Fiziksel yapay zekânın veri darboğazı: Veri toplama donanımının hacmi neden robotlardan önce artabilir?
Materyal, fiziksel yapay zekâ sektörünün darboğazı olarak yüksek kaliteli eğitim verilerine işaret ediyor; fırsatlar veri toplama donanımı, gerçek ortamlardan elde edilen veriler ve simülasyon hizmetlerinde yoğunlaşıyor. Pazar büyüklüğüne ilişkin tahminler hızlı bir artışa işaret etse de şirketlerin somutlaşma aşamaları belirgin biçimde farklı: bazıları satış yapmış veya veri biriktirmişken bazıları henüz gelir açıklamış değil.
Fiziksel yapay zekânın veri ihtiyacı, veri toplama ekipmanı ve sensörlere yönelik satın alma fırsatlarını öne çekiyor. Ancak şirketlerin bundan yararlanıp yararlanmayacağı, belirli tedarik ilişkilerine, sipariş hacminin artmasına ve veri hizmetlerinden gelirin gerçekleşmesine bağlı.
Araştırmaların odağı neden veri toplamaya kayıyor?
Materyal, fiziksel yapay zekânın temel darboğazını robotun kendisinden veriye kaydırıyor: Büyük modellerin uygulamaya alınması, onlarca milyar saat ölçeğinde yüksek kaliteli veri gerektirebilir; mevcut açık kaynaklı veri kümeleri ise yalnızca milyonlarca kayıt ve saat ölçeğinde. Bu nedenle veri arzının ölçeği ve kalitesi, eğitim kapasitesinin genişlemesini sınırlıyor.
Bir kurum, robotlar için küresel veri toplama talebinin 2027 yılında yaklaşık 10,8 milyon saatten 2031 yılında 2,925 milyar saate, buna karşılık gelen pazar büyüklüğünün ise 7,8 milyar yuandan 824 milyar yuana çıkacağını tahmin ediyor. Bu öngörü, eğitim talebinin büyümeyi sürdürmesine ve toplama, etiketleme ve işleme kapasitesinin buna paralel artmasına bağlı; materyal, etiketleme kapasitesi ile yüksek hassasiyetli toplama donanımının hâlâ kıt olduğunu belirtiyor.
Düşük maliyetli veriler ile gerçek robot verileri hangi sorunları çözüyor?
Dört toplama yolu; gerçek robotun uzaktan çalıştırılması, UMI ve Ego ile robot gövdesi olmadan toplama, simülasyon ve sentez ile dünya modelleri aracılığıyla veri üretimini kapsıyor. Robot gövdesi kullanılmayan yöntemin maliyeti daha düşük ve önceden yaygınlaştırılması daha kolay; gerçek robot verileri ise eğitim doğrulamasında “altın standart” işlevi görüyor. İkisi farklı aşamalara hizmet ediyor.
Maliyet farkları veri bileşimini belirliyor: Ego görsel verilerinin fiyatı saat başına yaklaşık 120–500 yuan, gerçek robot ve uzaktan çalıştırma verilerinin fiyatı ise yaklaşık 500–2000 yuan; simülasyon ve sentetik veriler düşük maliyetli bir tamamlayıcı sağlıyor. Kurum, Ego görsel verilerinin en büyük kategori olmasını, ardından dokunsal veri ve gerçek robot verilerinin hacminin artmasını bekliyor.
Teknik mimaride de görev paylaşımı var. Materyale göre genel amaçlı büyük modeller planlama ve anlamsal anlamayı üstleniyor, VLA görsel ve dilsel bilgileri hareket kontrolüne dönüştürüyor, dünya modelleri ise hareketlerin sonuçlarını öngörüyor. Hassas manipülasyon ve temas koordinasyonu hâlâ amaca yönelik kontrol eğitimi gerektiriyor; dolayısıyla veri ihtiyacı görme, duruş ve dokunma gibi birden fazla boyutu kapsıyor.
Hangi aşamalarda satın almalar daha erken gerçekleşebilir?
Sektör araştırmasının ortaya koyduğu sıralama şöyle: Veri toplama ekipmanı üreticilerinin sipariş hacmi 2027 yılında artarsa önceden toplu IMU satın almaları gerekecek. IMU, hareket sırasındaki duruşu ve uzamsal yörüngeleri algıladığından sensör alımları nihai ekipmanın tesliminden önce gerçekleşebilir; temel koşul, ekipman siparişlerinin öngörülen zamanda artmasıdır.
Orbbec, Temmuz 2026 tarihinde robot gövdesi olmadan veri toplamaya yönelik bir donanım platformu piyasaya sürdü. Platform birinci şahıs bakış açısını, elle gerçekleştirilen işlemleri, bilek etkileşimini ve cihaz senkronizasyonunu kapsıyor. Müşterileri arasında veri toplama hizmeti sağlayıcıları, büyük model geliştiricileri ve robotik şirketleri bulunuyor. Şirketin iş bağlantısı, bu müşterilerin toplama sistemleri kurarken yaptıkları donanım alımlarıdır.
Satış aşamasına daha yakın bir örnek Skyworth Digital: Materyal, şirketin iletişimlerinde EGO serisi veri toplama ürünlerinin yurt içinde ve dışında satışa ulaştığını belirttiğini aktarıyor. Ürünün piyasaya sürülmesi, müşterilerin sisteme katılması ve fiilî satış farklı aşamalardır; şirketlerin ilerlemesi değerlendirilirken ilgili aşama esas alınmalıdır.
Veri birikti; peki gelire ne kadar kaldı?
Tianqi tarafından işletilen endüstriyel veri toplama ve uygulamalı eğitim merkezi, yaklaşık 20 bin saatlik çok modlu veri biriktirdi, yüzden fazla robotu kullanıma aldı ve otomotiv, batarya ve 3C üretim senaryolarını kapsadı. Bağlantı noktası, eğitim veri kümeleri üretebilen gerçek endüstriyel ortamlar, toplama ekipmanı ve etiketleme yönetim sistemlerinin bir araya getirilmesidir.
Simülasyon alanında ticarileşme daha erken bir aşamada. Fengyuzhu, kontrol ettiği bir ortak girişim aracılığıyla fiziksel simülasyon, Sim2Real eğitimi ve uzamsal sentetik veri alanlarına girdi; ancak fiziksel yapay zekâ işinden henüz gelir açıklamadı. Materyal, bu işin büyüme potansiyelini doğrudan Fengying Technology siparişlerinin gerçekleşmesine bağlıyor. Sektör pazarının genişlemesi ile tek bir şirketin gelir artışı arasında hâlâ fırsatların siparişe dönüşmesi aşaması bulunuyor.
