Huawei, HUAWEI CONNECT 2026 etkinlikleri sırasında yapay zekâ modellerinin ve çıkarım ile eğitim iş yüklerinin hızlı genişlemesine ayak uydurabilecek bir altyapı geliştirme vizyonunu sundu. Şirketin Yönetim Kurulu Başkan Yardımcısı ve dönüşümlü başkanı David Wang tarafından gerçekleştirilen açılış konuşmasında Huawei, yapay zekâ uygulamalarını genişletmenin temeli olarak hesaplama ve bağlantı yeteneklerinin güçlendirilmesine odaklandı.
Şirketin vizyonu, çok sayıdaki hesaplama düğümünü yüksek hızlı, birleşik bir ortamda birbirine bağlamayı amaçlayan SuperPoD ve SuperCluster teknolojilerine dayanıyor. Huawei, bu yaklaşımın büyük ölçekli iş yüklerinin daha verimli biçimde ele alınmasını sağladığını ve müşterilerin kendi tesislerinde ya da bulut üzerinden kullanabileceği hesaplama seçenekleri sunduğunu belirtiyor.
Uzmanlaşmış bir altyapıya duyulan ihtiyaç neden artıyor?
Huawei, yaklaşımını model boyutlarının ve yapay zekâ ajanlarının yeteneklerinin büyümesine bağlıyor. Şirketin sunduğu rakamlara göre büyük modellerin parametre sayısı 10 trilyona yaklaşıyor ve bu sayının 2030 yılına kadar 100 trilyonu aşması bekleniyor. Akıllı telefon modellerinin boyutu da 2024'teki 3 milyar parametreden şu anda 30 milyara yükseldi; 100 milyar parametre içeren modellerin ortaya çıkışı da yaklaşıyor.
Çıkarım alanında ise Çin'deki günlük hacim yaklaşık 500 trilyon tokena ulaştı ve Huawei bunun 2030'a kadar katrilyon seviyesine çıkmasını bekliyor. Bu artış, özellikle on binlerce sinirsel işlem birimini bir araya getiren ortamlarda sistemlerin performansı ve güvenilirliği üzerinde daha büyük bir baskı oluşturuyor.
Simülasyon sonuçları ve pratikteki anlamı
Huawei, geleneksel altyapı bileşenleri arasındaki iletişim işlemlerinin modellerin toplam eğitim süresinin yüzde 40'ından fazlasını tüketebileceğini ve bunun hesaplama kapasitesinden yararlanma verimliliğini sınırladığını açıkladı. Şirkete bağlı Markov Lab tarafından gerçekleştirilen bir simülasyonda, her biri 4 bin NPU içeren SuperPoD'lar kullanılarak oluşturulan 100 bin NPU'luk bir grup, her biri 8 NPU içeren sunuculara dayanan benzer bir gruba kıyasla hesaplama kapasitesinden yararlanma verimliliğinde 2,75 kata varan artış sağladı.
Bu sonuç, büyük ölçekli modellerin eğitimi sırasında birimler arasındaki iletişim süresini azaltmanın önemini açıklıyor; ancak bu, bağımsız olarak yayımlanmış ve gerçek bir çalışma ortamında yapılmış bir ölçüm değil, bir simülasyon sonucu olmaya devam ediyor. Bu nedenle içerik, duyurulan farkı ortaya çıkaran iş yükleri, yazılımlar veya test koşullarına ilişkin ayrıntıları tek başına açıklamıyor.
Atlas'ın yaygınlaşması ve ekosistem desteği
Huawei, şimdiye kadar 1000'den fazla Atlas 900 A3 SuperPoD cihazını devreye aldığını, Atlas 950 SuperPoD'un ise geniş çaplı ticari yayılım gösterdiğini söyledi. Şirket ayrıca sistemleri üzerinde temel modellerin eğitilmesini desteklediğini ve açık hesaplama ekosistemleri kapsamında geniş bir model ve uygulama yelpazesinin çalıştırılmasına olanak sağladığını belirtti.
Şirketin stratejisi, sınırlı, orta ve büyük ölçekli hesaplama kapasitesini kapsıyor. Bu strateji, yapay zekânın cihazlarda ve araçlarda kullanımını genişletirken yeni nesil iletişim ağlarının geliştirilmesini de sürdürüyor. Bu durum, Huawei'nin SuperPoD'u yalnızca bağımsız bir ürün olarak değil, işlemeyi, ağları, bulutu ve cihazları birbirine bağlayan daha geniş bir vizyonun parçası olarak sunduğuna işaret ediyor.