Bir Sonraki CPU Krizi: Yapay Zeka Ajanınızın Daha Hızlı GPU'ya Değil, Bir Plana İhtiyacı Var

Son üç yıldır aynı cümle her yerde karşımıza çıkıyor: yeterli donanım yok. Yeterli GPU yok, yeterli hızlı depolama yok, yeterli bellek yok. Fiyatlar artıyor, teslim süreleri uzuyor ve yazılım yazarak geçinen insanların bir anda VRAM’in de NVMe’nin de ne demek olduğunu öğrenmesi gerekiyor.

Şimdi devam filmi geliyor ve ilkinden daha tuhaf. Çip kıtlığının yeni dalgası, “yapay zeka düşüncesini” yapan gösterişli çiple ilgili değil. Kutudaki en sıradan çiple ilgili: her şeyi çalıştıran, genel amaçlı işlemci, yani CPU.

Bu, uzak bir geleceğe dair bir öngörü değil. CPU kıtlığı çoktan başladı. Intel, sunucu işlemcilerinin fiilen tükendiğini ve sıkışmanın bu yılın başında zirve yapmasını beklediğini söyledi. AWS’nin mühendislerinden CPU döngülerinden tasarruf etmelerini istediği bildirildi. AMD, sunucu CPU tahminini ikiye katladı. Artık soru “olacak mı” değil; “ne kadar büyük olacak” ve daha dalga yükselmeden yapay zeka ile iş yapan herkesin ne yapması gerektiği.

Yapay Zeka Ajanınız Neden Gününü CPU’da Geçiriyor?

Önce bir ajanın aslında ne yaptığına bakalım. Bir sohbet botuna soru sorduğunuzda tek bir model cevap üretir ve ağır işi GPU yapar. Bir yapay zeka ajanından bir iş yapmasını istediğinizde — seyahat planlamak, bir hatayı düzeltmek, bir satın alma araştırması yapmak — iş bambaşka görünür.

Model hedefi okur ve adımlara böler. Bir arama aracı çağırır. Kod çalıştırır. Veritabanını kontrol eder. Daha küçük bir alt ajana (kendi görevi olan yardımcı bir programa) bir şey bakmasını söyler. Sonucu kontrol eder, bir şeyin eksik olduğunu fark eder ve başa döner. Bu adımlar dansının bir adı var: orkestrasyon. Neredeyse tamamı CPU’da çalışır.

AMD —ki bunun vurgulanmasında kendi çıkarı var— tipik bir ajan akışının sekiz aşamasının yedisini CPU işi olarak sayıyor. Satış konuşmasını bir kenara bırakınca temel gerçek duruyor: GPU, sürecin yalnızca tek bir parçasında, modelin düşündüğü anda devrede. O anın etrafındaki her şey sıradan bilgi işlem işi: API çağrıları, dosya işlemleri, izin kontrolleri, sonuçları ayrıştırma. Bu hareketli parçalar, kendi kendine kurulan bir kutunun sessizce yaşlanmasına da yol açar; bunun bedelini Kurup Bırakılan Sistemler yazısında ölçtüm.

Ve bir istek nadiren tek bir istek olarak kalır. Tek bir komut, onlarca alt ajana ve yüzlerce araç çağrısına (ajanın dış yazılımlara yaptığı istekler) yayılabilir. Geçen yıl Hugging Face’te kontrolden çıkan bir OpenAI ajanı saatte 300’e kadar aksiyon yaptı. Bunu her kullanıcı, her gün için çarptığınızda, sıradan çipin yapacak epey işi var.

Yavaş Olan Model Değil

Planlamanızı değiştirmesi gereken bulgu şu. Georgia Tech ve Intel’den araştırmacılar ajan iş yüklerini baştan sona incelediklerinde, araç ağırlıklı görevlerde araçların CPU’da işlenmesinin toplam sürenin %88’ine kadar çıktığını gördü. Sade bir dille: “yapay zeka” kısmı çoğu zaman boşta duruyor ve akışın geri kalanını bekliyordu.

Aynı çalışma daha da işe yarar bir şey buldu. Güçlü CPU’lu, mütevazı GPU’lu bir makine; en üst düzey GPU’lu, zayıf CPU’lu bir makineyle aynı baştan sona hızı yakaladı. Pahalı olan parça, her zaman önemli olan parça değildi.

Şimdi bu deseni bir sektör ölçeğinde çarpın. Altyapı planlamacılarını uykusuz bırakan sayılar:

Ne değişiyor	Kısa süre önce	Nereye gidiyor
Yapay zeka veri merkezlerinde GPU başına CPU	her 4–8 GPU’ya 1 CPU	1:1’e doğru, bazen daha CPU ağırlıklı
Gigawatt yapay zeka kapasitesi başına CPU çekirdeği	yaklaşık 30 milyon	yaklaşık 120 milyon (dört kat sıçrama)
Çıkarıma harcanan işlem gücü	2023’te yaklaşık üçte bir	2026’da yaklaşık üçte iki

Satıcı sayılarını şüpheyle okuyun: AMD ve Intel CPU satıyor ve yayımladıkları her tahmin aynı zamanda bir satış konuşması. Ama yön, sonucunda çıkarı olmayan bağımsız kaynaklarla ve akademik çalışmalarla örtüşüyor.

Kıtlıklar Neden Dalga Dalga Gelir?

Birinci dalgaydı. İkinci dalga bellek: DRAM spot fiyatları bir yılda yaklaşık on kat artarken GPU fiyatları yeni arz geldikçe geriledi. Şimdi CPU’lar. Her dalganın şekli aynı. Herkesin çözülmüş bir problem olarak gördüğü bir bileşen bir anda darboğaza dönüşüyor, çünkü iş yükü fabrikalardan daha hızlı şekil değiştiriyor.

Bu ilk gerileme tutmadı. Sabit fiyatlı bellek sözleşmeleri 2025 sonunda bitti, ve 2026’da aynı tedarikçiler kartları spot piyasaya karşı fiyatlamaya başladı. Dalganın o yarısını ayrı yazdım: RTX 5080 24GB ve 16GB Sınıfı: 2027 Fiyat Öngörüsü.

Bir çip fabrikasını bir çeyrekte kuramazsınız. Arz yavaş cevap verir, yıllarla; talep ise aylarla değişir. Kazanan hamle piyasayı beklemek değil. Piyasanın ruh halinin giderek daha az önemli olması için kendi talebinizi yeterince iyi anlamaktır.

Donanımınızı Tanıyın, İşinizi Ona Göre Ölçün

Çoğumuzun ofiste gördüğü bir hata var. Bir şirket yeni bir çalışanı işe alır ve ilk gün ona son model bir bilgisayar verir — işi çoğunlukla e-posta ve tablolar olduğu halde. Aynı kattaki geliştirici ise on yıllık eski bir dizüstüyle boğuşur, her derlemede dakikalarca bekler ve herkesten aynı verimi göstermesi istenir. Her iki durumda da sorun kişi değildir. Ona verilen ile işin gerçekten ihtiyacı olan arasındaki uçurumdur.

Yapay zeka ajanları da tam olarak aynı muameleyi görür. Cömert bir bütçeye sahip bir ekip en üst düzey GPU’ları alır, sonra onları basit ve tekrarlayan ajan döngülerinde çalıştırır; çoğunlukla sıradan CPU gücü gerektiren iş için premium fiyat öder. Başka bir ekip tersini yapar: birkaç küçük makine, yüzlerce ajan ve gün boyu büyüyen bir kuyruk; herkes modelin yavaş olduğundan şikâyet ederken. İkisinin de sorunu yapay zeka değildir. İkisi de boyutlandırma sorunudur.

Tüm çıkarım tek cümleye sığar: donanımınızın hızını bilin, kapasitesini bilin ve ona verdiğiniz işi buna göre tasarlayın.

Hızı bilin. Her şeyi optimize etmeden önce zamanın aslında nereye gittiğini ölçün. Çoğu ekip yanlış tahmin eder. Modelin yavaş kısım olduğunu varsayarlar; oysa saatler araç çağrılarında, veri getirmede ve ayrıştırmada geçer. Gerçek bir görevi baştan sona profilleyin. Sürprizler, donanımı almadan önce çok daha ucuzdur.

Kapasiteyi bilin. Kapasite yalnızca GPU-saatleri değildir. Ajanlar için CPU çekirdekleri, bellek ve veri akışıdır. Bir ajan sessizdir. On bin eşzamanlı ajan, sürekli küçük talepler üreten bir sunucu çiftliğidir. Bütçeyi yalnızca model token’larıyla değil, eşzamanlı görev ve çekirdek sayısıyla yapın.

İşi ona göre tasarlayın. Hızı ve kapasiteyi bir kez bildiniz mi, işin kendisi ayarlanabilir hale gelir. Basit adımlarda daha küçük ve hızlı bir model kullanın; büyük modeli gerçekten gerektiren kısımlara ayırın. Araç çağrılarını tek tek yapmak yerine toplu yapın. Tekrar tekrar bakılan sonuçları önbelleğe alın. Ajanın taşıdığı bağlamı kırpın; her adımda tüm geçmişi göndermeyin. Her yerde anında cevap talep etmek yerine işi kuyruğa alın. Bunların hiçbiri yeni donanım gerektirmez. Her biri, elinizdeki donanımın yapabildiğini çarpan ederinde artırır.

Bu Hafta Ne Yapmalı?

Ekibinizin çalıştırdığı gerçek bir ajan görevini seçin ve profilleyin. Saniyelerin nereye gittiğini yazın: model, araçlar, veri getirme, bekleme. Sonra üç soru sorun. Zaman aslında nereye gidiyor? Çekirdeklerinizin ve belleğinizin taşıyabileceği eşzamanlı görev tavanı nedir? Ve hangi adımlar gerçekten pahalı modele ihtiyaç duyuyor?

Çip piyasası kendi bildiğini yapacak. Kıtlıklar bir bileşenden diğerine kaymaya devam edecek, manşetler gelmeye devam edecek. Kendi sayısını bilen bir ekip bu manşetleri farklı okur: tehdit olarak değil, bilgi olarak.

Sık Sorulan Sorular

CPU’lar GPU’ların yerini mi alacak? Hayır. GPU’lar modelin çalıştığı yer olmaya devam ediyor. Değişen şey, modelin etrafındaki denge: ajan sistemlerinin CPU tarafındaki işi, GPU tarafından daha hızlı büyüyor.

CPU kıtlığı gerçek mi, yoksa sadece pazarlama mı? İki sinyal de var. Intel ve AMD CPU satıyor ve bu hikâyede çıkarları var. Ama kapasite raporları, fiyat artışları ve ajan iş yüklerinin bağımsız akademik analizleri aynı yöne işaret ediyor.

Ajanımın CPU’ya takılıp takılmadığını nasıl anlarım? Bir görevi baştan sona profilleyin. Araçlar çalışırken GPU boşta kalıyorsa veya GPU kapasitesini artırmak bitiş süresini iyileştirmiyorsa, darboğaz başka yerdedir; genellikle CPU tarafındaki araç çalıştırma ve orkestrasyondadır.

Bu durum düzelecek mi? Arz büyüyecek ve fiyatlar GPU’larda olduğu gibi sonunda oturacak. Ama iş yükleri şekil değiştirmeye devam ediyor. Kendi donanımınızı ve kendi işinizi bilmek geçici bir çözüm değil, kalıcı bir avantajdır.

---

Fotoğraflar: “Sun Rack Mount Servers” — Raysonho (kamu malı) ve “Hitachi HD61700 mikroişlemci die shot” — Piotr433 (CC0), Wikimedia Commons üzerinden. Diyagramlar özgün olarak hazırlanmıştır.