CANLI
xAI, Imagine API’yi 2.0’a Yükseltmeye Hazırlanıyor: Görüntü ve Video Tek…·Microsoft MAI-Cyber-1-Flash’ı Duyurdu·Moonshot AI, Kimi K3 Model Ağırlıklarını ve Teknik Raporunu Açık…
11 Aug 2026 · 10:00 GMT+3
Ai Haber – Türkiyenin Yapay Zeka Haber Portalı
YAPAY ZEKA HABERLERI SAYI #856 11 Ağu 2026 · Salı

Nvidia CUDA: Cin Yapay Zeka Devlerinin Aslinda Kime İhtiyaci Var?

Nvidia CUDA: Cin Yapay Zeka Devlerinin Aslinda Kime İhtiyaci Var?Ne: Cin'in en gelismis yapay zeka modelleri, hâlâ Nvidia CUDA uzerinde eğitiliyor.

AiHaber Editör
Editör
2DK

Nvidia CUDA: Cin Yapay Zeka Devlerinin Aslinda Kime İhtiyaci Var?

Ne: Cin’in en gelismis yapay zeka modelleri, hâlâ Nvidia CUDA uzerinde eğitiliyor. Kim: South China Morning Post’un aktardigina gore birçok Cinli yapay zeka gelistiricisi bu durumu dogruladi. Nerede: Pekin, Shenzhen ve duger Cin teknoloji merkezleri. Ne Zaman: Agustos 2026. Neden: Huawei Ascend’e geçiş, CUDA kodunun CANN için tamamen yeniden yazilmasi gerektirdiginden, maliyeti yüzde 50 artiriyor. Nasil: Açik kaynak kodlu model varsa 2-3 mühendis bir ayda halledebilir; ancak yalnizca agirliklar mevcutsa 10+ mühendis alti ay gerekebilir.

Cin Yapay Zeka Devleri Neden Nvidia CUDA’ya Bağımlı?

SCMP’nin aktardigina göre, Cin’in önde gelen yapay zeka laboratuvarlari, en gelismis modellerini hâlâ Nvidia CUDA platformu uzerinde eğitmeye devam ediyor. Mesele yalnizca donanim degil; Cin’in en gelismis yapay zeka modellerinin neredeyse tamami Nvidia’nin CUDA yazilim ekosistemine bagimli şekilde çalışiyor.

Huawei Ascend Geçişi: Yuzde 50 Ek Maliyet

CAN (Compute Architecture for Neural Networks) olarak bilinen Huawei’nin hesaplama mimarisi, CUDA kodunun dogyrudan çalişmasini desteklemiyor. Açik kaynak modelin koduna erişim varsa, geçiş için 2-3 mühendis yaklaşik bir ay ek çalışma yapabiliyor. Ancak yalnizca model agirliklari mevcutsa ve kaynak kod yoksa, bu süreç 10’dan fazla mühendis ve 6 aydan uzun bir zaman gerektiriyor.

Nvidia’nin Gerçek Avantaji: Yazilim Ekosistemi

Nvidia’nin gerçek rekabet avantajinin yalnizca GPU donanimindan ibaret olmadigini gözler onune seriyor. Sirketin onlarca yilda inşa ettigi CUDA yazilim ekosistemı, milyonlarca gelistirici tarafindan yazilmis CUDA tabanli koda dayaniyor. Karsilastirilabilir bir yonga uretmek saatler alabilir; ancak milyonlarca satir CUDA kodunu başka bir platforma taşimak, yillar sürecek mühendislik çalışmasi gerektiriyor.

LongCat-2.0 Deneyi: Yerli Yonga Uzerinde Eğitim Mümkün mü?

Meituan’un LongCat-2.0 modeli (Haziran 2026), Cin’in yerli yapay zeka yongalari uzerinde tam eğitim yapma kapasitesini göstermesi açisindan dikkat çekici. Ancak asil soru hâlâ yanitlanmayi bekliyor: Milyonlarca programciyi CUDA’dan uzaklastirmak, Cin için en buyuk ve en az görünur engel olmaya devam ediyor.

Kaynak: Max For AI (@MaxForAI)

— Paylaş

Beğendiysen yay.

Yapay Zeka Sohbetlerinde
Sosyal Medyada

Tartışma

Bu habere emoji ile tepki ver

Hizli:

Henüz yorum yok. İlk yorumu siz yapın!

Yapıcı ve saygılı yorumlar bekliyoruz. Topluluk kuralları