07/06/2026
Sabancı Üniversitesi 2003 mezunu Prof. Ayşe Kıvılcım Coşkun, bilgisayar sistemlerinin enerji tüketimi ve enerji verimliliği konusunda dünya çapında bir otorite olarak kabul ediliyor. Günümüzün en kritik sorunlarından biri olan elektrik şebekelerinin, yapay zeka veri merkezlerinin yüksek enerji talebini karşılamakta zorlanmasına çözüm arayışında olan Prof. Coşkun, ortağı olduğu Emerald AI şirketi ile büyük bir başarıya imza attı. Nisan ayında TIME 100 En Etkili Şirketler 2026 listesine giren Emerald AI, son aylarda yapay zeka devi NVIDIA ile stratejik ortaklık kurarak gücüne güç kattı.
“Sizleri birer kıvılcım olarak gönderiyorum., alevler olarak geri dönmelisiniz.” 1924'te yurtdışına eğitime gönderilen gençlere böyle seslenmişti Mustafa Kemal Atatürk. Cumhuriyet’in harcında büyük katkıları olan bu bilim insanları, ülkelerine bir alev olarak dönüp, devrimlerin başarıya ulaşmasında kritik rol oynamışlardı.
Yaklaşık yüzyıl sonra bir “kıvılcım” olarak yurtdışına giden gençlerimiz, artık dünya çapında bir otorite olarak kabul görüyorlar ve küresel sorunlara çözüm üreterek, bir “alev” olarak dünyaya ışıklarını yayıyorlar.
Bu gelişmeler, Sabancı Üniversitesi gibi saygın Türk üniversitelerinin yüzyıl zarfında dünya standartlarında birer eğitim kurumu haline geldiklerinin somut kanıtı. 2003 yılında Sabancı Üniversitesi Mikroelektronik Mühendisliği Programı'ndan lisans dercesini aldıktan sonra doktora çalışmalarını yurtdışında tamamlayan Prof. Coşkun’un “Chief Scientist” olduğu Emerald AI, veri merkezlerinin güç tüketimlerini esnek bir şekilde koordine etmelerine olanak sağlıyor.
Prof. Coşkun’a yükseköğretim sürecinde Sabancı Üniversitesi’nin kendisine kazandırdıklarını, Emerald AI’ın kuruluş öyküsünü ve esnek enerji kullanımı kavramını sorduk:
Reyhan Oksay-2003 yılında Sabancı Üniversitesi Mikroelektronik Mühendisliği Programı'ndan mezun olduktan sonra, Kaliforniya Üniversitesi San Diego’da doktoranızı tamamladınız. Büyük bir olasılıkla yapay zeka veri merkezlerinin, elektrik şebekesi ile daha uyumlu çalışması fikri birden bire oluşmadı. Geriye dönüp baktığımızda, çalışmalarınız bugün yapay zekânın yarattığı enerji zorluklarıyla son derece ilgili görünüyor. Enerji verimliliği ve bilgisayar sistemlerine olan ilginiz bu araştırma alanına nasıl evrildi?Bu vizyona Sabancı Üniversitesi’nde aldığınız lisans eğitimi sırasında mı sahip oldunuz? Kariyerinizin başında böyle bir öngörü nasıl oluştu?
Prof. Coşkun-Doktora yaparken bilgisayar sistemlerinin enerji tüketimi ve enerji verimliliği üzerine çalışmaya başladım. Temel sorularımız şunlardı: Bilgisayar sistemleri nasıl daha az enerji tüketebilir, aynı enerjiyle nasıl daha fazla faydalı iş yapılabilir, sistemlerin ısınması nasıl azaltılabilir? Bu süreçte akıllı analiz ve otomatik kontrol yöntemleri üzerinde de çalıştık; yani sistemlerden gelen verileri analiz ederek, bilgisayar sistemlerinin kendilerini daha verimli şekilde yönetmelerine odaklandık.
Sabancı’da aldığım eğitim mikroelektronik mühendisliği temelliydi, ayrıca fizik yan dalı yapmıştım. Daha sonra Kaliforniya Üniversitesi San Diego’da bilgisayar mühendisliği alanında doktora yaptım. Teknolojide trendler değişiyor; örneğin yapay zekânın son yıllardaki hızlı yükselişi gibi. Ama güçlü bir temel bilgiye sahip olmak ve disiplinlerarası düşünebilmek, örneğin “enerji”yi anlamak ve bunu yazılım ve sistemlerle ilişkilendirebilmek, aslında Sabancı’daki eğitim yıllarıma dayanıyor.
Kariyerimin başında yapay zekânın bugün geldiği noktayı elbette öngörmek mümkün değildi. Ama farklı teknik alanların kesişimindeki problemleri görmek, çözüm için farklı metotları bir araya getirmeyi düşünmek ve çözülmüş gibi görünen bazı konuları yeni bakış açılarıyla yeniden ele almak, bugünkü kariyerime giden yolda çok önemli oldu.
Şu anda veri merkezlerinin enerji verimliliği konusunda dünya çapında bir otorite olarak kabul ediliyorsunuz. Ortağı olduğunuz Emerald AI, çığır açan araştırmalarınızın temelleri üzerine kurulu. Bu süreci Boston Üniversitesi Bilgi ve Sistem Mühendisliği Merkezi’ndeki grubunuzla mı yürüttünüz?
Yaklaşık 13-14 yıl önce, Boston Üniversitesi’ndeki kariyerimin ilk yıllarında araştırma grubumla bu alanda çalışmaya başladım. İlk odak noktam, veri merkezlerinin enerji tüketimini daha verimli hale getirmekti: aynı işi daha az enerjiyle nasıl yapabiliriz, sistemleri nasıl daha akıllı şekilde yönetebiliriz?
Zamanla gördük ki veri merkezleri sadece enerji tüketen yapılar değil; doğru yazılım ve kontrol sistemleriyle elektrik şebekesiyle daha uyumlu çalışabilecek büyük “esnek” elektrik yükleri olabilirler. Bu fikir, yıllar süren akademik araştırmalar, araştırma grubumda öğrencilerimle ve başka akademisyenlerle yaptığımız çalışmalar, yayınlar, prototipler ve gerçek sistemlerdeki deneylerle olgunlaştı. Emerald AI da bu uzun araştırma yolculuğunun ve bilimsel çalışmaların üzerine kuruldu. Yani bir anlamda, laboratuvardaki fikirlerin gerçek dünyaya taşınmış hali diyebilirim.
Boston Üniversitesi’ne katılmadan önce San Diego Sun Microsystems’de (Oracle) çalıştınız. Orada çalışırken enerji kullanımı esnekliği konusunda çalışmalarınız oldu mu?
Evet, kesinlikle. Sun Microsystems’de bilgisayar sistemlerinin çalışma sırasında ürettiği verileri (performans, güç tüketimi, sıcaklık gibi) daha akıllı şekilde nasıl kullanabileceğimiz üzerine çalışan bir ekipteydim. Genel sorumuz şuydu: Bu verilerden yararlanarak çipler ve sunucular (servers) nasıl daha verimli çalışabilir, nasıl daha iyi yönetilebilir?
Bu kapsamda enerji verimliliği, ısınmayı azaltma ve bir bilgisayar sisteminde iş yüklerini çiplere daha dengeli dağıtma gibi konularda çalıştık; makaleler yazdık, patentler aldık. Sun’daki deneyim benim için çok değerliydi. Teknik bilginin yanı sıra, endüstrinin bir probleme nasıl baktığını, araştırma ile gerçek uygulamaların nasıl birleşebileceğini orada çok erken öğrenme fırsatım oldu.
Bu yaklaşımla yapay zeka veri merkezlerinin yalnızca elektrik tüketen yapılar olmak zorunda olmadığını, aynı zamanda elektrik şebekesini dengeleyen, modernleştiren ve yenilebilir enerjiyle uyumlu çalışan aktif altyapılar haline gelebileceğini ileri sürüyorsunuz. Bu fikri hayata geçirirken ne gibi güçlüklerle karşılaştınız? İnsanları bu fikre inandırmakta, fon bulmakta ve teknik destek sağlamakta ne gibi zorluklarla karşılaştınız?
Evet, veri merkezleri çok büyük miktarda elektrik tüketiyor. Bu nedenle sadece daha verimli hale gelmeleri değil, elektrik şebekesiyle daha uyumlu çalışmaları önemli bir konu. Yani şebekenin ihtiyaç duyduğu anlarda veri merkezi elektrik tüketimini azaltabilir, enerji bolluğu olduğunda ise daha fazla işlem yapabilir.
Bunun temelinde şu fikir yatıyor: Bilgisayar sistemlerinde, birçok başka enerji tüketen yapıya göre daha fazla esneklik var. Çünkü yaptığımız her işlem aynı derecede acil değil; bazı işlemler kısa süre ertelenebilir, biraz yavaşlatılabilir ya da başka bir lokasyona kaydırılabilir ve kullanıcı bunu hissetmeyebilir.
Tabii bu fikri hayata geçirmek kolay olmadı. Araştırma sürecinde problemi tanımlama şeklimizi birkaç kez değiştirdik. Sonunda meseleye şu şekilde yaklaşmanın daha doğru olduğunu gördük: Kullanıcıların veri merkezindeki işlerinin, uygulamalarının performansını, yani yeterince hızlı şekilde çalışmasını garanti ederken aynı zamanda şebekeye uyumlu çalışmak. Bu noktaya deneme, geri bildirim alma ve yeniden düşünme süreçleriyle geldik. Araştırma çoğu zaman doğrusal ilerlemez; tekrar tekrar düşünmek ve yaklaşımı geliştirmek gerekir.
Fon bulma ve bu fikri kabul ettirme konusunda da zorluklar oldu. Yeni ve alışılmışın dışında bir fikir ortaya koyduğunuzda, “bu pratikte çalışmaz” ya da “gerçek hayatta uygulanamaz” gibi tepkiler gelebiliyor. Bu eleştirilerin bir kısmı çok değerli oluyor ve çalışmayı güçlendiriyor. Bir kısmı ise vizyonu hemen göremeyebiliyor. Ama iyi fikirler genellikle zaman içinde etkisini gösteriyor.
Bu esnekliği sağlarken, bazı yapay zeka iş yüklerinin kısa süre durabilir, geçici olarak yavaşlayabilir, başka zamana kaydırılabilir, başka veri merkezlerine aktarılabilir hale gelebilmesinde yine yapay zekadan mı yararlanıyorsunuz? Kısaca “Yapay zekânın yarattığı enerji sorununu yine yapay zekâ çözebilir” mi demek istiyorsunuz?
Yapay zekânın çok karmaşık veriler içinden modeller (patterns) yakalama ve iyi kararlar çıkarma kapasitesi çok güçlü. Veri merkezlerindeki esneklik de aslında oldukça karmaşık bir problem. Çipler üzerinde aynı anda farklı işler çalışıyor, kullanıcıların beklentileri var, elektrik şebekesinden gelen sinyaller değişiyor ve veri merkezlerinin kendi içinde çok katmanlı yazılım sistemleri bulunuyor.
Bu kadar karmaşık bir düzeni anlamak ve en doğru kararları verebilmek için yapay zekâdan yararlanıyoruz. Bir anlamda, yapay zekânın yarattığı enerji sorununu çözmek için yine yapay zekânın karar verme gücünden faydalanıyoruz diyebiliriz.
TED konuşmalarınızdan birinde veri merkezlerinin “sanal batarya” gibi çalışabileceğini ileri sürüyorsunuz. Burada ne demek istiyorsunuz?
Batarya, elektrik şebekesinde enerji azaldığında devreye girip enerji verebilir, sonra tekrar şarj olabilir. Ama sadece fiziksel bataryalarla bu sorunu çözmek kolay değil; çünkü büyük bataryalar maliyetli ve bazı önemli teknik ve çevresel sınırlamaları da var.
Veri merkezleri ise tüketimlerini azaltıp artırarak benzer bir işlev görebiliyor. Yani ihtiyaç anında daha az enerji çekerek, ihtiyaç geçtiğinde tekrar normal çalışarak adeta “sanal bir batarya” gibi davranabiliyorlar. Bu yüzden bu benzetmeyi kullanıyorum.
Bilgisayar sistemlerini, elektrik şebekesinin kısıtlarına uyarken, kullanıcı performans antlaşmalarını da yerine getirecek şekilde nasıl çalıştırıyorsunuz?
Kullanıcı performansı bir veri merkezi için en önemli kısıt. Çünkü kullanıcı istediği hızda işlem yapamazsa, o sistemin anlamı kalmayabilir.
Bu nedenle güç ve elektrik yönetimi yaparken önce hangi işlerin ve uygulamaların esnek olduğunu belirliyoruz. Acil olmayan veya kısa süreli yavaşlamayı tolere edebilen işleri kontrollü şekilde yavaşlatıyoruz ya da başka bir zamana kaydırıyoruz. Bunu yaparken de kullanıcıya verilen performans anlaşmalarını koruyoruz.
Emerald AI’in yaklaşımı, yapay zeka ile yenilenebilir enerjiyi nasıl uyumlu hale getirebilir?
Yenilenebilir enerji kaynakları, örneğin güneş ve rüzgâr, sürekli aynı miktarda enerji üretmez; bazen çok üretir, bazen az. Bu dalgalanma elektrik şebekesinin arz-talep dengeleme sürecini zorlaştıran bir etken.
Veri merkezleri gibi büyük ve esnek tüketiciler bu dalgalanmanın bir kısmını absorbe edebilir. Enerji bol olduğunda daha fazla işlem yapabilir, enerji az olduğunda, örneğin diğer tüketicilerin enerji talebinin arttığı, klimaların çok kullanıldığı sıcak saatlerde veya enerji santrali arızaları olduğunda, tüketimlerini azaltabilirler. Bu da yenilenebilir enerjinin şebekeye entegrasyonunu kolaylaştırabilir.
Emerald AI Conductor platformu, yapay zekanın yaygınlaşmasını hızlandırabilecek mi?
Bugün Amerika’da ve dünyanın birçok yerinde veri merkezlerinin karşılaştığı en büyük sorunlardan biri enerjiye erişim. Bazı büyük veri merkezi projeleri elektrik bağlantısı için yıllarca beklemek zorunda kalabiliyor; Amerika’da bazı eyaletlerde 5-10 yıl gibi bekleme sürelerinden bahsediliyor.
Şu anda üzerinde konuşulan ve çalışılan yeni yaklaşımlardan biri şu: Eğer bir veri merkezi gerektiğinde tüketimini azaltabilecek kadar esnekse, ona daha hızlı bağlantı imkânı sağlanabilir. Çünkü sorun yeterli enerjinin hiçbir zaman olmaması değil; çoğu zaman sadece belirli saatlerde şebekenin zorlanması. Veri merkezleri bu kritik zamanlarda tüketimlerini düşürebilirse, daha hızlı elektrik gücüne bağlanabilirler. Bu açıdan bizim veri merkezlerine esneklik sağlayan ürünümüz Emerald AI Conductor, yapay zekâ altyapılarının enerjiye daha hızlı erişmesine yardımcı olabilir.
Yapay zeka veri merkezlerinin elektrik talebi logaritmik bir şekilde artıyor. Emerald AI şirketi sürekli artan enerji talebini karşılamaya yönelik esnekliği sağlayabilecek potansiyele sahip mi?
Yapay zekâ nedeniyle enerji talebindeki artış gerçekten çok büyük. Bunun karşılanabilmesi için birçok yerde yeni enerji üretim tesisleri, iletim hatları ve altyapı yatırımları gerekecek. Ama bunlar hem yüksek maliyetli hem de uzun zaman alan süreçler.
Emerald AI bu sorunu tamamen ortadan kaldırmıyor elbette, ama önemli ölçüde hafifletebilir. Esneklik sağlayarak mevcut enerji altyapısının daha verimli kullanılmasına yardımcı olabilir; bu da daha düşük maliyetli, daha dayanıklı ve daha erişilebilir bir çözüm sunabilir.
Bu tür bir “esnek enerji kullanımı” ABD’de yapay zeka veri merkezleri için yaklaşık 100 GW’lık ek kapasite yaratabilir deniyor. Bu, ne gibi avantajlara yol açabilir?
Önümüzdeki birkaç yıl içinde sadece Amerika’da elektrik şebekesine bağlanmak isteyen onlarca gigavatlık veri merkezi yükü var. Bahsedilen 100 GW’lık kapasite de bu alandaki araştırmalardan çıkan önemli bir tahmin. Buradaki fikir şu: Veri merkezleri gibi büyük güç harcayan tüketiciler belirli kritik zamanlarda enerji azaltması (curtailment) yapabilirse, mevcut şebeke kapasitesi çok daha verimli kullanılabilir.
Bunun bir avantajı, yeni veri merkezlerinin enerjiye daha hızlı erişebilmesi. Yani yıllarca altyapı beklemek yerine, esnek tüketim sayesinde mevcut kapasiteyi daha verimli kullanarak daha hızlı devreye alma imkânı doğabilir. Bunun dışında, şebekenin daha dengeli, sürdürülebilir ve maliyeti daha iyi kontrol edilen şekilde geliştirilmesini de sağlayabilir.
Bu yaklaşım sadece dev veri merkezleri için mi geçerli? Endüstriyel tesisler, sera sistemleri, akıllı şebekeler — enerji tüketen her altyapı aynı mantıkla optimize edilebilir mi?
Güç esnekliği (power flexibility) veya talep yönetimi (demand response) sadece veri merkezlerine özgü bir konu değil. Çok daha geniş bir alanda uygulanabilir.
Örneğin elektrikli araçların şarj edilmesi, sanayi tesislerinin enerji kullanımı, veya büyük seralar da benzer şekilde optimize edilebilir. Ortak fikir şu: Enerji tüketimini ihtiyaçlara göre daha akıllı ve daha esnek yönetmek.
Şirketinizin şu anda dünyanın en değerli şirketi olan NVIDIA ile 2026 yılında kurduğu stratejik ortaklık, yapay zeka ekosistemine ne gibi avantajlar sunacak?
NVIDIA bugün “AI factory” dediği, yapay zekâ veri merkezlerinin hızlı şekilde kurulabilmesini sağlayan veri merkezi mimarisi çözümleri geliştiriyor. Bunlar sadece çip ve donanım değil, tüm sistemin nasıl çalışacağına dair bir altyapı yaklaşımı sunuyor.
Bizim hedefimiz ise bu yapıları enerji açısından esnek hale getirmek. Yani veri merkezlerini sadece yapay zekâ uygulamalarını çalıştırma kapasiteleri bakımından güçlü şekilde geliştirmek değil, aynı zamanda elektrik şebekesiyle uyumlu çalışabilmesini sağlamak. Bu da pratikte daha fazla veri merkezinin daha hızlı ve daha verimli şekilde devreye alınmasına katkı sağlayabilir; daha önce dediğimiz gibi daha verimli, dayanıklı, sürdürülebilir, ve erişilebilir maliyetli yapay zekâ gelişimine katkı sunabilir.
