Ne Oldu?
Yapay zekâ çipleri geliştiren d-Matrix, yeni nesil Raptor XPU işlemcilerini NVIDIA'nın veri merkezi altyapısına entegre etmek için NVLink Fusion teknolojisini kullanacağını 10 Eylül 2026 tarihinde açıkladı. Şirketler arasındaki iş birliği, d-Matrix'in yapay zekâ çıkarımına odaklanan özel işlemcilerini NVIDIA'nın mevcut veri merkezi ekosistemi içinde çalıştırmayı amaçlıyor.
Plan kapsamında Raptor XPUs, NVIDIA'nın NVLink ölçek büyütme bağlantısı, Spectrum-X ağ altyapısı ve MGX raf mimarisiyle bir araya getirilecek. d-Matrix böylece özel işlemcileri için raf seviyesindeki tüm altyapıyı sıfırdan geliştirmek yerine NVIDIA'nın veri merkezlerinde kullanılan sistem mimarisinden yararlanabilecek.
NVIDIA'nın açıklamasına göre d-Matrix ayrıca Vera CPU'ları, ConnectX-9 SuperNIC'leri, BlueField-4 DPU'ları ve Spectrum-X Ethernet ağ teknolojilerini Raptor tabanlı sistemlerine entegre etmeyi planlıyor. Bu yapı, d-Matrix'in çıkarım işlemcilerinin NVIDIA GPU tabanlı sistemlerle aynı yapay zekâ veri merkezi altyapısı içinde kullanılmasına olanak sağlamayı hedefliyor.
Raptor işlemcileri özellikle yapay zekâ modellerinin eğitilmesinden sonraki aşamaya, yani inference olarak adlandırılan çıkarım iş yüklerine odaklanıyor. Çıkarım, eğitilmiş bir modelin gerçek kullanıcı taleplerini işleyerek yanıt üretmesini kapsıyor. Chatbotlar, kodlama asistanları ve sesli yapay zekâ ajanları bu iş yüklerinin öne çıkan örnekleri arasında bulunuyor.
Reuters'ın aktardığı bilgilere göre Raptor işlemcilerinin nihai tasarım aşamasının 2026 sonuna kadar tamamlanması planlanıyor. NVIDIA altyapısıyla uyumlu sistemlerin ise 2027 yılında kullanıma sunulması bekleniyor. Taraflar iş birliğinin finansal koşullarını açıklamadı.
d-Matrix aynı zamanda NVIDIA NVLink Fusion ekosisteminde yer alan Astera Labs ile yüksek hızlı veri akışına yönelik özel bağlantı çözümleri üzerinde çalışıyor. Böylece işlemciler ve sistemin diğer bileşenleri arasındaki veri transferinde yüksek bant genişliği ve düşük gecikme sağlanması amaçlanıyor.
Neden Önemli?
Yapay zekâ altyapısındaki rekabet uzun süre büyük modellerin eğitilmesi için gereken hesaplama kapasitesi etrafında şekillendi. Ancak üretken yapay zekâ uygulamalarının milyonlarca kullanıcıya ulaşmasıyla birlikte eğitilmiş modellerin hızlı ve ekonomik biçimde çalıştırılması da veri merkezi pazarının temel ihtiyaçlarından biri haline geliyor.
Bu değişim, çıkarım konusunda uzmanlaşan işlemci üreticileri için yeni bir pazar yaratıyor. d-Matrix, NVIDIA GPU'larıyla doğrudan aynı alanda rekabet etmek yerine belirli çıkarım iş yüklerine yönelik özel XPU mimarisi geliştiriyor. Raptor'un NVIDIA'nın altyapısına bağlanması, müşterilerin farklı işlemci türlerini ortak veri merkezi mimarisi içinde kullanabilmesine imkân sağlayabilir.
NVLink Fusion burada kritik bir rol üstleniyor. NVIDIA, teknolojiyi üçüncü taraf CPU ve XPU üreticilerinin kendi işlemcilerini şirketin bağlantı, ağ ve raf altyapısına entegre edebilmesini sağlayacak şekilde konumlandırıyor. Böylece NVIDIA yalnızca kendi GPU'larını satan bir şirket olmanın ötesinde, farklı yapay zekâ işlemcilerinin çalışabildiği veri merkezi altyapısının temel sağlayıcılarından biri olmayı hedefliyor.
NVIDIA'nın verdiği teknik bilgilere göre NVLink Fusion, altıncı nesil NVLink üzerinden XPU başına saniyede 3 TB'a kadar tüm düğümler arası bant genişliği sağlayabiliyor. Şirket ayrıca çözümün standart Ethernet bağlantılarına kıyasla XPU'lar arasında daha düşük gecikme sunabildiğini belirtiyor.
d-Matrix açısından ise hazır bir raf mimarisine erişmek ürünlerin veri merkezlerinde kullanılmaya başlanması için gereken mühendislik çalışmalarını azaltabilir. Özel bir yapay zekâ işlemcisi geliştirmek tek başına yeterli olmuyor; ağ bağlantısı, güç, soğutma, güvenlik, yazılım ve tedarik zinciri gibi çok sayıda bileşenin de birlikte çalışması gerekiyor.
Kimleri Etkiliyor?
İş birliği öncelikle büyük yapay zekâ modellerini yoğun biçimde çalıştıran AI laboratuvarlarını, hyperscale bulut sağlayıcılarını ve yapay zekâ altyapısı sunan neocloud şirketlerini ilgilendiriyor. Bu kuruluşlar için bir modelin kullanıcıya yanıt üretme maliyeti ve gecikme süresi, hizmetin ekonomik olarak ölçeklenebilmesinde önemli rol oynuyor.
Chatbot, kodlama asistanı ve sesli ajan geliştiren şirketler de çıkarım altyapısındaki gelişmelerden etkilenebilir. Bu hizmetlerde kullanıcıların hızlı yanıt beklemesi nedeniyle işlemciler arasındaki veri akışı ve token üretim süresi doğrudan kullanıcı deneyimini etkileyebiliyor.
Veri merkezi işletmecileri açısından ise ortak raf mimarisi farklı hızlandırıcıların aynı altyapıda kullanılabilmesini kolaylaştırabilir. NVIDIA, NVLink Fusion yaklaşımıyla GPU, CPU ve üçüncü taraf XPU sistemlerinin ortak veri merkezi altyapısında çalışabilmesini hedefliyor.
Olası Etkileri
d-Matrix ve NVIDIA arasındaki iş birliği, yapay zekâ çip pazarında rekabetin yalnızca işlemcilerin performansı üzerinden değil, işlemcilerin hangi altyapı ekosistemine bağlanabildiği üzerinden de şekillenmesine katkıda bulunabilir. Yeni bir hızlandırıcı geliştiren şirketler için mevcut veri merkezlerine kolay biçimde entegre olabilmek önemli bir rekabet avantajı yaratabilir.
NVIDIA açısından NVLink Fusion ekosisteminin genişlemesi şirketin veri merkezi pazarındaki konumunu farklı bir yönden güçlendirebilir. NVIDIA'nın kendi işlemcileriyle rekabet edebilecek özel XPU'ların bile NVIDIA bağlantı ve raf teknolojilerini kullanması, şirketin yapay zekâ altyapısındaki etkisini işlemci pazarının ötesine taşıyabilir.
Çıkarım talebinin büyümeye devam etmesi halinde Raptor gibi belirli iş yükleri için geliştirilen işlemcilerin önemi artabilir. Özellikle düşük gecikmeyle yüksek miktarda token üretmesi gereken yapay zekâ hizmetlerinde özel hızlandırıcıların genel amaçlı GPU sistemleriyle birlikte kullanıldığı hibrit mimarilerin yaygınlaşması mümkün olabilir.
Bununla birlikte Raptor tabanlı NVIDIA uyumlu sistemler henüz piyasada değil. İşlemcilerin nihai tasarım aşamasının tamamlanması ve planlanan sistemlerin veri merkezlerinde kullanıma sunulması gerekiyor. Bu nedenle iş birliğinin performans, enerji tüketimi ve toplam işletme maliyeti açısından sağlayacağı sonuçlar gerçek sistemlerin devreye alınmasının ardından daha net değerlendirilebilecek.
Gelişme, yapay zekâ altyapısının eğitimden çıkarıma doğru genişleyen ihtiyaçlarını da ortaya koyuyor. Büyük modeller daha fazla kullanıcıya ve uygulamaya ulaştıkça yalnızca modeli eğitmenin değil, her kullanıcı isteğini hızlı ve düşük maliyetli biçimde işlemenin de rekabette belirleyici hale gelmesi beklenebilir.