OpenAI, Google’ın geliştirdiği yapay zeka çiplerini temin etmeyi planladığını duyurdu. Şirket, bu hamleyle altyapı bağımlılığını azaltarak model eğitim maliyetlerini düşürmeyi hedefliyor. Çip alımının ne zaman gerçekleşeceği ve fiyat detayları henüz açıklanmadı.
Öne çıkanlar
OpenAI, Google TPU'larını satın almayı planlıyor
Alım, model eğitim maliyetlerinde %15 tasarruf vaat ediyor
Satın alma süreci 2026 ikinci çeyreğinde tamamlanacak
Haberin Detayı
OpenAI, yapay zeka araştırma ve geliştirme süreçlerini hızlandırmak amacıyla Google’ın Tensor Processing Unit (TPU) çiplerini satın almayı planladığını resmi bir açıklamayla bildirdi. Şirket, bu adımın uzun vadeli altyapı stratejisine hizmet edeceğini vurguladı.
Google’ın TPU’ları, özellikle büyük ölçekli dil modellerinin eğitimi için optimize edilmiş yüksek performanslı donanım olarak biliniyor. OpenAI, bu çipleri entegre ederek mevcut veri merkezlerinde işlemci verimliliğini artırmayı ve enerji tüketimini azaltmayı amaçlıyor. İlk değerlendirmelere göre, yeni çiplerin kullanımı eğitim maliyetlerini yaklaşık yüzde on beş oranında düşürebilir.
Satın alma sürecinin 2026’nın ikinci çeyreğinde tamamlanması öngörülüyor. OpenAI, bu dönemde çiplerin teslim alınması ve mevcut sistemlere entegrasyonu için bir yol haritası hazırladı. Şirket, ayrıca Google ile uzun vadeli bir iş ortaklığı kurarak çip güncellemeleri ve teknik destek konularında karşılıklı fayda sağlamayı planlıyor.
Bu hamle, OpenAI’nin rakipleriyle olan rekabetinde kritik bir avantaj elde etmesini mümkün kılıyor. Microsoft ve Amazon gibi büyük bulut sağlayıcıları da benzer donanım yatırımları yaparken, OpenAI’nin doğrudan çip üreticisiyle iş birliği kurması, model geliştirme hızını ve maliyet yapısını yeniden şekillendirebilir.
Gelecekte OpenAI, satın aldığı TPU’ları sadece kendi modelleri için değil, dış müşterilere de sunarak ek bir gelir kaynağı yaratmayı değerlendirebilir. Böyle bir strateji, yapay zeka hizmetlerinin daha geniş bir kullanıcı kitlesine ulaşmasını ve sektördeki donanım tedarik zincirinin çeşitlenmesini sağlayabilir.
AI YORUMUHaberinAi editör analizi
OpenAI’nin Google TPU’larını satın alması, altyapı bağımlılığını azaltarak maliyet verimliliği sağlaması bakımından kritik bir adım. Çiplerin yüzde on beşlik tasarruf potansiyeli, özellikle büyük ölçekli model eğitiminde önemli bir rekabet avantajı sunar. Bu durum, araştırmacı ve geliştiricileri düşük maliyetli yüksek performanslı donanıma yönlendirecek, aynı zamanda bulut sağlayıcılarıyla rekabeti yeniden şekillendirecek. Ancak entegrasyon sürecinin zamanlaması ve teknik uyumluluk, başarıyı belirleyecek temel faktörler olacaktır.
Microsoft ve OpenAI ortaklığıyla geliştirilen yapay zekâ sistemi Diagnostic Orchestrator, karmaşık tıbbi vakalarda uzman doktorların teşhis oranlarını geride bıraktı. Bilimsel bir araştırmada test edilen sistem, acil servis ve vaka raporlarında yüksek doğruluk seviyeleri yakaladı.
NEJM vakalarında yapay zekâ sistemi yüzde 83 doğruluk oranına ulaştı.
Genel hekimlerin referanslı test başarısı yüzde 36 seviyesinde kaldı.
Sistem, OpenAI altyapısıyla çoklu ajan mimarisini temel alarak çalışıyor.
Teknoloji dünyasının dev isimlerinden Microsoft, yapay zekânın sağlık sektöründeki kullanım sınırlarını zorlayan yeni bir projeyi kamuoyuna tanıttı. OpenAI teknolojileriyle beslenen Diagnostic Orchestrator adı verilen bu yeni mimari, tek bir model yerine bir uzman hekim kurulu mantığıyla hareket ediyor.
Science dergisinde paylaşılan kapsamlı araştırma sonuçlarına göre sistem, hastaların geçmiş verilerini ve semptomlarını inceleyerek tıpkı bir klinik heyet gibi test aşamalarına karar veriyor. Test sürecinde New England Journal of Medicine bültenindeki yüzlerce vaka ile Boston'daki bir hastanenin acil servis verileri hazırlandı.
Gerçekleştirilen testlerde yapay zekâ, NEJM vakalarında yüzde 83 oranında doğru teşhis koyarken referans kullanan genel hekimlerin başarısı yüzde 36 oldu. Referans kullanmayan hekimlerin oranı ise yüzde 22 seviyesinde gerçekleşti.
Acil servis senaryolarında da benzer bir tablo ortaya çıktı ve sistem yüzde 80 doğruluk yakalarken insan hekimlerin ortalaması yüzde 47 olarak ölçüldü. Altyapının gelişim sürecinde GPT-5 modelinden faydalanıldığı ve çoklu ajan koordinasyonunun bu başarıda pay sahibi olduğu belirtildi.
Microsoft AI CEO'su Mustafa Suleyman, teknolojinin hastanelerde rutin kullanıma girmesi için henüz erken olduğunu ve uzun bir test sürecine ihtiyaç duyulduğunu ifade etti. Şirket, sistemin gerçek hastane ortamındaki performansını görmek amacıyla önümüzdeki aylarda klinik doğrulama testleri başlatmayı planlıyor.
AI YORUMU
Teknoloji devlerinin sağlık sektöründe iddialı adımlar atması, teşhis süreçlerinin geleceğini kökten değiştirebilecek potansiyel barındırıyor. Yüzde 83 gibi yüksek bir doğruluk oranının yüzde 36'lık hekim ortalamasıyla kıyaslanması, yapay zekânın veri işleme hızındaki ezici üstünlüğünü net biçimde ortaya koyuyor. Gerçek hayat koşullarında hastane verileriyle test edilmeden bu sistemlerin tek başına karar mekanizması olması ciddi riskler barındırabilir. Önümüzdeki aylarda yapılacak klinik doğrulamalar, bu tür asistan araçların hastanelerde ne kadar güvenle konumlandırılacağını belirleyecek.
OpenAI, yapay zeka modellerinin matematik, fizik ve bilgisayar bilimindeki üç karmaşık problemi çözdüğünü duyurdu. Şirket, bu çıktıları ham araştırma verisi olarak nitelendirerek bilimsel toplulukla şeffaf bir paylaşım süreci başlattığını açıkladı.
OpenAI, matematiksel kanıtlar, kuantum fiziği ve hesaplama karmaşıklığı üzerine üç yeni çözüm geliştirdi.
Matematikte dalgaların yoğunlaşma davranışını ele alan yerel düzgünleşme varsayımı tüm boyutlarda kanıtlandı.
Simons Foundation ve Anthropic ile birlikte 15 milyon dolarlık bilimsel destek programı oluşturuldu.
OpenAI, geliştirdiği yapay zeka modellerinin akademik dünyayı sarsabilecek üç farklı bilimsel problemde yeni ve özgün sonuçlar ürettiğini resmen ilan etti. Şirket, bu çıktıları henüz olgunlaşmamış ham araştırma verileri olarak tanımlarken, bulguların bilimsel geçerlilik kazanması için farklı disiplinlere özel yayın yöntemleri uygulayacağını belirtti. Özellikle matematik dünyasında büyük ilgi uyandıran çalışma kapsamında, dalgaların yoğunlaşma davranışını inceleyen yerel düzgünleşme varsayımı tüm boyutlarda ispatlandı. OpenAI mühendisleri, bu sonucun Kakeya ve Stein'ın kısıtlama varsayımlarını da kapsayan karmaşık bir denklemler bütününü çözdüğünü ifade ediyor.
Bilgisayar bilimleri alanında ise model, hesaplama problemlerinin zorluk derecesini belirleyen Üstel Zaman Hipotezi'nin hatalı olduğunu iddia eden veriler sundu. Bu iddialı bulgunun doğrulanması için Russell Impagliazzo, Ramamohan Paturi ve Ryan Williams gibi alanında uzman isimlerin yer aldığı özel bir inceleme grubu oluşturuldu. OpenAI, teorik düzeydeki bu ilerlemenin pratikte daha hızlı ve verimli algoritmalar geliştirmeye dönüştürülebilmesi için çok daha kapsamlı araştırmalar gerektiğini vurguluyor. Elde edilen verilerin bilgisayar dünyasındaki karmaşık algoritmik süreçleri nasıl hızlandıracağı, akademisyenlerin yapacağı detaylı incelemelerle netleşecek.
Fizik alanındaki çalışma ise kuantum renk dinamiği gibi karmaşık kuantum alan teorilerinin matematiksel olarak varlığını kanıtlamaya odaklanıyor. Nobel ödüllü fizikçi David Gross liderliğindeki ekip, yapay zekanın sunduğu bu teorik altyapıyı incelemek ve materyalleri kamuoyuyla paylaşmak üzere görevlendirildi. Şirket, bilimsel çıktıların paylaşım sürecinde disiplinlerin doğasına göre farklı yöntemler izliyor. Matematiksel veriler hızlıca paylaşılırken, bilgisayar bilimi ve fizik alanındaki bulgular bağımsız uzman grupların onayından geçtikten sonra yayımlanacak; araştırmacılara herhangi bir gizlilik kısıtlaması getirilmeyecek.
Şirket, yapay zekanın ürettiği bu keşifler üzerinde hiçbir akademik paye veya mülkiyet hakkı talep etmeyeceğini açıkça beyan etti. Bu adım, yapay zeka destekli bilimsel araştırmaların değerlendirilmesi için hazırlanan geniş kapsamlı destek programının merkezinde yer alıyor. Simons Foundation ve Anthropic ile kurulan iş birliği çerçevesinde toplam 15 milyon dolarlık kaynak taahhüdü verildi. Bu finansman, araştırmacıların yeni yapay zeka araçlarını ücretsiz kullanmalarını ve bilimsel süreçlerde ortak standartlar geliştirmelerini kolaylaştıracak.
Gelecek dönemde yapay zekanın bilimsel keşiflerde bir yardımcıdan ziyade bir 'yaratıcı ortak' olarak konumlanması hedefleniyor. Akademik çevreler, yapay zeka modellerinin sunduğu bu ham teorik verilerin, laboratuvar deneyleri ve uygulamalı testlerle desteklenip desteklenemeyeceğini tartışıyor. OpenAI'ın bu şeffaf yaklaşımı, bilim dünyasında yapay zeka kullanımına dair önyargıları kırmayı ve daha hızlı inovasyon süreçlerini tetiklemeyi amaçlıyor. Araştırmacılar, bu yeni araçların bilimsel literatüre kazandıracağı hızın, geleneksel yöntemlerle yıllar sürebilecek hesaplamaları haftalara indirebileceğini öngörüyor.
AI YORUMU
OpenAI'ın akademik paye talep etmeden ham verileri araştırmacılara açması, yapay zekayı bir 'araç' konumundan 'bilimsel iş ortağı' seviyesine taşıma stratejisidir. Özellikle 15 milyon dolarlık kaynak aktarımı, bu modellerin sadece sohbet botu olmadığını, karmaşık fizik ve matematik problemlerini çözebilen birer araştırma asistanı olduğunu kanıtlıyor. Akademik dünya, bu verileri kendi yöntemleriyle doğruladığında, yapay zekanın bilimsel metot üzerindeki etkisi geleneksel yöntemlerin üzerine çıkabilir. Teorik kanıtların pratikteki algoritmalara yansıması, yazılım dünyasında işlem hızı konusunda mevcut standartları geride bırakacak bir sıçrama yaratabilir.
Yapay zeka modellerinin farklı dillerdeki performans farkları, ana dili İngilizce olmayan kullanıcılar için gizli bir maliyet oluşturuyor. Küresel ölçekte geliştirilen bu sistemler, İngilizce dışındaki dillerde daha düşük doğruluk payı ve yüksek işlem süresi sergileyerek kullanıcı deneyimini doğrudan sınırlıyor.
İngilizce dışındaki diller yapay zeka sistemlerinde gizli bir vergi etkisi oluşturuyor.
Modellerin çok dilli performansındaki düşüş, kullanıcılar için ek veri maliyeti doğuruyor.
Düşük doğruluk oranları, ana dili farklı olan kullanıcılar için operasyonel kayıplara yol açıyor.
Yapay zeka teknolojilerinin dünya genelinde yaygınlaşmasıyla birlikte, sistemlerin dil işleme kapasitelerindeki eşitsizlikler daha belirgin hale geliyor. Geliştirilen büyük dil modelleri genellikle İngilizce veri setleri üzerine inşa edildiği için, diğer dillerde işlem yaparken ciddi performans sorunları yaşıyor. Kullanıcılar, kendi ana dillerinde daha az hassas sonuçlarla karşılaşırken, bu durum sistemin verimliliğini düşüren gizli bir engel haline geliyor.
Dil bariyerleri yalnızca anlamsal hatalarla sınırlı kalmayıp, modellerin işlem mantığını da doğrudan etkiliyor. İngilizce dışındaki dillerde eğitim verisi eksikliği, sistemlerin bağlamı doğru kavrayamamasına ve daha fazla hata üretmesine neden oluyor. Bu durum, özellikle profesyonel iş akışlarında veya akademik çalışmalarda sistemden alınan verimin düşmesine yol açarak kullanıcıların daha fazla vakit kaybetmesine sebebiyet veriyor.
Yapay zeka modellerinin çok dilli yetenekleri, farklı bölgelerdeki dijital uçurumu derinleştiren bir faktör olarak karşımıza çıkıyor. İngilizce konuşan kullanıcılar sistemden yüksek hız ve doğruluk alırken, diğer dilleri kullananlar bu teknolojiye ulaşmak için daha fazla çaba sarf etmek zorunda kalıyor. Geliştirici şirketlerin veri setlerini çeşitlendirme konusunda yaşadığı zorluklar, bu teknolojik dengesizliğin temel nedenleri arasında yer alıyor.
Sistemlerin işlem süreçleri incelendiğinde, farklı dillerin teknik altyapılarda ek bir yük getirdiği gözlemleniyor. Karmaşık komutların İngilizce dışındaki dillerde işlenmesi, sunucu tarafında daha fazla hesaplama gücü gerektirirken, kullanıcı tarafında ise tatmin edici olmayan sonuçlar doğurabiliyor. Bu teknik kısıtlamalar, yapay zekanın demokratikleşmesi önündeki en büyük engellerden biri olarak görülüyor.
Gelecek dönemde dil çeşitliliğine odaklanan modellerin, bu eşitsizliği gidermek adına daha yerel veri setlerine yönelmesi hedefleniyor. İngilizce merkezli bir yapıdan uzaklaşan sistemlerin, küresel ölçekte daha adil bir hizmet sunması için yatırımların bu yöne kayması bekleniyor. Ancak mevcut durumda, kullanıcıların karşılaştığı dil kaynaklı bu gizli maliyetler, dijital dünyadaki fırsat eşitliğini zedelemeye devam ediyor.
AI YORUMU
Yapay zeka modellerini yalnızca İngilizce merkezli bir yapıda tutmak, teknolojinin küresel kapsayıcılığını sınırlayan bir tercihtir. Geliştiriciler, veri setlerinde İngilizce dışındaki dilleri yeterince temsil etmediği sürece bu sistemlerin sunduğu verim, dil bazlı bir eşitsizlik yaratacaktır. Özellikle çok dilli iş süreçlerinde İngilizce kullanan bir şirket ile başka bir dili kullanan şirket arasındaki çıktı kalitesi farkı, rekabeti adaletsiz kılar. Yerel veri setlerine yatırım yapılmadığı sürece, bu modellerin sunduğu avantajlar belirli bir coğrafi sınırın ötesine geçemeyecektir.
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.
