Yapay zeka donanımlarına olan yoğun talep, elektronik dünyasında ciddi bir baskılı devre kartı (PCB) tedarik krizini tetikledi. Üretim kapasitelerinin dolması nedeniyle bazı devre kartlarında teslimat süreleri 30 aya kadar uzarken, temel ham madde maliyetlerinde 12 katlık artışlar yaşanıyor.
Öne çıkanlar
PCB siparişleri, üretim kapasitesinin dolmasıyla 2030 yılına kadar tamamen kapandı.
Bazı ürünlerde teslimat süresi 30 aya ulaşarak üreticileri zor durumda bıraktı.
Bakır kaplı laminat maliyetleri temmuz ayından itibaren 12 kat birden yükseldi.
Haberin Detayı
Yapay zeka destekli donanımların küresel ölçekte artan ihtiyacı, bilişim sektörünün temel yapı taşlarından biri olan baskılı devre kartı üretimini ciddi bir dar boğaza soktu. RAM, ekran kartı ve SSD pazarlarında yaşanan arz sıkıntılarının bir benzeri, artık bilgisayarların kalbi sayılan PCB üretim süreçlerinde de gözlemleniyor. Sektör temsilcileri, yapay zeka donanımlarının mevcut üretim kapasitesini tüketmesi nedeniyle geleneksel elektronik ürünlerin ihtiyaç duyduğu parçalara yer kalmadığını belirtiyor.
Üretim hattındaki bu yoğunluk, tedarik sürelerini beklenmedik seviyelere taşıdı. Birçok PC üreticisi, gelecek yıl planladıkları ürün sevkiyatlarını güvence altına almakta zorlanırken, bazı siparişlerde teslimat beklentisi 30 aya kadar ulaştı. Bugün verilen yeni bir PCB siparişinin, üretim planlamasındaki darboğazlar sebebiyle 2028 yılının sonlarına ancak yetişebileceği ifade ediliyor. Bu durum, sadece son kullanıcı cihazlarını değil, tüm teknoloji tedarik zincirini etkileyen yapısal bir soruna dönüştü.
Üretim kapasitesini genişletmek isteyen PCB üreticileri ise ham madde tedariki konusunda başka bir engelle karşılaşıyor. Özellikle bakır kaplı laminatlar (CCL) ve özel fiberglas türleri gibi kritik girdilerin temini giderek zorlaşıyor. Tayvanlı üreticilerin paylaştığı güncel verilere göre, bu malzemelerin maliyeti temmuz ayından bu yana 12 kat artış gösterdi. Dünyanın en büyük CCL tedarikçilerinden birinin sipariş defteri şimdiden 2030 yılına kadar tamamen dolmuş durumda.
Yapay zeka işlemcileri için üretilen gelişmiş yonga alt tabakaları ise krizin çok daha özelleşmiş bir boyutunu temsil ediyor. Unimicron, önümüzdeki üç yıl içinde yonga altlığı üretim kapasitesini 2,5 katına çıkarmayı hedefleyerek pazardaki boşluğu doldurmaya çalışıyor.
Elektronik ürünlerin geçmişte düşük teknolojili parçaları arasında görülen PCB'ler, günümüzde stratejik bileşenler konumuna yükseldi. Sektörde kalifiye personel açığı da baş gösterirken, çalışan maaşlarında yüzde 30'a varan artışlar raporlanıyor. Üreticiler kapasite artırmak adına büyük yatırım planları hazırlasa da mevcut talebin bu genişleme hedeflerinin dahi üzerinde seyrettiği açıkça görülüyor.
AI YORUMUHaberinAi editör analizi
Donanım dünyası, yapay zeka furyasının yarattığı üretim baskısıyla daha önce görülmemiş bir tedarik çıkmazına girmiş durumda. Stratejik bileşen haline gelen PCB'ler, artık sadece fiyatlarıyla değil, 30 aya varan teslimat süreleriyle de ürün geliştirme süreçlerini kısıtlıyor. Üreticilerin maliyetlerdeki 12 katlık artışı dengelemeye çalışırken personel maliyetlerinde de yüzde 30'luk bir yükselişle karşılaşması, gelecek yıl için donanım fiyatlarında yukarı yönlü bir baskı oluşturabilir. Mevcut kapasite genişletme hamleleri 2028 yılına kadar tam verimle çalışsa dahi, yapay zeka odaklı talebin hızı bu yatırımları boşa çıkarabilir.
#PCB#donanım#yapay zeka#tedarik#çip krizi
AI'YA SORBu haber hakkında merak ettiklerini sorabilirsin
💬 Yorumlar
Hesap gerekmez · reklamsız
Yorumlar yükleniyor…
İlk yorumu sen yaz.
💬 Yorumlar kısa süre içinde açılacak. Bu arada görüşünü e-posta ile iletebilirsin.
NVIDIA, Blackwell mimarili GPU ve Grace CPU birimlerini tek bir süper çipte birleştiren RTX Spark platformunu tanıttı. ASUS, Dell ve Lenovo gibi markaların yeni nesil iş istasyonlarında kullanılan bu sistem, 128 GB birleşik bellek kapasitesiyle masaüstü bilgisayar performansını taşınabilir gövdelere sığdırıyor.
RTX Spark platformu 1 petaflop FP4 yapay zekâ performansı ve 128 GB birleşik bellek sunuyor.
ASUS, Dell, HP, Lenovo, Microsoft ve MSI iş birliğiyle 2.599 dolardan başlayan fiyatlarla satışa çıktı.
Nemotron 3.5 Transcribe ve LFM3 modelleri ile yerel cihaz üzerinde gelişmiş yapay zekâ desteği sağlandı.
ASUS, Dell, HP, Lenovo, Microsoft ve MSI tarafından geliştirilen cihazlar, Blackwell mimarili RTX GPU birimi ile Grace CPU mimarisini tek bir süper çip üzerinde birleştiriyor. Bu mimari yapı, GPU ve CPU arasındaki klasik veri yolu darboğazlarını tamamen ortadan kaldırarak performansı üst seviyeye taşıyor.
128 GB birleşik bellek havuzu, grafik işleme ve yapay zekâ modelleri arasında dinamik biçimde paylaştırılabiliyor. Bu sayede daha önce yalnızca çoklu GPU barındıran masaüstü sunucularda çalıştırılabilen 90 GB boyutundaki 3D render sahneleri veya karmaşık dil modelleri, prize bağlı kalmadan dizüstü bilgisayarlarda işlenebiliyor.
Donanım yeteneklerinin yanı sıra yazılım ekosistemini de genişleten NVIDIA, açık ağırlıklı Nemotron 3.5 Transcribe modelini platforma dahil etti. Yalnızca 4,3 milyar aktif parametre içeren bu model, Hugging Face Open ASR listesinde zirveye yerleşirken, 40 farklı dili yerel donanımda destekliyor. Ayrıca 1,7 milyar parametreli Liquid Foundation Models ailesi de e-posta yanıtlama ve takvim yönetimi gibi görevleri cihaz üzerinde gerçekleştirebiliyor.
Kullanıcı deneyimini iyileştirmek adına NVIDIA App yazılımına yeni bir kaynak yönetim aracı eklendi. Sistem içindeki gelişmiş sekmeler üzerinden erişilen bu özellik, Windows donanım hızlandırmalı GPU zamanlamasını kullanarak işlemci gücünün dağılımını kullanıcı tercihine bırakıyor. Oyun oynarken kare hızına odaklanmak ya da arka planda çalışan yapay zekâ ajanlarına işlemci gücü ayırmak, artık tek bir tıklama ile yapılabiliyor.
Oyun dünyası için de güncel teknolojiler sunan platform, DLSS 4.5 ve RTX Remix 1.6 desteğiyle dikkat çekiyor. Özellikle Phantom Blade Zero gibi popüler oyunlarda dinamik çoklu kare üretimi sayesinde performans artışı sağlanırken, Minecraft gibi yapımlar için tam yol izleme desteği getirildi. Tüm bu donanımlar, 2.599 dolardan başlayan fiyatlarla küresel pazarda profesyonel kullanıcıların erişimine sunulmuş durumda.
AI YORUMU
RTX Spark platformu, dizüstü bilgisayarların sadece taşınabilir birer ekran olmaktan çıkıp tam donanımlı yerel veri işleme merkezlerine dönüştüğünü kanıtlıyor. 128 GB birleşik bellek kapasitesi, özellikle mobil ortamda devasa 3D sahnelerle uğraşan profesyonellerin masaüstü bilgisayarlara olan bağımlılığını doğrudan kırabilir. Platformun 2.599 dolarlık başlangıç fiyatı, geleneksel iş istasyonlarıyla karşılaştırıldığında yüksek bir maliyet gibi görünse de, bulut bilişim hizmetlerine ödenen aylık ücretleri devre dışı bırakma potansiyeli taşıyor. Bu teknoloji, cihaz üzerinde çalışan yapay zekâ ajanlarının hızlanmasıyla birlikte, veri gizliliğine önem veren kurumsal firmalar için vazgeçilmez bir seçenek haline gelebilir.
Intel, yapay zeka modellerini çalıştırmak için tasarladığı Crescent Island kod adlı GPU D-series kartını resmen tanıttı. Yeni donanım, 160 GB LPDDR5X bellek ve 350 watt güç tüketimiyle doğrudan sunucu raflarını hedefliyor. Test süreçleri başlayan kartın bağımsız performans sonuçları ve nihai fiyatı henüz açıklanmadı.
Kart 350 watt güç tüketimiyle hava soğutmalı sunucularda kolayca çalışabiliyor.
Numune dağıtımı başlasa da kartın resmi satış fiyatı ve çıkış tarihi belirsiz.
Yarı iletken devi Intel, yapay zeka çıkarım süreçlerine odaklanan yeni PCIe hızlandırıcısı GPU D-series ailesini OCP Global Summit etkinliğinde tanıttı. Crescent Island kod adıyla bilinen ve amiral gemisi modeli D270 olarak adlandırılan kart, bünyesinde tam 160 GB LPDDR5X bellek barındırıyor. Şirket, test süreçleri kapsamında donanım üreticilerine ve kurumsal müşterilere numune gönderimlerinin başladığını duyurdu.
Teknik özellik tarafında kart, 1,3 petaflops FP8 işlem gücü ve saniyede 1,5 TB bellek bant genişliği sağlıyor. Kartın 350 watt seviyesindeki güç tüketimi, mevcut veri merkezlerinin sıvı soğutma yatırımı yapmadan standart hava soğutmalı sistemleri kullanmasına imkan veriyor. Nvidia ve AMD tarafındaki 600 watt sınırına dayanan alternatiflere kıyasla Intel, altyapı maliyetini düşük tutmayı amaçlayan bir yol haritası çiziyor.
Bellek mimarisinde ise pahalı ve tedariki zor olan HBM yerine mobil cihazlarda yaygınlaşan LPDDR5X tercih edilmiş durumda. Bu tercih kapasiteyi yukarı çekerken, bant genişliğinin AMD Instinct MI350P gibi üst düzey hızlandırıcıların sunduğu 4 TB/s seviyesinin oldukça gerisinde kalmasına yol açıyor. Uzmanlar, tekil kullanıcılarda hızın, çoklu kullanıcıya eşzamanlı hizmet veren sistemlerde ise geniş bellek kapasitesinin belirleyici olduğunu vurguluyor.
Intel etkinlikte yeni hızlandırıcının yanı sıra raf başına 46.000 çekirdeği aşabilen Xeon 6 tabanlı sunucu çözümlerini de sergiledi. Şirket, Meta'nın Muse Glimmer gibi modellerine doğrudan destek vereceğini belirtirken, Linux sürücülerinin açık kaynak ortamında geliştirilmeye devam ettiğini bildirdi. Ürünün piyasada gerçek bir başarı yakalayıp yakalamayacağını ise kart başına belirlenecek etiket fiyatı ve bağımsız performans testleri belirleyecek.
AI YORUMU
Intel'in HBM bellek çılgınlığından kaçıp LPDDR5X mimarisine yönelmesi, dev veri merkezlerinden ziyade bütçesini düşünen orta ölçekli şirketleri kurtaracak mantıklı bir kumar. Sıvı soğutma masrafına girmek istemeyen sunucu yöneticileri için 350 watt tüketim makul görünse de bant genişliğinin 1,5 TB/s sınırında kalması büyük dil modellerinde darboğaz yaratabilir. Şayet Intel kart başına biçtiği fiyatı agresif tutmazsa, bağımsız testler gelmeden bu donanımın pazarda kalıcı bir üstünlük kurması imkansız.
Eski Intel CEO'su Pat Gelsinger'ın desteklediği Z2RAM teknolojisi, SRAM'in hızını DRAM'in yüksek yoğunluğuyla birleştirerek yapay zeka hızlandırıcılarında yaşanan kapasite darboğazlarını aşmayı hedefliyor. İlk prototiplerde SRAM'e kıyasla 5 kat daha fazla bellek yoğunluğu sunması beklenen bu yeni mimari, donanım dünyasında önemli bir değişimi tetikleyebilir.
Z2RAM teknolojisi, SRAM'e göre 5 kat daha fazla bellek kapasitesi sunmayı hedefliyor.
İki transistörlü tasarımı sayesinde okuma sırasında veri bozulması ve gecikme yaşanmıyor.
Şirket, önümüzdeki 10 yıl içinde bu yeni bellek türünü ticari olarak sevkiyata başlamayı planlıyor.
Yapay zeka modellerinin ihtiyaç duyduğu devasa bellek kapasiteleri, mevcut donanım mimarileri üzerinde ciddi bir baskı oluşturuyor. Georgia Institute of Technology bünyesinde geliştirilen ve sektörün yakından tanıdığı Pat Gelsinger'ın da destek verdiği Z2RAM teknolojisi, bu soruna yeni bir çözüm sunuyor. SRAM'in yüksek erişim hızını DRAM'in yoğunluğuyla birleştiren bu hibrit yaklaşım, NAND Flash üretim tekniklerinden ilham alan katmanlı bir yapı kullanıyor.
Geleneksel DRAM teknolojisinde bir transistör ve bir kondansatörden oluşan hücre yapısı, veriyi okurken kondansatörün boşalmasına neden olduğu için sürekli yenileme gerektiriyor. Z2RAM ise iki transistörlü özgün yapısıyla bu sorunu ortadan kaldırıyor; ikinci transistörün kapı kapasitansı veriyi koruyarak okuma sonrası yeniden yazma ihtiyacını bitiriyor. Bu tasarım tercihi, bellek erişimindeki gecikme sürelerini ciddi oranda düşürerek yapay zeka işlemleri için gereken bant genişliğini verimli hale getiriyor.
Nagare Labs tarafından yürütülen geliştirme çalışmaları, 64 MB kapasiteli standart bir SRAM yongasının kapladığı alana 320 MB kapasiteli Z2RAM yerleştirilebileceğini öngörüyor. Bu yoğunluk artışı, Nvidia'nın Groq 3 gibi gelişmiş hızlandırıcılarında ihtiyaç duyulan bellek kapasitesini çok daha küçük fiziksel alanlarda sunulabilir kılıyor. Böylece sistemlerin ölçeklenebilirliği artarken, aynı iş yükünü yönetmek için gereken işlemci ve yonga sayısı azaltılabiliyor.
Teknolojinin entegrasyon süreci, AMD'nin 3D V-Cache çözümlerine benzer bir dikey yerleşim anlayışına dayanıyor. Oksit yarı iletkenler ve üç boyutlu hibrit bağlama yöntemlerini kullanan bu yapı, belleği doğrudan işlemci devrelerinin üzerine entegre etmeyi amaçlıyor. Bu sayede HBM veya LPDDR gibi güncel bellek çözümlerinden daha düşük maliyetli ve üretim açısından daha esnek bir yapı kurulması hedefleniyor.
Ancak projenin önünde hala ticarileşme aşamasına yönelik bazı engeller bulunuyor. İlk yatırım turunda 5 milyon dolar finansman sağlayan şirket, teknolojiyi laboratuvar ortamından çıkarıp endüstriyel standartlara uygun hale getirmek için ortak arayışlarını sürdürüyor. Özellikle hücrelerin uzun vadeli kararlılığı ve farklı donanım mimarileriyle uyum sağlayacak evrensel bir bağlantı standardının eksikliği, önümüzdeki on yıllık süreçte aşılması gereken temel teknik zorluklar arasında yer alıyor.
AI YORUMU
Yapay zeka donanımlarında yaşanan bellek darboğazı, artık sadece yazılım optimizasyonu ile aşılamayacak bir fiziksel sınır haline gelmiş durumda. Nagare Labs'in iki transistörlü tasarımı, DRAM'in yenileme kaynaklı enerji kayıplarını minimize ederek verimlilik anlamında büyük bir fark yaratabilir. Ticari sevkiyat için hedeflenen 10 yıllık sürede, özellikle oksit yarı iletkenlerin uzun vadeli hata payı oranları, teknolojinin gelecekteki başarısını belirleyen en kritik veri olacaktır. Mevcut SRAM çözümleriyle kıyaslandığında 5 kat kapasite artışı, sistem maliyetlerini düşürmek için tek başına yeterli değil; endüstrinin bu yeni hibrit yapı için evrensel bir 3D bağlama standardı oluşturması şart.
OpenAI, yapay zeka modellerini eğitmek ve çalıştırmak amacıyla Google tasarımı Tensor İşlem Birimi çiplerini satın almayı planlıyor. Şirketin Nvidia ve AMD ile olan mevcut donanım ortaklıklarına rağmen atılan bu adım, bilişim altyapısını çeşitlendirme stratejisinin bir parçası olarak öne çıkıyor.
OpenAI, Google tasarımı TPU çiplerini satın alarak kendi yapay zeka altyapısını genişletmeyi planlıyor.
Şirket, modellerini TPU çiplerine uyarlamak amacıyla özel bir mühendis ekibi kurmaya başladı.
OpenAI halihazırda Microsoft, AWS, Oracle ve Nvidia gibi devlerle büyük ölçekli altyapı iş birlikleri yürütüyor.
ChatGPT geliştiricisi OpenAI, yapay zeka altyapısını çeşitlendirmek adına radikal bir değişikliğe giderek doğrudan rakibi Google'ın geliştirdiği Tensor İşlem Birimi (TPU) çiplerini satın alma aşamasına geçti. The Information ve Bloomberg kaynaklarına dayanan bilgilere göre, taraflar henüz nihai bir imzaya varmamış olsa da, OpenAI'ın bu çipler üzerindeki çalışmaları erkenci bir aşamada devam ediyor. Şirket, yapay zeka modellerinin performansını artırmak amacıyla TPU mimarisine uyum sağlayacak uzman mühendisleri bünyesine katmaya odaklandı.
Google'ın TPU teknolojisi, şirketin kendi yapay zeka modellerini eğitmek ve çalıştırmak için özel olarak tasarladığı donanımlardan oluşuyor. OpenAI, Haziran 2025 tarihinden bu yana bu çiplere Google Cloud üzerinden erişim sağlayarak test süreçlerini yürütüyordu. Ancak, yeni planlar artık sadece kiralama modelini değil, doğrudan mülkiyet ve geniş ölçekli donanım tedarikini kapsıyor. OpenAI'ın çip ekibini yöneten Richard Ho'nun, geçmişte Google bünyesinde TPU geliştirme sürecinde yer almış olması, bu stratejik geçişin teknik altyapısını güçlendiren bir unsur olarak değerlendiriliyor.
Şirketin donanım stratejisi oldukça geniş bir yelpazeye yayılıyor. Eylül 2025'te Nvidia ile 10 gigawattlık bir niyet mektubu imzalayan OpenAI, kısa süre sonra AMD ile 6 gigawatt kapasiteli farklı bir anlaşma sağladı. Broadcom ile yürütülen özel çip geliştirme çalışmaları ise Haziran 2026'da ilk meyvesini verdi ve şirket, 2026 yılı bitmeden kendi özel çiplerini devreye almayı hedefliyor. Bu donanım yatırımları, bulut tarafında Microsoft'tan alınan 250 milyar dolarlık Azure hizmeti ve Amazon Web Services ile yapılan 38 milyar dolarlık yedi yıllık anlaşma ile destekleniyor.
Google cephesinde ise TPU çiplerinin pazar payı genişlemeye devam ediyor. Anthropic gibi önemli yapay zeka şirketleri, Google Cloud üzerinden milyonlarca TPU kapasitesi kullanırken, Google da 2026 yılı itibarıyla bazı müşterilere doğrudan çip satışına başladı. Alphabet finans direktörü Anat Ashkenazi, bu satışlardan elde edilecek gelirin asıl etkisinin 2027 yılı içerisinde bilançolara yansıyacağını belirtmişti. Ayrıca Google, Oracle ile yaptığı son iş birliği ile TPU kapasitesini Oracle Cloud Infrastructure üzerinden de sunarak, kendi bulut ekosisteminin dışına çıkmaya başladı.
OpenAI'ın bu hamlesi, Microsoft ile olan bulut bağımlılığını azaltma stratejisinin bir parçası olarak okunabilir. Nisan 2026'da Microsoft ile yapılan güncellenmiş anlaşma, OpenAI'ın tek bir bulut sağlayıcıya bağlı kalmadan farklı çözümlere yönelebileceğini gösterdi. Oracle ve SoftBank ile birlikte yürütülen Stargate projesi de şirketin kendi veri merkezlerini kurma vizyonunu destekliyor. Tüm bu adımlar, yapay zeka dünyasında donanım kıtlığına karşı şirketlerin kendi çiplerini üretme veya rakiplerin altyapılarını kullanma yarışının hızlandığını kanıtlıyor.
AI YORUMU
OpenAI'ın Google'ın kendi geliştirdiği TPU çiplerine yönelmesi, şirketin Nvidia üzerindeki donanım bağımlılığını azaltmak için sergilediği stratejik bir denge oyunudur. Modellerin TPU mimarisine tam adaptasyonu teknik zorluklar içerdiğinden, bu çiplerin ChatGPT yanıtlarına somut bir katkısı 2027 yılından önce beklenmemelidir. Google için ise bu adım, kendi bulut ekosisteminin dışına donanım satışı yaparak pazar payını artırma fırsatı sunuyor. Şirketler arası bu rekabet, yazılım geliştiricileri için daha esnek bir bulut altyapısı imkanı yaratırken, donanım tedarik zincirindeki tekelleşmeyi kırma potansiyeli taşıyor.
