Reddio Nedir? Ethereum İçin Paralel İşlem Altyapısı Nasıl Çalışır?
Bir zamanlar internet altyapısının temel görevi insanların web sitelerine girmesini, video izlemesini, mesajlaşmasını ve dosya indirmesini sağlamaktı. Bugün ise internetin görünmeyen tarafında çok farklı bir trafik hızla büyüyor: yapay zekâ sistemlerinin oluşturduğu veri trafiği.
Modern yapay zekâ modelleri tek bir bilgisayarda çalışan sıradan yazılımlar değil. Büyük modellerin eğitilmesi ve çalıştırılması için binlerce, hatta yüz binlerce hızlandırıcının birlikte çalışması gerekebiliyor. Bu makinelerin yalnızca güçlü olması da yeterli değil; birbirleriyle yüksek hızda ve düşük gecikmeyle sürekli veri alışverişi yapmaları gerekiyor.
Bu nedenle yapay zekâ yarışının yeni cephelerinden biri yalnızca daha güçlü GPU ve TPU'lar üretmek değil. Bu hızlandırıcıları birbirine bağlayan ağ altyapısının kapasitesi, gecikmesi ve güvenilirliği de yapay zekâ sistemlerinin performansını doğrudan etkiliyor. NVIDIA bugün AI altyapılarının on binlerce GPU ölçeğine ulaştığını, Google ise yeni nesil Virgo Network ile 134 bin TPU'yu tek bir ağ yapısında bağlayabildiğini belirtiyor.
Her Şey GPU Kümeleriyle Başladı
Büyük bir yapay zekâ modelini eğitirken hesaplama işi çok sayıda GPU veya hızlandırıcı arasında paylaştırılıyor. Ancak bu cihazların birbirinden tamamen bağımsız çalışması mümkün değil.
Bir hızlandırıcının yaptığı hesaplamanın sonucu başka bir hızlandırıcının devam edeceği işlemi etkileyebiliyor. Eğitim sırasında modelin farklı bölümleri arasında sürekli veri aktarımı ve senkronizasyon gerçekleşiyor.
Hızlandırıcı sayısı arttıkça ortaya önemli bir sorun çıkıyor: Hesaplama gücü kadar bu cihazlar arasındaki bağlantının kapasitesi de önemli hâle geliyor.
Ağ yeterince hızlı değilse en güçlü GPU'lara sahip olmak bile tek başına beklenen performansı sağlamayabiliyor. Hızlandırıcılar gerekli veriyi beklediği sürece pahalı hesaplama kapasitesinin bir bölümü kullanılamıyor.
Meta'nın altyapısı bu dönüşümün gerçek dünyadaki örneklerinden biri. Şirket, 2023'te biri RoCE, diğeri InfiniBand kullanan iki ayrı 24 bin H100 GPU'lu küme oluşturdu. Daha sonraki çalışmalarında ise farklı veri merkezi binalarını kullanarak 129 bin H100 GPU'lu bir AI kümesi oluşturduğunu açıkladı.
AI Networking Nedir?
AI networking, çok sayıda GPU, hızlandırıcı, sunucu ve depolama sisteminin yapay zekâ iş yükleri için yüksek hızda haberleşmesini sağlayan ağ altyapısını ifade ediyor.
Klasik veri merkezlerinde ağ üzerinden birçok farklı trafik türü geçebilir. Yapay zekâ kümelerinde ise binlerce hızlandırıcının aynı hesaplama üzerinde koordineli biçimde çalışması gerektiği için ağın ihtiyaçları değişiyor.
Düşük gecikme, yüksek bant genişliği, veri kaybının azaltılması ve performansın öngörülebilir olması çok daha önemli hâle geliyor.
Bu nedenle teknoloji şirketleri Ethernet'i AI iş yüklerine göre geliştiriyor veya InfiniBand gibi yüksek performanslı bağlantı teknolojilerinden yararlanıyor. Meta'nın büyük AI kümelerinde hem RoCE tabanlı Ethernet hem de InfiniBand kullanması bunun önemli örneklerinden biri.
NVIDIA'nın Spectrum-X platformu da doğrudan yapay zekâ iş yükleri için tasarlanmış Ethernet altyapılarından biri. Platform, GPU sunucuları arasındaki iletişimi hızlandırmak ve AI kümelerini veri merkezi içinde ve farklı veri merkezleri arasında ölçeklendirmek üzere geliştiriliyor.
Yapay Zekâ Veri Merkezlerini Birbirine Bağlıyor
Yapay zekânın ihtiyaç duyduğu hesaplama kapasitesi büyüdükçe dönüşüm yalnızca tek bir sunucu salonuyla sınırlı kalmıyor.
Tek bir veri merkezinin elektrik, soğutma ve fiziksel alan kapasitesi yetersiz kaldığında hesaplama altyapısının farklı binalara veya veri merkezlerine dağıtılması gerekebiliyor.
Ancak yapay zekâ sistemi açısından bu makinelerin mümkün olduğunca tek büyük bilgisayar gibi çalışabilmesi isteniyor.
Google'ın 2026'da tanıttığı Virgo Network bu yaklaşımın geldiği noktayı gösteriyor. Google, Virgo'nun tek bir ağ yapısında 134 bin TPU 8t hızlandırıcısını birbirine bağlayabildiğini ve farklı veri merkezleri arasında bir milyondan fazla TPU'yu tek bir eğitim kümesi olarak ölçeklendirebildiğini belirtiyor.
NVIDIA da Spectrum-XGS Ethernet ile farklı binalarda veya yüzlerce kilometre uzaklıktaki veri merkezlerinde bulunan AI altyapılarının tek bir AI fabrikası gibi çalışmasını hedefliyor.
Bu noktada “yapay zekâ şirketleri kendi internetini kuruyor” ifadesinin ne anlama geldiği daha netleşiyor.
Burada söz konusu olan Google veya Meta'nın halka açık internetin yerine yeni bir internet kurması değil. Şirketler, kendi yapay zekâ altyapılarının içerisinde ve veri merkezleri arasında internetten çok daha kontrollü, özel ve yüksek performanslı ağlar oluşturuyor.
Normal İnternet Neden Yetmiyor?
Günlük internet kullanımında birkaç milisaniyelik gecikme çoğu zaman fark edilmeyebilir. Bir web sayfasının biraz daha geç açılması kullanıcı açısından büyük bir problem oluşturmaz.
Dağıtık yapay zekâ eğitiminde ise durum farklı.
Binlerce hızlandırıcı aynı görevin parçaları üzerinde çalışırken bazı cihazların diğerlerinden veri beklemesi bütün sistemin verimliliğini etkileyebilir. Bu nedenle yalnızca bağlantının teorik olarak hızlı olması değil, performansın yoğun trafik altında da istikrarlı kalması gerekiyor.
Meta'nın mühendislik çalışmalarında bu ihtiyaç açık şekilde görülüyor. Şirket, büyük dil modeli eğitimlerinde binlerce GPU'nun uzun süre koordineli şekilde çalışması gerektiğini ve ağ altyapısının bu süreçte kritik rol oynadığını belirtiyor.
Yani AI çağında ağ artık yalnızca veriyi A noktasından B noktasına taşıyan yardımcı bir altyapı değil. Hesaplama sisteminin kendisinin bir parçasına dönüşüyor.
Ethernet de Yapay Zekâ İçin Değişiyor
Ethernet onlarca yıldır bilgisayar ağlarının temel teknolojilerinden biri. Ancak yapay zekânın oluşturduğu yeni ihtiyaçlar Ethernet altyapısında da önemli değişikliklere yol açıyor.
Yeni nesil AI ağlarında yüksek hızlı anahtarlar, özel ağ kartları, RDMA teknolojileri ve gelişmiş trafik yönetimi yöntemleri birlikte kullanılıyor.
Amaç basit: GPU'ların mümkün olduğunca az beklemesi.
NVIDIA'nın Spectrum-X gibi sistemleri bu dönüşümün ticari örneklerinden biri. Spectrum-X, AI iş yükleri için optimize edilmiş Ethernet altyapısı sunarken RoCE tabanlı yüksek hızlı bağlantılarla GPU sunucuları arasındaki iletişimi destekliyor.
Meta da büyük ölçekli AI kümelerinde RoCE ve InfiniBand altyapılarını kullanarak farklı ağ teknolojilerini karşılaştırdı. Şirket, her iki yaklaşımın da büyük üretken yapay zekâ iş yüklerinde kullanılabildiğini açıkladı.
Bu gelişmeler Ethernet ile InfiniBand arasındaki rekabeti de yapay zekâ altyapısının önemli teknik başlıklarından biri hâline getiriyor.
Fiber Optik Bağlantıların Önemi Artıyor
GPU sayısının ve bağlantı hızlarının yükselmesi başka bir fiziksel problemi de beraberinde getiriyor. Elektriksel bağlantılar üzerinden sürekli daha fazla veri taşımak enerji tüketimini ve sistem karmaşıklığını artırabiliyor.
Bu nedenle yapay zekâ veri merkezlerinde optik bağlantı teknolojilerinin önemi büyüyor.
Fiber üzerinden ışık kullanılarak yüksek miktarda veri uzun mesafelere taşınabiliyor. Özellikle farklı sunucu raflarının, binaların ve veri merkezlerinin birbirine bağlanması söz konusu olduğunda optik altyapı kritik hâle geliyor.
Silicon photonics ve co-packaged optics gibi teknolojilerin daha fazla gündeme gelmesinin nedenlerinden biri de bu. NVIDIA, optik bileşenleri ağ anahtarlarına daha yakın konumlandıran çözümlerle güç tüketimini azaltmayı ve AI ağlarını daha büyük ölçeklere taşımayı hedefliyor.
Dolayısıyla yapay zekâ yarışının arka planında yalnızca çip üreticileri bulunmuyor. Fiber optik sistemler, ağ anahtarları, yüksek hızlı ağ kartları ve veri merkezi bağlantı teknolojileri de yarışın önemli parçaları hâline geliyor.
Yapay Zekâ Yarışında Yeni Darboğaz: Ağ
Uzun süre yapay zekâ sektöründeki en önemli soru “Kim daha güçlü GPU'ya sahip?” şeklindeydi.
Bu soru hâlâ önemli. Ancak artık tek başına yeterli değil.
On binlerce güçlü GPU satın almak, bunları verimli şekilde birlikte çalıştıramadıktan sonra beklenen performansı sağlamıyor. Bu nedenle yapay zekâ altyapısında işlem gücü, enerji, soğutma ve ağ kapasitesi birlikte düşünülmek zorunda.
Google'ın Virgo Network yaklaşımı da ağ altyapısının artık doğrudan AI hesaplama mimarisinin bir parçası hâline geldiğini gösteriyor. Virgo, 134 bin TPU 8t'yi tek bir fabric üzerinde birbirine bağlayacak şekilde tasarlanırken Google, altyapıyı daha büyük çoklu veri merkezi kümelerine de ölçeklendirmeyi hedefliyor.
Önümüzdeki dönemde AI şirketlerinin rekabetinde yalnızca model büyüklüklerini veya kullanılan GPU sayılarını değil, bu GPU'ların nasıl birbirine bağlandığını da daha sık konuşabiliriz.
Çünkü yapay zekânın görünür yüzünde sohbet botları, görüntü üreticileri ve akıllı asistanlar bulunurken; görünmeyen tarafta devasa miktarda veri, binlerce hatta yüz binlerce hızlandırıcı arasında sürekli hareket ediyor.
Yapay zekâ büyüdükçe bu görünmeyen ağ altyapısı da giderek daha kritik hâle geliyor.
Kaynaklar
NVIDIA AI Networking ve Spectrum-X teknik dokümanları, Meta Engineering AI altyapısı ve veri merkezi ağları çalışmaları, Google Cloud Virgo Network ve AI Hypercomputer teknik kaynakları
Editör Notu
Bu içerik Bitcanlı Editör Ekibi tarafından bilgilendirme amacıyla hazırlanmıştır. Yapay zekâ altyapısı, veri merkezi ağları ve kullanılan teknolojiler zaman içerisinde değişebilir. Güncel teknik bilgiler için ilgili şirketlerin resmî kaynaklarının kontrol edilmesi önerilir. Bu içerik yatırım tavsiyesi veya teknik satın alma önerisi niteliği taşımaz.