ABD’ye tahsis edilecek. Blackstone tahminlerine göre, 2030 yılına kadar ABD veri merkezlerine 1 trilyon doların üzerinde yatırım yapılacak, Google, Meta ve Amazon da ülke genelinde veri merkezleri inşa eden teknoloji devleri arasında yer alıyor.

Dolayısıyla, sektörün enerji tüketimi bundan sonra sadece artacak. Goldman Sachs, veri merkezi güç talebinin önümüzdeki beş yılda %160 artacağını tahmin ediyor; bu da doğal olarak elektrik kullanımında benzeri görülmemiş bir artışı tetikleyecek.

Electric Power Research Institute (EPRI) tahminlerine göre, bu tesislerin ABD’deki enerji tüketimi bu on yılın sonuna kadar toplam elektrik üretiminin %4,6 ile %9,1’i arasında olabilir. 

(BX ) (GOOGL ) (META ) (AMZN )

Öte yandan, Avrupa’da, özellikle Almanya’da, veri merkezleri 2020’de hesaplama, depolama ve iletim için yaklaşık 16 milyar kWh enerji tüketti; bu rakamın 2025’te 22 milyar kWh’ye çıkması bekleniyor.

Sonuç olarak, araştırmacılar AI’nin güç gereksinimlerini azaltmanın yollarını sürekli olarak araştırıyor. 

AI Enerji Tüketimini Azaltma

AI teknolojisi, enerji tüketimini optimize ederek, talebi tahmin ederek ve akıllı şebeke yönetimini mümkün kılarak çeşitli sektörlerde enerji verimliliğini artırmada kilit bir rol oynuyor; bu da nihayetinde enerji israfını azaltıyor ve karbon emisyonlarını düşürüyor. 

Örneğin, Vodafone UK, Ericsson’un gelişmiş AI ve makine öğrenimi destekli yazılım çözümlerini kullanarak 5G radyo birimlerinin (RU) günlük güç kullanımını düşürdü. Londra’daki seçili sitelerde zaten %33 oranında başarılı bir azalma sağladılar.

Vodafone UK, denemenin bir parçası olarak üç ana enerji tasarrufu özelliği uyguladı. 

Bu, tüm ağ hücrelerinin görsel bir temsilini oluşturarak düşük performanslı siteleri belirlemek ve sıralamak için ML kullanan bir Radyo Güç Verimliliği Isı Haritası’nı içerir. Ardından, enerji tasarrufu ile performans arasında denge sağlamak için uyku parametrelerini ince ayarlayan bir davranış modeli geliştiren 4G Hücre Uyku Modu Orkestrasyonu vardır. 5G Derin Uyku ise AI destekli tahmin algoritmalarıyla yoğun olmayan saatlerde güç kullanımını %70 azaltır.

Peki ya AI’nin enerji tüketimi? Araştırmacılar ve şirketler, bu hızlı büyüyen teknolojinin enerji tüketimini azaltmak için birçok farklı alana odaklanıyor.

Bu, AI modellerinin optimize edilmesi, enerji verimli donanım kullanılması ve veri merkezlerinde yenilenebilir enerji ve verimli soğutma gibi sürdürülebilir uygulamaların benimsenmesini içerir.

AI modellerini optimize ederken, budama, kuantizasyon ve damıtma gibi farklı yaklaşımlar kullanılabilir. Model budamasında, doğruluğu etkilemeden gereksiz parametreler ve bağlantılar modelden çıkarılır. Kuantizasyon, model parametrelerinin hassasiyetini azaltarak hesaplama gereksinimlerini ve enerji tüketimini düşürür. Damıtmada ise daha küçük modeller, daha büyük ve karmaşık bir modelin davranışını taklit edecek şekilde eğitilir; bu, benzer performansla daha enerji verimli bir model sağlar.

MIT Technology Review’ın bu yılki yayınında belirttiği gibi, daha küçük modeller bir sonraki dönemi tanımlayacak teknolojik atılımlardan biri. Bu modeller daha odaklı veri setleriyle eğitilir ve büyük dil modellerine (LLM’ler) kıyasla alan‑spesifik hassasiyet, maliyet verimliliği ve artırılmış veri güvenliği sunabilir.

OpenAI’dan GPT-4o mini, Microsoft’tan Phi, Google DeepMind’den Gemini Nano ve Anthropic’in Claude 3’ünden Haiku, teknoloji devlerinin daha büyük AI modellerinin daha küçük versiyonlarına örnek teşkil ediyor.

Donanım konusunda odak, yüksek performanslı iş yükleri için özel olarak tasarlanmış GPU ve diğer özel AI işlemcilerini kullanmaya yönelmiştir.

Ardından, iş yükü taleplerine göre güç kullanımını ayarlayan seçilmiş enerji verimli sunucular ve işlemciler, daha az fiziksel makinede birden fazla süreç çalıştırarak kaynak kullanımını artıran sanallaştırma ve enerji yoğun klima sistemlerine olan ihtiyacı azaltan gelişmiş soğutma teknolojileri bulunmaktadır.

Geçen ay paylaştığımız gibi, Tohoku Üniversitesi, Japon Atom Enerjisi Ajansı ve Ulusal Malzeme Bilimi Enstitüsü’nden araştırmacılar yüksek verimli ve enerji tasarruflu bir AI donanımı elde etti. Araştırmacılar düşük güç AI çipleri için spintronik cihazlar kullandı ve yeni nesil AI donanımının kapılarını açan akım programlı spin‑orbit tork (SOT) cihazını gösterdi.

AI enerji tüketimini azaltmanın bir başka yolu da sürdürülebilir uygulamalardır. Veri merkezleri yenilenebilir enerji kaynakları kullanabilir, enerji verimli soğutma sistemleri uygulayabilir ve enerji tüketimini azaltmak için verimli yerleşimler tasarlayabilir.

Şirketler bu konuda aktif taahhütlerde bulunuyor; Google jeotermal enerjiyle ilerleme kaydediyor. Microsoft ise 2030’a kadar karbon nötr olmak için Three Mile Island nükleer santralini yeniden açmayı planlıyor.

İlginç bir şekilde, AI aynı zamanda AI’nin enerji verimliliğini artırmak için de kullanılıyor. Bu teknoloji, binalarda ve endüstrilerde enerji tüketimini optimize etmek, ekipmanın ne zaman bakım gerektirdiğini tahmin etmek ve gerçek zamanlı şebeke koşullarını kullanarak tepe talebini azaltmak için kullanılıyor.

Tüm bunların ortasında, Münih Teknik Üniversitesi (TUM) araştırmacıları, sinir ağlarını 100 kata kadar daha hızlı eğiten yeni bir yöntem geliştirdi; bu, AI uygulamalarıyla ilişkili enerji tüketimini önemli ölçüde azaltıyor.

Bunun için araştırmacılar, yinelemeli bir yaklaşım yerine olasılıklara dayalı olarak parametreleri doğrudan hesapladı; sonuçlar şu ana kadar mevcut yinelemeli yöntemlerle kalite açısından karşılaştırılabilir.

AI Enerji Tüketimini Önemli Ölçüde Azaltmanın Yeni Yolu

AI kullanımının artmasının yanı sıra, önümüzdeki yıllarda daha karmaşık AI uygulamalarının piyasaya sürülmesi, veri merkezi kapasitesi talebinde önemli bir artışa yol açacak.

Bu uygulamalar, sinir ağlarını eğitmek için büyük miktarda enerji harcayacak. Bu nedenle, yeni çalışma AI için sinir ağlarını eğitmek için gereken devasa gücü azaltmaya odaklanıyor.

Sinir ağları, AI’da görüntü tanıma, dil işleme ve diğer görevler için kullanılır. Bu ağların işleyişi, insan beyninin çalışma şekline ilham alır.

Sinir ağı, yapay nöronlar adı verilen birbirine bağlı düğümlerden oluşur. Burada, giriş sinyalleri belirli parametrelerle ağırlıklandırılır, toplandıktan sonra tanımlı limit aşılırsa sinyal bir sonraki düğüme iletilir.

Şimdi, ağı eğitmek için parametre değerlerinin ilk seçimi genellikle rastgele yapılır ve ardından ağ tahminlerini kademeli olarak iyileştirmek için yavaşça ayarlanır.

Bu yaklaşım elbette birçok yineleme gerektirir; bu da eğitimi son derece zorlaştırır ve sonuçta çok fazla elektrik tüketimine yol açar.

Bu nedenle, Fizik destekli Makine Öğrenimi profesörü Felix Dietrich liderliğindeki bir araştırmacı ekibi yeni bir yöntem geliştirdi. Dietrich, Münih Veri Bilimi Enstitüsü (MDSI) temel üyesi ve Münih Makine Öğrenimi Merkezi (MCML) ortak üyesidir.

Bu yeni teknik, düğümler arasındaki parametreleri tekrarlamalı olarak belirlemek yerine olasılıkları kullanır. Bu yeni olasılıksal yöntem, eğitim verilerindeki kritik konumlardaki değerleri hedefli bir şekilde kullanır. Bu konumlar, değerlerde büyük ve hızlı değişimlerin gerçekleştiği yerlerdir.

Bu yaklaşımla, çalışma veriden enerji tasarrufu sağlayan dinamik sistemler elde etmeyi amaçlıyor. Bu tür dinamik sistemler kurallara göre zaman içinde değişir. Bu sistemler finans piyasalarında ve iklim modellerinde bulunabilir.

“Yöntemimiz, gerekli parametreleri minimum hesaplama gücüyle belirlemeyi mümkün kılıyor. Bu, sinir ağlarının eğitimini çok daha hızlı ve sonuç olarak daha enerji verimli hâle getirebilir. Ayrıca, yeni yöntemin doğruluğunun yinelemeli olarak eğitilen ağlarla karşılaştırılabilir olduğunu gördük.”

– Dietrich

Bu ilerleme, sinir ağlarını eğitmek için gereken enerjiyi azaltarak AI’nin çevresel etkisini önemli ölçüde azaltma potansiyeline sahiptir. Endüstrilerin önümüzdeki 1 ila 3 yıl içinde büyük ölçekli AI modellerini bu yöntemi benimseyerek dağıttığını görebiliriz; bu da daha sürdürülebilir ve maliyet‑etkin AI çözümlerine yol açar.​

Yenilikçi Şirket

NVIDIA Corporation

AI bilişiminde lider olan NVIDIA (NVDA ), enerji verimli GPU’lar ve AI hızlandırıcıları geliştiriyor, performansı artırırken güç tüketimini azaltmak için sürekli yenilik yapıyor.​

Geçen yıl AI Summit DC’de şirket, GPU’larının enerji kullanımının son on yılda eğitim sırasında 2.000 kat azaldığını bildirdi. Bu dönemde, token üretiminde de 100.000 kat enerji tasarrufu sağlandı. Verimlilikte 2.000 kat, hesaplama performansında ise son on yılda 4.000 kat iyileşme kaydedildi.

O dönemde Nvidia’nın kurumsal platformlar VP’si Bob Pette’ye göre:

“Arabalar, çıkarım performansını geliştirdiğimiz kadar verimliliklerini artırmış olsalardı, tek bir yakıt deposuyla 300 yıldan fazla sürebilirdiniz. Hızlandırılmış bilişimin özünde sürdürülebilir bilişim bulunur.”

Nvidia’nın Blackwell’i, Hopper’ı takip eden yeni amiral gemisi GPU mimarisidir ve AI performansını “önemli bir şekilde” artırmak için tasarlanmıştır. Bu platform, dünyanın en güçlü çipi, ikinci nesil transformer motoru ve beşinci nesil NVLink’i içerirken, çıkarım ve eğitim için son derece enerji verimlidir.

NVIDIA Corporation, Compute & Networking ve Graphics bölümlerini içeren tam yığın bir bilişim altyapı şirketidir.

Compute & Networking, veri merkezi, ağ, otonom ve elektrikli araç çözümleri, DGX Cloud bilişim hizmetleri ve Jetson’u kapsarken, Graphics bölümü GeForce GPU’ları, GeForce NOW, sanal GPU yazılımı, NVIDIA RTX GPU’ları ve Omniverse Enterprise yazılımını kapsar.

2,96 trilyon dolar piyasa değerine sahip NVIDIA hisseleri, bu yazı yazıldığı sırada hisse başına 121,50 dolar seviyesinde işlem görüyor ve YTD %9,4 düşüşte. Şirketin EPS (TTM) 2,94 ve P/E (TTM) 41,40; temettü getirisi ise %0,03.

Son zamanlarda NVIDIA hisse fiyatlarındaki düşüşe rağmen, bu sadece çip üreticisine özgü değil, şirket yatırımcıları çekmeye devam ediyor. Sonuçta, hisse değeri 2020’den bu yana %1.800’den fazla artarak dünyadaki en değerli şirketlerden biri haline geldi.

NVIDIA’ya olan ilgi özellikle genç yatırımcılar arasında yüksek; bu, NVIDIA’nın Robinhood’da en çok tutulan hisse olarak Tesla’yı (TSLA ) geride bırakmasıyla görülüyor. Bu komisyonsuz yatırım platformundaki finanse edilen hesapların büyük çoğunluğu (%75) Milenyum ve Z Kuşağı tarafından tutuluyor. 

Robinhood CEO’su Vlad Tenev, AI sayesinde Nvidia’nın her zamankinden daha önemli olacağına inanıyor.

“AI’nın, teknoloji üzerindeki kontrolün teknoloji şirketlerinde merkezileşeceği için yatırımı daha da önemli kılacağını düşünüyorum; bu şirketlerin yatırımcısı olmanız gerekir.”

– Tenev

Şirket finansallarına gelince, Nvidia 26 Ocak 2025’te sona eren Q4’ü raporlayarak 39,3 milyar dolar gelir açıkladı; bu, bir önceki çeyrekten %12 ve bir yıl öncesine göre %78 artış anlamına geliyor. 

Veri merkezi segmentinde, şirketin dördüncü çeyrek geliri rekor 35,6 milyar dolar oldu. Bu dönemde NVIDIA, 500 milyar dolarlık Stargate Projesi için kilit bir teknoloji ortağı olarak seçildi.

Diğer gelişmeler arasında, artan AI talebini karşılamak için AWS, CoreWeave (CRWV ), Google Cloud Platform (GCP), Microsoft Azure ve Oracle (ORCL ) Cloud Infrastructure (OCI) gibi bulut hizmet sağlayıcılarının NVIDIA® GB200 sistemlerini kullanması, NVIDIA DGX™ Cloud AI bilişim platformu ve NVIDIA NIM™ mikro hizmetlerinin AWS Marketplace üzerinden sunulması, Cisco’nun NVIDIA Spectrum-X™’i ağ portföyüne entegre etmesi, Verizon ile NVIDIA AI Enterprise’ı entegre etmek için iş birliği yapması ve IQVIA (IQV ), Mayo Clinic, Illumina ve Arc Institute ile ilaç keşfi, genomik ve sağlık hizmetlerini ilerletmek için ortaklıklar kurması yer alıyor.

Gaming ve AI PC gelirleri 2,5 milyar dolara düştü; NVIDIA, Blackwell mimarisiyle çalışan yeni GeForce RTX™ 50 Serisi grafik kartları ve dizüstü bilgisayarları duyurdu, GeForce RTX 5090 ve 5080 grafik kartlarını piyasaya sürdü ve DLSS 4’ü tanıttı. 

Bunların yanı sıra, profesyonel Görselleştirme gelirleri 511 milyon dolar, Otomotiv ve Robotik bölümü ise 570 milyon dolar elde etti.

Bu çeyrekte, şirketin GAAP bazında hisse başına kazancı 0,89 dolar oldu; bu, bir önceki çeyreğe göre %14 ve bir yıl öncesine göre %82 artış anlamına geliyor. Non-GAAP bazında hisse başına kazanç ise yine 0,89 dolar.

2025 mali yılı için gelir 130,5 milyar dolar oldu; bu, bir yıl öncesine göre %114’lik devasa bir artış. Dönem için GAAP bazında hisse başına kazanç 2,94 dolar, non-GAAP bazında ise 2,99 dolar.

“Blackwell’e olan talep inanılmaz, çünkü akıl yürütme AI’sı başka bir ölçekleme yasası ekliyor — eğitim için hesaplama artırmak modelleri daha akıllı yapıyor ve uzun düşünme için hesaplama artırmak cevabı daha akıllı hale getiriyor. 

– CEO ve kurucu Jensen Huang

Bu nedenle, şirket Blackwell AI süper bilgisayarlarının üretimini artırdı ve milyarlarca dolarlık satış elde etti.

2026 mali yılının ilk çeyreği için şirket, gelirin 43 milyar dolar, GAAP operasyonel giderlerin 5,2 milyar dolar ve non-GAAP diğer gelirlerin yaklaşık 400 milyon dolar olmasını bekliyor.

“AI, ajan AI ve fiziksel AI’nin bir sonraki AI dalgasının en büyük endüstrileri devrim niteliğinde dönüştürmesi için sahneyi hazırlamasıyla ışık hızında ilerliyor.”

– Huang

NVIDIA Corporation’da Son Gelişmeler

Sonuç

AI, sektörler genelinde işletmeleri devrim niteliğinde dönüştürmeye hazırlanıyor, ancak bu da benzeri görülmemiş bir enerji talebi artışı anlamına geliyor. Bu talep, birçok araştırmacının üstesinden gelmeye çalıştığı büyük bir zorluk oluşturuyor. 

Yeni bir olasılıksal eğitim yönteminin geliştirilmesi, enerji verimli AI’da güç ihtiyacını 100 kata kadar azaltarak önemli bir atılımı işaret ediyor. Veri merkezleri genişledikçe AI ile ilgili enerji tüketiminin artması öngörülürken, bu ilerleme operasyon maliyetlerini ve çevresel etkiyi önemli ölçüde azaltabilir. 

Nvidia’nın enerji verimli GPU’lar ve AI hızlandırıcılarına odaklanmasıyla birleştiğinde, bu yenilikler AI benimsenmesini hızlandırabilir ve verimliliği artırabilir.

Yapay zekaya yatırım hakkında her şeyi öğrenmek için buraya tıklayın.