Bir modele soru sorduğunuzda hiçbir şey "hissetmezsiniz". Ne bir motor sesi, ne bir ısınma. Ama o cevap, kilometrelerce ötede, dev bir veri merkezinde binlerce çipin aynı anda çalışmasıyla üretilir ve bu çipler yüksek miktarda elektrik ve soğutma için suyu tüketir.
Bu yazı, o bedeni görünür kılıyor. Yapay zekâ küresel ölçekte ne kadar enerji harcıyor? Ve Türkiye, "veri merkezi ülkesi" olma hayaliyle enerji gerçekleri arasında sıkıştığı bu ikilemi nasıl çözecek? Dürüst bir bilgi tabanı, teknolojinin sadece parlak yüzünü değil, faturasını da anlatmalı.
Yapay zekânın görünmez bedeni: elektrik ve su
Yapay zekânın enerji tüketimi iki aşamada olur. Eğitim (training): bir modeli sıfırdan öğretmek, haftalarca binlerce çipi çalıştırmak demektir: tek seferlik ama devasa bir maliyet. Çıkarım (inference): modeli her kullandığınızda, her soruda harcanan enerji. Tek tek küçük, ama milyarlarca kez tekrarlandığı için asıl yük çoğu zaman burada.
Bir de suyu unutmayalım: veri merkezleri o çipleri soğutmak için muazzam miktarda su kullanır. Büyük teknoloji şirketlerinin su tüketimi son açıklamalarda yıllık %25-40 arttı; örneğin Microsoft bir mali yılda 6,4 milyon metreküp suyu geçtiğini raporladı. Yani mesele sadece elektrik değil.
Rakamlar ne diyor? (Küresel tablo)
Uluslararası Enerji Ajansı'na (IEA) göre, veri merkezlerinin elektrik tüketimi hızla büyüyor. Ve bu büyümenin baş sorumlusu artık açıkça yapay zekâ.
Dikkat çekici olan şu: bu büyümenin motoru sadece dev modelleri eğitmek değil; asıl büyüyen kalem, günlük kullanım. Yapay zekâ yaygınlaştıkça, her sorunun küçük enerji maliyeti toplamda dev bir yüke dönüşüyor. Yani sorun uzakta bir laboratuvarda değil; hepimizin cebinde, her istekte.
Türkiye'nin ikilemi: hedef büyük, şebeke gergin
Şimdi bu küresel tabloyu Türkiye'nin planıyla üst üste koyalım. Ülke, 2026-2030 planında veri merkezi kapasitesini 2030'a kadar en az 1 gigawatt'a (GW) çıkarmayı hedefliyor. Kulağa hedef gibi geliyor, ama 1 GW, sürekli çalışan devasa bir elektrik talebi demek.
Bu rakamı somutlaştıralım: 1 GW, neredeyse tek bir Akkuyu nükleer reaktör ünitesinin gücüne denk (her ünite ~1.200 MW). Yani sadece veri merkezleri için, koca bir reaktör ünitesi kadar sürekli güç ayırmaktan bahsediyoruz. İşte ikilem burada: Türkiye veri merkezi ülkesi olmak istiyor, ama uzmanlar bu hamlenin elektrik şebekesinin sınırlarına dayandığına dikkat çekiyor. Para bulmak, denklemin sadece yarısı; o merkezleri besleyecek enerjiyi bulmak diğer yarısı.
İşin özü: Bir veri merkezi kurmak birkaç yıl alır. Onu besleyecek elektrik üretimini ve şebekeyi kurmak çok daha uzun. Türkiye'nin yarışı sadece yatırımcı çekmek değil; enerji altyapısını aynı hızda büyütebilmek.
Türkiye'nin elindeki kozlar
Türkiye bu denklemi çözmek için boş elle değil. Birkaç güçlü kartı var:
Politika senaryolarına göre 2030'da güneş ~20 GW, rüzgâr ~17 GW kurulu güce ulaşabilir. Bol yenilenebilir potansiyeli, yeşil veri merkezi için avantaj.
Dört üniteli santral (her ünite ~1.200 MW), 2030'a kadar tam kapasiteye ulaşması planlanıyor.
Enerji depolama ve şebeke güçlendirme yatırımları, yenilenebilirin değişkenliğini dengelemek için kritik.
Avrupa, Asya ve Ortadoğu arasındaki köprü konumu, uluslararası bağlantı ve bölgesel merkez olma şansı sunuyor.
Fakat her kartın bir "ama"sı var: yenilenebilir enerji değişkendir (güneş her zaman parlamaz), nükleer ve şebeke yatırımları uzun sürer, entegrasyon karmaşıktır. Kozlar güçlü, ama otomatik değil.
En ucuz enerji, harcamadığınız enerjidir
Şimdi bu blogda tekrar tekrar döndüğümüz fikre, enerji penceresinden bakalım. Çünkü bu ikilemin en zarif çözümü, daha çok enerji üretmek kadar, daha az enerji harcamaktır.
Hatırlayın: her işi devasa bir modele havale etmek hem pahalı hem yavaştı. Şimdi buna bir boyut daha ekleniyor: hem de enerji açısından pahalı. Belirli bir işi yapan küçük ve verimli bir model, aynı işi dev bir modelden çok daha az elektrikle yapar. Yani model verimliliği, artık sadece bir bütçe meselesi değil; bir enerji ve sürdürülebilirlik meselesi. Kaynağı kısıtlı bir ülke için verimli yapay zekâ, lüks değil zorunluluk.
Üçlü kazanç: Verimli, küçük, yerli bir model aynı anda üç sorunu birden hafifletir: daha ucuz (bütçe), daha az elektrik (enerji) ve veri yurt içinde kalır (egemenlik). Türkiye için "doğru ölçek", tesadüfen aynı zamanda "doğru enerji" demek.
Bu, lleaderboard için ne anlama geliyor?
Bir modelin "iyiliği" sadece verdiği doğru cevaplarla ölçülmemeli; o cevabı hangi bedelle verdiğiyle de ölçülmeli. Bir liderlik tablosu sadece en yüksek puanı değil, "puan başına enerji" ve "puan başına maliyet"i de görünür kılabilirse, gerçekten işe yarar bir araç olur.
lleaderboard'ın hedeflerinden biri de bu: verimli modelleri öne çıkarmak, ham güce değil akıllı tasarıma değer vermek. Ve dürüst bir bilgi tabanı olarak, yapay zekânın çevresel maliyetini görmezden gelmemek. Çünkü bu teknolojiyi sürdürülebilir kılmak da, en az onu geliştirmek kadar topluluğun işi.
Özet: Yapay zekâ görünmez ama bedava değil; elektrik ve su tüketir. Türkiye büyük bir veri merkezi hedefiyle şebeke gerçekleri arasında. Çözüm iki yönlü: daha çok temiz enerji üretmek ve daha verimli modeller kullanmak.
Her teknolojinin bir bedeli vardır. Önemli olan o bedeli görmezden gelmek değil, onu akıllıca yönetmektir. Türkiye'nin yapay zekâ yolculuğu, aynı zamanda bir enerji yolculuğu. Ve bu iki yolu birlikte düşünenler, en sağlam adımları atacak.
Kaynaklar
- Key Questions on Energy and AI — IEA (Executive Summary)
- Data Centers and AI Energy Consumption — Global Electricity
- Turkey's Data Center Push Meets the Limits of the Grid — BosphorusBits
- Türkiye için küresel veri merkezi olma şansı — Enerji Günlüğü
- 2030'da Türkiye'de yenilenebilir payı — İklim Haber
- Akkuyu ve nükleer kapasite — Anadolu Ajansı