Yapay zeka veri merkezleri hakkında bilinmesi gerekenler

Yapay zeka şirketleri, tarihin en büyük altyapı projeleri arasında yer alacak veri merkezleri kurmayı planlıyor. Bu merkezlerin enerji gereksinimlerini, yapay zeka veri merkezlerini özel kılan unsurları ve tüm bunların yapay zeka politikası ve yapay zekanın geleceği için ne anlama geldiğini inceliyoruz.

 

4 Kasım 2025 / Anson Ho, Ben Cottier, Yafah Edelman

Yapay zekâ veri merkezlerinin tarihi ölçeğini anlamak zor. Bunlar, insanlığın bugüne kadar yarattığı en büyük altyapı projelerinden bazılarını temsil ediyor.

Ölçeği daha iyi anlamak için, OpenAI’nin Stargate Abilene veri merkezinin şunlara ihtiyaç duyacağını düşünün :

• Seattle 1 nüfusuna yetecek kadar elektrik
• GPT- 4’ü eğiten süper bilgisayarın işlem gücünün 250 katından fazla.
• 450 futbol sahasından daha büyük bir arazi
• 32 milyar dolarlık inşaat ve bilişim ekipmanı maliyeti
• Birkaç bin inşaat işçisi ⁴
• İnşaat yaklaşık iki yıl sürer ^.

Ve bu, resmin sadece küçük bir parçası. Şirketler şu anda Stargate Abilene gibi birçok başka veri merkezi inşa ediyor. ⁶ 2027’nin sonuna kadar, yapay zeka veri merkezlerine toplu olarak yüz milyarlarca dolarlık yatırım yapılabilir; bu da Apollo programı ve Manhattan Projesi ile rekabet edebilir.

Bu durum birçok soruyu gündeme getiriyor, örneğin:

• Bu devasa veri merkezlerine neden ihtiyacımız var?
• Bu projeleri altyapı projeleri olarak bu kadar istisna kılan nedir?
• İnsanlar bunları nerede inşa ediyor?
• Bunları çalıştırmak için gereken gücü nereden elde edeceğiz?
• Peki tüm bunlar iklim, yapay zeka politikası ve yapay zekanın geleceği için ne anlama geliyor?

Aşağıda bu soruların her birini inceleyeceğiz.

 

Güç – bir yapay zeka veri merkezi hakkında bilinmesi gereken en önemli şey

Güç, yapay zeka veri merkezlerinin nerede kurulacağını belirler.

Bir yapay zeka veri merkezi, yapay zeka sistemlerini eğitmek ve çalıştırmak için bilgisayarlarla dolu bir grup binadan ibarettir. Onları benzersiz kılan şey, yapay zekanın muazzam hesaplama kaynakları talebini (genellikle sadece “işlem gücü” olarak adlandırılır) desteklemek için çok büyük olmaları gerektiğidir. Eğer bir şekilde xAI’nin Grok 4’ünü 2024 model bir iPad Pro’da eğitebilseydiniz , tamamlamanız birkaç yüz bin yıl sürerdi. ⁷ Ve öncü yapay zeka modellerini eğitmek için kullanılan işlem gücü yılda yaklaşık 5 kat artmaktadır .

Bu kadar yüksek işlem gücüyle, yapay zeka veri merkezleri çok fazla enerjiye ihtiyaç duyuyor. Bu da, en azından önümüzdeki birkaç yıl boyunca, yapay zeka veri merkezlerinin çoğunun bu enerjiyi sağlayabilecek birkaç ülkede inşa edileceği anlamına geliyor.

Gerçekten ne kadar güçten bahsediyoruz? ABD’de, yapay zeka veri merkezlerinin 2027 yılının sonlarına doğru toplamda yaklaşık 20 ila 30 gigawatt (GW) güce ihtiyacı olacak . Bunu daha iyi anlamak için, 30 GW’ın ABD’nin mevcut ortalama elektrik üretim kapasitesinin yaklaşık %5’ine ve Çin’in kapasitesinin %2,5’ine denk geldiğini belirtelim; bu büyük şebekelerin büyük ama yönetilebilir oranlarıdır.

Diğer birçok ülkede, 30 GW toplam gücün sürdürülemez derecede büyük bir bölümünü oluşturacaktır. Japonya’da elektrik üretim kapasitesinin yaklaşık %25’ini, Fransa’da %50’sini ve İngiltere’de %90’ını oluşturacaktır.⁸ Bu durum, bu diğer ülkelerin birkaç gigawatt ölçekli veri merkezi kurmasını veya öncü laboratuvarlara ev sahipliği yapmasını engellemiyor⁹ ve toplam güç kaynaklarını artırabilirler. Ancak yapay zekanın güç taleplerini karşılamak muhtemelen Çin ve ABD’de daha kolay olacaktır .

Enerji talebi, gigawatt ölçekli veri merkezlerinin bir ülke içinde nerede kurulabileceğini de kısıtlıyor. ABD’de şirketler, bol doğal gaz kaynaklarına ve daha az bürokratik engellere sahip Teksas gibi eyaletlerde bu tesisleri kurmayı planlıyor . Bu da gigawatt’larca enerjiyi tek bir yere getirmeyi kolaylaştırıyor.

Diğer faktörler, insanların yapay zeka veri merkezlerini nerede kuracakları konusunda çok daha az önem taşır. ¹⁰ Örneğin, bazı kişiler veri merkezlerinin büyük şehirlere yakın konumlandırılması gerektiğini, böylece verilerin son kullanıcılara hızlı bir şekilde iletilebileceğini düşünebilir. Ancak fiziksel mesafenin şaşırtıcı derecede az önem taşıdığı ortaya çıkıyor; modellerin kullanıcı isteklerini işlemesi, verilerin dünyanın dört bir yanına gönderilmesi için geçen süreden kat kat daha uzun sürüyor. Bir veri merkezi Ay’a yerleştirilse bile, model işleme süreleri veri iletişim sürelerinden daha uzun olabilir! ¹¹

Otonom araçlar veya yapay zekâ destekli video oyunları gibi kısa veri aktarım sürelerine ihtiyaç duyulan bazı kullanım durumları olabilir. Ancak dil modellerinin eğitilmesi ve çalıştırılması gibi birçok durumda, veri aktarım hızı çok daha az önem taşır.

Gücün kaynağı

Elbette, yapay zeka veri merkezlerinin yalnızca ABD’de 2027 yılının sonlarına doğru toplamda 20 ila 30 GW enerji tüketeceği varsayılırsa, bu enerjinin bir yerden sağlanması gerekecek. Peki nereden?

Şirketler, birincil enerji ihtiyaçları için veri merkezlerini şebekeye bağlar ve bunları desteklemek üzere yeni enerji santralleri inşa eder. Genellikle, aynı veri merkezi için her ikisini de yaparlar. ¹² Örneğin, Stargate Abilene başlangıçta yerinde doğal gaz enerjisi üretimine güvenecek , ardından enerji tedarikini artırmak için şebekeye bağlanacaktır.

Güç talebi aniden yükseldiğinde veya ana kaynaklar devre dışı kaldığında , veri merkezleri genellikle dizel yakıtlı yedek güç kaynaklarına güvenir. ¹³ Bu, yapay zeka veri merkezlerinin sürekli olarak yeterli güce sahip olmasını sağlayarak, büyük BT ekipmanı yatırımlarının kullanımını optimize eder.

Birçok enerji santrali, OpenAI’nin Stargate’ini ve Meta’nın Hyperion veri merkezlerini destekleyenler gibi doğal gaz türbinleri kullanmaktadır ^. Doğal gaz, nispeten ucuz olması, gün boyu tedarik edilebilmesi ve enerji santrallerinin oldukça hızlı bir şekilde inşa edilebilmesi nedeniyle özellikle popülerdir ^. Bunun ^nedeni kısmen, düzenlemelerin daha kirli enerji kaynaklarının (kömür gibi) büyük ölçekte kullanımını zorlaştırmasıdır.

Uzun vadede şirketler, bu veri merkezlerinin bir kısmını daha yenilenebilir enerji kaynaklarına ve depolama sistemlerine kaydırmayı planlıyor. Örneğin, Stargate’in şebekeye daha fazla bağlanması ve Teksas’ın bol rüzgar enerjisine daha fazla güvenmesi muhtemel . Bir diğer örnek ise , Teksas’ın Claude şehrindeki bir rüzgar santralinin yakınında kurulacak olan Goodnight veri merkezidir (Anthropic’in Claude’u ile hiçbir ilgisi yoktur).

Elbette, bu planlar terk edilebilir ^ve planların neyi kapsadığı her zaman açık değildir.
Örneğin, Microsoft, Mount Pleasant veri merkezi planlarının bir parçası olarak 250 megawattlık bir güneş enerjisi projesi inşa etmeyi amaçlıyor . Ancak güneş enerjisi veri merkezinin kendisi için değil; birincil doğal gazdan elde edilen gücü, “karbonsuz” ek güçle eşleştirmek içindir.

Yapay zekâ veri merkezlerini bu kadar özel kılan nedir?

Yapay zeka veri merkezleri olağanüstü yüksek güç yoğunluğuna sahiptir.

Tüm bu güç, veri merkezinin en büyük enerji kaynağı ve en büyük gider kalemi olan BT ekipmanlarını çalıştırmak için kullanılır. Ancak önemli olan sadece toplam güç değil; yapay zeka veri merkezlerini olağanüstü kılan şey, küçük bir hacimde çok fazla güç kullanmalarıdır. Yani, çok yüksek güç yoğunluklarına sahiplerdir .

Olağanüstü güç yoğunluğunun nedeni, yapay zeka veri merkezlerinin yapısından kaynaklanmaktadır. GPU ve CPU gibi bilgisayar çiplerinin birbirleriyle hızlı bir şekilde veri alışverişi yapabilmeleri için, dikey dolap benzeri “sunucu raflarında” birbirlerine yakın bir şekilde yerleştirilirler. Bir rafa düzinelerce GPU sığdırılabilir; örneğin, NVIDIA’nın endüstri standardı NVL72 GB200, 72 GPU barındırır. ¹⁸

Ancak BT ekipmanlarını birbirine yakın yerleştirmenin bir bedeli var. Yukarıdaki resimde de görüldüğü gibi, her bir raf çok büyük değil; yüksekliği 2 metrenin biraz üzerinde ve kesit alanı yaklaşık 0,5 metrekare. Bu küçük hacim içinde işlemciler 100 kilovattan (kW) fazla güç tüketiyor; bu da 100 Amerikan evini beslemeye yetecek kadar!

Bu durum, yapay zeka veri merkezlerini gerçekten olağanüstü kılan muazzam güç yoğunluklarına yol açar. Yapay zeka için kullanılmayan veri merkezleri genellikle raf başına 10 kW güç kullanır ; bu da NVL72 rafından yaklaşık on kat daha azdır.

Yüksek güç yoğunlukları, benzersiz soğutma sistemleri gerektirir.

Bu yüksek güç yoğunluğuyla, BT ekipmanları aşırı ısınmaya başlar ve performansı olumsuz etkiler. Bu nedenle veri merkezleri, ekipmanları serin tutacak şekilde tasarlanmıştır – peki ama nasıl?

Modern yapay zeka veri merkezleri sıvı soğutma kullanır ; bu sistemde sıvı soğutucu, BT ekipmanlarına monte edilmiş metal plakalardan akarak ısıyı soğutucuya aktarır. Soğutucu daha sonra sunucu rafından çıkarak ısıyı suya aktarır ve bu su, özel soğutma ekipmanları kullanılarak ısıyı dışarıya atmadan önce BT odalarından dışarı akar.

Suyun ısısını uzaklaştırmanın iki yaygın yolu vardır. ¹⁹ Birincisi, buharlaşmalı soğutma kulesine sahip su soğutmalı bir soğutucu kullanmaktır. Soğutucu, bir buzdolabı gibi davranarak, içindeki sudan ısıyı dışarıya, bir soğutma kulesine akan başka bir su döngüsüne aktarır. Soğutma kulesi daha sonra sıcak suyu dış havaya maruz bırakır. Son olarak, su buharlaşarak soğutma etkisi yaratır; tıpkı terimizin vücudumuzu soğutmak için buharlaşması gibi.

İkinci yaklaşım ise hava soğutmalı bir soğutucu kullanmaktır. Su soğutmalı soğutucular gibi, hava soğutmalı soğutucular da veri merkezindeki sudan dış havaya ısıyı taşımak için soğutma kullanır. Ancak, hava soğutmalı soğutucular, dış bir su döngüsü kullanmak yerine, soğutucu bobinlerini soğutmak için doğrudan üzerlerinden hava çeker. Bu yaklaşımla çok daha fazla su yeniden kullanılabilir, çünkü su buharlaşmaz.

Çok daha düşük güç yoğunluğuna sahip veri merkezlerinin bu gelişmiş düzeneğe ihtiyacı yoktur. Bunun yerine, genellikle ısıyı yönetmek için büyük fanlara ve klimalara güvenirler. Ancak hava, ısıyı verimli bir şekilde “emmek” için ideal olmadığından, bu yöntemler yapay zeka veri merkezlerinde işe yaramaz. ²⁰ Sıvı soğutucular ve su, bu koşullarda ısıyı uzaklaştırmada çok daha üstündür; bu nedenle insanlar genellikle yapay zeka veri merkezlerinin çok fazla su kullandığını söylerler.

Bütün bunlar yapay zeka alanındaki gelişmeler ve politikalar açısından ne anlama geliyor?

Yapay zekanın iklim üzerindeki geniş kapsamlı etkisi (şimdilik) çok büyük değil.

Yapay zeka veri merkezleri çok fazla enerji ve su tükettiği için çevre üzerinde büyük bir olumsuz etkiye sahip mi?

Gerçekçi olmak gerekirse, yapay zekâ henüz geniş çaplı iklim etkilerine yol açacak kadar enerji ve su tüketmedi. Yapay zekâ veri merkezleri ABD’nin toplam enerji tüketiminin %1’ini kullanıyor olsa ^da , bu oran klima (%12) ve aydınlatmaya (%8) kıyasla önemli ölçüde daha düşük.

Su konusunda da durum benzer. ABD’deki veri merkezleri 2023 yılında doğrudan yaklaşık 17,4 milyar galon su kullanırken, tarım yaklaşık 36,5 trilyon galon su kullandı; bu da yaklaşık 2.000 kat daha fazla. ²²

Bununla birlikte, yapay zeka veri merkezleri, enerji kaynaklarının daha az olduğu bölgelerde önemli yerel etkilere sahip olabilir. Ve zamanla, yapay zeka veri merkezleri, fosil yakıtlara bağımlı kalmaya devam ederlerse, iklim değişikliğine önemli ölçüde katkıda bulunmaya başlayabilirler. Sonuçta, 2027 yılında yapay zeka veri merkezlerinin ABD’nin toplam elektrik üretiminin %5’ini talep edebileceğini ve veri merkezi kurulumunun buradan itibaren devam edebileceğini öngörüyoruz.

Genel olarak, yapay zekanın şu ana kadar iklim üzerinde geniş çaplı etkiler yaratmış olmasının çok düşük bir ihtimal olduğunu düşünüyoruz ; ancak trendler devam ederse, bu durum önümüzdeki on yıl içinde değişebilir.

Şirketlerin önümüzdeki iki yıl içinde yapay zeka eğitimini merkezsizleştirmelerine muhtemelen gerek kalmayacak.

Veri merkezleri o kadar hızlı büyüyor ki, en azından önümüzdeki iki yıl için merkezi olmayan eğitime ihtiyacımız yok.

Mevcut trendlere göre , önümüzdeki iki yıl içinde gerçekleştirilecek en büyük yapay zeka eğitiminin yaklaşık 2,5 milyon H100 eşdeğeri GPU’ya ihtiyacı olacak. ²³ Aynı zamanda, OpenAI/Microsoft’un Fairwater veri merkezinin bu işlem gücünün iki katına sahip olacağını tahmin ediyoruz . Dolayısıyla, tek bir veri merkezinde eğitimi ölçeklendirmeye devam etmek için yeterli işlem gücü mevcut.

Ancak şirketlerin bunu pratikte yapıp yapmayacağı belli değil. Bir yandan, tek veri merkezinde eğitim, inşaat maliyetlerini düşürebilir. ²⁴ Ayrıca eğitimi basitleştirebilir; örneğin, birden fazla veri merkezi arasında ağ oluşturmak, eğitim çalıştırma güvenilirliğini azaltabilecek daha fazla arıza noktası oluşturur. Öte yandan, farklı lokasyonlarda merkezi olmayan eğitim, fazla güç kapasitesini emmeyi kolaylaştırır .

Tahminimizce, veri merkezlerinin bunu mümkün kılacak kadar hızlı büyümesi göz önüne alındığında, merkezi eğitim önümüzdeki iki yıl boyunca norm olmaya devam edecektir. Ancak bunun böyle olacağından emin değiliz.

Gigawatt ölçekli yapay zeka veri merkezlerinin güvenliğini sağlamak zordur.

Bununla bağlantılı olarak, yapay zeka veri merkezlerinin güvenliği hakkında çok fazla tartışma yaşandı. Bazıları, veri merkezleriyle ilgili hassas bilgilerin sızdırılabileceğinden endişe ediyor ve bunu tamamen önlemek zor. Daha önce de gördüğümüz gibi, gigawatt ölçekli veri merkezlerinin inşasında genellikle birden fazla kuruluştan binlerce insan yer alıyor. Herkesi denetlemek zor!

Ayrıca, kapsamlı soğutma sistemleri büyük ve gözden kaçması zor olduğu için veri merkezlerinin yerini gizlemek de zordur; hatta uydu görüntüleri kullanılarak bile tespit edilebilirler. ²⁵ Yanında bir sürü dev soğutucu bulunan bir bina görürseniz, büyük olasılıkla bir veri merkezidir.

Örneğin, Stargate’in uydu görüntülerine baktığımızda, veri merkezi binalarının devreye alınması sırasında onları çevreleyen soğutma ekipmanlarını çok net bir şekilde görebiliriz:

Bu da yapay zeka geliştirme ile ” Manhattan Projesi ” arasında kurulan yaygın benzetmenin biraz uygunsuz olduğu anlamına geliyor; bu ölçekte bir projeyi dünyanın geri kalanından gizli tutmak çok daha zor.

Çözüm

Veri merkezleri önümüzdeki birkaç yıl içinde yapay zekâ alanındaki ilerlemenin anahtarı olacak, bu nedenle onları iyi anlamamız çok önemli. Temel dinamik ölçeklendirmedir ve dikkat edilmesi gereken en önemli ölçüt güçtür. Güç, veri merkezlerinin nerede kurulacağını, hangi ülkelerin yapay zekâ alanındaki en ileri gelişmelere ayak uydurabileceğini belirlemede büyük rol oynar ve veri merkezlerini dünyanın geri kalanından gizlemeyi zorlaştırır.

Ancak elbette, hâlâ birçok açık soru var. Örneğin, veri merkezleri inşa edildikten sonra, içlerindeki işlem gücünü kimin kullandığını çoğu zaman kesin olarak bilmiyoruz. Ayrıca farklı ülkelerin ne gibi adımlar atacağını da bilmiyoruz; örneğin, fazla enerji kapasitesine sahip olmayan ülkeler, devasa yapay zeka veri merkezi kurulumlarına nasıl yaklaşacaklar?

Bu soruların cevabını bekleyip göreceğiz.

Notlar

1. Seattle her yıl yaklaşık 9 milyon MWh enerjitüketiyor (bağlantılı raporun 96. sayfasına bakınız), bu da ortalama olarak (9 × 10^12) / 365 / 24 = 1 GW güce denk geliyor.  ↩
2. GPT-4’ün muhtemelen her biri yaklaşık 3 × 10^14 FLOP/s veya toplamda yaklaşık 7,5 × 10^18 FLOP/s işlem gücüne sahip 25.000 adet A100 GPU’dan oluşan bir küme üzerinde eğitildiği tahmin ediliyor. Buna karşılık, Stargate Abilene’nin kümesinin işlem gücünün 2 × 10^21 FLOP/s olduğu tahmin ediliyor ki bu da 250 kattan fazla daha yüksek.  ↩
3. Her futbol sahası 0,00714 kilometrekarebüyüklüğündedir . OpenAI’nin Abilene’deki Stargate tesisi 875 dönümlük , yani 3,5 kilometrekarelik bir alana inşa edilmiştir.  ↩
4. Temmuz 2025’te OpenAI’nin Stargate veri merkezinde yaklaşık 000 çalışanbulunuyordu .  ↩
5. Crusoe, inşaatın başlamasından iki yıl sonra Abilene’deki veri merkezi kampüsünü 1,2 GW’açıkarmayı planlıyor . Bunun önemli ölçüde hızlandırılması mümkün görünüyor; xAI’nin Colossus 1 kümesinin 122 günde inşa edildiği bildiriliyor , oysa kendilerine tamamlanmasının iki yıl süreceği söylenmişti.  ↩
6. Dünyanın ilk gigawatt ölçekli yapay zeka veri merkezini muhtemelen önümüzdeki yılın başlarında göreceğiz. Bunun için başlıca adaylar arasında Anthropic-Amazon’un Project Rainier’i, xAI’nin Colossus 2’si, Microsoft’un Fayetteville’i, Meta’nın Prometheus’u ve OpenAI’nin Stargate’i yer alıyor.  ↩
7. Apple’ın 2024 iPad Pro’su, saniyede yaklaşık 38 trilyon işlem gerçekleştiren, yapay zekâ için özel olarak geliştirilmiş bir “sinirsel motora” sahip. Buna karşılık, xAI’nin Grok 4 modeli yaklaşık 500 trilyon trilyon işlemleeğitildi . Yani toplamda yaklaşık 400.000 yıllık bir eğitime ihtiyaç duyulurdu! Pratikte bu, bellek kısıtlamaları nedeniyle muhtemelen mümkün bile olmazdı, ancak bu hesaplama, ileri düzey yapay zekâ modellerini eğitmenin ne kadar yoğun işlem gücü gerektirdiğini göstermektedir.  ↩
8. Bu tahminler , bu ülkelerin her birinde 2024 yılında  bildirilen elektrik üretiminedayanmaktadır . ↩
9. Bildiğimiz kadarıyla planlanan en büyük veri merkezi Microsoft Fairwaterolup , tahmini olarak 3,3 GW güce ihtiyaç duyacaktır. Bu, toplam 30 GW tahmininin yaklaşık onda biridir; dolayısıyla ABD’nin elektriğinin yaklaşık %0,5’ini, Çin’in %0,25’ini, Japonya’nın %2,5’ini, Fransa’nın %5’ini ve İngiltere’nin %9’unu talep edecektir. Bu, toplam düzeyde daha yönetilebilir bir rakamdır, ancak bu gücü küçük bir bölgeye sağlamak yine de zor olacaktır.  ↩

• Diğer faktörler arasında arazinin eğimi, arazinin federal mülkiyette olup olmaması ve “devlet destekli yapay zeka hesaplama” talebi yer almaktadır.  ↩
• Bunun nedenini anlamak için, Teksas’ta bir dil modeli çalıştırdığınızı ve New York ve Tokyo’daki kullanıcılara ulaşmasının ne kadar sürdüğünü görmek istediğinizi varsayalım. Sinyaller ışık hızının üçte ikisi hızında (yani 200.000 km/s) iletilebiliyorsa ve Teksas ile New York arasındaki mesafe yaklaşık 2.500 km ise, yanıtların kullanıcılara ulaşması yaklaşık 2.500 km / (200.000 km/s) = 12,5 milisaniye sürer. Teksas ile Tokyo arasındaki mesafe yaklaşık 10.000 km olduğundan, seyahat süresi yaklaşık dört kat daha uzundur. Buna karşılık, mevcut öncü modeller saniyede yaklaşık 100 kelimeüretiyor , bu nedenle yaklaşık 1.000 kelimelik tipik bir yanıt üretmek yaklaşık 10 saniye sürer, bu da 12,5 milisaniyeden neredeyse bin kat daha uzundur. Ay’a bir veri merkezi yerleştirsek bile, gecikme süresi yine de sadece yaklaşık 2 saniye olurdu.  ↩
• Yapay zeka geliştiricilerinin güç konusunda çaresiz kaldığı durumlarda kullanılabilecek bir başka yaklaşım daha var. Buna ” veri merkezi esnekliği” deniyor ve bu yaklaşım, en yüksek güç talebi zamanlarında veri merkezinin yükünü %1 ila %5 oranında önemli ölçüde azaltmayı, karşılığında normalde erişilemeyecek güce erişim sağlamayı içeriyor. Bu düzenleme, elektrik kesintisi riskini azalttığı ve yerel şebeke üzerindeki yükü hafiflettiği için elektrik tedarikçileri için de faydalı oluyor.  ↩
• Örneğin, Anthropic’in Project Rainier veri merkezlerinden birine ilişkin planlar, 238 adet ” dizel yakıtlı kritik acil durum jeneratörü” içermektedir.  ↩
• Doğalgaz türbinleri, sıkıştırılmış havada doğalgaz yakarak türbini döndürür ve bu da elektrik üretimine yardımcı olur.  ↩
• ABD Enerji Bilgi Birliği, farklı enerji kaynaklarına sahip yaklaşık 20 enerji santrali örneği raporluyor ve kilovat başına en ucuz santrallerin doğal gaz kullandığını belirtiyor (tüm rakamlara bu elektronik tablodanulaşılabilir ).  ↩
• Örneğin, dizel yaygın bir yedek enerji kaynağı olmasına rağmen, yapay zeka veri merkezlerinde genellikle çok fazla kullanılmamıştır. Bunun nedeni muhtemelen, yılda 100 tondan fazla kirletici madde yayan tesisleri büyük izin gereksinimlerine tabi tutan Temiz Hava Yasası’nın V. Bölümü’dür. Gigawatt ölçekli jeneratörlere sahip bir veri merkezinde, bu sınırlara sadece birkaç saatlik çalışma süresi içinde ulaşılabilir ve bu da dizeli kısa vadeli yedek enerji rolleriyle sınırlandırır. Bununla birlikte, bu tür izin darboğazlarının bazen aşılması mümkündür. Örneğin, xAI, izin almadan öncebir dizi doğal gaz türbini kurmuş olabilir .  ↩
• Planların değişmesine dair bazı emsaller zaten mevcut; örneğin, Crusoe’nun Goodnight veri merkezi yakın zamanda inşaat planlarını yedi binadan üç veya dört binaya kadar  düşürdü . ↩
• Bu ürünün, her biri iki Blackwell GPU ve bir Grace CPU’dan oluşan 36 adet “Grace Blackwell Süperçipi” içerdiğini unutmayın.  ↩
• Üçüncü bir yaklaşım ise ” sıcak suyu nehre dökmek“tir, ancak bu yerel sucul yaşamı olumsuz etkileyebilir ve ABD’de Temiz Su Yasası kapsamında düzenlenmektedir.  ↩
• Bir benzetme yapacak olursak, sıcak bir tencereyi üzerine soğuk hava üflemek yerine soğuk su dökerek çok daha hızlı soğutabilirsiniz!  ↩
• Şu anda ABD’deki yapay zeka veri merkezleri topluca yaklaşık 5 GW güç tüketiyor; bu rakam, ülkenin toplam güç kapasitesinin yaklaşık 500 GW olduğu düşünüldüğünde oldukça düşük.  ↩
• Tarım, 2023 yılında günde100 milyar galon su, yani yılda 36,5 trilyon galon su  kullandı . ↩
• Grok 4, yaklaşık 100.000 H100 eşdeğeri GPUüzerinde eğitildi ve ileri modellerde eğitim hesaplama gücü yılda 5 katartıyor. Dolayısıyla iki yıl içinde yaklaşık 2,5 milyon GPU’luk bir kümeye ihtiyacımız olacak. Pratikte bu sayı daha düşük olabilir, çünkü eğitim süreleri zamanla  uzayabilir . ↩
• Örneğin, tek bir 5 GW’lık veri merkezi inşa etmek, farklı yerlerde beş adet 1 GW’lık veri merkezi inşa etmekten daha ucuz Mesela, tek bir yerde inşa ederseniz, yalnızca o yer için yasal onay almanız gerekirken, birden fazla yer için birden fazla kez onay almanız gerekir.
• Soğutma sistemlerinin atmosfere maruz kalması, örneğin su buharı salınması veya sıcak havanın dışarı atılması önemlidir. Güç yoğunluğu çok yüksek olduğundan, soğutma ekipmanının sadece binanın yanlarından hava üflemek yerine dışarıya çıkması gerekir.  ↩

https://epoch.ai/blog/what-you-need-to-know-about-ai-data-centers