Yapay zeka altyapısı tarafında dikkat çeken yeni bir anlaşma açıklandı. Together AI, IBM Cloud ile toplam değeri $240M olarak belirtilen bir iş birliğine gitti. Anlaşmanın odağında, Nvidia’nın bir önceki nesil olarak tanımlanan HGX B300 sistemlerinin büyük ölçekli bir dağıtımı yer alıyor. Kurulumun 2027’nin ilk çeyreğinde devreye alınması planlanıyor.
Anlaşmanın öne çıkan tarafı, sadece bulut kapasitesi kiralamaktan öte, doğrudan büyük bir GPU altyapısının finansmanını kapsaması. Bu da Together AI’ın önümüzdeki dönemde model eğitimi, çıkarım ve kurumsal yapay zeka servisleri için daha yüksek hacimli kapasiteye hazırlanmak istediğini gösteriyor. Özellikle GPU kümeleri etrafında şekillenen yapay zeka pazarında, donanım erişimi ve finansman modeli artık teknik tercih kadar stratejik bir unsur haline gelmiş durumda.
Buradaki donanım tercihi de ayrıca önemli. Anlaşmada adı geçen Nvidia HGX B300, şirketin en yeni nesli yerine “last-gen” olarak nitelenen platformu temsil ediyor. Bunun pratik anlamı, yapay zeka iş yüklerinde en güncel hızlandırıcıların peşinden gitmek yerine, halen yüksek performans sunan ancak tedarik ve maliyet açısından daha öngörülebilir bir platformun seçilmiş olması. Büyük ölçekli veri merkezi yatırımlarında bu yaklaşım giderek daha sık görülüyor.
Yeni çıkan hızlandırıcıların kağıt üzerindeki en yüksek performans rakamları ilgi çekse de, gerçek dünyada erişilebilirlik, teslim süresi, yazılım uyumluluğu ve toplam sahip olma maliyeti çoğu zaman belirleyici oluyor. HGX sınıfı sistemler, yoğun GPU barındıran düğümler ve yüksek hızlı ara bağlantılarla büyük model eğitiminde kritik rol oynuyor. Together AI’ın IBM Cloud üzerinden böyle bir altyapıya yönelmesi, büyüme planlarını donanım tarafında daha somut hale getiriyor.
IBM Cloud açısından bakıldığında ise bu anlaşma, klasik kurumsal bulut hizmetlerinin ötesinde hızlandırılmış yapay zeka altyapısı sunma stratejisinin bir uzantısı olarak okunabilir. Son dönemde bulut sağlayıcıları, genel amaçlı sanal sunucu satmanın yanında, GPU kümeleri ve özel yapay zeka altyapılarıyla farklılaşmaya çalışıyor. Özellikle hyperscaler dışındaki oyuncular için bu tarz yüksek profilli anlaşmalar, pazardaki konumlarını güçlendirme açısından önem taşıyor.
Yapay zeka şirketlerinin finansman ve altyapı ihtiyaçları birlikte büyüyor. Büyük dil modelleri ve çok modlu sistemler için gerekli eğitim maliyeti, sadece yazılım geliştirme giderlerinden ibaret değil; esas yük çoğu zaman veri merkezi tarafında ortaya çıkıyor. Güç tüketimi, soğutma, ağ altyapısı, GPU bulunabilirliği ve rezervasyon süresi gibi kalemler, bir modelin piyasaya çıkış takvimini doğrudan etkileyebiliyor. Bu yüzden $240M düzeyindeki bir anlaşma, tek başına kapasite haberi olmaktan çok daha fazlasını ifade ediyor.
2027’nin ilk çeyreği hedefi de dikkat çekici. Bu zamanlama, kurulumun kısa vadeli ani kapasite ihtiyacına yanıt vermek için değil, daha orta vadeli bir ölçeklenme planının parçası olarak tasarlandığını düşündürüyor. Büyük GPU kümelerinin sahaya çıkması yalnızca donanım siparişiyle tamamlanan bir süreç değil; veri merkezi alanı, enerji tahsisi, ağ topolojisi, raf yoğunluğu ve yazılım katmanının entegrasyonu gibi çok sayıda adım gerektiriyor. Dolayısıyla takvimdeki bu mesafe, projenin ciddiyetini de yansıtıyor.
HGX platformları, özellikle çoklu GPU’lu düğümlerde yüksek bant genişliği ve düşük gecikme sunarak büyük model eğitiminde tercih ediliyor. Yapay zeka iş yüklerinde ham GPU sayısı kadar, GPU’ların birbirleriyle ve depolama altyapısıyla ne kadar verimli konuşabildiği de kritik. Bu nedenle şirketler yalnızca tekil hızlandırıcı performansına değil, tüm kümenin ölçeklenme verimine bakıyor. Together AI’ın tercihinde de bu bütüncül yaklaşımın etkili olduğu söylenebilir.
Öte yandan “last-gen” donanım ifadesi, bu sistemlerin yetersiz olduğu anlamına gelmiyor. Veri merkezi dünyasında bir önceki nesil platformlar, çoğu zaman olgunlaşmış sürücü ve yazılım ekosistemi, daha öngörülebilir tedarik zinciri ve daha anlaşılır maliyet yapısıyla önemli avantaj sağlayabiliyor. Özellikle ticari servis veren sağlayıcılar için istikrarlı kapasite, her zaman en yeni silikona sahip olmaktan daha değerli olabiliyor.
Bu tür yatırımların bir başka boyutu da yapay zeka servislerinin ekonomik modeli. Eğitim tarafı yüksek maliyetli olsa da, çıkarım yükleri uzun vadede çok daha büyük bir operasyonel gider yaratabiliyor. Eğer Together AI bu altyapıyı hem model geliştirme hem de müşteri tarafındaki servisler için kullanacaksa, GPU kaynaklarının verimli bölüştürülmesi ve yazılım seviyesinde yüksek kullanım oranı kritik hale gelecek. Büyük bir kümeye sahip olmak tek başına yeterli değil; onu sürekli dolu ve verimli çalıştırmak da gerekiyor.
Pazardaki rekabet düşünüldüğünde, bu anlaşma şirketlerin yalnızca model kalitesiyle değil, altyapı erişimiyle de yarıştığını bir kez daha gösteriyor. En güçlü modelleri geliştirmek kadar, o modelleri makul gecikme ve maliyetle kullanıcıya sunabilmek de önemli. Bu da donanım, ağ ve veri merkezi kapasitesini rekabetin merkezine yerleştiriyor. Özellikle kurumsal müşteriler, teorik performanstan çok süreklilik ve ölçeklenebilirlik bekliyor.
IBM Cloud ile yapılan iş birliği, Together AI’ın kendi başına veri merkezi kurmak yerine, mevcut bir bulut ve kurumsal altyapı ortağı üzerinden büyüme yolunu seçtiğini de ortaya koyuyor. Bu yaklaşım, ilk yatırım yükünü ve operasyonel karmaşıklığı azaltabilir. Ancak karşılığında kaynak planlaması, kapasite tahsisi ve hizmet entegrasyonu gibi konularda iki tarafın uzun vadeli uyumu daha da önemli hale gelir.
Anlaşmanın duyurulan kısmında, kurulumun “large” ölçekte olacağı vurgulanıyor; ancak sistem sayısı, toplam GPU adedi ya da veri merkezi konfigürasyonu gibi daha ayrıntılı teknik bilgiler paylaşılmış değil. Bu nedenle donanımın tam ölçeği hakkında net bir kapasite hesabı yapmak şu aşamada mümkün değil. Yine de açıklanan $240M tutar, sıradan bir genişleme yerine kayda değer büyüklükte bir altyapı programına işaret ediyor.
Genel tabloya bakıldığında, yapay zeka sektöründe bir sonraki rekabet dalgasının yalnızca model mimarileriyle değil, hangi şirketin hangi donanıma ne zaman ve hangi finansman koşullarıyla erişebildiğiyle şekilleneceği daha net görülüyor. Together AI ile IBM Cloud arasındaki bu anlaşma da tam olarak bu eğilimin örneklerinden biri. 2027’nin ilk çeyreğinde devreye girmesi planlanan HGX B300 kurulumu, mevcut pazarda “en yeni” donanımı kovalamaktan ziyade, ölçeklenebilir ve temin edilebilir kapasite yaratmanın daha önemli hale geldiğini gösteriyor.
