B300 mü, H200 mü? Kurum içi yapay zekâda GPU’yu sistem odası belirliyor

NVIDIA, 26 Ağustos 2026’da açıkladığı çeyrek sonuçlarında veri merkezi gelirinin bir yılda %117 artarak 89 milyar dolara ulaştığını duyurdu. Yapay zekâ altyapısına yatırım hız kesmiyor; kurum içi yapay zekâ planlayan şirketler için de soru netleşiyor: B300 mü, H200 mü?

B300: en büyük modeller için

Blackwell Ultra mimarisindeki B300, NVIDIA’nın bugün kurumsal sunucu üreticileri üzerinden sunduğu en güçlü GPU. NVIDIA, HGX B300 sistemlerinin Hopper nesline göre büyük dil modellerinde 11 kata varan daha hızlı çıkarım ve 4 kat daha büyük bellek sunduğunu belirtiyor. Dell, HPE, Lenovo, Cisco ve Supermicro bu platformla sunucu üretiyor.

Bedeli ise enerji. HGX B300’de her GPU 1.100 W tüketiyor; sekiz GPU’lu tek bir sunucuda yalnızca GPU’ların payı 8,8 kW. Uptime Institute verilerine göre sektörde ortalama raf yoğunluğu hâlâ 8 kW’ın altında — yani tek bir B300 sunucusu, tipik bir rafın tüm enerji bütçesini tek başına aşabiliyor. Hava soğutmalı 8U sürümleri bulunsa da bu yoğunluk, çoğu sistem odasında enerji, UPS ve soğutma yatırımı demek.

H200: mevcut altyapıya sığan güç

Hopper neslinin son üyesi H200, HBM3e bellek kullanan ilk NVIDIA GPU’su. 141 GB bellek ve 4,8 TB/s bant genişliğiyle, NVIDIA’ya göre Llama 2 70B modelinde H100’den 1,9 kat hızlı çıkarım yapıyor. PCIe sürümü H200 NVL hava soğutmalı ve GPU başına en fazla 600 W çekiyor; HPE ProLiant DL380a Gen12 gibi standart GPU sunucularına takılabiliyor, 2 ya da 4 kart NVLink köprüsüyle birbirine bağlanabiliyor.

Kurum içi yapay zekâ senaryolarının önemli bir kısmı — belge arama, kurum içi asistan, orta büyüklükteki modellerle çıkarım — bu sınıfta rahatça çalışıyor ve mevcut sistem odasında büyük bir altyapı değişikliği gerektirmiyor.

Doğru GPU en güçlü olan değil; modelinize yeten ve sistem odanızın taşıyabildiği GPU’dur.

Hangisi kime uygun

• H200 NVL: Mevcut sistem odasında, standart raflarda kurum içi yapay zekâ başlatmak isteyen, verisini kurum içinde tutan ve çıkarım ağırlıklı çalışacak kurumlar.
• HGX B300: Çok büyük modelleri çalıştıracak ya da kendi modelini eğitecek, bunun için enerji ve soğutma altyapısına da yatırım yapmaya hazır kurumlar.
• Daha küçük başlangıçlar için: 96 GB belleğe sahip RTX PRO 6000 Blackwell sunucuları, aynı standart raflarda daha düşük giriş maliyetiyle.

Karar vermeden önce

1. Modeli belirleyin. Hangi model, kaç parametre, hangi hassasiyette çalışacak? Gereken GPU belleği bu sorunun cevabından hesaplanır.
2. Kullanıcı sayısını tahmin edin. Aynı anda kaç kişi, ne sıklıkla kullanacak? Kart sayısını bu belirler.
3. Sistem odasını ölçün. Raf başına enerji, UPS kapasitesi ve soğutma; B300 sınıfı bir sunucu için bunlar çoğu zaman yeniden planlanmalı.
4. Büyüme yolunu çizin. Tek kartla başlayıp aynı sunucuya kart eklemek mi, baştan HGX platformu mu?
5. Pilotla doğrulayın. Gerçek veriyle ve gerçek kullanıcıyla kısa bir deneme; donanım kararını tahminle değil ölçümle verin.

Nüve’nin notu

GPU seçimi genellikle kartın kendisiyle konuşulmaya başlanıyor; oysa projeler çoğu zaman sistem odasında tıkanıyor. Kullanım senaryosunu ve modeli netleştiriyor; H200, B300 ya da RTX PRO sınıfından ihtiyaca uygun yapılandırmayı enerji, UPS ve soğutma kapasitesiyle birlikte tek bir plan hâlinde sunuyoruz. Verisi kontrolünüzde kalan yapay zekâ yaklaşımımızı Yapay Zekâ sayfamızda inceleyebilirsiniz.