Modelde atılım yaklaşıyor; fabrikada kullanıma ne kadar var?

  • Nomura, OpenAI'ın Aralık 2026 ile Ocak 2027 arasında fiziksel yapay zekâya yönelik bir model yayımlayarak ilk katalizörü oluşturmasını bekliyor. Ancak banka bu ilerleme dalgasını GPT-2 seviyesine yakın görüyor: Yetenekler ortaya çıkmaya başlıyor, fakat istikrarlı üretime ulaşmak için hâlâ mesafe var.
  • Az sayıda gösterimden öğrenmede ilerleme kaydedildi. Generalist AI, GEN-1.5 modelinin 3–12 saniyelik tek bir gösterimi izledikten sonra on testte %59 başarı oranına ulaştığını, beş dakikalık ek veriyle yapılan kısa eğitimin ardından oranın %83 seviyesine çıktığını açıkladı. Bu sonuçlar şirketin kısa görevleri veya simülasyon ortamlarını kapsayan testlerinden geliyor.
  • Müşterilerin deneme bütçesinden işletme bütçesine geçip geçmeyeceğini gerçekten belirleyen unsur güvenilirlik. Nomura'nın araştırmasına göre en iyi robotlar müdahale olmadan yalnızca birkaç saat çalışabilirken fabrikaların bir haftaya ihtiyacı var; sahadaki doğruluk yaklaşık %60, sektörün gereksinimi ise en az %98. Banka, ikinci açığın kapanmasının 3–5 yıl alacağını öngörüyor.

Birinci şahıs bakış açısıyla çekilen video eğitim maliyetlerini neden değiştirebilir?

  • Teleoperasyonda insanlar veri toplamak için robotları uzaktan kontrol eder; yöntem pahalıdır ve belirli robot modellerine bağlıdır. Nomura tipik maliyeti saat başına yaklaşık 700 yuan olarak veriyor. İnsanların birinci şahıs bakış açısıyla çektiği videonun maliyeti yaklaşık 300–350 yuan ve video farklı robot nesillerinde kullanılmaya devam edebiliyor; bu da onu ön eğitim verisi miktarını artırmaya daha uygun kılıyor.
  • Verimlilik artışı eğitim yöntemlerinden de geliyor. SuperMimic önce bedenin nasıl hareket ettiğini öğreniyor, ardından model içinde bir kontrolör eğitiyor. Makalede, tek GPU ile 3 saatlik eğitimin, 128 GPU ile 7 gün eğitilen kıyaslama yöntemini geçtiği ve hesaplama miktarını bin kattan fazla azalttığı bildiriliyor. Bu iyileşme tüm vücut hareketinin kontrolüne yönelik; Nomura buradan hareketle bu aşamanın işlem gücüne bağımlılığının azalabileceğini düşünüyor.
  • Video ilk öğrenme sorununu çözebilir, ancak sürekli ilerleme robotların çalışırken ürettiği verilere de bağlı. Nomura, ancak yeterli sayıda robotun kullanıma alınmasıyla ‘çalışma veri üretir—model iyileşir—kullanım artar’ döngüsünün oluşabileceğini düşünüyor.

Modeldeki ilerlemeyi veri geri bildirim döngüsüne dönüştürmek için kim daha elverişli konumda?

  • Nomura büyük yapay zekâ laboratuvarlarını ve Tesla'yı daha çok tercih ediyor: İlki genel amaçlı modellere, yetenekli insan kaynağına ve işlem gücüne sahip; Tesla ise simülasyonu, veri platformlarını, fabrika testlerini ve kendi robotlarını birbirine bağlıyor. İki tür yetenek birbirini tamamlayabilir.
  • Sahadaki ölçek hâlâ bir kısıt. Nomura'nın araştırmasına göre Tesla, 2026 sonuna kadar yaklaşık 10 bin kurum içi eğitim robotuyla toplam 1 milyon saat kullanılabilir veri elde etmeyi hedefliyor. Buna karşılık Çin'in en büyük yedi ekspres teslimat şirketinin 2026 yılında toplamda 500 adetten az insansı robot satın alması bekleniyor. Bu nedenle banka, döngünün önce hem modellere hem de robotlara sahip şirketlerin içinde başlayacağını düşünüyor.

Becerikli ellerin hacmi neden ilk artan ürün olması mümkün?

  • Geçmişte eğitim verileri yetersizdi ve robotlar daha çok basit tutucular kullanıyordu. Nomura, daha güçlü temel modellerin iki veya üç parmaklı tutucuların öğrendiği becerileri beş parmaklı ellere aktarabileceğini, böylece kullanımın artmasını ve birim fiyatın düşmesini sağlayabileceğini düşünüyor.
  • Banka, 2026 yılında becerikli el sevkiyatlarının yıllık bazda %80–%120 artmasını ve bu artışın başlıca daha fazla hareketli ekleme sahip, yüksek serbestlik dereceli ürünlerden kaynaklanmasını bekliyor. Buradaki fayda mantığı, modellerin karmaşık ellerin kullanım eşiğini düşürmesi; sevkiyat artışına ise fiyat düşüşünün eşlik etmesi.

Komple robot üreticileri arasındaki rekabet neden sonuçta üretim tutarlılığına bağlı?

  • Nomura, model yaklaşımı istikrara kavuştuktan sonra robotların az sayıda standart biçimde birleşeceğini öngörüyor. O noktada her robotun 20'den fazla ekleminin benzer performans göstermesi önem kazanacak: Gövdeler arasındaki farklar çok büyükse bir makinenin öğrendiği kontrol stratejisini diğerlerinde yeniden kullanmak zorlaşır ve veri paylaşımı olumsuz etkilenir.
  • Bu nedenle banka, hızlı geliştirme yapan ve maliyetleri iyi kontrol eden Unitree'yi, otomobil üreticilerini ve temel parça tedarikçilerini tercih ediyor. Ayrıca Unitree'nin maliyet ve kaliteyi dengelemek için hacim arttıkça dış tedarik oranını yükseltmesini bekliyor. Buna karşılık ürün tutarlılığı düşük olan ve veri toplayan müşterilere bağımlı komple robot üreticileri talep düşüşüyle karşılaşabilir.