Çinli bulut şirketleri yapay zekâ eğitimi için ikinci bir yol açıyor
Alibaba, daha küçük modelleri eğitmek için kendi yapay zekâ işlemcilerini kullanırken Baidu, Kunlun P800 çipini Ernie'nin yeni sürümlerinde test ediyor. 13 Eylül 2025 itibarıyla bu adımlar, Çin'in en büyük tüketici interneti ve bulut şirketlerinden ikisi için somut bir değişime işaret ediyor: Tasarladıkları işlemciler, uzun süredir Nvidia donanımının ağırlıkta olduğu işlerde kullanılmaya başlıyor.
İçindekiler
- Çinli bulut şirketleri yapay zekâ eğitimi için ikinci bir yol açıyor
- Alibaba önceki çip tasarımlarının ötesine geçiyor
- Baidu, Kunlun P800'ü Ernie ile test ediyor
- İhracat kontrolleri ithal çiplere erişimi daraltıyor
- Eğitim, tamamlanmış bir modeli çalıştırmaktan neden daha zor?
- Bir çipin sunabileceği performansı yazılım belirliyor
- Yatırımcılar daha güvenilir tedarikte değer görüyor
- Üretim ve bellek hâlâ kısıt oluşturuyor
- Müşterilerin ihtiyaçları ve sırada ne var?
- Öne Çıkanlar
Alibaba'nın şirket içinde çalışanların Zhenwu adını verdiği en yeni eğitim hızlandırıcısı, Alibaba Cloud'da daha küçük eğitim işlerini şimdiden yürütüyor. Çiple çalışan kişiler, bazı görevlerde performansının Nvidia H20 ile rekabet edebildiğini söylüyor. Baidu'nun deneyleri ise en yeni Kunlun işlemcisinin, üretken yapay zekâ hizmetlerinin temelini oluşturan yeni Ernie modelleri için gereken kararlılığı, işlem hızını ve yazılım desteğini sağlayıp sağlayamayacağına odaklanıyor.
Her iki şirket de en büyük ve en karmaşık eğitim süreçleri için Nvidia'ya bağımlılığını sürdürüyor. Bu işler güçlü işlemciler, büyük miktarda hızlı bellek, güvenilir yazılım ve çipler arasında son derece hızlı bağlantılar gerektiriyor. Şimdiki değişim, donanım seçeneklerinin artması ve yerli işlemcilerin güçlü oldukları işlerde kullanılmaya başlanması.
Bu tercihi iki etken yönlendiriyor. ABD'nin ihracat kontrolleri Çin'in gelişmiş yapay zekâ yarı iletkenlerine erişimini kısıtlarken, Çin hükümeti ve kritik altyapı müşterileri de ülkede tasarlanıp desteklenen teknolojileri giderek daha fazla tercih ediyor. Bulut şirketleri için kendi çiplerini geliştirmek, güvenilir tedarik ihtiyacını bilgi işlem hizmeti satın alan müşterilerin talepleriyle buluşturuyor.
Çin'in veri merkezleri için olası fayda somut. İthal grafik işlem birimlerini (GPU) bekleyen bir şirket, bilgi işlem kapasitesine ulaşmak için başka bir seçeneğe sahip olabilir. Yerli hızlandırıcılar gündelik işlerin giderek daha büyük bir bölümünü üstlenebilirse yapay zekâ projelerinin takvime uygun ilerlemesine yardımcı olabilir ve bulut işletmecilerine harcama ve kapasite artışı üzerinde daha fazla kontrol sağlayabilir.
Alibaba önceki çip tasarımlarının ötesine geçiyor
Alibaba'nın çip geliştirme birimi T-Head, farklı bilgi işlem görevleri için tasarlanan işlemciler konusunda deneyim sahibi. Şirket daha önce yapay zekâ çıkarımı için Hanguang 800 hızlandırıcısını ve Arm komut kümelerini temel alan bir sunucu merkezi işlem birimini (CPU) tanıtmıştı. Komut kümeleri, işlemcinin anladığı temel komutlardan oluşuyor.
Hanguang 800, eğitilmiş yapay zekâ modellerini çalıştırmaya odaklanıyordu. Alibaba'nın en yeni hızlandırıcısı ise çabalarını, bir modele kalıpları tanımayı ve yararlı yanıtlar üretmeyi öğreten zorlu süreç olan eğitime taşıyor. Çalışanlar bu işlemciye şirket içinde Zhenwu diyor.
Alibaba Cloud, en zorlu eğitim işleri için Nvidia donanımını kullanmayı sürdürürken yeni çipi daha küçük modellerde kullanıyor. Hızlandırıcıyı tanıyan kişiler, işlemciler arasında en gelişmiş bağlantıları ya da en büyük bellek kapasitesini gerektirmeyen işlerde Nvidia H20 ile rekabet edebildiğini belirtiyor.
Dolayısıyla bir işin boyutu ve yapısı, çipin öne çıkan performansı kadar önem taşıyor. Daha küçük bir modeli verimli biçimde çalıştıran işlemci, en büyük modeller başka bir platformda kalırken bile çok sayıda bulut iş yükünde kullanılabilir. Alibaba, kendi çiplerini daha geniş ölçekte kullanmaya başlamadan önce bu işlemcilerle deneyim kazanıyor.
Baidu, Kunlun P800'ü Ernie ile test ediyor
Baidu'nun Kunlun projesi, Çin'in en uzun süredir devam eden yerli yapay zekâ hızlandırıcı serilerinden biri. Önceki Kunlun çipleri çıkarım işlemlerine odaklanıyordu. Baidu, P800 ile Ernie'nin yeni sürümlerine yönelik eğitim iş yüklerini test ediyor ve işlemciyle onu destekleyen yazılımın birlikte güvenilir biçimde çalışıp çalışmadığını inceliyor.
Testler kararlılığı, işlem hacmini ve yazılım hazırlığını kapsıyor. Kararlılık, bir işin doğru biçimde sürmesini; işlem hacmi ise sistemin belirli bir sürede ne kadar iş tamamladığını ifade ediyor. Eğitim önemli ölçüde bilgi işlem zamanı tükettiği ve kesintiler modelin geliştirilmesini geciktirebildiği için ikisi de önem taşıyor.
Baidu bu sürecin birkaç aşamasını kontrol ediyor. Ernie'yi geliştiriyor, büyük bulut bilgi işlem kümeleri işletiyor ve yapay zekâ modellerini kurmak ve çalıştırmak için kullanılan PaddlePaddle yazılım çatısını yönetiyor. Bu sayede model, yazılım ve donanımı birlikte ayarlayarak sistemin tamamında daha yüksek verimlilik sağlamaya çalışabiliyor.
Baidu'nun deneyleri, geçişin temkinli biçimde ilerlediğini de gösteriyor. Kunlun P800, Ernie'nin yeni eğitim işleri için değerlendirilirken en büyük ve en zorlu çalışmalarda Nvidia önemini koruyor. Pratik hedef, yerli platformun hangi işleri tutarlı biçimde yürütebildiğini belirlemek.
İhracat kontrolleri ithal çiplere erişimi daraltıyor
Washington, 2022'de ABD'li tedarikçilerin Çin'e gönderebileceği ürünleri sınırlayan performans eşikleri aracılığıyla gelişmiş yapay zekâ hızlandırıcılarına erişimi kısıtlamaya başladı. Tedarikçiler, çipler arasında veri alışverişinde kullanılan bağlantıların bant genişliği düşürülmüş GPU'lar da dahil olmak üzere Çin pazarına özel işlemcilerle karşılık verdi.
Daha sonraki önlemler bu yolları daha da daralttı. Burada anlatılan kısıtlamalar kapsamında Nvidia'nın H100 ve daha yeni Blackwell işlemcilerine Çin'den erişilemiyor. Nvidia, ABD kurallarına uymak üzere daha düşük kapasitedeki H20'yi geliştirerek Çinli müşterilere yapay zekâ hesaplamaları için başka bir seçenek sundu.
Sektör araştırmaları, H20 çiplerinin sevkiyatı için Nisan 2025'ten itibaren ihracat lisansı gerektiğini gösteriyor. Aynı araştırma, AMD'nin MI308 modelinin de o aydan itibaren lisans şartlarına tabi olduğunu belirtiyor. Lisans zorunluluğu, bilgi işlem ekipmanının ne zaman geleceğini ve ne kadar kapasite kurulabileceğini planlamaya çalışan alıcılar için belirsizlik yaratıyor.
Bu gelişmelerin sıralaması, Alibaba ve Baidu'nun neden ithal ve yerli donanımı aynı anda kullandığını açıklamaya yardımcı oluyor:
- 2022'de ABD'nin performans eşikleri, gelişmiş yapay zekâ hızlandırıcılarının Çin'e sevkiyatını kısıtlamaya başladı.
- Sonraki yıllarda yeni önlemler, Çinli alıcılara özel işlemcilerin kullanım alanını daralttı.
- Sektör araştırmalarına göre Nisan 2025'ten itibaren Nvidia H20 ve AMD MI308 sevkiyatları için ihracat lisansı gerekiyor.
- 13 Eylül 2025 itibarıyla Alibaba kendi hızlandırıcısını daha küçük eğitim işlerinde kullanıyor, Baidu ise Kunlun P800'ü Ernie'nin yeni sürümlerinde test ediyor.
Çinli bulut ve internet şirketleri, mümkün olduğunda yurt dışından çip tedarik ederken yerli hızlandırıcılara da büyük yatırımlar yaparak karşılık verdi. Hükümet ve kritik altyapı müşterileri de yerli donanımı giderek daha fazla tercih ediyor. Bu durum, sağlayıcıları Çin menşeli işlemcilerde kabul edilebilir maliyetleri ve öngörülebilir performansı göstermeye yönelten ticari bir gerekçe oluşturuyor.
Eğitim, tamamlanmış bir modeli çalıştırmaktan neden daha zor?
Yapay zekâ eğitimi, bir modelin verileri işlerken parametre olarak bilinen milyarlarca iç değerini tekrar tekrar ayarlayarak öğretilmesini sağlar. Bu iş; işlem gücüne, bellek kapasitesine ve bilginin sistem içinde hareket etme hızına büyük yük bindirir.
Büyük eğitim çalışmaları binlerce hızlandırıcıya dağıtılabilir. Bu işlemcilerin birbirleriyle bilgi alışverişi yapması ve eşgüdüm içinde çalışması gerekir. Aralarındaki hızlı bağlantılar kritik önemdedir; çünkü başka bir çipten veri bekleyen işlemci, hesaplama kapasitesini verimli biçimde kullanamaz.
Çıkarım ise eğitimden sonra, modelin bir kullanıcı için yanıt ya da başka bir çıktı ürettiği aşamadır. Bu aşamada hızlı yanıt vermek, maliyeti düşük tutmak ve enerji tüketimini sınırlamak önemlidir. Model kalıpları zaten öğrenmiştir; dolayısıyla donanım farklı bir iş yapar.
Bu nedenle bir çip, çıkarımda veya daha küçük modellerin eğitiminde iyi performans gösterirken çok büyük modelleri aylar boyunca eğitmekte zorlanabilir. Bu ölçekte işlemciler arasındaki bağlantılar ve onları eşgüdüm içinde çalıştıran yazılım darboğaza dönüşebilir, böylece kümenin tamamladığı yararlı iş miktarı sınırlanabilir.
Alibaba'nın H20 ile karşılaştırmalı performansına ilişkin açıklamalar, belirli işlere ve daha küçük modellere dayanıyor. En büyük modeller ve en hızlı eğitim takvimleri söz konusu olduğunda Nvidia; en yüksek hesaplama gücü, GPU'lar arası bağlantılar, olgun derleyici yazılımı ve kapsamlı optimize edilmiş kütüphaneleriyle avantajını koruyor. H100 ve en yeni Blackwell tasarımları, Çin dışındaki en gelişmiş model eğitimlerinde standart olmaya devam ediyor.
Bir çipin sunabileceği performansı yazılım belirliyor
Nvidia'nın konumu, işlemci tasarımından ibaret değil. CUDA platformu, cuDNN ve TensorRT gibi kütüphaneler ve iş ortaklarının sunduğu geniş araç yelpazesi; geliştiricilerin yazılım yazmasına ve öngörülebilir performans elde etmesine yardımcı oluyor. Kütüphaneler, yaygın görevler için yeniden kullanılabilir yazılım sağlayarak geliştiricilerin kendilerinin oluşturması gereken araç miktarını azaltıyor.
Derleyiciler de bu sistemin bir parçası. Geliştiricilerin talimatlarını, donanımın verimli biçimde yürütebileceği işlemlere dönüştürüyorlar. Güçlü bir çipin verimli çalışabilmesi, onu meşgul tutan, verileri etkili biçimde taşıyan ve diğer işlemcilerle eşgüdüm sağlayan yazılıma bağlı.
Baidu'nun PaddlePaddle yazılım çatısı ve Alibaba'nın bulut araç zincirleri kendi çiplerini zaten destekliyor. İki şirket de belirli hesaplamaları gerçekleştiren küçük programlar olan çekirdekleri ve bir modelin işlemlerini yürütülmek üzere düzenleyen grafik derleyicilerini ayarlayabiliyor. Bu araçları kontrol etmeleri, kendi modellerinde verimliliği artırma olanağı sağlıyor.
İki şirketin dışındaki geliştiricilerin yerli donanıma geçerken farklı araçları öğrenmesi ya da mevcut kodlarını uyarlaması gerekebilir. En yüksek işlem hacmine ulaşmak için çekirdekleri yeniden ayarlamaları veya tedarikçiye özel araçlar kullanmaları da gerekebilir. Bu tür uyarlamalar yüksek performanslı bilgi işlemde yaygındır, ancak mühendislik çalışması gerektirir.
Alibaba ve Baidu, geçişi kendi bulut hizmetleri içinde yöneterek bu yükü azaltabilir. Bilgi işlem kapasitesi arayan müşteriler, alışık oldukları yazılım çatıları sorunsuz çalıştığı sürece, kullanılan temel çipin üreticisinden çok fiyata, bulunabilirliğe ve hizmetin güvenilirliğine önem verebilir.
Yatırımcılar daha güvenilir tedarikte değer görüyor
Uygulamalara ilişkin haberlerin ardından Alibaba ve Baidu hisseleri yükseldi. Yatırımcılar, şirketlerin tamamen ithal işlemcilere bağımlı kalmadan daha fazla yapay zekâ hesaplama kapasitesi sağlayabilmesi, ürün geliştirmeyi desteklemesi ve gecikme riskini azaltması beklentisini olumlu karşıladı.
Eğitim işlerinin önemli bir bölümünü üstlenen yerli bir hızlandırıcı, temin edilmesi ve Çin'deki veri merkezlerinde kullanıma alınması daha kolaysa zaman içinde işletme maliyetlerini de düşürebilir. Ticari açıdan başarı, ekipmana güvenilir erişimin yanı sıra yararlı işlerin tamamlanma maliyetine bağlı.
Alibaba Cloud ve Baidu Cloud, işletmelere ve kamu kurumlarına bilgi işlem hizmetleri satıyor. Çin'de tasarlanan ve desteklenen donanım, güvenlik ve verinin nerede saklanıp işlendiğine ilişkin müşteri tercihlerini karşılamalarına ve hassas iş yükleri için rekabet etmelerine yardımcı olabilir.
Nvidia, dünya genelindeki geliştiricilere hizmet vermeyi sürdüreceğini belirtirken rekabetin güçlendiğini kabul etti. Şirket sözcüsü konumlarını şöyle ifade etti:
Rekabetin geldiği artık tartışmasız. Her yerdeki ana akım geliştiricilerin güvenini ve desteğini kazanmak için çalışmaya devam edeceğiz.
Alibaba ve Baidu donanımı karma biçimde kullanmaya yöneliyor. En zorlu işler için Nvidia sistemleri merkezde kalırken yerli işlemciler, performansın karşılaştırılabilir ve maliyetlerin elverişli olduğu işleri üstlenebilir. Şirketler, hâlihazırda bağımlı oldukları ithal donanımı kullanmayı sürdürürken alternatiflerini genişletebilir.
Üretim ve bellek hâlâ kısıt oluşturuyor
Alibaba ve Baidu'nun yapması gereken, yalnızca yeterli kapasiteye sahip işlemciler tasarlamak değil. Üretim, paketleme ve bellek tedariki, kaç çipin kullanıma alınabileceğini ve bu çiplerin ne kadar verimli çalışacağını da etkiliyor. En güçlü yapay zekâ işlemcileri gelişmiş üretim süreçleri ve özel paketleme yoluyla işlemcinin yakınına yerleştirilen yüksek bant genişlikli bellek kullanıyor.
Yüksek bant genişlikli bellek büyük miktarda veriyi hızlıca aktarır. Büyük modelleri eğitmek için hem yüksek bellek kapasitesi hem de işlemcilere yeterli bilgi akışını sağlayacak bant genişliği gerekir. Veriler işlemciye yeterince hızlı ulaşamazsa hızlandırıcı yüksek performansından yararlanamaz.
Çin'in yarı iletken üreticileri ilerleme kaydetti, ancak henüz yurt dışındaki en gelişmiş üretim süreçleri düzeyine ulaşmadı. Bu fark, en yüksek performanslı çiplerin ulaşabileceği kapasiteyi ve ihtiyaç duydukları elektrik miktarını etkiliyor. Tasarım tercihleri, etkili paketleme ve verimli yazılım bu farkı kısmen telafi edebilir.
Bulut sağlayıcıları işlerini yürütme biçimlerini de uyarlıyor. İşleri daha fazla işlemciye dağıtabilir, sayısal hassasiyet biçimlerini değiştirebilir ve görevleri uygun donanıma atayabilirler. Hassasiyeti değiştirmek, hesaplamalarda ne kadar sayısal ayrıntının korunduğunu belirler; bu da hesaplama ve bellek gereksinimlerini etkileyebilir.
Bulut yazılımıyla iyi bütünleşen yerli bir işlemci, teorik azami performansı en iyi yabancı çiplerden düşük olsa bile önemli iş yüklerini üstlenebilir. Bir veri merkezinin sunabileceği kapasiteyi; bulunabilirlik, yazılım verimliliği ve işin donanıma uygunluğu birlikte belirler.
Müşterilerin ihtiyaçları ve sırada ne var?
Alibaba ve Baidu müşterileri geçişi üç pratik ölçüte göre değerlendirecek: kapasiteye ne kadar hızlı erişebildikleri, işlerin güvenilir biçimde çalışıp çalışmadığı ve eğitim ya da çıkarım işlerinin toplam maliyeti. Yerli hızlandırıcılar kolayca temin edilebilir ve alışılmış yazılım çatılarıyla istikrarlı biçimde çalışırsa bekleme sürelerini kısaltabilir.
Bulut işletmecilerinin, iş yüklerini en uygun donanıma yönlendiren zamanlama yazılımlarıyla ithal ve yerli ekipmanları birlikte kullanması muhtemel. En büyük sınır modeller Nvidia sistemlerine bağımlı kalırken, yaygın iş yüklerinin giderek artan bir bölümü Alibaba ve Baidu çiplerinde çalışabilir.
Önümüzdeki yıl iki gelişme belirleyici olacak: H20 ve MI308 gibi hızlandırıcılara yönelik ABD ihracat lisanslarının nasıl uygulanacağı ve yerli çiplerin üretim ölçeğinde eğitimi sürdürebildiğine dair kanıtlar. Daha geniş kapsamlı kullanıma geçiş hedefleri veya performans sonuçlarının yayımlanması için bir tarih verilmiş değil.
Yaygın modellerle yapılan performans testleri, müşterilerin kullanım deneyimleri ve yerli hızlandırıcılardan güç alan bulut kapasitesinin ne hızla tükendiği, ilerlemeyi ölçmek için somut göstergeler sunabilir. Popüler yazılım çatıları ve diğer geliştiricilerin araçlarıyla uyumluluk da müşterilerin işlerini ne kadar kolay taşıyabileceğini etkileyecek.
Diğer Çinli platformlar da hızlandırıcıları kendileri tasarlasalar veya yerli tedarikçilerden satın alsalar benzer harcama kararlarıyla karşı karşıya. Sermayelerini ithal GPU'lar ve yerli alternatifler arasında nasıl paylaştırdıkları, genel pazarın ne hızla değişeceğini belirlemeye yardımcı olacak. Alibaba ve Baidu için başarılı uygulamalar, yıllardır süren çip yatırımlarının karşılığını verecek ve yapay zekâ hizmetlerini yurt dışı tedarikteki aksamalara karşı daha az kırılgan hâle getirecek.
Öne Çıkanlar
- Alibaba, şirket içinde Zhenwu adı verilen kendi hızlandırıcısını daha küçük yapay zekâ eğitim işlerinde kullanıyor.
- Baidu, PaddlePaddle üzerindeki ve bulut kümelerindeki kontrolünden yararlanarak Kunlun P800'ü Ernie'nin yeni sürümlerinde test ediyor.
- Her iki şirket de en büyük ve en karmaşık eğitim işleri için Nvidia donanımını kullanmayı sürdürüyor.
- ABD kontrolleri 2022'den bu yana sıkılaştı. Sektör araştırmalarına göre Nisan 2025'ten itibaren H20 ve MI308 sevkiyatları için ihracat lisansı gerekiyor.
- Alibaba'nın çipinin bazı işlerde H20 ile rekabet edebildiği belirtiliyor; en büyük eğitim işlerinde ise Nvidia avantajını koruyor.
- Yazılım, üretim, paketleme ve yüksek bant genişlikli bellek, yerli çiplerin performansı ve bulunabilirliği açısından önemini koruyor.
- Uygulamalara ilişkin haberlerin ardından Alibaba ve Baidu hisseleri yükseldi; bu, daha güvenilir yapay zekâ hesaplama kapasitesi tedarikine yönelik beklentileri yansıtıyor.
- Müşteriler bu değişimi kapasiteye erişim, güvenilirlik ve işlerini tamamlamanın maliyeti üzerinden değerlendirecek.






