- Robotik sektörü şu anda GPT-2.5 seviyesinde bir aşamada bulunuyor; foundation model'ler gerçek yetenekler gösterse de laboratuvar sonuçlarıyla sahadaki dağıtım arasında hâlâ büyük bir fark var
- Goldman Sachs'ın 1 yıl içinde 6 kat yukarı revize ettiği 2035'te 38 milyar dolarlık pazar öngörüsünü bile Bessemer muhafazakâr buluyor; yalnızca robotik veri maliyetlerinin önümüzdeki 2 yılda sektör genelinde 3 milyar doların üzerine çıkması bekleniyor
- ABD'deki robotik şirketi kurucularının %48'i Stanford, MIT, Berkeley ve CMU olmak üzere 4 kurumdan geliyor; bu yetenek yoğunlaşmasının kazananın her şeyi aldığı yapıyı hızlandırması bekleniyor
- Savunma robotiği şirketlerinde Series A medyanı, savunma dışı şirketlerin 2 katı olan 105 milyon dolara ulaşıyor; Anduril'in 60 milyar dolarlık değerlemesi gibi örneklerle birlikte ilk 50 milyar dolar üzeri IPO'nun bu alandan çıkacağı öngörülüyor
- Son 5 yılda 30 milyon doların üzerinde yatırım alan robotik şirketi sayısı yalnızca 42; bu rakam yazılımın 18'de 1'i seviyesinde ve robotikte bir balon değil, yapısal yetersiz yatırım durumuna işaret ediyor
Robotikte yapısal talep ve pazar görünümü
- Tekrarlayan fiziksel işlerde veya tehlikeli çalışma ortamlarında insan emeğinin yerini alma talebi; ABD, Avrupa, Japonya ve Çin'deki demografik değişimler nedeniyle sürekli artıyor
- Bazı analistler robotik pazarının 2035'e kadar 38 milyar dolara ulaşacağını öngörüyor; Goldman Sachs bu tahminini 1 yıl içinde 6 kat yukarı çekti
- Bessemer, bu öngörünün bile hem hız hem de ölçek açısından muhafazakâr olduğunu düşünüyor
- Bessemer ortağı Jeremy Levine, "Önümüzdeki 10 ila 20 yıl içinde Dünya üzerinde bugünkünden 100.000 kat daha fazla robot olacak" dedi
- Bessemer, yetenek hareketliliği, teknolojik atılımlar ve yapısal rüzgârların aynı anda hızlandığı bu anda yatırım fırsatlarını yakalıyor; portföyünde Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics gibi şirketler yer alıyor
Öngörü 1: Robotiğin ChatGPT anı yaklaşıyor, ama henüz gelmedi
- Robotik sektörü GPT-2.5 anına karşılık gelen bir aşamada; foundation model'ler somut yetenekler göstermeye ve ölçekleme yasaları ortaya çıkmaya başladı, ancak araştırma laboratuvarı demoları ile üretim dağıtımları arasındaki fark hâlâ büyük
- Physical Intelligence'ın π0 modeli, insan seviyesinde çeviklikle çamaşır katlamayı başardı
- 2026 Şubat'ında yayımlanan EgoScale makalesi, ön eğitim veri ölçeğine bağlı olarak politika performansının öngörülebilir biçimde iyileştiğini kanıtladı; bu da robotik foundation model'lerin LLM'lerle aynı veri temelli iyileşme eğrisini izlediğine dair ilk güçlü kanıtı sundu
- Çözülmemiş iki temel soru var
- Laboratuvar performansı ile üretim ortamının gerektirdiği %99,9 güvenilirlik arasındaki farkı kapatmak için ne kadar veriye ihtiyaç olduğu
- Robotikteki ChatGPT anının geldiğinde nasıl görüneceği
- Chatbot'lardan farklı olarak yetenekler bir metin kutusuyla kanıtlanamaz; bunun kanıtı, insan müdahalesi olmadan yabancı ortamlarda karmaşık görevleri yerine getiren robotlar olacak
- Halihazırda ticarileşmiş alanlar: depo otomasyonu, cerrahi destek, son kilometre teslimatı, endüstriyel denetim gibi sınırlı ortamlarda çalışan amaç odaklı sistemler bugün gelir üretiyor
- Perceptron CEO'su Armen Aghajanyan: "Gerçek dünya robotiğinin özü, daha iyi kontrol algoritmaları değil, fiziksel dünyayı anlayan foundation model'lerdir; robot kontrolü bunun üstündeki ince bir katmandan ibaret"
Öngörü 2: Ölçekleme yasalarının gelişi — veri pahalı, sermaye hendek oluşturuyor ve world model'ler kestirme yol olabilir
- LLM'ler internetteki yüzlerce trilyon token'lık metinden yararlanabildi, ancak robotik için buna karşılık gelen bir corpus bulunmuyor
- Dünya genelindeki robot manipülasyon verisinin yaklaşık 300 bin saat olduğu tahmin ediliyor; bu, internetteki yaklaşık 1 milyar saatlik video ve 300 trilyon token'lık metinle kıyaslandığında yapısal bir açığa işaret ediyor
- Bessemer, önümüzdeki 2 yılda sektör genelindeki robotik veri maliyetinin 3 milyar doların üzerine çıkacağını tahmin ediyor
- Buna teleoperasyon, egosantrik video, simülasyon ve fiziksel gösterim toplama gibi kalemler dahil
- Robot verisi scrape edilerek veya satın alınarak elde edilemez; görev ve ortam bazında doğrudan üretilmesi gerekir
- Zeromatter CEO'su Ian Glow: "Yalnızca teleop ile başarılı bir veri stratejisi kurulamaz; gerekli ölçek ve çeşitliliği sağlamak için internetten veya simülatörlerden pekiştirmeli öğrenme yoluyla veri çekmek gerekir"
- World model'ler: İnternet ölçeğinde videolardan fizik yasalarını öğrenen sinir ağları
- Meta'nın V-JEPA 2 modeli, 1 milyon saatin üzerindeki video ile eğitildikten sonra yalnızca 62 saatlik ek robot verisiyle gerçek bir robot kolda %80 zero-shot pick-and-place başarı oranı elde etti
- Ancak NVIDIA'nın Cosmos modeli, eğitim için 10.000 adet H100 GPU'yu 3 ay boyunca kullandı; yani world model yaklaşımı da sermaye yoğun
- Simülasyon ve pekiştirmeli öğrenme: sim-to-real geçişi yürüme (locomotion) için iyi çalışıyor, ancak manipülasyonda yumuşak nesneler, kumaş ve sıvılar gibi unsurların doğruluk sorunları nedeniyle hâlâ çözülmemiş bir araştırma alanı
- Voxel51 CEO'su Brian Moore: "Fiziksel yapay zekada önderlerle gösteriş yapanları ayıran şey, veri kalitesine yönelik takıntıdır; kötü veri verimsizlik değil, risktir"
Öngörü 3: Yetenek yoğunlaşması kazananları hızla belirleyecek — bu 50 şirketin başarılı olacağı bir pazar değil
- Son 5 yılda kurulan ve 30 milyon doların üzerinde yatırım alan ABD robotik şirketlerinde kurucuların %43'ü doktora derecesine sahip
- Bunların %48'i Stanford, MIT, Berkeley ve CMU olmak üzere 4 kurumdan geliyor
- Şirketlerin %56'sında en az bir doktora sahibi ortak kurucu, %43'ünde ise doğrudan akademiden gelen kurucu bulunuyor
- Yetenek hendeği (moat), yetenek → sermaye → veri ortaklıkları → müşteri ilişkileri → özel veri setleri sırasıyla bileşik etki yaratıyor ve kazananın her şeyi aldığı yapı çoğu kişinin beklediğinden daha hızlı oluşuyor
- LLM alanında açık kaynak (Llama, Mistral) yeteneklere erişimi demokratikleştirdi; robotikte de LeRobot, Genesis, Isaac Lab gibi açık kaynak projeler büyüyor, ancak "sonuçta hâlâ robot gerekiyor" şeklindeki fiziksel sürtünme devam ediyor
- sim-to-real geçişi, manipülasyon, yürüyüş, sensör füzyonu gibi alanlarda en derin uzmanlığa sahip ekipler, açık kaynak yayınlarla kolayca kopyalanamayacak avantajlar kuruyor
Öngörü 4: Kısa vadeli değeri full-stack şirketler yakalayacak — saf foundation model şirketlerinin beklemesi gerekecek
- LLM dünyasında GPT-4 gibi tek bir API endpoint'iyle iki kişilik ekipler bile frontier AI ürünlerini hızla kurabildi; robotikte ise alana özgü veri toplama, ortama özel fine-tuning, donanım entegrasyonu ve operasyon altyapısı gerekiyor
- Şu anda oluşan hendek, model mimarisinden çok özel veri boru hatlarında, alan uzmanlığında, dağıtım altyapısında ve geri bildirim döngüsü üreten müşteri ilişkilerinde bulunuyor
- Donanım maliyetlerindeki düşüş bu dinamiği hızlandırıyor
- DroneDeploy CEO'su Mike Winn: "İnşaat alanındaki kara robotları birim başına 100 bin dolardan 15 bin doların altına, docking drone'lar ise 200 bin dolardan 20 bin doların altına düştü; bu da dağıtımı ölçeklemenin eşik noktasının aşıldığını gösteriyor"
- Yığın üç katmana ayrılıyor
- Altyapı katmanı: foundation model'ler, world model'ler
- Uygulama katmanı: özel donanıma sahip full-stack şirketler (insansı robotlar, endüstriyel sistemler) + ticari hazır platformlara yapay zeka uygulayan full-stack şirketler
- Değerin uygulama katmanında yoğunlaşmasının nedeni, altyapı katmanının henüz uçtan uca dağıtımı tek başına destekleyecek kadar genel amaçlı olmaması
- Foundation model'ler gelişip sim-to-real geçişi olgunlaştığında robotikte bir API anı yaşanacak, ancak bu 2028 sonrasının konusu; mevcut pencerede sürdürülebilir değeri dikey entegrasyon yaratıyor
- Foxglove CEO'su Adrian Macneil: "Fiziksel yapay zekada belirleyici avantaj, modelin yeniliği değil veri altyapısının kalitesidir; modeller birbirine yakınsadıkça en güçlü veri flywheel'ine sahip şirketler kazanacak"
Öngörü 5: Savunma robotiği, kategorinin ilk 50 milyar dolar üzeri IPO'suna öncülük edecek
- Savunma robotiği şirketlerinde Series A medyanı, 2025 itibarıyla 105 milyon dolar; bu rakam savunma dışı şirketlerdeki 50 milyon doların iki katından fazla ve fark 2021'den beri her yıl açılıyor
- Anduril, 2026 Mart'ında 60 milyar dolar değerleme ile tur kapattı; Saronic ise aynı ay otonom gemi üretimi için 1,75 milyar dolarlık Series D yatırım aldı
- Savunma tedarik döngüleri uzun, ancak öngörülebilir; sözleşme büyüklükleri yüksek, yenileme oranları güçlü ve geçiş maliyetleri kayda değer
- Ticari robotikten farklı olarak savunma alıcıları, ROI yerine ulusal güvenlik riski üzerinden farklı bir hesapla hareket ediyor
- Jeopolitik boyut bunu daha da güçlendiriyor: 2025'te dünya genelinde satılan insansı robotların yaklaşık %90'ı Çin üretimi
- Çin'in yapay zeka modelleri ABD'nin ortalama yaklaşık 7 ay gerisinde, ancak fark düzenli olarak kapanıyor ve ABD hükümeti robotiği ulusal güvenlik için kritik bir gereklilik olarak görmeye başlıyor
- Dual-use (çift kullanımlı) açıdan en savunmacı şirketler, tek amaçlı silah sistemleri yerine ticari kullanım alanları da olan otonom platformlar, algılama sistemleri ve karar altyapıları inşa ediyor
- Breaker kurucu ortağı Matthew Buffa: "En heyecan verici şirketler savunma ile ticari alan arasında bir seçim yapmıyor; savunma gereksinimlerini karşılayacak kadar yetkin, aynı zamanda ticari olarak da yenilikçi sistemler kuruyor"
Öngörü 6: Robotikte balon yok — aksine bu alana yeterli para girmiyor
- Son 5 yılda 30 milyon doların üzerinde yatırım alan 745 yazılım şirketine karşılık robotikte bu sayı yalnızca 42; yani 18 kat daha az
- Buna karşın robotiğin dayandığı temel pazar, küresel yazılım harcamalarının 30 katı büyüklüğünde
- Donanım işlerinin sermaye yoğun yapısı dikkate alınsa bile, sektör fırsata kıyasla yapısal olarak yetersiz yatırım alıyor
- Analistlerin çoğu önümüzdeki 10 yılda sektörün 50 kat büyüyeceğini öngörüyor; ancak Bessemer'a göre bu da mevcut iş akışlarının otomasyonuna odaklanan bir tahmin ve genel amaçlı robotların yaratacağı yeni ekonomik faaliyet kategorilerini yansıtmıyor
- Yatırım alan her şirket başarılı olmayacak; bazı değerlemeler şişkin ve sermaye az sayıdaki lidere yoğunlaşacak
- Ancak seçicilik ile kıtlık aynı şey değil; robotiğe yapılan toplam yatırım seviyesi, fırsatın büyüklüğü ve yeteneklerin gelişim hızı karşısında hâlâ çok yetersiz
- ChatGPT anı gelmeden, yetenekler tam birleşmeden önce çekirdek şirketlere yatırım yapmak için doğru pencere bugün; dönüm noktasının kesin kanıtını beklemek fırsatın kaçmasına yol açabilir
- Flexion CEO'su Nikita Rudin: "5 yıl sonra dünyaya dağıtılmış robotların çoğu, bugün bilinen startup'lar tarafından değil, henüz robot yapmaya başlamamış ama büyük ölçekte üretmeyi bilen şirketler tarafından üretilecek"
Çözülmemiş sorunlar ve açık tartışmalar
- Güvenilirlik farkı: Görev başarı oranını %80'den %99,9'a çıkarmak doğrusal bir problem değil
- Dokunsal algılama, force feedback ve manipülasyon için sim-to-real geçişi gibi temelden farklı yaklaşımlar gerekebilir
- Argus Systems CEO'su Lisa Yan: "Waymo'daki deneyimime göre gerçek dağıtım, zaman geçtikçe daha zorlaşıyor ve daha uzman veri kürasyonu sorunlarını ortaya çıkarıyor; %99'dan %99,9'a giden farkı kapatmak çoğu kişinin tahmin ettiğinden daha uzun sürüyor"
- Çıkarım maliyeti sorunu: world model'ler ve büyük vision-language-action model'lerin gerçek zamanlı çalışma maliyeti yüksek
- Metin modelleri ortak altyapıda binlerce eşzamanlı kullanıcı için batch olarak çalıştırılabilirken, robotik modellerin her robot için birkaç milisaniyede bir ortam durumunu üretmesi gerekiyor; bu da fiilen özel GPU boru hatları gerektiriyor
- LLM çıkarım maliyeti 3 yılda yaklaşık 1.000 kat düştü; robotiğin de benzer bir eğri izleyip izlemeyeceği, foundation model yaklaşımının ticari uygulanabilirliğini belirleyecek
- Yorumlanabilirlik (Interpretability), yeni nesil altyapı katmanı olarak yükseliyor
- Yalnızca 2026'nın ilk çeyreğinde 6 ila 7 world model şirketine yaklaşık 6 milyar dolar aktı
- Vayu Robotics kurucu ortağı Mahesh Krishnamurthi: "Sektör olgunlaştıkça yorumlanabilirlik taviz verilemez bir unsur hâline gelecek; bugün bu modeller kara kutu niteliğinde ve bunları açacak araçları geliştiren startup'ların dalgasını göreceğiz"
- Açık kaynak vs kapalı: LLM'lerde açık kaynak ekosistem gelişimini dramatik biçimde hızlandırdı; ancak fiziksel veri ile dağıtım altyapısının model mimarisi kadar önemli olduğu robotikte aynı dinamiğin geçerli olup olmayacağı belirsiz
- Açık kaynak, model mimarisini beklenenden hızlı metalaştırabilir; ancak veri ve dağıtım katmanları yeterince uzun süre özel kalabilir
- Yığının hangi kısmını açıp hangi kısmını koruyacağını anlayan şirketler stratejik avantaj elde edecek
İki gerçeğin bir arada var olması
- Cobot CEO'su Brad Porter: "Robotiğin ChatGPT anı çoğu kişinin düşündüğünden daha hızlı geliyor ve geldiğinde darboğaz üretim zamanı (gerçek robotlar, gerçek görevler, gerçek ortamlar) olacak; belirleyici farkı, demoya değil dağıtıma optimize olan şirketler yaratacak"
- Gizlilik içindeki bir robotik şirketinin kurucu ortağı Philipp Wu: "Zaman çizelgesi çoğu tahminden çok daha uzun; genel amaçlı robotik için hâlâ 5 yıldan fazla süre var"
- Bu iki görüş çelişmiyor, farklı boyutları açıklıyor: Porter dönüm noktasına giden yolu, Wu ise bu dönüm noktasının gerçekte ne kadar uzakta olduğunu anlatıyor
- Kurucular için çıkarım: bugün kararlı biçimde dağıtım yapın, ama inşayı genel amaçlı anı ufukta tutarak sürdürün
- Dönüm noktası yaklaşıyor; yetenek hareket ediyor, donanım metalaşıyor, veri altyapısı kuruluyor ve önümüzdeki 10 yılda fiziksel yapay zekayı tanımlayacak şirketler tam da şimdi kuruluyor ve yatırım alıyor
1 yorum
Hangi şirketlerin ortaya çıkacağını merak ediyorum.