Google, Frozen V2 ile TSMC’nin paketleme bağımlılığına son veriyor

Yapay zeka modellerinin ihtiyaç duyduğu işlem gücünü karşılamak için teknoloji şirketleri, Nvidia’nın yüksek maliyetli ve tedarik sıkıntısı yaşanan GPU’larına alternatif özel çip yatırımlarını hızlandırıyor. Google’ın Tensor İşleme Birimleri ile Amazon’un Trainium serisi bu dönüşümün öncüleri arasında yer alırken, Morgan Stanley tarafından yayımlanan son analiz raporu Google’ın yarı iletken mimarisinde köklü bir değişikliğe hazırlandığını ortaya koydu. Şirketin “Frozen V2” kod adıyla geliştirdiği yeni nesil TPU’nun, yapay zeka çipi üretimindeki en önemli fiziksel ve ticari darboğazlardan biri olan gelişmiş paketleme süreçlerine duyulan ihtiyacı azaltması planlanıyor.

SRAM DOĞRUDAN SİLİKONA YERLEŞTİRİLECEK

Yarı iletken sektöründe bir süredir Google ile çip tasarım ortağı MediaTek’in, TSMC’nin sınırlı paketleme kapasitesine karşı Intel’in EMIB-T teknolojisine geçebileceği öne sürülüyordu. Analistler, Intel’in çözümünün orta segment işlemciler için uygun olabileceğini, yüksek performanslı yapay zeka çiplerinde ise TSMC’nin CoWoS paketleme teknolojisinin öne çıktığını belirtiyordu. Google ise bu bağımlılığı başka bir üreticiye taşımak yerine çip mimarisini değiştirmeyi tercih etti. Frozen V2’de SRAM, ayrı bir katman veya paketleme aşaması olarak kullanılmak yerine doğrudan silikon üzerine entegre edilecek. Böylece CoWoS gibi maliyetli ve kapasitesi sınırlı paketleme süreçlerine duyulan ihtiyacın ortadan kaldırılması, işlemci ile bellek arasındaki veri aktarım mesafesinin azaltılması ve işlem hızının artırılması hedefleniyor.

SERİ ÜRETİM 2028’DE HIZLANACAK

Morgan Stanley analistlerine göre Frozen V2’nin ilk örnekleme ve erken üretim süreci önümüzdeki yıl başlayabilir. Seri üretimin ise 2028 yılında hız kazanması bekleniyor. Tasarım ve üretim ortaklığı için Marvell gibi şirketlerin adı geçerken, Google henüz resmi bir tedarikçi açıklamadı. Benzer bir bellek içi hesaplama yaklaşımı, yılın başında yapay zeka çipi girişimi Taalas tarafından da sergilendi. Bu yöntemde sinir ağı ağırlıklarının doğrudan silikona işlenmesiyle veri aktarımındaki darboğazların azaltılabileceği gösterildi.

ESNEKLİK VE ÜRETİM RİSKİ TAŞIYOR

Belleğin doğrudan silikona entegre edilmesi hız ve maliyet avantajı sağlarken, üretim ve esneklik açısından bazı riskleri de beraberinde getiriyor. Yeni bir yapay zeka modeli geliştirildiğinde çipin bellek yapısı donanımsal olarak değiştirilemediği için yeni bir tasarım ve üretim sürecine ihtiyaç duyulabilecek. Bu durum, TSMC gibi dökümhanelerin her yeni üretim partisinde ekipmanlarını yeniden kalibre etmesini gerektirebilir. Buna rağmen Gemini modellerine özel olarak optimize edilen Frozen V2’nin ticarileşmesi halinde Google’ın veri merkezi altyapı maliyetlerini azaltması ve Nvidia’nın GPU pazarındaki fiyatlama gücüne karşı yeni bir alternatif oluşturması bekleniyor.