Google’ın hırsları, özellikle Üretken Yapay Zeka (GenAI) büyük modelleri alanında, giderek Apple’ınkine benziyor. Yakın zamanda düzenlenen Google Cloud Next konferansı, Google’ın iddialı vizyonunu sergiledi. Bu, Nvidia’nın GB200’üne rakip olmak üzere tasarlanmış TPU v7 Ironwood çipinden, Anthropic’in MCP’sini aşmayı amaçlayan Agent2Agent (A2A) protokolüne ve GenAI dağıtımı için Pathways çalışma zamanı ortamına kadar uzanan yenilikleri içeriyor.
Google ayrıca, yapay zeka aracıları oluşturmada geliştiricileri güçlendirmek için ADK ve Agentspace gibi araçlar geliştiriyor. Bu çabanın merkezinde, Google’ın yapay zeka bulut yerel geliştirme ve dağıtım platformu olan Vertex AI yer alıyor. Vertex AI artık video için Veo 2, resimler için Imagen 3, ses için Chirp 3 ve müzik için Lyria’yı kapsayan çeşitli içerik oluşturma hizmetleri sunuyor. Google Cloud’un, geliştiricilere ve kullanıcılara kapsamlı bir GenAI büyük model geliştirme uygulamaları paketi sunmak için konumlandığı açıkça görülüyor.
Bu hizmetlerin ve deneyimlerin gerçek kullanılabilirliği henüz görülmese de, Google, kendi geliştirdiği, kapalı kaynaklı ve kolayca erişilebilir, eksiksiz, çok modlu bir yapay zeka donanım ve yazılım ekosistemi kurdu.
Bu kapsamlı yaklaşım, Google’ı yapay zeka çağının Apple’ı olarak resmediyor.
Ironwood TPU: Güçlü Bir Rakip
Yedinci nesil TPU çipi Ironwood’un tanıtımı özellikle dikkat çekici.
- Her TPU, 7,2 ila 7,4 TB/sn arasında bant genişliğine sahip 192 GB HBM belleği ile donatılmıştır ve muhtemelen HBM3E teknolojisini kullanmaktadır. Bu, 8 TB/sn bant genişliği sunan Nvidia’nın B200 çipiyle olumlu bir şekilde karşılaştırılabilir.
- Her sıvı soğutmalı TPU v7, 4,6 Petaflop yoğun FP8 işlem gücüne ulaşabilir. Bu, B200’ün 20 Petaflop’undan biraz daha azdır.
- Ancak Google’ın Jupiter veri merkezi ağı, 400.000’e kadar çipi veya 43 TPU v7x kümesini destekleyecek şekilde ölçeklenmeye olanak tanır. Google’ın sunucu teknolojisi uzmanlığı, tek çipli performans ölçümlerini azaltmasına olanak tanır.
- Önemli olarak, Google, GenAI model dağıtımının esnekliğini artıran özel bir yapay zeka çalışma zamanı ortamı olan Pathways’i tanıttı ve hizmet kümesi alanındaki avantajlarını daha da sağlamlaştırdı.
- Ironwood, belirli iş yüklerine göre uyarlanmış iki küme yapılandırmasında mevcuttur: 256 çip veya 9216 çip. Tek bir küme 42,5 Exaflop işlem gücüne ulaşabilir. Google, bu performansın dünyanın en büyük süper bilgisayarı olan El Capitan’ı 24 kat aştığını iddia ediyor. Ancak bu rakam FP8 hassasiyetinde ölçülür ve AMD’nin El Capitan’ı henüz FP8 hassasiyet verisi sağlamamıştır. Google bunu kabul etti ve doğrudan bir karşılaştırmayı zorlaştırdı.
Kapalı Kaynaklı Bir GenAI Ekosistemini Benimsemek
Google, GenAIalanında kapsamlı bir kapalı kaynak ekosistemi izliyor. Açık kaynaklı Gemma’nın kendi artıları olsa da, Google kaynakları kapalı kaynaklı çözümlerine yönlendiriyor.
Yapay zeka Aracısı ilgisindeki artışla birlikte Google, konferansta A2A protokolünü duyurdu ve Anthropic’in MCP’siyle rekabet etmek için 50 ana akım satıcının kaydını aldı.
OpenAI, büyük model yeteneklerini entegre ederek Aracıları SDK’sını açık kaynaklı hale getirirken, Google, çeşitli model yeteneklerini enjekte ederek Vertex AI’yı ADK, Agentspace, AutoML, AIPlatform ve Kubeflow ile genişletiyor.
Ancak, GPT-4o’nun görüntü oluşturmasını Gemini 2.0 Flash’ın eşdeğer özellikleriyle karşılaştırırken, Google’ın teklifleri, iddialı olsa da, ciladan yoksun olabilir. Çok sayıda modelin, hizmetin ve aracın entegrasyonu, rekabet için faydalı olsa da, zamansız görünebilir. Pazarın olgun, iyi entegre edilmiş çok modlu büyük modellere ve model içi hizmetlere ihtiyacı var.
Yapay Zeka’da Gmail, Chrome ve Google Modelini Kopyalamak
Google’ın Gmail, Chrome ve ‘üç aşamalı roket’ yaklaşımıyla elde ettiği başarı, küresel teknoloji pazarına hakim olmasını sağladı. Bu strateji, GenAI alanında hızla uygulanıyor. Ancak, geçmişte açık kaynak savunuculuğunun aksine, Google giderek kapalı kaynak geliştirmeyi benimsiyor.
Google, belirli bir alanda baskın bir ekosistem kurmak için kaynaklarını birleştirerek ve ardından geçiş ücreti alarak açık kaynağı etkili bir şekilde bir kapalı kaynak biçimine dönüştürüyor. Bu yaklaşım, geliştiricilerden giderek artan bir şekilde eleştiri alıyor.
Google’ın açık kaynaklı makine öğrenimi çerçeveleri olan TensorFlow ve Jax, küresel başarıya ulaştı. Ancak, yeni Pathways çalışma zamanı ortamı kapalı kaynaklıdır ve hatta Nvidia’nın CUDA geliştirme araçlarını yalıtır.
Google - Nvidia: Yapay Zeka Hakimiyeti İçin Savaş
Nvidia, Fiziksel Yapay Zeka’yı savunurken ve açık kaynaklı insansı robot genel modeli Isaac GR00T N1’i tanıtırken, Google DeepMind, Gemini 2.0’ı temel alan Gemini Robotics ve Gemini Robotics-ER ile pazara giriyor.
Şu anda, Google’ın varlığı yalnızca masaüstü yapay zeka bilgisayar pazarında eksik. Nvidia’nın DGX Spark’ı (eski adıyla Project DIGITS) ve DGX Station’ı, Apple’ın Mac Studio’su ile birlikte Google’ın bulut hizmetleriyle nasıl rekabet edecek? Bu soru, konferansı takiben sektörde bir odak noktası haline geldi.
Apple’ın Google Cloud’a ve M3 Ultra Çipine Bağımlılığı
Apple’ın, büyük modellerini eğitmek için Google Cloud’un TPU kümelerini kullandığı, hatta maliyet düşünceleri nedeniyle Nvidia çip eğitim çözümlerini terk ettiği bildiriliyor! Yazılım zayıflıklarıyla karşı karşıya kalan Apple, M serisi çiplerine odaklanıyor. M3 Ultra çipiyle donatılmış en yeni Mac Studio, artık 512 GB’a kadar birleşik belleğe sahip. Apple’ın Google Cloud’un Pathways teknolojisini potansiyel olarak erken benimsemesi, onu Google ile uyumlu hale getirmiş olabilir.
Antitröst Faktörü
Temel sorun, antitröst kaygıları etrafında dönüyor. Şu anda, Apple’ın iş modeli, potansiyel parçalanmalarla karşı karşıya kalan Microsoft ve Google’ın aksine, küresel antitröst davalarında gezinmek için benzersiz bir konuma sahip. Google’ın büyüklüğü, çekirdek Android işletim sistemi ve Chrome tarayıcı işlerinin zorla elden çıkarılması riskine maruz bırakıyor.
Google yakın zamanda Android Açık Kaynak Projesi’nin (AOSP) bakımını durdurdu ve yapay zeka çağında Apple modeline doğru bir kaymayı kaçınılmaz hale getirdi. Yapay zeka atılımları ortaya çıktıkça, Google’ın stratejik kayması giderek daha belirgin hale geliyor.
Google’ın TPU v7 Ironwood’unu Genişletmek
TPU v7 Ironwood’un özelliklerine daha derinlemesine dalmak, titizlikle tasarlanmış bir donanım parçasını ortaya çıkarıyor. 192 GB Yüksek Bant Genişliğine Sahip Bellek (HBM), karmaşık yapay zeka modellerini eğitmek ve çalıştırmak için gerekli olan hızlı veri erişimi sağlayan kritik bir bileşendir. HBM3E teknolojisinin öngörülen kullanımı, Google’ın bellek teknolojisindeki en son gelişmeleri kullanma taahhüdünün altını çiziyor. 7,2-7,4 TB/sn’lik bant genişliği sadece etkileyici bir sayı değil; doğrudan daha hızlı işlem sürelerine ve daha büyük, daha karmaşık veri kümelerini işleme yeteneğine dönüşüyor.
Nvidia’nın GPU pazarındaki hakimiyeti göz önüne alındığında, Nvidia’nın B200’ü ile karşılaştırma kaçınılmaz. B200 biraz daha yüksek 8 TB/sn bant genişliği sunarken, Ironwood genel sistem mimarisi ve Google’ın ekosistemine entegrasyonu ile kendini farklılaştırmayı hedefliyor.
4,6 Petaflop yoğun FP8 işlem gücü, çipin yapay zeka hesaplamaları için temel olan kayan nokta işlemlerini gerçekleştirme yeteneğinin bir ölçüsüdür. B200’ün 20 Petaflop’u ile karşılaştırıldığında farklılık, farklı tasarım felsefelerini vurguluyor. Google, TPU’larının veri merkezi altyapısı içindeki ölçeklenebilirliğini ve entegrasyonunu vurgularken, Nvidia çip seviyesinde ham işlem gücüne odaklanıyor.
Google’ın Jupiter Veri Merkezi Ağının Önemi
Google’ın Jupiter veri merkezi ağı, çok sayıda TPU çipinin sorunsuz bir şekilde bağlanmasını sağlayan önemli bir varlıktır. 400.000’e kadar çipi veya 43 TPU v7x kümesini destekleme yeteneği, Google’ın faaliyet gösterdiği ölçeğin altını çiziyor. Bu ölçeklenebilirlik, Google’ın iş yüklerini devasa bir altyapıya dağıtmasına, performansı ve verimliliği optimize etmesine olanak tanıdığı için önemli bir farklılaştırıcıdır.
Google’ın sunucu teknolojisi uzmanlığı, yapay zeka stratejisindeki önemli bir faktördür. Google, bireysel çip özelliklerinden ziyade sistem düzeyinde performansa öncelik vererek, altyapısını daha üstün sonuçlar elde etmek için kullanabilir. Bu yaklaşım, özellikle hesaplamaları birbirine bağlı işlemcilerden oluşan bir ağa dağıtma yeteneğinin gerekli olduğu büyük ölçekli yapay zeka modeli eğitimi bağlamında geçerlidir.
Pathways Yapay Zeka Çalışma Zamanı Ortamının Tanıtımı
Pathways’in tanıtımı, GenAI model dağıtımının esnekliğini ve verimliliğini artıran stratejik bir hamledir. Bu özel yapay zeka çalışma zamanı ortamı, geliştiricilerin modellerini Google’ın altyapısı için optimize etmelerine ve mevcut donanım ve yazılım kaynaklarından tam olarak yararlanmalarına olanak tanır.
Pathways, yapay zeka modellerini dağıtmak ve yönetmek için birleşik bir platform sağlayarak yapay zeka yazılım yığınına yapılan önemli bir yatırımı temsil ediyor. Dağıtım sürecini basitleştirerek Google, geliştiriciler için giriş bariyerini düşürmeyi ve yapay zeka hizmetlerinin benimsenmesini teşvik etmeyi amaçlıyor. Bu da inovasyonu teşvik edecek ve Google’ın yapay zeka platformu etrafında canlı bir ekosistem yaratacaktır.
Google’ın Kapalı Kaynak Stratejisine Daha Derin Bir Bakış
Google’ın GenAI alanında kapalı kaynak stratejisini benimsemesi, yapay zeka için uzun vadeli vizyonunu yansıtan kasıtlı bir seçimdir. Açık kaynaklı Gemma, yapay zeka topluluğuna değerli bir katkı olsa da, Google, daha fazla kontrol ve özelleştirme sunduklarını kabul ederek açıkça kapalı kaynaklı çözümlerine öncelik veriyor.
Google, kapalı kaynak geliştirmeye odaklanarak, yapay zeka modellerini ve altyapısını belirli görevler için optimize edebilir, maksimum performans ve verimlilik sağlayabilir. Bu yaklaşım aynı zamanda Google’ın fikri mülkiyetini korumasına ve hızla gelişen yapay zeka ortamında rekabet avantajını korumasına olanak tanır.
Kapalı kaynak yaklaşımı, inovasyonu engellediğini ve işbirliğini sınırladığını savunan eleştirmenlerden yoksun değildir. Ancak Google, yapay zeka hizmetlerinin kalitesini, güvenliğini ve güvenilirliğini sağlamak için bunun gerekli olduğunu savunuyor.
A2A Protokolü ve Yapay Zeka Aracısı Hakimiyeti İçin Savaş
Yapay zeka Aracılarının ortaya çıkışı, yapay zeka endüstrisinde yeni bir savaş alanı yarattı ve Google bu alanda lider olmaya kararlı. Google Cloud Next konferansında A2A protokolünün duyurulması, Google’ın hırslarının açık bir göstergesidir.
Google, A2A protokolünü desteklemek için 50 ana akım satıcının kaydını alarak, yapay zeka Aracısı iletişimi için birleşik bir standart oluşturmaya çalışıyor. Bu, farklı platformlardan yapay zeka Aracılarının sorunsuz bir şekilde etkileşime girmesine ve daha birbirine bağlı ve işbirlikçi bir yapay zeka ekosistemi oluşturmasına olanak tanır.
Anthropic’in MCP’siyle rekabet, Google’ın yapay zeka Aracısı stratejisinin önemli bir yönüdür. Anthropic, saygın bir yapay zeka araştırma şirketidir ve MCP protokolü sektörde ilgi görmüştür. Google’ın A2A protokolü, MCP’ye doğrudan bir meydan okumayı temsil ediyor ve bu rekabetin sonucu, yapay zeka Aracılarının geleceği üzerinde önemli bir etkiye sahip olacaktır.
Vertex AI: Kapsamlı Bir Yapay Zeka Geliştirme Platformu
Google’ın Vertex AI’sı, geliştiricilere çok çeşitli araçlar ve hizmetler sağlayan kapsamlı bir yapay zeka geliştirme platformudur. Google, ADK, Agentspace, AutoML, AIPlatform ve Kubeflow’u entegre ederek, yapay zeka geliştirme için tek duraklı bir mağaza oluşturuyor.
Vertex AI, yapay zeka geliştirme sürecini basitleştirmeyi ve geliştiricilerin yapay zeka modellerini oluşturmasını, eğitmesini ve dağıtmasını kolaylaştırmayı amaçlamaktadır. Platform ayrıca, geliştiricilerin yapay zeka yeteneklerini uygulamalarına hızlı bir şekilde dahil etmelerine olanak tanıyan geniş bir önceden eğitilmiş model kitaplığına erişim sağlar.
Çeşitli model yeteneklerinin entegrasyonu, Vertex AI’nın önemli bir avantajıdır. Google, çeşitli model yelpazesi sunarak, görüntü tanımadan doğal dil işlemeye kadar çok çeşitli kullanım durumlarına hitap ediyor. Bu kapsamlı yaklaşım, Vertex AI’yı çok yönlü ve güçlü bir yapay zeka geliştirme platformu arayan geliştiriciler için cazip bir seçim haline getiriyor.
Google’ın Model Entegrasyonu: Hırs ve Uygulama
Google’ın çok sayıda modeli, hizmeti ve aracı entegre etme hırsı takdire şayan olsa da, uygulamanın daha fazla iyileştirme gerektirebilir. Pazar, olgun, iyi entegre edilmiş çok modlu büyük modeller ve model içi hizmetler talep ediyor. Google’ın mevcut teklifleri, umut verici olsa da, bu beklentileri karşılamak için daha fazla cilaya ihtiyaç duyabilir.
Çeşitli yapay zeka yeteneklerinin entegrasyonu karmaşık bir girişimdir ve Google, farklı modellerinin ve hizmetlerinin sorunsuz bir şekilde birlikte çalışmasını sağlama zorluğuyla karşı karşıyadır. Bu, ayrıntılara dikkat edilmesini ve sürekli iyileştirmeye bağlılık gerektirir.
Nihayetinde, Google’ın model entegrasyon çabalarının başarısı, hem güçlü hem de sezgisel bir kullanıcı deneyimi sunma yeteneğine bağlı olacaktır. Bu, kullanıcı ihtiyaçlarının derinlemesine anlaşılmasını ve kaliteye amansız bir şekilde odaklanmayı gerektirecektir.