Haberin öne çıkan noktaları
- Çin’de bedensel yapay zekâ girişimleri 2026’nın ilk yarısında 322 finansman turunda 93,5 milyar yuan, yaklaşık 13 milyar dolar kaynak topladı. Yarışta robotların farklı görevleri öğrenmesini sağlayan yazılımlar, fabrikalarda güvenilirlik ve gelişmiş çiplere erişim öne çıkıyor.
Çin’de robotların çevrelerini algılaması, yeni işler öğrenmesi ve değişen koşullara uyum sağlaması için geliştirilen yapay zekâ sistemlerine büyük yatırımlar yapılıyor. Araştırma şirketi ITjuzi’nin verilerine göre ülkedeki bedensel yapay zekâ girişimleri, 2026’nın ilk altı ayında 322 finansman işleminde toplam 93,5 milyar yuan topladı. Yaklaşık 13 milyar dolara denk gelen kaynak, hem robot üreticilerine hem de makinelerin yazılımını geliştiren şirketlere yöneldi.
Koşabilen, dans edebilen ve takla atabilen insansı robotlar üreten Çinli şirketler, bu makinelerin fabrikalarda, depolarda ve hizmet alanlarında daha fazla işi üstlenmesi için çalışıyor. Bedensel yapay zekânın amacı, robotların fiziksel çevreyi kavrayıp her yeni görev için baştan programlanmaya ihtiyaç duymadan hareket edebilmesi.
Rekabet donanımdan robotun yazılımına kayıyor
Robot donanımında rekabetin yoğunlaşması ve fiyatların düşmesi, şirketlerin gelir beklentilerini etkiliyor. Şanghay merkezli teknoloji danışmanlığı ZenGen Labs’ın kurucusu Dermot McGrath, üreticilerin kâr marjlarını korumak için robotun “beyni” sayılan yazılıma daha fazla önem verdiğini belirtiyor.
Bu alandaki yarış, ABD ile Çin arasındaki teknoloji rekabetinin de başlıklarından biri. ABD merkezli Physical Intelligence, Skild AI ve Generalist gibi girişimler robotlara farklı becerileri kısa sürede kazandırabilecek modeller üzerinde çalışıyor. Çin’deki X Square, Galaxea ve Spirit AI ise robot üreticileri ve sanayi müşterileriyle yakın iş birliği kurarak sistemlerini gerçek çalışma koşullarında geliştirmeyi hedefliyor.
ABD’li geliştiriciler ileri yapay zekâ araştırmalarından ve güçlü hesaplama altyapısından yararlanırken Çinli şirketler üretim ekosistemine ve fabrikalardan toplayabildikleri verilere dayanıyor. Şirketlerin ortak hedefi, bir yapay zekâ modelinin farklı robot türlerinde ve farklı işletmelerde kullanılabilmesini sağlamak.
Şirketlerin verileri ve uygulamaları ne gösteriyor?
Robotlara yeni beceriler kazandırmak için fiziksel dünyadaki etkileşimlerden çok sayıda örnek gerekiyor. Nesneleri kavrama, esnek bir kabloyu tutma ya da bir parçayı yerine yerleştirirken uygulanacak kuvveti ayarlama gibi hareketler, eğitim verilerinin temelini oluşturuyor.
Spirit AI’nin kurucu ortağı Gao Yang, şirketin günlük ve endüstriyel işleri kaydetmek üzere yaklaşık bin kişiyi işe aldığını söylüyor. ACE Robotics, mağaza ve otel çalışanlarının hareketlerini ve kavrama kuvvetlerini giyilebilir sensörler aracılığıyla kaydediyor. Ant Group bünyesindeki Robbyant ise farklı robotların ortak bir modelden yararlanabilmesi amacıyla 17 üreticinin geliştirdiği 20 ayrı robot yapısından elde edilen verileri kullanıyor.
Bir görevin ne kadar çabuk öğrenilebildiği de geliştiricilerin takip ettiği göstergeler arasında. Generalist’in yayımladığı araştırmaya göre GEN-1.5 modeli, 3 ila 12 saniye süren tek bir gösterimin ardından 10 farklı kısa ve basit görevde ortalama yüzde 59 başarı elde etti. Şirket, sonucun sınırlı görevler için geçerli olduğunu; kısa gösterimlerle öğrenilen becerilerin, göreve özel ek eğitim alan modellerin becerilerine kıyasla daha kırılgan kaldığını vurguluyor.
Eğitimde bilgisayar simülasyonlarından da faydalanılıyor. Bununla birlikte, gerçek dünyadaki sürtünme, esneklik ve nesnelerin birbirine temas etme biçimini sanal ortamda bütünüyle canlandırmak mümkün olmadığından, bu unsurlar geliştiriciler için sorun olmaya devam ediyor.
Bazı robot uygulamaları üretim alanlarında kullanılmaya başlandı. Spirit AI, robotlarının batarya üreticisi CATL’nin Zhongzhou tesisinde batarya paketlerinin test bağlantılarını yaptığını bildiriyor. Şirketin aktardığına göre robotlar, belirli bağlantı işlemlerinde yüzde 99’un üzerinde başarı sağlıyor.
Robbyant’ın robotları da Şanghay’daki iki eczanede sipariş hazırlama işlerinde kullanılıyor. İlaçlar gönderilmeden önce çalışanlar tarafından denetleniyor. Bu örnekler, belirli görevlerin otomatikleştirilmesinde ilerleme kaydedildiğine işaret etse de sektörün hedefi, değişken koşullarda ve farklı müşterilerde aynı güvenilirliği sürdürebilmek.
Güvenilir kullanım ve çip erişimi belirleyici olacak
Çinli şirketlerin önündeki engellerden biri, gelişmiş işlemcilere erişim. ABD’nin ihracat kısıtlamaları, güçlü Nvidia çiplerinin tedarikini zorlaştırıyor. Geliştiriciler hesaplama ihtiyacını azaltmak için daha verimli modeller, yapay olarak oluşturulan eğitim verileri ve simülasyonlar üzerinde çalışıyor. Çin’de geliştirilen yerli çiplerin bu açığı ne ölçüde kapatabileceği ise henüz net değil.
Robotik danışmanı Georg Stieler, gösterimlerde görülen ilerleme ile müşterilerin her gün güvenebileceği ticari performansın aynı hızda ortaya çıkmayabileceğine dikkat çekiyor. Stieler’e göre robotların tanımadıkları görevlerde başarılı biçimde çalıştığını gösteren denemelerin ardından, teknolojinin yaygın ve güvenilir ticari kullanıma ulaşması aylar değil yıllar alabilir.
