Yapay Zekanın Yeni Altına Hücumu: Somutlaşmış YZ Patlaması İçin 3 Veri 'Kazması'

Dil tabanlı yapay zekadan fiziksel etkileşimli "dünya modellerine" doğru bir paradigma kayması, bunları eğitmek için gereken temel veri altyapısında bir yatırım patlaması yaratıyor. Yeni bir Guotai Haitong raporuna göre, somutlaşmış yapay zekanın (Embodied AI) önündeki ana darboğaz artık algoritmalar değil, veri talebinin eksabayt ölçeğine ulaştığı devasa bir veri açığıdır. Bu durum; veri toplama, simülasyon ve işleme firmalarını yapay zekanın bir sonraki dalgası için temel "kazma ve kürek" yatırımı olarak konumlandırıyor.

Guotai Haitong raporunda, "Bu veri açığını ilk dolduran şirketler, fiziksel yapay zeka döneminin 'kürek satıcıları' olarak hareket edecek ve önemli değerleme primleri elde edecekler," ifadesine yer verildi.

Somutlaşmış zeka için veri gereksinimleri, büyük dil modellerinden (LLM) kat kat daha fazladır. LLM'ler petabayt ölçeğindeki metin ve görüntü veri setleriyle eğitilirken, dünyayla etkileşime giren robotlar; kuvvet, dokunma ve sürtünme gibi etkileşim fiziğini içeren eksabayt ölçeğinde veriye ihtiyaç duyarlar. Bu özel ve yüksek kaliteli veri kritik düzeyde kıttır ve tüm robotik endüstrisi için temel bir darboğaz oluşturmaktadır.

Bu kıtlık, robotik değer zincirinin yeniden değerlendirilmesine neden oluyor. Odak noktası, robot donanımının kendisinden, toplama ve işleme sorununu çözebilecek veri altyapısı sağlayıcılarına kayıyor. Bu eğilim, veri araçlarına ve hizmetlerine odaklanan yeni bir yapay zeka hisseleri alt sektörüne önemli bir sermaye girişini tetikleyebilir ve kısa vadede robot üreticilerinden daha fazla bu şirketlere fayda sağlayabilir.

Trilyon Dolarlık Veri İkilemi: 3 Rakip Çözüm

Veri açığını kapatmak için endüstri, her biri farklı tavizler içeren üç ana yolu izliyor:

Gerçek Dünya Verileri: İnsan tarafından işletilen uzaktan operasyon düzenekleri ve hareket yakalama giysileri aracılığıyla toplanan bu yöntem, gerçek fiziksel etkileşimler içerdiği için en yüksek sadakatli verileri sağlar. Ancak maliyeti engelleyicidir, ölçeklendirilmesi zordur ve tüm uç durum senaryolarını kapsayamaz. 1X Technologies gibi şirketler, "Sim2Real" (Simülasyondan Gerçeğe) boşluğunu aşmanın tek yolunun bu olduğunu savunarak buna öncelik veriyor.
Sentetik ve Simülasyon Verileri: Sanal ortamlarda devasa, mükemmel etiketlenmiş veri setleri oluşturmak için fizik motorlarını kullanmak. Bu yaklaşım ucuz ve ölçeklenebilirdir; Galaxy General gibi firmalar yüzde 99'a 1 sentetik-gerçek veri oranını hedeflemektedir. En büyük zayıflığı, simülasyonda eğitilen modellerin ince fiziksel farklılıklar nedeniyle gerçek dünyada güvenilir bir şekilde performans gösteremediği "Sim2Real" boşluğudur.
Video Verileri: Modelleri eğitmek için internetteki geniş video depolarını kullanan daha yeni bir yaklaşım. Tesla ve Figure AI gibi şirketler, video verilerinin muazzam ölçeğinin, doğrudan fiziksel özelliklerin eksikliğinden daha ağır bastığına inanarak bu yönteme yöneliyor. Zorluk, 2D videoyu 3D eyleme "boyut yükseltmek" gibi karmaşık bir teknik engeldir.

Mevcut fikir birliği; kitlesel ön eğitim için simülasyon ve videonun kullanıldığı, ardından daha küçük, yüksek kaliteli gerçek dünya verileriyle ince ayar yapıldığı hibrit bir yaklaşımın endüstri standardı haline geleceği yönündektedir.

Robot Üreticileri ve Teknoloji Devleri Bahislerini Nasıl Oynuyor?

Bu stratejik farklılaşma endüstri genelinde görünür durumda. Tesla, Optimus robotu için uzaktan operasyonu terk etmesi ve bunun yerine araç filosundan gelen videolara güvenmesiyle tanınıyor. OpenAI ve Microsoft tarafından desteklenen Figure AI, insan videolarından robotlarına beceri aktarmayı "sıfır-vuruşlu öğrenme" (zero-shot learning) ile keşfetmek için "Project Go-Big"i başlattı.

Buna karşılık, Çin'deki Zhìyuán Jīqìrén (智元机器人) gibi girişimlerin büyük modellerini eğitmek için yüzde 100 gerçek dünya verisi kullandığı bildiriliyor. Bu durum, hangi veri kaynağının nihayetinde en etkili olacağı konusundaki stratejik bahisleri vurguluyor.

Eğilim robotiğin ötesine uzanıyor. Hindistanlı fintech devi Paytm, büyük ölçekli yapay zeka hedeflerine rağmen kendi veri merkezlerini kurma planına sahip değil. Bunun yerine, CEO Vijay Shekhar Sharma'nın 2026 mali yılı 4. çeyrek kazanç toplantısında onayladığı üzere, NVIDIA gibi sağlayıcılardan bilgi işlem kapasitesi kiralayacak ve tescilli modellerini üçüncü taraf altyapı üzerinde çalıştıracak. Bu strateji "kürek satıcısı" tezini doğruluyor: Büyük teknoloji oyuncuları bile temel altyapı sağlayıcılarının rakibi değil, müşterisi olmayı tercih ediyor.

'Kazma ve Kürek' Portföyü: Sermaye Nereye Akıyor?

Piyasa zaten "kürek satıcılarını" ödüllendiriyor. Avrupa'nın yapay zeka destekli unicorn artışında ve Çinli Moonshot AI tarafından toplanan 2 milyar dolarlık devasa fon turlarında görüldüğü gibi, yatırımcılar temel yetenekler sağlayan şirketlere sermaye akıtıyor. Guotai Haitong raporuna göre yatırım dört temel alanda yoğunlaşıyor:

Video Veri Dönüştürme: İnternet videolarını düşük maliyetle kullanılabilir eğitim verilerine dönüştürebilen platformlar.
Simülasyon Platformları: Sanal eğitim alanları ve sentetik veri üreteçleri sağlayan şirketler.
Donanım ve Sensörler: Optik-ataletsel eldivenler ve elektronik deri gibi yüksek sadakatli veri yakalama araçlarının üreticileri.
Entegre Veri Hizmetleri: Her üç veri kaynağını birleştiren kapsamlı eğitim tesisleri ve mühendislik platformları kuran şirketler.

Yatırımcılar için bu durum, somutlaşmış yapay zeka alanındaki en umut verici fırsatların robotları inşa eden şirketler değil, onları akıllı hale getirmek için gereken temel verileri ve araçları satan şirketler olabileceği anlamına geliyor.

Bu makale sadece bilgilendirme amaçlıdır ve yatırım tavsiyesi teşkil etmez.