Axe Compute CEO’su Chris Miglino – Röportaj Serisi

Chris Miglino, teknoloji şirketleri kurma, büyütme ve bu şirketlere yatırım yapma alanında yirmi yılı aşkın deneyime sahip Axe Compute CEO’sudur. Social Reality’nin kurucu ortaklarından biridir ve DNA Fund ile çalışmıştır; girişimcilik geçmişini sermaye piyasaları ve altyapı yatırımı deneyimiyle birleştirir. Axe Compute’ta, kurumsal müşteriler için özel yapay zekâ hesaplama kapasitesini ölçeklendirmenin operasyonel ve finansal zorluklarına odaklanır.

Axe Compute, kurumsal yapay zekâ iş yükleri için özel, çıplak metal GPU altyapısı sunar. Axe Access çözümü, mevcut GPU kapasitesine erişim sağlarken Axe Build, müşterilerin uzun vadeli gereksinimlerine göre altyapı geliştirir. Miglino bu röportajda GPU ekonomisini, güç kısıtlarını, küme performansını, dağıtım ortaklıklarını ve çıkarım ile yapay zekâ ajanlarına geçişin kurumsal altyapı talebini nasıl yeniden şekillendirebileceğini ele alıyor.

Kariyeriniz, Social Reality’nin kurucu ortaklığından DNA Fund’a liderlik etmeye ve bugün Axe Compute CEO’luğu görevini üstlenmeye uzanan, yirmi yılı aşkın girişimcilik deneyimini kapsıyor. Yapay zekâ altyapısı pazarına yönelmenizi ilk olarak ne sağladı ve geleneksel bulut sağlayıcılarının yeterince karşılayamadığı hangi fırsatı gördünüz?

Gördüğüm fırsat basitti: Yapay zekâ, onu desteklemek için kurulan altyapıdan daha hızlı ilerliyor. Şirketler kurma, büyütme ve bu şirketlere yatırım yapma alanında yirmi yılı aşkın süredir çalışıyorum; en büyük fırsatları da bu açığın bulunduğu yerde gördüm. Social Reality’nin kurucu ortaklığından DNA Fund’daki çalışmalarıma kadar, yeni teknolojiden somut ticari değere uzanan açık bir yolu olan temel sorunlara her zaman ilgi duydum. Şirketler yapay zekâya milyarlarca dolar yatırım yapıyordu, ancak birçoğu ticari açıdan makul bir maliyetle güvenilir kapasiteye erişemiyordu. Geleneksel bulut sağlayıcıları olağanüstü işler kurdu, ancak altyapıları esnek ve paylaşımlı ortamlar için tasarlanmıştı; kesintisiz çalışan, yoğun hesaplama gerektiren yapay zekâ iş yükleri için değil. Ben de şirketler kurdum; bu nedenle işletmelerin neye ihtiyaç duyduğunu biliyorum: öngörülebilir maliyetler, güvenilir erişim ve büyüme olanağı. Kurumları veri merkezi işletmecisine dönüştürmeden, kurumsal yapay zekânın gerçek gereksinimlerine göre özel altyapı kurmak ve şirketlere hesaplama kaynakları üzerinde kontrol sağlamak için bir fırsat gördüm. Axe Compute’ta olmamın nedeni bu. Yapay zekânın ardındaki altyapıyı kuran şirketler, bu teknolojinin ne kadar ileri gideceğini ve ne hızla ölçeklenebileceğini belirleyecek.

Kurumlar yapay zekâ kullanımını hızlandırırken yüksek performanslı GPU hesaplama kaynaklarına erişim kritik bir unsur hâline geldi. İşletmelerin hesaplama gereksinimleri konusunda sahip olduğu en yaygın yanlış kanılar nelerdir ve özel GPU altyapısını geleneksel bulut hizmetleriyle karşılaştırırken nasıl bir değerlendirme yapmalılar?

En büyük yanlış kanı, GPU sayısının artmasının yapay zekâ performansını otomatik olarak yükselteceği düşüncesi. Bu GPU’ların çevresindeki mimari, kaynaklara kesintisiz erişim ve bunları çalıştırmanın maliyeti de en az o kadar önemli. İkinci yanlış kanıysa kurumsal yazılımlar için geliştirilen bulut modelinin yapay zekâ için de doğru model olduğunu varsaymak. Genel bulut; denemeler, öngörülemeyen talep ve hızla ölçeklenip küçülebilen iş yükleri için çok uygundur. Ancak üretim aşamasına geçip yoğun iş yüklerini günün her saati çalıştırmaya başladığınızda maliyet hesabı değişir. Artık ara sıra kullandığınız hesaplama kaynakları için ödeme yapmıyorsunuz; tüketime dayalı fiyatlandırma modeliyle kesintisiz bir endüstriyel operasyonu finanse ediyorsunuz. Kurumlara saatlik GPU fiyatlarına değil, kullanım oranına, iş yüklerinin süresine, ağ gereksinimlerine ve birkaç yıla yayılan toplam maliyete bakmalarını söylüyorum. Özel altyapı, sürekli iş yüklerinde maliyet öngörülebilirliği ve kontrol sağlar; ancak doğru seçenek, yapay zekâyı nasıl kullanmayı planladığınıza bağlıdır.

Axe Compute, hem GPU’lara hemen erişim hem de amaca özel yapay zekâ altyapısı sunan Axe Access ve Axe Build adlı iki farklı model sağlıyor. Bu modellerin nasıl işlediğini, hangi tür müşterilere yönelik olduğunu ve kurumların yapay zekâ iş yüklerine en uygun yaklaşımı nasıl belirleyebileceğini açıklayabilir misiniz?

Axe Access ve Axe Build’i, kurumlar sürecin aynı aşamasında başlamadığı ve aynı altyapı modelini kullanmaya zorlanmamaları gerektiği için geliştirdik. Axe Access; mevcut faaliyetlerini ölçeklendiren, yeni bir model kullanıma sunan veya mevcut sağlayıcısının kapasitesini aşan kuruluşlar dâhil, hemen özel GPU kapasitesine ihtiyaç duyanlara yöneliktir. Axe Build ise kapasiteden mimariye ve operasyonlara kadar uzun vadeli gereksinimlerine göre tasarlanmış özel altyapıya ihtiyaç duyan müşteriler içindir. Aralarındaki fark zamanlama, ölçek ve özelleştirme gereksinimlerine dayanır. İş yüklerini hemen çalıştırmanız gerekiyorsa mevcut kapasiteyle başlayın. Çok yıllı bir yapay zekâ operasyonu planlıyorsanız buna uygun altyapıyı kurun. Benim için önemli olan, müşterilere talepten faal kapasiteye geçiş için uygulanabilir bir yol sunmak; çünkü teknoloji ancak kullanıma sokulduğunda değer kazanır.

Axe Compute, özel hesaplama kapasitesine yönelik önemli talebi yansıtan, sözleşmeye bağlanmış 3,45 milyar doları aşan yapay zekâ altyapısı projeleri açıkladı. Bu taahhütleri faal GPU kümelerine dönüştürürken karşılaştığınız en büyük zorluklar neler oldu ve altyapıyı bu hızda ölçeklendirme konusunda hangi dersleri çıkardınız?

En önemli ders, talebi kazanmanın ve altyapıyı hayata geçirmenin birbirinden çok farklı iki uzmanlık alanı olduğu ve her ikisinde de son derece başarılı olmanız gerektiğidir. Sözleşmeye bağlanmış projelerin değeri 3,45 milyar doları aşarken her aşama önem taşıyor: tesisler, enerji, tedarik, finansman, ağ altyapısı ve kümeleri çalışır duruma getirmek için gereken teknik çalışmalar. Her aşamanın kendi takvimi var ve tek bir gecikme tüm kurulumu aksatabilir. En büyük mesele enerji. Taahhütleriniz, sermayeniz ve ekipmanınız hazır olabilir; ancak enerji olmadan bunların hiçbiri getiri sağlamaz. Projeleri sıralama, ortak seçimi ve sermaye tahsisi konularında disiplinli bir şekilde ölçeklenmeyi öğrendik. Ayrıca sözleşmeye bağlanmış projelerin değerinin, kurulmuş ve gelir getiren altyapıyla aynı şey olmadığını asla unutmuyoruz. Kazananlar, taahhütleri düzenli olarak güvenilir ve faal kapasiteye dönüştüren şirketler olacak. İş modelinin özü, uygulamadır.

GPU bulunabilirliği, yapay zekâ altyapısı tartışmalarında çoğu zaman öne çıkıyor; ancak elektrik, soğutma, ağ altyapısı ve veri merkezi kapasitesi de aynı ölçüde önemli kısıtlar oluşturabiliyor. Sizce bu darboğazlardan hangisi, yapay zekânın ölçeklenebilirliği açısından uzun vadede en büyük tehdidi oluşturuyor ve Axe Compute bu zorlukların üstesinden nasıl geliyor?

Elektrik. Yapay zekâ altyapısının diğer unsurlarının neredeyse tamamı, onları besleyen enerji sistemlerinden daha hızlı genişletilebilir veya yükseltilebilir. GPU teknolojisi hızla gelişiyor, sermaye devreye alınabiliyor ve tesisler inşa edilebiliyor; ancak iletim hatları, şebeke bağlantıları ve büyük ölçekli enerji üretimi, çoğu zaman yapay zekâ şirketlerinin planlama döngülerini çok aşan takvimlere tabi. Büyük ölçekli yeni bilgi işlem kapasitesini kaldırabilecek, öngörülebilir talebe göre tasarlanmış bir şebeke istiyoruz; bunu donanıma daha fazla para harcayarak çözemezsiniz. Axe Compute olarak altyapı geliştirme çalışmalarımızı gerçekçi enerji arzına göre planlıyor ve yüksek yoğunluklu yapay zekâ kurulumlarını anlayan ortaklarla çalışıyoruz. Özellikle kabin yoğunlukları arttıkça soğutma ve ağ altyapısı kritik önem taşıyor; ancak yapay zekâ altyapısının nerede kurulacağını ve hangi işletmecilerin kârlı biçimde ölçeklenebileceğini belirleyecek olan, güvenilir ve uygun maliyetli enerji arzıdır.

Yüksek performanslı bir yapay zekâ kümesi kurmak, binlerce GPU’yu bir araya getirmekten çok daha fazlasını gerektirir. Ağ mimarisi, depolama aktarım hızı, iş yükü düzenleme ve GPU kullanım oranı gibi etkenler gerçek dünya performansını nasıl etkiliyor? Kurumlar teknik karmaşıklığı en sık hangi noktalarda olduğundan az tahmin ediyor?

Bütün ilgi GPU’lara yöneliyor; ancak performansları çevrelerindeki her şeye bağlı ve kurumların karmaşıklığı olduğundan az tahmin ettiği nokta da burası. Son derece güçlü işlemciler devreye alabilirsiniz; ancak ağınız aralarında verileri verimli biçimde aktaramıyorsa veya depolama sisteminiz işlemcilere yeterince hızlı veri sağlayamıyorsa, kullanmadığınız bir kapasite için ödeme yapıyorsunuz demektir. Bu durum, GPU’lar arasındaki iletişimin bir modelin eğitimini tamamlama süresini önemli ölçüde etkileyebildiği büyük ölçekli eğitim çalışmalarında özellikle önem taşır. Düzenleme de işin başka bir katmanını oluşturur; çünkü kapasiteyi atıl bırakmadan planlamayı, kaynak tahsisini, arızaları ve değişen talebi yönetmeniz gerekir. Performansı teorik teknik özelliklere göre değil, elde edilen faydalı çıktı üzerinden değerlendiriyorum; çünkü kaynakları verimli kullanılan bir küme, verimsiz çalışan daha büyük bir kümeye kıyasla çok daha iyi bir maliyet performansı sunabilir. Yapay zekâ altyapısı; donanım, yazılım ve operasyonlar boyunca sürekli optimizasyon gerektirir. Bu, bir defaya mahsus ekipman satın alımı değildir.

Axe Compute kısa süre önce, büyük ölçekli yapay zekâ altyapısı kurulumlarını hızlandırmak amacıyla Penguin Solutions ile stratejik bir ortaklık duyurdu. Bu ortaklık hangi özel teknik ve operasyonel yetkinlikleri devreye sokuyor? Güvenilirlik ve performansı korurken kurulum takvimlerini kısaltmaya nasıl yardımcı olacak?

Penguin üç şey sunuyor: belirlenmiş GPU kümesi sahalarında uzmanların yönettiği kurulum ve operasyon hizmetleri, küme operasyonlarını büyük ölçekte yönetmeye yönelik ClusterWareAI yazılımı ve bizim ekibimizle birlikte çalışan bir Penguin ekibinden 24×7 ağ operasyon merkezi desteği. Bu önemli; çünkü yapay zekâ altyapısındaki büyümenin bir sonraki aşaması, şirketlerin karmaşık ortamları büyük ölçekte ne kadar verimli kurup işletebildiğine bağlı. Bir yapay zekâ kümesi kurmak; bilgi işlem kaynaklarını, ağ altyapısını, depolamayı ve yönetim sistemlerini, yoğun iş yükleri altında güvenilir biçimde çalışan bir ortamda bütünleştirmek demektir. Penguin’in uzmanları teslimat kapasitesini artırıyor; böylece daha hızlı kurulum yapabiliyor, daha fazla projeyi üstlenebiliyor ve uygulama riskini azaltabiliyoruz. Amaç, performanstan ödün vermeden kurulumları daha tekrarlanabilir ve öngörülebilir hâle getirmek; çünkü bir projeyi hızlandırmak, ancak altyapı devreye girdikten sonra güvenilir biçimde çalışıyorsa değer yaratır.

Yapay zekâ büyük ölçekli model eğitiminden çıkarım, otonom ajanlar ve gerçek zamanlı uygulamalara doğru evrilirken kurumların bilgi işlem gereksinimlerinin nasıl değişeceğini öngörüyorsunuz? Bu dönüşüm, GPU kümelerinin tasarlanma, kurulma ve coğrafi olarak dağıtılma biçimini köklü şekilde değiştirecek mi?

Çıkarım, özellikle işletmeler modeller geliştirmekten yapay zekâyı ürünlere, operasyonlara ve müşterilere yönelik hizmetlere entegre etmeye yöneldikçe, ticari yapay zekâ altyapısı pazarının sonunda çok büyük bir bölümünü oluşturacak. Eğitim, yoğun ve kısa süreli dönemler hâlinde gerçekleşir. Çıkarım ise erişilebilirlik, gecikme, işlem hacmi ve sürekli olarak milyonlarca isteğe yanıt verebilmekle ilgilidir. Ajanlar buna bir katman daha ekliyor: Birden fazla görevi yerine getiriyor ve bir iş akışı boyunca modellere tekrar tekrar başvuruyorlar. Her bir istek küçük olabilir, ancak toplam talep hızla büyür. Zorlu iş yüklerini büyük, merkezi kümelerin karşılamayı sürdüreceğini; yanıt sürelerinin ve verilerin nerede tutulduğunun önem taşıdığı uygulamalara ise coğrafi olarak daha dağınık kapasitenin hizmet vereceğini düşünüyorum. İşletmeler ayrıca her şeyin en güçlü GPU’yu gerektirdiğini varsaymak yerine iş yüklerini uygun donanımla eşleştirme konusunda daha bilinçli davranacak. Beni heyecanlandıran, talebin çok daha çeşitli hâle gelecek olması; bu da doğru kapasiteyi, doğru konumlarda ve doğru maliyet yapısıyla sunabilen sağlayıcıların işine yarıyor.

Yapay zekâ altyapısı kurmak, başlangıçta önemli miktarda sermaye gerektirirken GPU teknolojisi de hızla gelişmeye devam ediyor. Axe Compute, özel GPU kümelerinin finansmanı ve işletilmesinin maliyet boyutuna nasıl yaklaşıyor ve işletmeler, kullanım ömürleri sona ermeden eskime ihtimali bulunan pahalı donanımlara bağımlı hâle gelmekten nasıl kaçınabilir?

İşe donanımla değil, müşteri talebiyle başlarsınız. Pahalı ekipman satın alıp ardından yeterince kullanılmasını ummak, işleri tersinden ele almaktır. Bu bir yazılım işi değil: Büyük fiziksel varlıklarla, uzun inşa süreçleriyle ve kısa sürede önemli ölçüde gelişen bir teknolojiyle uğraşıyorsunuz. Axe Compute olarak yaklaşımımız; sözleşmeye bağlanmış talebe, disiplinli kurulum sürecine ve sürekli kapasiteye ihtiyaç duyan müşterilerin gereksinimleri doğrultusunda tasarlanmış bir altyapıya dayanıyor. Eskime riski gerçektir; ancak artık en yeni model olmayan bir GPU’nun ticari değeri kalmadığı anlamına gelmez. Her çıkarım uygulaması ya da kurumsal yapay zekâ sistemi en yeni nesil donanıma ihtiyaç duymaz; mevcut altyapının verimli kullanım ömrü, iş yükleri akıllıca dağıtılarak uzatılabilir. Müşteriler, teknolojinin gelişimini göz önünde bulundurarak sözleşmenin tüm süresi boyunca kapasite kullanımını, performans gereksinimlerini ve esnekliği hesaba katmalı. Amaç, altyapının ekonomik açıdan yararlı ömrünün ona yatırılan sermayeyi karşılamasını sağlamak; iş modelini ise donanımın başlangıçtaki değerini sonsuza kadar korumasına bağlı kılmamaktır.

Önümüzdeki üç ila beş yıla baktığınızda, yapay zekâ altyapısında inovasyon ve yatırım açısından en büyük fırsatları nerede görüyorsunuz? Pazarın hiper ölçekli bulut sağlayıcıları ve büyük GPU sağlayıcıları arasında yoğunlaşmaya devam etmesini mi bekliyorsunuz, yoksa uzmanlaşmış altyapı şirketleri işletmelerin yapay zekâ işlem gücüne erişimini köklü biçimde yeniden şekillendirebilir mi?

Bu kadar büyük ve karmaşık bir pazara, aynı altyapı modelini kullanan birkaç sağlayıcı verimli biçimde hizmet veremez. Hiper ölçekli bulut sağlayıcıları son derece önemli olmaya devam edecek; ancak önümüzdeki üç ila beş yılda uzmanlaşmış işletmeciler konusunda son derece iyimserim. Yapay zekâ yatırımlarını, işletmelerin her gün ihtiyaç duyduğu altyapıya dönüştürme sürecinin henüz başındayız. İşletmelerin performans, veri egemenliği, maliyet, zaman çizelgesi ve coğrafi konum konusunda farklı gereksinimleri var; bu da bizim gibi işletmeciler için gerçek bir fırsat alanı yaratıyor. En ilgi çekici bulduğum yatırım fırsatları; enerji altyapısı, daha verimli soğutma, gelişmiş ağ teknolojileri ve GPU kullanımını iyileştiren yazılımlar. Çünkü bunlar yapay zekânın maliyet yapısını doğrudan etkiliyor. Yatırımcılar bu varlıklara ve sözleşmeye bağlanmış kapasitenin nakit akışlarına daha aşina oldukça finansman yöntemleri de gelişecek. Axe Compute olarak fırsatımız, özel yapay zekâ kapasitesini yapay zekâyı üretim ortamında kullanma konusunda kararlı kuruluşlar için daha erişilebilir, öngörülebilir ve ölçeklenebilir hâle getirerek bu pazarın kurulmasına yardımcı olmak. Tavizsiz işlem gücü derken kastettiğimiz bu.

Harika röportaj için teşekkür ederiz. Özel GPU kapasitesini ve kurumsal yapay zekâ altyapısını incelemek isteyen okurlar Axe Compute sitesini ziyaret edebilir.