Yapay zekanın geleceği Berlin’de buluşuyor. NVIDIA GTC Berlin 2026, yeni teknolojileri ve bu teknolojileri hayata geçiren küresel ekosistemi bir araya getiriyor. NVIDIA’nın Türkiye ve MEA Robotics distribütörü ve 10 yıllık iş ortağı olarak, ekibimizle birlikte biz de bu buluşmadayız.

Türkiye’de kurumların, geliştiricilerin ve araştırmacıların NVIDIA teknolojileriyle projelerini hayata geçirmelerine destek olurken, Berlin’de açıklanan yenilikleri de bu sorumlulukla takip ediyoruz. İşte Jensen Huang’ın konuşmasından öne çıkan gelişmeleri ve duyuruların detayları:

GTC Berlin 2026 Keynote Özeti

NVIDIA CEO’su Jensen Huang, GTC Berlin 2026’da yapay zeka fabrikalarından açık modellere, otonom ajanların güvenliğinden fiziksel yapay zekaya uzanan yenilikleri paylaştı. Duyuruların merkezinde, yapay zekayı daha hızlı devreye almak, kaynakları daha verimli kullanmak ve kurumların kendi verileriyle güvenli uygulamalar geliştirmesini sağlamak yer alıyor.

• NVIDIA DSX POD, Vera Rubin tabanlı yapay zeka fabrikaları için fabrikada entegre edilip test edilen modüler bir referans tasarımı sunuyor. Elektrik, soğutma ve ağ altyapısı hazır sahalarda devreye alma süresi, altı aydan 14 güne kadar kısalabiliyor. İlk çözümlerin 2027’nin başlarında sunulması planlanıyor.

• NVIDIA DSX, hesaplama, ağ, depolama, güç ve soğutmayı birlikte optimize ediyor. DSX MaxLPS, aynı sayıda token üretmek için gereken gücü %30’a kadar azaltabiliyor. Kapalı devre soğutma tasarımları uygun koşullarda soğutma suyu tüketimini sıfıra yaklaştırırken, DSX Flex güç tüketiminin şebeke koşullarına göre yönetilmesini destekliyor.

• NVIDIA OpenShell Reference Architecture, otonom yapay zeka ajanları için izolasyon, sürekli izleme ve donanım seviyesinde güvenlik politikası uygulamasını bir araya getiriyor. Mimari, veri merkezlerinin yanı sıra DGX Spark ve DGX Station sistemlerinde çalışan ajanları da kapsıyor.

• NVIDIA Nemotron ve Kumo, kuruma özel yapay zeka uygulamalarına odaklanıyor. Nemotron modelleri metin ve görüntü anlama, belge işleme ve kurumsal bilgiye erişimi desteklerken; Kumo, yapılandırılmış iş verileri üzerinden tahmin, anomali tespiti ve risk değerlendirmesi yapılmasını kolaylaştırıyor.

• NVIDIA Cosmos ve Alpamayo 2 Edge, fiziksel yapay zeka uygulamalarını destekliyor. Cosmos Data Factory, robotik ve otonom sistemler için eğitim verilerinin hazırlanmasına yardımcı oluyor. DRIVE AGX Thor için optimize edilen Alpamayo 2 Edge ise otonom araçlarda gerçek zamanlı sahne anlama ve hareket planlamaya odaklanıyor.

• NVIDIA BioNeMo ve Ising, bilimsel araştırmalar için uzmanlaşmış açık modeller sunuyor. BioNeMo RFD4-Proteina protein tasarımını desteklerken, Ising ailesi kuantum donanımının kalibrasyonu ve hata düzeltme çalışmalarında kullanılıyor.

Bu duyurular, yapay zeka altyapılarının kurulumundan modellerin özelleştirilmesine ve ajanların güvenli çalışmasına kadar birbirini tamamlayan alanları kapsıyor. İlk olarak, NVIDIA DSX POD ve DSX platformunun yapay zeka fabrikalarının kurulumu, enerji tüketimi ve işletme süreçlerine getirdiği yenilikleri inceleyelim.

Yapay zeka ekonomisinin temeli: Üretim yapabilen altyapı

Jensen Huang’ın keynote konuşmasında öne çıkan mesajlardan biri, yapay zeka ekonomisine katılımın kendi yapay zeka üretim kapasitesini geliştirmekten geçtiği oldu.

Bu vizyonda yapay zeka fabrikaları; veriyi işleyen, modelleri eğiten ve çıkarım iş yüklerini çalıştırarak dijital zekâ üreten altyapılar olarak konumlanıyor. Üretimin temel ölçülerinden biri ise modellerin işlediği ve oluşturduğu token’lar.

Dolayısıyla bir yatırımın değere dönüşmesi, sistemin kurulmasının ardından gerçek iş yüklerine hizmet vermeye başlamasına bağlı. NVIDIA’nın Berlin’deki altyapı duyuruları da bu süreyi kısaltmayı ve üretimin kaynak verimliliğini artırmayı hedefliyor.

NVIDIA DSX POD: Fabrikada hazırlanıyor, sahada devreye alınıyor

Etkinliğin dikkat çeken duyurularından NVIDIA DSX POD, NVIDIA Vera Rubin tabanlı yapay zeka fabrikaları için geliştirilen modüler bir referans tasarımı.

Bu yaklaşımda hesaplama sistemleri, ağ bağlantıları, kablolama, raf seviyesindeki güç dağıtımı ve sıvı soğutma bileşenleri, iş ortakları tarafından modüler konteynerler içinde bir araya getiriliyor. Entegrasyon ve işlevsel doğrulama işlemleri sevkiyat öncesinde üretim tesisinde tamamlanıyor.

Böylece sahaya ulaşan birimler, önceden hazırlanmış elektrik, soğutma ve ağ altyapısına bağlanarak devreye alınabiliyor.

NVIDIA’ya göre bu yöntem, altyapısı hazır bir sahadaki kurulum süresini altı aydan 14 güne kadar indirebiliyor. Bu süre, tesisin sıfırdan inşasını veya enerji bağlantılarının hazırlanmasını kapsamıyor; önceden entegre edilmiş sistemlerin hazır sahada devreye alınmasını ifade ediyor.

Saha hazırlığı ile sistem entegrasyonunun eş zamanlı ilerleyebilmesi; kurulum, lojistik ve uzman iş gücü gereksinimlerinin daha öngörülebilir şekilde yönetilmesini de destekliyor.

NVIDIA küresel iş ortaklarıyla DSX POD tabanlı yapay zeka fabrikalarını 2027’nin başlarında sunmayı planlıyor.

DSX ile aynı yapay zeka çıktısı için daha az güç

Yapay zeka altyapılarının büyümesinde belirleyici konulardan biri, kullanılabilir elektrik kapasitesi. NVIDIA DSX platformu, hesaplama ve tesis altyapısını birlikte ele alarak bu kapasitenin daha verimli kullanılmasını amaçlıyor.

Platformun bileşenlerinden DSX MaxLPS, mevcut güç bütçesi içinde dinamik güç dağıtımı yapıyor. NVIDIA’nın açıklamasına göre teknoloji, aynı sayıda token üretmek için gereken gücü %30’a kadar azaltabiliyor. Sağlanan verimlilik, mevcut elektrik kapasitesi içinde daha fazla GPU’nun çalıştırılması veya daha yüksek çıktı elde edilmesi için de kullanılabiliyor.

Nscale’in İzlanda’daki yapay zeka fabrikasında yapılan değerlendirme, bu yaklaşımın somut örneklerinden biri. Dört NVIDIA GB300 NVL72 rafında gerçekleştirilen çalışmada, aynı  264 kW güç bütçesi içinde:

– Çıkarım işleme hızı %49 arttı.
– Yönetilen GPU kapasitesi %37 yükseldi.

Bu sonuçlar, belirtilen test ortamına ait olmakla birlikte, güç yönetiminin mevcut altyapının üretim kapasitesini artırmadaki rolünü gösteriyor.

Soğutmada sıfıra yakın su tüketimi hedefi

NVIDIA DSX referans tasarımlarının bir diğer odağı, soğutma için tüketilen suyu azaltmak.

Geleneksel soğutma kulelerinde ısı, suyun buharlaştırılmasıyla uzaklaştırılır ve sisteme sürekli yeni su eklenmesi gerekir. DSX yaklaşımında ise soğutma sıvısı kapalı devrede dolaşır; ekipmandan aldığı ısıyı, dış ortam havasından yararlanan kuru soğutucular aracılığıyla uzaklaştırır.

NVIDIA Vera Rubin altyapısının 45°C’ye kadar soğutma sıvısı sıcaklıklarını destekleyen, tamamen sıvı soğutmalı tasarımı, bu yöntemin uygulanmasını kolaylaştırıyor.

NVIDIA’nın çıkarımlarına göre, uygun tasarım ve çevre koşullarında tesisin soğutma suyu tüketimi sıfıra yaklaştırılabiliyor. Şirket, 2 GW ölçeğindeki bir kurulumda geleneksel soğutma kuleli sistemlere kıyasla günde 54 milyon litre su tasarrufu potansiyeli bulunduğunu belirtiyor. En sıcak dönemlerde ek mekanik soğutma ihtiyacı ise yerel iklim koşullarına bağlı.

Elektrik şebekesine uyum sağlayan yapay zeka fabrikaları

DSX Flex, yapay zeka iş yüklerinin güç tüketimini şebeke koşulları, elektrik fiyatları ve talep yönetimi ihtiyaçlarıyla uyumlu hâle getirmeyi amaçlıyor. Şebekeden gelen elektrik, yerinde yenilenebilir üretim ve enerji depolama kaynaklarının birlikte yönetilmesini de destekleyebiliyor.

Emerald AI, EPRI, Nebius, Birleşik Krallık National Grid ve NVIDIA’nın katıldığı erken aşama bir denemede, simüle edilen şebeke olaylarına yanıt olarak Blackwell Ultra GPU kümesinin güç çekişi %40’a kadar azaltılırken kritik iş yükleri çalışmaya devam etti.

Bu yaklaşım, büyük ölçekli yapay zeka tesislerinin elektrik şebekesiyle daha esnek bir ilişki kurabilmesine yönelik önemli bir adım.

Kurulumdan önce dijital ortamda doğrulama

Büyük bir yapay zeka fabrikasında tasarım kararlarının etkisini ekipman kurulduktan sonra görmek, zaman ve maliyet kaybına yol açabilir. NVIDIA, DSX Sim ile güç, soğutma ve altyapı yapılandırmalarının dijital ikizler üzerinde değerlendirilmesini destekliyor.

Yeni SimReady Central Library, doğrulanmış güç ve soğutma ekipmanı modellerini bir araya getirerek bu dijital ikizlerin oluşturulmasını hızlandırmayı hedefliyor. Böylece mühendislik ekipleri, farklı altyapı seçeneklerini fiziksel kurulum başlamadan önce inceleyebiliyor.

Kurulan altyapıyı üretime hazır hale getirmek

NVIDIA, kurulum sonrasındaki yönetim ve doğrulama süreçleri için açık kaynaklı DSX OS portföyünü de genişletiyor.

Geliştirici ön izlemesi aşamasındaki yeni bileşenler; ağ yapılandırmasının otomatikleştirilmesini, raf seviyesinde güç ve firmware yönetimini, GPU kümelerinin üretim öncesinde dağıtık iş yükleriyle test edilmesini kapsıyor.

Amaç, kurulu donanımın sağlıklı, yönetilebilir ve gerçek iş yüklerine hazır bir üretim ortamına dönüşmesini kolaylaştırmak.

NVIDIA’dan açık modellerle sektöre özel yapay zeka

Güçlü bir yapay zeka altyapısının iş değerine dönüşmesi, üzerinde çalışan modellerin kurumun verilerine, diline ve ihtiyaçlarına uyum sağlamasını gerektiriyor. NVIDIA, GTC Berlin’de genişlettiği açık model portföyüyle kurumların yerel verilerle özelleştirebildikleri ve kontrol ettikleri altyapılarda çalıştırabildikleri uygulamalar geliştirmesini destekliyor.

Dil ve görüntü işlemeden robotik, biyoloji ve kuantum hesaplamaya uzanan duyurular, Avrupa’nın kendi yapay zeka yetkinliklerini geliştirmesine odaklanıyor.

Nemotron ve Kumo: Kurumsal Bilgiden Eyleme

Yeni NVIDIA Nemotron 3.5 SuperVL, metin ve görüntüleri birlikte işleyerek karmaşık görevler üzerinde akıl yürüten yapay zeka ajanlarının geliştirilmesini destekliyor. Yeni Nemotron Retriever modelleri ise belge ayrıştırma, embedding ve sonuçları yeniden sıralama yetenekleriyle kurumsal bilgiye erişimi güçlendiriyor.

Bu teknolojiler, kurumların kendi doküman ve uzmanlıklarından yararlanan, belirli iş süreçlerine uyarlanmış ajanlar geliştirmesine temel oluşturuyor.

Yeni NVIDIA Kumo ailesi ise yapılandırılmış iş verilerine odaklanıyor. İlişkisel ve tablo biçimindeki veriler üzerinden tahmin, anomali tespiti, dolandırıcılık riski değerlendirmesi ve aksiyon önerileri geliştirmeyi kolaylaştırmayı hedefliyor. Önceden eğitilmiş modeller, gerektiğinde kuruma özel verilerle ince ayarlanabiliyor.

Physical AI: Fiziksel dünyayı anlayan modeller

Duyuruların önemli bir diğer odağı Physical AI, yani fiziksel dünyayı anlayan ve bu dünyada eyleme geçebilen yapay zeka sistemleri.

NVIDIA’nın açık dünya modelleri ailesi Cosmos; robotların, otonom araçların ve görsel algı ajanlarının geliştirilmesini destekliyor. Yeni eğitim sonrası uyarlama ve optimizasyon araçları, modellerin daha az hesaplama kaynağıyla geliştirilmesini hedeflerken; simülasyon ortamları, davranışların gerçek dünya testlerinden önce değerlendirilmesine yardımcı oluyor.

Yeni Cosmos Data Factory, eğitim verilerinin seçilmesi, etiketlenmesi, üretilmesi ve değerlendirilmesi için iş akışları sunuyor. Sürüş senaryolarından ürün kusurlarına kadar farklı kullanım alanlarında daha çeşitli veri kümeleri oluşturulmasını destekliyor.

NVIDIA Alpamayo 2 Edge ise gerçek zamanlı sahne anlama ve hareket planlama yeteneklerini doğrudan otonom araçlara taşımayı amaçlıyor. NVIDIA DRIVE AGX Thor için optimize edilen kompakt model, gelişmiş sürüş yeteneklerini daha düşük hesaplama gereksinimleriyle sunmayı hedefliyor.

Biyoloji ve kuantum araştırmaları için uzmanlaşmış modeller

NVIDIA’nın açık model yaklaşımı bilimsel araştırmalara da uzanıyor.

NVIDIA ve Washington Üniversitesi’ndeki Baker Lab tarafından geliştirilen BioNeMo RFD4-Proteina, protein dizileri ve üç boyutlu yapılar üreterek yeni proteinlerin tasarlanmasına yardımcı oluyor. Araştırmacılar, tasarım hedeflerine göre oluşturulan adayları değerlendirip laboratuvarda test edilecek seçenekleri belirleyebiliyor.

NVIDIA Ising ailesi ise kuantum donanımının kalibrasyonu ve hata düzeltme gibi alanlara odaklanıyor. Amaç, farklı kuantum donanımlarına uyarlanabilen açık modellerle kullanışlı kuantum bilgisayarların geliştirilmesini hızlandırmak.

Kurumların kendi verileriyle geliştirebildiği yapay zeka

Bu duyuruların ortak noktası, kurumların hazır modelleri kendi uzmanlıklarıyla özelleştirebilmesi. Yerel dil, sektörel bilgi ve kuruma özgü verilerle geliştirilen uygulamaların, kurumun kontrol ettiği altyapılarda çalıştırılması hedefleniyor.

DSX yapay zeka üretiminin altyapısını oluştururken, açık modeller bu altyapıda geliştirilecek uygulamaların temelini sağlıyor. Bu modellerle çalışan ajanların kurumsal sistemlere erişmesi ve işlem yapması ise güvenlik ve yönetişimi bir sonraki kritik katman haline getiriyor.

NVIDIA OpenShell: Yapay zeka ajanları için güvenli çalışma mimarisi

Yapay zeka altyapıları büyürken, bu sistemlerde çalışan otonom ajanların güvenliği de giderek daha kritik hale geliyor. Dosyalara erişebilen, araçları kullanabilen ve kurumsal sistemlerde işlem yapabilen ajanların hangi yetkilerle, hangi sınırlar içinde çalıştığının yönetilmesi gerekiyor.

NVIDIA, GTC Berlin’de duyurduğu OpenShell Reference Architecture ile ajanların geliştirilmesini, izole ortamlarda çalıştırılmasını, davranışlarının izlenmesini ve güvenlik politikalarının uygulanmasını bütünleşik bir mimaride ele alıyor.

Modellerden araç kullanımına, her katmanda kontrol

NVIDIA OpenShell güvenli çalışma zamanı yazılımı üzerine kurulan referans mimari, üç temel teknoloji katmanını bir araya getiriyor:

NVIDIA Vera Rubin: Yapay zeka modellerinin ve çıkarım iş yüklerinin çalıştırılmasını sağlıyor.
NVIDIA Vera CPU: Ajanların çalışma akışlarını yöneten yazılımları ve araç kullanım süreçlerini çalıştırıyor.
NVIDIA BlueField-4 ve NVIDIA Sentry: Ajan davranışlarını ayrı bir altyapı katmanından sürekli izliyor ve güvenlik politikalarını donanım seviyesinde uyguluyor.

Bu yapıda ajanlara, görevlerini yerine getirebilecekleri tanımlı bir çalışma alanı sunuluyor. NVIDIA’nın açıklamasına göre bir ajan yazılımla belirlenen sınırların dışına çıkmaya çalıştığında, BlueField üzerinde çalışan NVIDIA Sentry ajanı milisaniyeler içinde karantinaya alıp durdurabiliyor.

Böylece güvenlik, ajanların çalıştığı hesaplama altyapısının tasarımına dahil ediliyor.

Veri merkezinden DGX Spark’a uzanan yaklaşım

OpenShell Reference Architecture, büyük ölçekli veri merkezi kurulumlarının yanı sıra NVIDIA RTX Spark, NVIDIA DGX Spark ve NVIDIA DGX Station sistemlerinde çalışan uç nokta ajanlarına da genişletilebiliyor.

Bu kapsam; üretim, perakende, sağlık, robotik, yazılım geliştirme ve telekomünikasyon gibi alanlarda kullanılan ajanlar için güvenlik ve yönetişim mekanizmalarının farklı altyapı ölçeklerine taşınmasını hedefliyor.

Linux ve Kubernetes ortamlarının yanı sıra Microsoft Windows ve Microsoft Execution Containers desteği sunan mimari; model sağlayıcılarını, kurumsal yazılım şirketlerini, siber güvenlik çözümlerini ve sistem üreticilerini kapsayan geniş bir ekosistemle geliştiriliyor. NVIDIA, OpenShell Reference Architecture’ın erişime açıldığını duyurdu.

DSX duyuruları yapay zeka üretiminin hızına ve kaynak verimliliğine odaklanırken, OpenShell bu altyapılarda görev yapan ajanların güvenli ve denetlenebilir şekilde çalışmasını tamamlıyor. Kurumlar için ortaya çıkan yaklaşım; performans, verimlilik ve güvenliğin birlikte planlandığı bir yapay zeka altyapısı.

Kurumlar için anlamı: Altyapıyı bir bütün olarak planlamak

GTC Berlin’de açıklanan gelişmeler, yapay zeka yatırımlarında performans değerlendirmesinin kapsamını genişletiyor. GPU kapasitesiyle birlikte enerji sınırları, soğutma yöntemi, ağ mimarisi, devreye alma süresi ve işletme yazılımları da yatırımın verimini belirliyor.

Bu duyurulardan çıkan temel mesaj, yapay zeka altyapılarının tasarımdan işletmeye kadar birlikte optimize edilmesi gerektiği. Daha hızlı devreye alınan ve mevcut kaynaklarını daha verimli kullanan sistemler, kurumların yapay zekâ projelerini üretime taşımasını kolaylaştırabilir.

NVIDIA Robotics Türkiye ve MENA bölgesi distribütörü olarak bu yenilikleri kullanıcılarımıza sunmaktan büyük heyecan duyuyoruz. NVIDIA’nın en yeni donanım ve yazılım çözümlerini projelerinize entegre etmeniz için geniş ürün yelpazemizle yanınızdayız. En yeni yapay zeka ve robotik çözümlerimizi keşfetmek için mağazamızı ziyaret edebilirsiniz.
Mağazamıza Göz Atın: https://openzeka.com/urunler/