AI yarışında yeni cephe: modeli değil, kontrol katmanını kim yönetecek?

Yeni haftaya girerken yapay zekâ gündeminde tek bir büyük model duyurusu yok. Bunun yerine daha yapısal bir dönüşüm var.

ABD yönetimi AI politikasını yeni bir görev gücü altında toplamaya hazırlanıyor. Apple, ajanların bilgisayardaki verilere erişimini işletim sistemi seviyesinde daha görünür hâle getiriyor. NVIDIA yerel AI altyapısını küçültüp masaüstüne taşıyor. Google hesaplama altyapısının sınırlarını Dünya'nın dışına doğru zorluyor. OpenAI ve Synopsys ise genel amaçlı modellerden, doğrudan mühendislik araçlarını kullanan uzman modellere geçişin güçlü bir örneğini veriyor.

Bugünün ortak sorusu şu: Yapay zekâ daha güçlü hâle gelirken onu kim, hangi katmanda ve hangi sınırlar içinde kontrol edecek?

ABD Başkanı Donald Trump, Ulusal İstihbarat Direktörü Jay Clayton'ı yeni oluşturulan “Super Intelligence Force”un başına getirdi. Görev gücünün federal yapay zekâ çalışmalarını koordine etmesi ve 120 gün içinde yapay zekânın riskleri, fırsatları ve devletin rolüne ilişkin kapsamlı bir rapor hazırlaması bekleniyor. Yapı; istihbarat, savunma, rekabet politikası ve kamu yönetiminden üst düzey yetkilileri aynı masaya getiriyor.

Neden önemli?

AI politikasının yalnızca teknoloji regülasyonu olmaktan çıkıp ulusal güvenlik, ekonomik rekabet ve devlet kapasitesi meselesine dönüştüğünü gösteriyor.

Daha kritik nokta ise yaklaşımın yönü. Washington şu aşamada ağır lisanslama veya doğrudan geliştirme kısıtlamaları yerine şirketlerin kendi güvenlik mekanizmaları, üçüncü taraf denetimler ve gönüllü taahhütler üzerinden ilerlemeyi tercih ediyor. ABD yönetiminin yakın dönemde teknoloji şirketleriyle açıkladığı AI güvenliği çerçevesi de yaptırım mekanizması bulunmayan “morally binding” bir yapı olarak sunulmuştu.

Bu nedenle önümüzdeki yarış yalnızca ABD–Çin model performansı yarışı olmayabilir.

Asıl yarışlardan biri, frontier AI'ın kurallarını hangi ülkenin ve hangi yönetişim modelinin belirleyeceği olacak.

Apple, macOS'taki Full Disk Access mekanizmasını AI ajanlarının oluşturduğu yeni risklere göre değiştirmeye hazırlanıyor.

Şirket, bir uygulama veya AI ajanı kullanıcının dosyaları, mesajları, e-postaları ve diğer hassas verilere geniş kapsamlı erişim istediğinde bunu kullanıcı için daha açık hâle getirecek ek kontroller üzerinde çalıştığını açıkladı.

Kararın arka planında Meta'nın Muse ajanının bazı kullanıcıların özel verilerine beklenmedik biçimde eriştiğine ilişkin şikâyetler bulunuyor. Meta iddiaların bazı bölümlerine itiraz ediyor.

Neden önemli?

AI ajanları büyüdükçe güvenlik problemi model katmanından izin katmanına kayıyor.

Bir chatbot yalnızca size cevap üretir.

Bir ajan ise:

• dosyanızı okuyabilir,
• tarayıcıyı kullanabilir,
• e-postaya erişebilir,
• uygulama çalıştırabilir,
• satın alma yapabilir,
• hesaplarınız üzerinde işlem gerçekleştirebilir.

Dolayısıyla geleceğin AI güvenliğinde sadece “model güvenli mi?” sorusu yeterli olmayacak.

Asıl soru:

Bu ajan hangi kaynağa, hangi süreyle, hangi yetkiyle ve hangi işlem için erişebiliyor?

Apple'ın hamlesi bu nedenle önemli bir sinyal. İşletim sistemleri giderek AI ajanlarının üzerinde çalıştığı pasif platformlar olmaktan çıkıp onların policy enforcement layer'ı hâline gelebilir.

Yakın gelecekte “kamera izni” veya “konum izni” kadar doğal şekilde ajan izinleri konuşuyor olabiliriz.

NVIDIA, DGX Spark kişisel AI bilgisayarının 64 GB birleşik belleğe sahip yeni versiyonunu duyurdu.

23 Ekim'den itibaren üretici ortakları üzerinden 4.999 dolardan başlayan fiyatlarla satışa çıkması planlanan sistem; Grace Blackwell mimarisi, DGX OS ve NVIDIA AI yazılım yığınıyla geliyor.

NVIDIA'ya göre tek cihaz üzerinde 100 milyar parametreye kadar modeller çalıştırılabiliyor. İki DGX Spark doğrudan birbirine bağlandığında bellek 128 GB'a çıkarılabiliyor ve daha büyük modeller için küçük bir yerel cluster oluşturulabiliyor.

Neden önemli?

AI altyapısında dikkat çekici bir ters hareket yaşanıyor.

Bir tarafta yüz milyarlarca dolarlık hyperscale veri merkezleri kuruluyor.

Diğer tarafta giderek daha yetenekli modeller masaüstüne geri dönüyor.

Bu iki hareket birbirinin alternatifi değil; geleceğin hibrit AI mimarisinin iki ucu.

Özellikle şirketler açısından local AI'ın değeri yalnızca inference maliyeti değil:

veri egemenliği, düşük gecikme, offline çalışma, sürekli çalışan ajanlar ve hassas kurumsal verinin buluta gönderilmemesi.

Bu nedenle 2027'ye yaklaşırken kurumsal mimarilerde “hangi modeli kullanalım?” sorusunun yanına başka bir soru daha ekleniyor:

Hangi workload gerçekten bulutta çalışmak zorunda?

Local AI donanımları yeterince ucuzlayıp standartlaştığında, şirketlerin bazı RAG, agent, vision ve inference iş yüklerini kendi altyapılarına çekmesi hızlanabilir.

Google'ın Project Suncatcher kapsamında geliştirdiği ilk prototip uydu yörüngeye ulaştı.

Planet ile geliştirilen uydu SpaceX'in Transporter-18 göreviyle fırlatıldı. Google, uyduyla bağlantının kurulduğunu ve sistemlerin beklendiği şekilde çalıştığını açıkladı.

Amaç doğrudan “uzayda veri merkezi kurmak” değil.

İlk aşamada Google'ın TPU donanımının fırlatma sırasındaki fiziksel stres, radyasyon ve uzayın termal koşulları altında nasıl davrandığı ölçülecek.

Neden önemli?

Bugünün AI darboğazı artık yalnızca algoritma değil.

Enerji + hesaplama + soğutma + veri merkezi alanı + şebeke kapasitesi.

Frontier modeller büyüdükçe AI şirketlerinin rekabet avantajının giderek daha büyük bölümü altyapıya kayıyor.

Google'ın uzun vadeli tezi burada sıra dışı: düşük Dünya yörüngesinde uydular neredeyse sürekli güneş enerjisine erişebilir ve şirketin hesaplamalarına göre belirli koşullarda Dünya yüzeyine kıyasla çok daha yüksek güneş enerjisi potansiyeli ortaya çıkabilir. Projenin önünde soğutma, radyasyon, bakım ve uydular arası yüksek bant genişlikli iletişim gibi ciddi mühendislik problemleri bulunuyor.

Suncatcher'ın ticari bir AI veri merkezine dönüşeceğinin garantisi yok.

Ama projenin kendisi önemli bir mesaj veriyor:

AI altyapı yarışı artık veri merkezinin sınırlarını da sorgulamaya başladı.

Model ölçekleme devam edecekse, enerji ve compute mimarileri de bugünkünden çok daha radikal biçimde değişmek zorunda kalabilir.

OpenAI ve elektronik tasarım otomasyonu devi Synopsys, yarı iletken tasarımı için GPT-Synopsys adlı uzmanlaşmış bir model geliştirmek üzere çok yıllı anlaşma yaptı.

Amaç yalnızca mühendise sorularını cevaplayan bir copilot oluşturmak değil.

GPT-Synopsys'in Synopsys'in EDA araçlarını doğrudan kullanması; araçların çıktılarını yorumlaması ve tasarımları güç, performans ve alan gibi kriterler üzerinden iteratif biçimde optimize etmesi hedefleniyor.

Sistem, zamanlama analizi ve doğrulama gibi süreçlerde de mühendislerin verdiği hedefler doğrultusunda ajan tabanlı workflow'lar çalıştırabilecek.

Neden önemli?

Son iki yılda kurumsal AI'ın ana formülü kabaca şuydu:

LLM + RAG + tool calling + agent.

GPT-Synopsys başka bir yöne işaret ediyor:

Frontier model + derin alan bilgisi + native domain tools + özel workflow.

Yani geleceğin en değerli modellerinin tamamı genel amaçlı chatbot olmak zorunda değil.

Finans için, hukuk için, ilaç geliştirme için, mühendislik için veya üretim için geliştirilen modeller giderek kendi alanlarının araçlarını yalnızca çağıran değil, onları uzman kullanıcı gibi kullanabilen sistemlere dönüşebilir.

Bu da enterprise AI'ın ikinci evresini başlatabilir.

İlk evrede şirketler çalışanlarının yanına AI asistanları koydu.

İkinci evrede AI, doğrudan iş süreçlerinin içine gömülmüş dijital uzmanlara dönüşüyor.

Bugünün beş gelişmesini yan yana koyduğumuzda oldukça net bir tablo ortaya çıkıyor:

AI yarışının odağı modelden sisteme kayıyor.

Bir süre önce rekabet büyük ölçüde benchmark tablolarındaki birkaç puanlık fark üzerinden okunuyordu.

2027'ye yaklaşırken rekabet daha karmaşık:

Model + agent + araçlar + veri + güvenlik + compute + enerji + dağıtım + regülasyon.

Kazanan sistemin mutlaka en yüksek benchmark skoruna sahip model olması gerekmeyebilir.

En güvenilir biçimde çalışan, doğru araçlara erişen, maliyeti yönetilebilen, veriyi koruyan ve gerçek dünyadaki süreçlere en iyi entegre edilen sistem daha değerli olabilir.