Google, kendi yapay zeka çipi TPU’ları yalnızca Gemini için kullanmakla yetinmek istemiyor. Şirket, veri merkezi yatırımlarını destekleyerek NVIDIA’nın hakim olduğu pazarda güçlü bir alternatif oluşturmaya çalışıyor.
Yapay zeka yarışında vitrinde ChatGPT, Gemini ve Claude gibi modeller var. Fakat bu modellerin arkasında çok daha pahalı bir mücadele yaşanıyor: On binlerce işlemcinin çalıştığı veri merkezlerini kimin çipleri besleyecek?
NVIDIA, güçlü GPU’larının yanı sıra yıllar içinde geliştirdiği CUDA yazılım ekosistemi sayesinde bu pazarın tartışmasız merkezinde bulunuyor. Google ise yaklaşık on yıldır geliştirdiği Tensor Processing Unit, yani TPU teknolojisini daha geniş bir müşteri kitlesine açarak bu dengede kendine daha büyük bir alan yaratmak istiyor.
Wall Street Journal’a dayandırılan bilgilere göre şirket, yalnızca yeni TPU modelleri geliştirmiyor. Bu işlemcilerin kullanılacağı dev veri merkezlerine finansal güvence sağlayarak müşterilerin Google altyapısına geçmesini de kolaylaştırıyor. Stratejinin en dikkat çekici örneği ise New York’taki Lake Mariner veri merkezi kampüsü.
TPU, Google tarafından özellikle makine öğrenimi işlemlerini hızlandırmak amacıyla tasarlanan uygulamaya özel bir işlemci. CPU’lar birçok farklı görevi yerine getirebilirken TPU’lar, yapay zeka modellerinde yoğun biçimde kullanılan matris hesaplamalarına odaklanıyor.
Google’ın resmi teknik belgelerine göre TPU’lar, sinir ağlarında kullanılan büyük matris işlemlerini yüksek hızda gerçekleştirecek özel bir mimariye sahip. Cloud TPU kaynaklarına Compute Engine, Google Kubernetes Engine ve Vertex AI üzerinden erişilebiliyor. PyTorch ve JAX gibi yaygın yapay zeka araçları da destekleniyor.
Bu yapı, TPU’ların belirli yapay zeka işlerinde yüksek performans ve enerji verimliliği sunmasını sağlayabiliyor. Ancak TPU ile NVIDIA GPU aynı şey değil. NVIDIA’nın işlemcileri yapay zekanın yanı sıra grafik, simülasyon ve yüksek performanslı hesaplama gibi çok daha geniş bir kullanım alanına sahip.
NVIDIA’nın en büyük avantajlarından biri de sadece donanım satmaması. CUDA etrafında oluşan dev yazılım ekosistemi, geliştiricilerin modellerini NVIDIA GPU’larında çalıştırmasını kolaylaştırıyor. Eğitim materyallerinden hazır kütüphanelere kadar uzanan bu sistem, müşterilerin başka bir donanıma geçmesini zorlaştıran güçlü bir bağ oluşturuyor.
Google bu nedenle yalnızca daha hızlı bir çip üretmeye çalışmıyor. TPU’lara erişimi kolaylaştırması, popüler yapay zeka araçlarını desteklemesi ve yeterli veri merkezi kapasitesi sunması gerekiyor. Bir şirket için işlemci değiştirmek, masaüstü bilgisayardaki ekran kartını çıkarmak kadar basit değil; kullanılan yazılımın ve mevcut modellerin de yeni altyapıya uyarlanması gerekiyor.
Google’ın 3,2 Milyar Dolarlık Veri Merkezi Planı
Google’ın stratejisinin merkezindeki Lake Mariner kampüsü, TeraWulf tarafından New York’un batısında işletiliyor. Yapay zeka bulut hizmeti sağlayan Fluidstack ise bu kampüste yüksek kapasiteli veri merkezi alanları kiralıyor.
TeraWulf’un Ağustos 2025 tarihli açıklamasına göre Google, projeyle bağlantılı borçların finansmanını desteklemek için verdiği güvenceyi yaklaşık 3,2 milyar dolara çıkardı. Bu ayrıntı önemli, S-söz konusu tutar doğrudan bir çip satın alma bütçesi değil, veri merkezi projesinin finansman riskini azaltan bir güvence niteliğinde.
Anlaşma kapsamında Lake Mariner’a 160 MW ek bilgi işlem kapasitesi sağlayacak yeni bir bina eklenmesi planlanıyor. Böylece Fluidstack’in kampüsteki toplam sözleşmeli kapasitesi yaklaşık 360 MW’a ulaşacak. Yeni bölümün 2026’nın ikinci yarısında faaliyete geçmesi bekleniyor. Google ayrıca anlaşmayla bağlantılı olarak TeraWulf’ta yaklaşık yüzde 14’lük potansiyel pay elde etti.
Bu finansman modeli Google açısından iki işe yarıyor. İlk olarak TPU’ların kullanılabileceği fiziksel kapasiteyi artırıyor. İkinci olarak Google’ın özel çiplerini, yalnızca kendi servislerinde çalışan kapalı bir teknoloji olmaktan çıkarıp başka yapay zeka şirketlerinin değerlendirebileceği ticari bir platforma dönüştürüyor.
Lake Mariner tesisindeki binlerce TPU’nun Anthropic’in Claude modellerinin eğitilmesi ve çalıştırılması için kullanılması planlanıyor. Böylece Google, doğrudan rakibi sayılabilecek bir yapay zeka şirketine hem bulut altyapısı hem de özel işlemci sağlayarak gelir elde edebiliyor.
Bu rekabet son kullanıcıyı da dolaylı olarak ilgilendiriyor. Yapay zeka şirketlerinin NVIDIA dışında güçlü seçeneklere kavuşması, işlem kapasitesi üzerindeki arz baskısını ve altyapı maliyetlerini azaltabilir. Daha düşük maliyet ise uzun vadede daha uygun fiyatlı yapay zeka abonelikleri, daha yüksek kullanım limitleri ve yeni özelliklerin daha hızlı sunulması anlamına gelebilir.
Yine de Google TPU’ların kısa sürede NVIDIA’nın yerini almasını beklemek gerçekçi değil. NVIDIA’nın geniş müşteri ağı, sürekli yenilenen donanımları ve CUDA ekosistemi ciddi bir üstünlük sağlıyor. Google’ın hamlesi şimdilik NVIDIA’yı tahtından indirmekten çok, şirketlerin yapay zeka altyapısı kurarken değerlendirebileceği ikinci büyük yolu oluşturmayı hedefliyor.
