Çin'de, robotların çevrelerini algılaması, yeni görevler öğrenmesi ve değişen koşullara uyum sağlaması amacıyla geliştirilen yapay zeka şirketlerine milyarlarca dolarlık finansman sağlanıyor. Araştırma şirketi ITjuzi'nin verilerine göre, 2026 yılının ilk yarısında ülkedeki bedensel yapay zeka girişimleri, 322 finansman işlemiyle toplam 93,5 milyar yuan (yaklaşık 13 milyar dolar) kaynak topladı.
Bu finansman, hem robot üreticilerine hem de bu makinelerin yazılımları konusunda uzmanlaşan firmalara yöneliyor. Yürüyen, dans eden ve takla atabilen insansı robotlar üreten Çinli firmalar, şimdi bu makinelerin fabrikalar, depolar ve hizmet sektöründe daha geniş görevler üstlenmesini hedefliyor. "Bedensel yapay zeka" olarak adlandırılan bu teknoloji, robotların fiziksel dünyayı anlamasını ve karşılaştıkları her görev için yeniden programlanmadan hareket edebilmesini amaçlıyor.
Robot donanımındaki artan rekabet ve düşen fiyatlar, şirketlerin kâr 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 kazandığına inanıyor. Bu durum, ABD ile Çin arasındaki teknoloji rekabetinin de önemli bir alanını oluşturuyor.
ABD'de Physical Intelligence, Skild AI ve Generalist gibi girişimler, robotlara farklı becerileri hızla kazandırabilecek modeller geliştirirken, Çin'de X Square, Galaxea ve Spirit AI gibi şirketler, robot üreticileri ve sanayi müşterileriyle yakın iş birliği içinde sistemlerini gerçek iş ortamlarında iyileştirmeye odaklanıyor. ABD'li geliştiriciler ileri yapay zeka araştırmaları ve güçlü hesaplama altyapısından faydalanırken, Çinli firmalar üretim ekosistemlerini ve fabrikalardan elde ettikleri verileri avantaja çevirmeye çalışıyor. Temel hedef, aynı yapay zekanın farklı robotlarda ve farklı işletmelerde kullanılabilmesini sağlamak.
Robotların öğrenme süreci, fiziksel etkileşimlere dair çok sayıda örnek gerektiriyor. Bir nesnenin nasıl kavranacağı, esnek bir kablonun nasıl tutulacağı veya bir parçanın ne kadar kuvvetle yerine takılacağı gibi konular, eğitim çalışmalarının merkezinde yer alıyor. Spirit AI'nin kurucu ortağı Gao Yang, şirketinin günlük ve endüstriyel faaliyetleri kaydetmek amacıyla yaklaşık bin kişiyi istihdam ettiğini belirtiyor. ACE Robotics, mağaza ve otellerdeki çalışanların hareketlerini ve kavrama kuvvetlerini giyilebilir sensörlerle kaydediyor. Ant Group bünyesindeki Robbyant ise farklı robotların aynı modelden yararlanabilmesi için 17 üreticinin 20 farklı robot yapısından elde edilen verileri kullanıyor.
Spirit AI'nin Genel Müdürü Gao Yang, yeni bir görevin ne kadar hızlı öğrenilebildiğinin şirketler tarafından yakından takip edildiğini belirtti. Generalist'in yayımladığı araştırmaya göre, GEN-1.5 modeli, 3 ila 12 saniyelik tek bir gösterimin ardından 10 farklı kısa ve basit görevde ortalama yüzde 59 başarı gösterdi. Ancak şirketin belirttiğine göre, bu sonuçlar sınırlı görevler için geçerli olup, kısa gösterimlerle edinilen beceriler, göreve özel ek eğitimden geçen modellere kıyasla daha kırılgan kalabiliyor.
Bilgisayar simülasyonları da eğitim sürecinde kullanılıyor. Ancak gerçek dünyadaki sürtünme, esneklik ve nesneler arasındaki temasın sanal ortamda tam olarak yeniden oluşturulamaması, geliştiricilerin aşması gereken önemli sorunlardan biri olmaya devam ediyor.
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 ifade ediyor; ilaçlar gönderilmeden önce çalışanlar tarafından kontrol ediliyor. Bu uygulamalar, belirli işlerin otomatikleştirilmesinde ilerleme kaydedildiğini gösterirken, farklı müşterilerde ve değişken çalışma koşullarında aynı güvenilirliğin korunması sektörün temel hedefi olmaya devam ediyor.
Gelişmiş çiplere erişim de Çinli şirketler için önemli bir engel teşkil ediyor. 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, gösterimlerle elde edilen ilerlemeyle ticari performans arasındaki zaman farkına dikkat çekerek, robotların tanımadıkları görevlerde başarılı gösterimler yapmasının ardından yaygın ve güvenilir ticari kullanım için aylar yerine yıllar gerekebileceğini belirtiyor.
