Çin’de Milyar Dolarlık Robot Yarışı: Asıl Rekabet Artık “Beyinde”

Çinli şirketler, robotlara yeni görevleri öğrenip farklı ortamlara uyum sağlayacak yapay zekâ geliştirmek için yarışıyor. Milyarlarca dolarlık finansman sektöre akarken, fabrikalarda güvenilir çalışma ve gelişmiş çiplere erişim belirleyici oluyor.

Çin’de robotların çevrelerini algılamasını, yeni görevler öğrenmesini ve değişen koşullara uyum sağlamasını hedefleyen yapay zekâ şirketlerine milyarlarca dolarlık finansman akıyor. Araştırma şirketi ITjuzi’nin verilerine göre ülkedeki bedensel yapay zekâ girişimleri, 2026’nın ilk yarısında 322 finansman işleminde toplam 93,5 milyar yuan kaynak topladı. Yaklaşık 13 milyar dolara karşılık gelen finansman, robot üreticilerinin yanı sıra bu makinelerin yazılımlarında uzmanlaşan şirketlere de yöneliyor.

Koşan, dans eden ve takla atan insansı robotlar geliştiren Çinli üreticiler, şimdi bu makinelerin fabrikalarda, depolarda ve hizmet sektöründe daha geniş görevler üstlenmesini sağlamaya çalışıyor. “Bedensel yapay zekâ” olarak adlandırılan teknoloji, robotların fiziksel dünyayı anlamasını ve karşılaştıkları her iş için baştan programlanmadan hareket edebilmesini amaçlıyor.

Robot donanımında artan rekabet ve gerileyen fiyatlar, şirketlerin gelir beklentilerini de etkiliyor. Şanghay merkezli teknoloji danışmanlığı şirketi ZenGen Labs’ın kurucusu Dermot McGrath’a göre üreticiler, kâr marjını korumada robotun “beynini” oluşturan yazılımın önem kazandığı görüşünde.

Bu yarış, ABD ile Çin arasındaki teknoloji rekabetinin de önemli alanlarından biri haline geliyor. ABD’li Physical Intelligence, Skild AI ve Generalist gibi girişimler, robotlara farklı becerileri hızla kazandırabilecek modeller geliştiriyor. Çin’de ise X Square, Galaxea ve Spirit AI gibi şirketler, robot üreticileri ve sanayi müşterileriyle yakın çalışarak sistemlerini gerçek iş ortamlarında geliştirmeye odaklanıyor.

ABD’li geliştiriciler ileri yapay zekâ araştırmaları ve güçlü hesaplama altyapısından yararlanırken Çinli şirketler üretim ekosistemlerini ve fabrikalardan elde edebildikleri verileri avantaja dönüştürmeye çalışıyor. Hedef, aynı yapay zekânın farklı robotlarda ve farklı işletmelerde kullanılabilmesi.

Robotların öğrenmesi, fiziksel etkileşimlere ilişkin çok sayıda örnek gerektiriyor. Bir nesnenin nasıl kavranacağı, esnek bir kablonun nasıl tutulacağı veya bir parçanın ne kadar kuvvet uygulanarak yerine takılacağı, eğitim çalışmalarının temelini oluşturuyor.

Spirit AI’nin kurucu ortağı Gao Yang, şirketin günlük ve endüstriyel faaliyetleri kaydetmek için yaklaşık bin kişiyi işe aldığını belirtiyor. ACE Robotics ise mağaza ve otellerde çalışanların hareketlerini ve kavrama kuvvetlerini giyilebilir sensörlerle kaydediyor. Ant Group bünyesindeki Robbyant da farklı robotların aynı modelden yararlanabilmesi için 17 üreticinin 20 farklı robot yapısından elde edilen verileri kullanıyor.

Yeni bir görevin ne kadar hızlı öğrenilebildiği, şirketlerin yakından izlediği ölçütler arasında bulunuyor. Generalist’in yayımladığı araştırmaya göre GEN-1.5 modeli, 3–12 saniyelik tek bir gösterimin ardından 10 farklı kısa ve basit görevde ortalama yüzde 59 başarı sağladı. Şirket, bu sonuçların sınırlı görevler için geçerli olduğunu ve kısa gösterimlerle edinilen becerilerin, göreve özel ek eğitimden geçirilen modellere göre daha kırılgan kaldığını belirtiyor.

Bilgisayar simülasyonları da eğitim sürecinde kullanılıyor. Ancak gerçek dünyadaki sürtünme, esneklik ve nesneler arasındaki temasın sanal ortamda eksiksiz biçimde yeniden oluşturulamaması, geliştiricilerin aşması gereken sorunlar arasında yer alıyor.

Bazı uygulamalar üretim hatlarına ulaşmış durumda. Spirit AI’nin açıklamasına göre şirketin robotları, batarya üreticisi CATL’nin Zhongzhou tesisinde batarya paketlerinin test bağlantılarını gerçekleştiriyor. Belirli bağlantı işlemlerinde başarı oranının yüzde 99’un üzerinde olduğu bildiriliyor.

Robbyant da robotlarının Şanghay’daki iki eczanede sipariş hazırlama süreçlerinde kullanıldığını belirtiyor. İlaçlar gönderilmeden önce çalışanlar tarafından kontrol ediliyor. Bu uygulamalar, belirli işlerin otomatikleştirilmesinde ilerleme sağlandığını gösterirken farklı müşterilerde ve değişken çalışma koşullarında aynı güvenilirliğin korunması sektörün temel hedefi olmaya devam ediyor.

Gelişmiş çiplere erişim de Çinli şirketlerin önündeki önemli engellerden biri. ABD’nin ihracat kısıtlamaları güçlü Nvidia çiplerine erişimi zorlaştırırken geliştiriciler daha verimli modeller, yapay olarak üretilen eğitim verileri ve simülasyonlarla hesaplama ihtiyacını azaltmaya çalışıyor. Yerli çip alternatiflerinin bu açığı ne ölçüde kapatabileceği ise belirsizliğini koruyor.

Robotik danışmanı Georg Stieler, gösterimlerde elde edilen ilerlemeyle müşterinin her gün güvenebileceği ticari performans arasında zaman farkı olabileceğine dikkat çekiyor. Stieler’e göre robotların tanımadıkları görevlerde başarılı gösterimler yapmasının ardından, yaygın ve güvenilir ticari kullanım için aylar yerine yıllar gerekebilir.