Silikon fotoniği, yapay zekâ veri merkezlerinde giderek büyüyen bant genişliği ve enerji sorununa karşı geliştirilen en kritik altyapı teknolojilerinden biri haline geliyor. 2026 itibarıyla TSMC ve Samsung gibi yarı iletken devleri, elektriksel bağlantıların sınırlarını aşmak için optik iletişim, silikon fotoniği ve Co-Packaged Optics (CPO) çözümlerine yatırım yapıyor. TSMC, COUPE adlı fotonik motorunu paket içerisine entegre eden CPO çözümünde 2026'da üretim aşamasına geçmeyi hedeflerken, Samsung da AI ve yüksek performanslı hesaplama sistemleri için CPO XPU ve silikon fotoniği teknolojileri geliştiriyor.
Bu gelişme, yapay zekâ yarışının yalnızca GPU, HBM veya büyük dil modelleri üzerinden yürümeyeceğini gösteriyor. Asıl mücadele, milyarlarca parametrelik modellerin ürettiği devasa veri trafiğini işlemciler arasında mümkün olduğunca hızlı ve düşük enerjiyle taşıyabilmekte.
Yapay zekânın görünmeyen darboğazı: Veri taşımak
Yapay zekâ modelleri büyüdükçe yalnızca daha fazla hesaplama gücüne ihtiyaç duyulmuyor. GPU'lar, HBM bellekler, ağ anahtarları ve diğer işlem birimleri arasında sürekli hareket eden veri miktarı da katlanıyor.
Buradaki kritik sorun, geleneksel elektriksel bağlantıların uzun mesafelerde ve yüksek veri hızlarında ciddi enerji ve performans maliyetleri yaratması.
İşte silikon fotoniği bu noktada devreye giriyor.
Teknoloji, elektrik sinyalleri yerine ışık kullanarak verinin taşınmasını mümkün kılıyor. Böylece özellikle yüksek bant genişliği gerektiren veri merkezi bağlantılarında daha yüksek yoğunluk ve enerji verimliliği hedefleniyor.
2026'da yayımlanan Nature Electronics çalışması da CPO teknolojisini yüksek performanslı hesaplama ve yapay zekâ altyapısının önemli bileşenlerinden biri olarak ele alıyor.
CPO nedir ve neden şimdi önem kazandı?
Co-Packaged Optics (CPO), optik iletişim bileşenlerinin ağ anahtarları veya hesaplama bileşenleriyle çok daha yakın biçimde, aynı paketleme mimarisine entegre edilmesini ifade ediyor.
Geleneksel sistemlerde optik modüller daha ayrı konumlandırılırken CPO yaklaşımı, elektriksel bağlantı mesafesini azaltmayı amaçlıyor.
Bu fark küçük gibi görünse de AI veri merkezlerinin ölçeğinde son derece önemli.
Çünkü milyonlarca GPU'nun birbirine bağlandığı devasa bir yapıda her bağlantıdaki enerji ve gecikme maliyeti, toplam sistem performansını doğrudan etkileyebiliyor.
TrendForce da 2026'da AI veri merkezlerindeki optik bağlantı mimarisinin geleneksel takılabilir optiklerden LPO, CPO ve OCS gibi yeni yapılara doğru evrildiğini belirtiyor.
TSMC'den kritik CPO hamlesi
TSMC, AI ve yüksek performanslı hesaplama sistemleri için silikon fotoniği ve gelişmiş paketlemeyi birlikte ele alan bir altyapı kuruyor.
Şirketin TSMC-COUPE çözümü, optik motoru doğrudan paket içerisine entegre eden bir CPO yaklaşımı sunuyor. TSMC, bu mimarinin devre kartı üzerindeki takılabilir çözüme kıyasla 2 kat güç verimliliği ve 10 kat daha düşük gecikme sağlayabileceğini belirtiyor. Şirket, COUPE'nin gerçek CPO çözümünün 2026'da üretime başlamasını planlıyor.
Bu, silikon fotoniğinin yalnızca laboratuvar araştırması olmaktan çıkıp ticari AI altyapısının bir parçasına dönüşmesi açısından önemli bir eşik.
Samsung da optik bağlantıya hazırlanıyor
Samsung Electronics de benzer yönde ilerliyor.
Samsung Foundry'nin AI/HPC çözümleri arasında CPO XPU mimarisi bulunuyor. Bu yaklaşımda 3D optik motorun XPU/GPU ile aynı interposer üzerinde entegre edilmesi hedefleniyor. Samsung, bunun yüksek veri aktarımı ve daha iyi güç verimliliği sağlayabileceğini belirtiyor.
Samsung'un araştırma birimi SAIT ise AI hızlandırıcıları ve yüksek performanslı hesaplama sistemleri için yüksek bant genişliği ve düşük güç tüketimli silikon fotoniği tabanlı optik bağlantılar üzerinde çalışıyor.
Araştırmalarda dalga boyu bölmeli çoğullama (WDM) gibi yöntemlerle farklı dalga boylarında paralel veri aktarımının kullanılması hedefleniyor.
Samsung'un 2026 yılının ilk çeyreğine ilişkin dokümanında da şirketin foundry tarafında silikon fotoniği altyapısının oluşturulduğu ifade edildi.
Yapay zekâ ekonomisinin yeni savaş alanı
Buradaki asıl büyük hikâye yalnızca daha hızlı veri aktarımı değil.
Silikon fotoniği, yapay zekâ ekonomisinin değer zincirini de değiştirebilir.
Bugün AI çipleri denildiğinde akla çoğunlukla GPU'lar, HBM bellekler ve gelişmiş üretim süreçleri geliyor. Ancak gelecekte optik motorlar, fotonik wafer'lar, lazerler, optik modülatörler, paketleme teknolojileri ve özel bağlantı çözümleri de aynı derecede stratejik hale gelebilir.
Bunun somut işaretlerinden biri Soitec tarafında görülüyor. Reuters'ın 31 Ağustos 2026 tarihli haberine göre şirket, AI veri merkezlerinde silikon fotoniği wafer'larına yönelik talep artışı nedeniyle müşterileriyle çok yıllı tedarik anlaşmaları yapıyor. Şirket, fotonik SOI substratları alanında yaklaşık %95 pazar payına sahip olduğunu belirten UBS değerlendirmesine dayanarak bu segment gelirinin mali yılda iki kattan fazla artarak 200 milyon doların üzerine çıkmasını bekliyor.
Yani AI altyapısındaki büyüme, çipin kendisinin ötesinde yeni bir tedarik zinciri oluşturuyor.
Asıl soru: AI çipleri ne kadar hızlı olabilir?
Yapay zekâ sistemlerinin geleceğinde önemli bir paradoks ortaya çıkıyor.
Daha güçlü işlemciler üretmek yetmeyebilir.
Çünkü işlemci ne kadar hızlanırsa, ona veri sağlayan ve diğer işlemcilerle iletişim kuran altyapının da aynı hızda gelişmesi gerekiyor.
Bu nedenle geleceğin AI veri merkezlerinde rekabet yalnızca "en güçlü GPU kimde?" sorusuyla belirlenmeyebilir. "Bu GPU'ları birbirine en hızlı, en yoğun ve en düşük enerjiyle kim bağlayabiliyor?" sorusu giderek daha önemli hale geliyor.
Bu değişim, yapay zekânın fiziksel gerçekliğini de ortaya çıkarıyor: AI yalnızca yazılımdan ibaret değil. Arkasında elektrik, soğutma, enerji, bellek, ağ ve optik iletişimden oluşan devasa bir fiziksel makine bulunuyor.
Silikon fotoniği bu makinenin sinir sistemini yeniden tasarlamaya aday.
Arka Plan: AI büyüdükçe bağlantı teknolojileri de değişiyor
AI veri merkezlerinde kullanılan optik bağlantılar uzun süredir mevcut olsa da sistemlerin ölçeği büyüdükçe geleneksel çözümlerin sınırları daha görünür hale geliyor.
Bu nedenle sektör, takılabilir optik çözümlerden LPO ve CPO gibi daha entegre mimarilere yöneliyor. CPO'nun temel amacı, optik bileşenleri işlem ve ağ altyapısına yaklaştırarak elektriksel bağlantıların neden olduğu kayıpları azaltmak ve daha yüksek bant genişliğine ulaşmak.
TSMC de AI için geliştirdiği yüksek performanslı hesaplama platformunda gelişmiş üretim süreçlerini, HBM'yi, 3D paketlemeyi ve silikon fotoniği/optik bağlantıları aynı ekosistemde birleştiriyor.
Bu nedenle önümüzdeki yıllarda yarı iletken rekabetinin yalnızca transistör boyutları üzerinden değil, çiplerin birbirleriyle nasıl konuştuğu üzerinden de şekillenmesi beklenebilir.
Türkiye açısından neden önemli?
Türkiye'de yapay zekâ tartışmaları büyük ölçüde uygulamalar, büyük dil modelleri ve yazılım ekosistemi üzerinden ilerliyor.
Ancak küresel AI yarışının diğer yüzü fiziksel altyapıda yaşanıyor.
Silikon fotoniği, gelişmiş paketleme, optik bağlantılar ve fotonik wafer'lar gelecekte AI tedarik zincirinin stratejik parçaları haline gelirse, yalnızca GPU üreticileri değil; malzeme, paketleme, optik bileşen ve yarı iletken üretim ekosistemleri de önem kazanacak.
Bu nedenle Türkiye açısından mesele yalnızca "yerli yapay zekâ modeli geliştirmek" değil. Daha geniş soru şu:
Türkiye, geleceğin yapay zekâsını çalıştıracak fiziksel altyapının hangi katmanında yer alacak?
Çünkü yapay zekânın geleceğini yalnızca algoritmalar yazmayacak. Onu çipler, optikler, enerji sistemleri ve veri merkezleri birlikte inşa edecek.
Lotra Haber'in zamansız ve entelektüel içeriklerini gözden kaçırmamak için bu sayfayı tarayıcınızın yer işaretlerine (favorilerine) eklemeyi ve bizi sosyal medya hesaplarımızdan takip etmeyi unutmayın!
📌 İlginizi Çekebilir: Serbest Piyasanın Sonu: Jeopolitik Güdümlü Ekonomi Modeli Başladı
https://lotrahaber.blogspot.com/2026/08/bati-cin-cip-savasi-jeopolitik-ekonomi.html
Yazar: Emir Şimşek | Lotra Haber Politika ve Teknoloji Analisti. Dünyadaki önemli siyasi gelişmeler, küresel savaş stratejileri ve savunma sanayisi teknolojileri üzerine odaklanıyor.
0 Yorumlar