Kaliforniya Üniversitesi’neden mühendisler, yapay zeka donanımında hem performansı hem de güç verimliliğini artırmayı hedefleyen alternatif bir yaklaşım üzerinde çalışıyor. Araştırma grubu, klâsik grafik süreç üniteleri (GPU) yerine, çok daha büyük ve tek modül olarak tasarlanan “wafer-scale” çiplerin potansiyelini inceliyor.
Bu yaklaşım, akademik Device mecmuasında yayımlanan bir makalede ayrıntılandırıldı. Çalışmanın başyazarı olan elektrik ve bilgisayar mühendisliği profesörü Mihri Özkan, bu çeşit büyük ölçekli çiplerin, yapay zeka modellerini daha süratli ve daha verimli halde çalıştırabileceğini vurguluyor. Bilhassa trilyonlarca parametreye sahip günümüz yapay zeka sistemleri için klasik çip mimarilerinin sonlu kaldığına dikkat çekiliyor.
Wafer-scale sistemler, klasik GPU mimarisinde olduğu üzere çok sayıda küçük çipin bir ortada çalışmasına gereksinim duymuyor. Tüm süreç üniteleri tek bir silikon plaka üzerinde birleştiği için, data transferi sırasında oluşan güç kaybı ve gecikmeler değerli ölçüde azalıyor.
Bu teknolojiye dair en bilinen örneklerden biri olan Cerebras’ın Wafer-Scale Engine 3 (WSE-3) modeli, tam 4 trilyon transistör ve yaklaşık 900.000 özel yapay zeka çekirdeği içeriyor. Buna karşılık, Tesla’nın Dojo D1 işlemcisi 1,25 trilyon transistör ve yaklaşık 9.000 çekirdek ile daha küçük bir ölçekte misal bir yaklaşımı sürdürüyor. Her iki örnek de güç verimliliği ve hesaplama kapasitesi açısından klâsik GPU’lara nazaran değerli avantajlar sunuyor.
Daha az güç, daha az israf
Yapay zeka modelleri büyüdükçe, onları çalıştırmak için harcanan güç ölçüsü da giderek artıyor. Özkan, bu nedenle wafer-scale çiplerin yalnızca performans değil, çevresel tesir açısından da öne çıktığını belirtiyor. WSE-3 örneğinde, klâsik GPU sistemlerine kıyasla çok daha düşük güçle saniyede 125 katrilyon süreç yapılabiliyor.
Profesör Özkan, bu farkı şöyle örneklendiriyor: “GPU’lar, ağır saatlerde sıkışan otobanlara benziyor. Fonksiyonel fakat trafik nedeniyle güç boşa gidiyor. Wafer-scale çipler ise raylı sistemler üzere, direkt ve verimli çalışıyor.”
Ancak bu büyük ölçekli çiplerin çözülmeyi bekleyen değerli bir teknik sorunu da var: Isı idaresi. Wafer-scale çipler, çalışırken 10.000 watt’a kadar enerji tüketebiliyor ve bu gücün büyük kısmı ısıya dönüşüyor. Bu nedenle, performansı koruyabilmek için sofistike soğutma sistemlerine gereksinim duyuluyor.
Farklı üreticiler bu sıkıntıya farklı tahliller geliştirmiş durumda. Cerebras, çip içine entegre ettiği glikol bazlı bir soğutma döngüsü kullanırken, Tesla, çip yüzeyine eşit biçimde yayılan sıvı soğutma usulünü tercih ediyor.
Wafer-scale çipler, yapay zekanın giderek büyüyen hesaplama muhtaçlığına tahlil sunarken, beraberinde yeni teknik ve mühendislik zorlukları da getiriyor. Klasik GPU’lar düşük maliyetli, modüler yapılarıyla hala cazibesini korurken, bu yeni yaklaşım hem güç verimliliği hem de ölçeklenebilirlik açısından dikkatle takip ediliyor. Önümüzdeki periyotta, yapay zeka donanımının geleceğini şekillendirecek en kıymetli kararlardan biri, bu büyük ölçekli çiplerin ne kadar yaygınlaşabileceği olacak.
