Ortaklıklar

Gcore, TengriAI ile Kazakistan’da 100 MW’lık Yapay Zekâ Veri Merkezi Kurmayı Değerlendiriyor

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin

Gcore, 12 Kasım 2026 tarihli duyurusunda, kendisiyle TengriAI’nin Kazakistan’da 2027 ile 2029 arasında aşamalı olarak devreye alınması planlanan ve hedef kapasitesi 100 megavata (MW) kadar çıkacak bir GPU veri merkezini değerlendirmek üzere mutabakat zaptı imzaladığını belirtti. Anlaşma keşif amaçlı olup nihai bir inşaat taahhüdü niteliği taşımıyor.

Şirketlere göre Orta Asya’da yerel yapay zekâ işlem kapasitesi sınırlı. Bu nedenle kuruluşlar, çoğu zaman kendi mevzuat yetki alanlarının dışındaki Avrupa, Körfez veya Doğu Asya’daki kapasiteye bağımlı kalıyor. Gcore CEO’su Andre Reitenbach, “Proje, büyük ölçekli GPU altyapısını ülkeye kazandıracak; bu altyapı ülkeden işletilecek ve bölgenin dört bir yanındaki müşterilere hizmet verecek,” dedi.

İş Ortakları Görevleri Nasıl Paylaşacak?

Mutabakat zaptı kapsamında TengriAI; arazi, enerji, izinler ve inşaat süreçlerini üstlenecek. Gcore ise NVIDIA Tercih Edilen Bulut İş Ortağı olarak kendi GPU bulutlarında kullandığı platformun aynısını kullanarak yapay zekâ bulut yığınını, operasyonları ve müşteri talebini sağlayacak. Bu düzenleme, enerji altyapısı hazır sahadan GPU kapasitesinin satış ve işletimine kadar önerilen projede her şirkete ayrı bir rol veriyor.

Müşteriler iki işletim seçeneğine sahip olacak: kapasite kullanımını ölçmek, ücretlendirmek ve yeniden satmak ya da tesisten hiç çıkmayan yalıtılmış iş yükleri çalıştırmak. İlk seçenek birden fazla kullanıcıya hizmet veren bölgesel bir bulut işletmesini desteklerken, ikincisi yapay zekâ iş yüklerinin nerede çalıştırılacağı üzerinde daha sıkı denetim isteyen kuruluşlara yönelik.

Gcore’un Yapay Zekâ Bulut Yığını belgeleri, yazılımı GPU altyapısını kurumsal hizmetlere dönüştürmek için kullanılan özel bir yapay zekâ bulut platformu olarak tanımlıyor. Platform; orkestrasyon, izleme, faturalandırma ve 7/24 operasyonel destek özelliklerinin yanı sıra isteğe bağlı sanal makineler veya çıplak metal GPU’lar, yönetilen Kubernetes ve hizmet olarak GPU erişimi sunuyor. Kimlik denetimleri, kotalar ve CPU, ağ ve depolama kaynakları genelindeki çok kiracılı yapı sayesinde birden fazla müşteri, ayrı erişim izinleri ve kaynak tahsisleriyle aynı altyapıyı paylaşabiliyor.

Tam beyaz etiketleme, yerel bir işletmecinin platformu kendi markasıyla sunmasına olanak tanırken, bayi kanalı desteği kapasitenin satılması için bir yöntem sağlıyor. Bu özellikler, ölçümleme ve yeniden satışa neden önem verildiğini açıklamaya yardımcı oluyor: Önerilen veri merkezi, yalıtılmış kurulumların yanı sıra birden fazla müşteriye hizmet veren yerel bir yapay zekâ bulut işletmesini de destekleyebilir.

Kazakistan’ın Bölgesel Yapay Zekâ Kapasitesi İçin Sunduğu Olanaklar

Şirketlerin saha seçimine ilişkin gerekçeleri; rekabetçi enerji fiyatlarını, kullanılabilir araziyi ve düşük soğutma maliyetlerini, yapay zekâ altyapısını ulusal öncelik olarak gören bir hükümet yaklaşımıyla bir araya getiriyor. Sahanın konumu ve Astana Uluslararası Finans Merkezi’nin ortak hukuk çerçevesi, bu gerekçeleri işletme maliyetlerinin ötesine taşıyarak bölgesel erişimi ve komşu pazarlardaki müşteriler için geçerli hukuki ortamı da kapsıyor.

TengriAI Genel Müdürü Nurassyl Medeu, Gcore’un büyük ölçekte GPU bulutları işletme ve telekom operatörleriyle çalışma deneyimine atıfta bulunarak hedeflerinin Kazakistan’ı “Orta Asya’nın önde gelen yapay zekâ token merkezi” hâline getirmek olduğunu söyledi.

Mutabakat zaptı, Kazakistan’ın enerji, arazi ve yargı alanına ilişkin avantajlarını belirli bir ticari modele bağlıyor: yerel fiziksel altyapı, Gcore tarafından işletilen bulut yazılımı ve yeniden satılabilen ya da yalıtılmış biçimde tutulabilen kapasite. Müşteri geliştirme de Gcore’un rolünün bir parçası; bu nedenle talep yaratma, keşif aşamasından aşamalı olarak 100 MW hedefine ilerlemenin merkezinde yer alıyor.

Theo Nash, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ altyapısını, hesaplama kaynaklarını ve modern yapay zekâya güç veren donanım sistemlerini inceler. Çalışması, büyük ölçekli AI iş yüklerinin teknik temellerine odaklanır; buna veri merkezleri, hızlandırıcılar, ağlar ve bunları birleştiren yazılım yığınları dahildir.

Analitik ve mühendislik odaklı bir bakış açısıyla, Theo GPU'larda, özel silikonlarda, bellek mimarilerinde ve dağıtık sistemlerdeki ilerlemelerin yeni nesil AI modellerini nasıl mümkün kıldığını inceler. Performans ödünleşimleri, enerji verimliliği, ölçeklenebilirlik ve AI altyapısının gerçek dünyadaki dağıtımını şekillendiren pratik kısıtlamalara özellikle dikkat eder.

Theo Nash tarafından yazılan makaleler AI tarafından oluşturulmuş olup, Unite.AI’nin editöryal ekibi tarafından teknik doğruluk, açıklık ve hızla evrilen AI hesaplama ortamının sorumlu bir şekilde ele alınmasını sağlamak için gözden geçirilir.