- Robotik sektörü şu anda GPT-2.5 seviyesinde bir aşamada bulunuyor; foundation modeller gerçek yetenekler sergiliyor ancak laboratuvar çıktıları ile sahadaki dağıtım arasında hâlâ büyük bir fark var
- Goldman Sachs’ın bir yıl içinde 6 kat yukarı yönlü revize ettiği 2035’te 38 milyar dolarlık pazar tahminini 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, 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 iki katı olan 105 milyon dolar seviyesine ulaşıyor; Anduril’in 60 milyar dolarlık değerlemesiyle birlikte ilk 50 milyar dolar üzeri IPO’nun bu alandan çıkacağı öngörülüyor
- Son 5 yılda 30 milyon doların üzerinde yatırım alan robotik şirket sayısı yalnızca 42; bu, yazılımın 18’de 1’i seviyesinde ve robotikte balondan çok yapısal yetersiz yatırım olduğunu gösteriyor
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 tahmini bir yıl içinde 6 kat yukarı revize etti
- Bessemer, bu tahmini bile hem hız hem de ölçek açısından muhafazakâr buluyor
- Bessemer ortağı Jeremy Levine, “Önümüzdeki 10-20 yıl içinde dünyada bugüne kıyasla 100 bin kat daha fazla robot olacak” dedi
- Bessemer; yetenek hareketliliği, teknolojik atılımlar ve yapısal destekleyici rüzgârların aynı anda hızlandığı bir anda yatırım fırsatı görüyor. Portföyünde Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics gibi şirketler yer alıyor
Tahmin 1: Robotikte ChatGPT anı yaklaşıyor, ama henüz gelmedi
- Robotik sektörü GPT-2.5 anına denk düşen bir aşamada; foundation modeller somut yetenekler göstermeye ve ölçekleme yasaları ortaya çıkmaya başladı, ancak araştırma laboratuvarı demoları ile üretim ortamı dağıtımları arasındaki fark hâlâ büyük
- Physical Intelligence’ın π0 modeli, insan seviyesinde çeviklikle çamaşır katlamayı başardı
- Şubat 2026’da yayımlanan EgoScale makalesi, ön eğitim veri ölçeğine göre politika performansının öngörülebilir biçimde arttığını gösterdi; bu, robotik foundation modellerin LLM’lerle aynı veri temelli gelişim 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’ların aksine, yetenek 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 teslimat, endüstriyel denetim gibi sınırlı ortamlardaki amaca özel sistemler bugün gelir üretiyor
- Perceptron CEO’su Armen Aghajanyan: “Gerçek dünya robotiğinin özü daha iyi kontrol algoritmaları değil, fiziksel dünyayı anlayan foundation modellerdir; robot kontrolü bunun üstündeki ince bir katmandan ibaret”
Tahmin 2: Ölçekleme yasalarının ortaya çıkışı — veri pahalı, sermaye bir hendek ve world model bir kestirme olabilir
- LLM’ler internetteki yüzlerce trilyon token’lık metinden yararlanabildi, ancak robotik için buna denk bir corpus yok
- Küresel robot manipülasyon verisinin yaklaşık 300 bin saat olduğu tahmin ediliyor; bu, internetteki yaklaşık 1 milyar saatlik video ve 300 trilyon token’lık metinle karşılaştırıldığında yapısal bir uçuruma 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 dahil
- Robot verisi scrape edilip satın alınamaz; görev ve ortam bazında doğrudan üretilmesi gerekir
- Zeromatter CEO’su Ian Glow: “Yalnızca teleop, başarılı bir veri stratejisi olamaz; gereken ölçek ve çeşitliliğe ulaşmak için internetten ya da simülatörlerden pekiştirmeli öğrenme yoluyla veri getirmek gerekir”
- World model: internet ölçeğindeki videolardan fizik yasalarını öğrenen sinir ağları
- Meta’nın V-JEPA 2 modeli, 1 milyon saatin üzerinde videoyla eğitildikten sonra sadece 62 saatlik ek robot verisiyle gerçek bir robot kolda %80 zero-shot pick-and-place başarı oranına ulaştı
- Ancak NVIDIA’nın Cosmos modeli eğitim için 3 ay boyunca 10.000 adet H100 GPU kullandı; yani world model yaklaşımı da sermaye yoğun
- Simülasyon ve pekiştirmeli öğrenme: yürüyüşte (locomotion) sim-to-real geçişi iyi çalışsa da manipülasyon tarafında yumuşak nesneler, kumaş ve sıvılar nedeniyle doğruluk sorunları sürüyor; bu alan hâlâ çözülmemiş bir araştırma problemi
- Voxel51 CEO’su Brian Moore: “Fiziksel yapay zekada liderlerle gösteriş yapanları ayıran şey, veri kalitesine duyulan takıntıdır; kötü veri verimsizlik değil, risktir”
Tahmin 3: Yetenek yoğunlaşması kazananları hızla belirliyor — bu, 50 şirketin başarıya ulaşacağı 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 1 doktora sahibi kurucu ortak, %43’ünde ise doğrudan akademiden gelen bir kurucu var
- Yetenek hendeği (moat), yetenek → sermaye → veri ortaklıkları → müşteri ilişkileri → özel veri kümeleri zincirinde bileşik etki yaratıyor; kazananın her şeyi aldığı yapı çoğunun beklediğinden daha hızlı oluşuyor
- LLM alanında açık kaynak (Llama, Mistral) yeteneklere erişimi demokratikleştirdi, ancak robotikte LeRobot, Genesis, Isaac Lab gibi açık kaynak projeleri büyüse de “yine de robota ihtiyaç var” şeklinde fiziksel sürtünme devam ediyor
- sim-to-real geçişi, manipülasyon, locomotion, sensör füzyonu gibi alanlarda en derin uzmanlığa sahip ekipler, açık kaynak yayınlarla kolay kopyalanamayacak avantajlar kuruyor
Tahmin 4: Kısa vadede değeri full-stack şirketler yakalayacak — saf foundation model şirketleri beklemek zorunda
- LLM’lerde GPT-4 gibi tek bir API endpoint’iyle iki kişilik ekipler bile frontier yapay zeka ürünleri kurabildi; robotikte ise alan bazlı veri toplama, ortama özel fine-tuning, donanım entegrasyonu ve operasyon altyapısı gerekiyor
- Bugün kurulan hendekler, model mimarisinden çok özel veri boru hatlarında, alan uzmanlığında, dağıtım altyapısında ve geri bildirim döngüsü oluşturan müşteri ilişkilerinde yer alıyor
- Donanım maliyetlerindeki düşüş bu dinamiği hızlandırıyor
- DroneDeploy CEO’su Mike Winn: “İnşaat sahası yer robotlarının birim maliyeti 100 bin dolardan 15 bin doların altına, dock’lu drone’ların maliyeti ise 200 bin dolardan 20 bin doların altına düştü; ölçekli dağıtım için eşik aşılmış durumda”
- Yığın üç katmana ayrılıyor
- Altyapı katmanı: foundation modeller, world modeller
- 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 bağımsız biçimde destekleyecek kadar genel amaçlı olmaması
- Foundation modeller geliştikçe ve sim-to-real geçişi olgunlaştıkça robotikte bir API anı gelecek; ancak bu 2028 sonrasının konusu ve şu anki pencerede sürdürülebilir değeri dikey entegrasyon yaratıyor
- Foxglove CEO’su Adrian Macneil: “Fiziksel yapay zekada belirleyici avantaj, modelin yeniliği değil veri altyapısının kalitesidir; modeller yakınsadıkça en güçlü veri flywheel’ine sahip şirketler kazanacak”
Tahmin 5: Kategorinin ilk 50 milyar dolar üzeri IPO’sunu savunma robotiği çıkaracak
- Savunma robotiği şirketlerinde Series A medyanı, 2025 itibarıyla 105 milyon dolar; bu, savunma dışı şirketlerdeki 50 milyon doların iki katından fazla ve aradaki fark 2021’den beri her yıl açılıyor
- Anduril, Mart 2026’da 60 milyar dolar değerleme ile tur kapattı; Saronic de aynı ay otonom gemiler için 1,75 milyar dolarlık Series D yatırımı aldı
- Savunma tedarik döngüleri uzun ama öngörülebilir; sözleşme tutarları büyük, yenileme oranları yüksek ve geçiş maliyetleri kayda değer
- Ticari robotikten farklı olarak savunma alıcıları, ROI yerine ulusal güvenlik riski temelinde hareket ediyor
- Jeopolitik boyut bunu 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 bu fark sürekli kapanıyor ve ABD hükümeti robotiği ulusal güvenlik için kritik bir gereklilik olarak görmeye başlıyor
- Dual-use (çift kullanım) boyutunda, en savunmacı şirketler tek amaçlı silah sistemleri yerine ticari uygulamalara da uygun otonom platformlar, algılama sistemleri ve karar verme altyapıları kuruyor
- Breaker kurucu ortağı Matthew Buffa: “En ilginç şirketler savunma ya da ticariden birini seçenler değil, savunma gereksinimlerini karşılayacak kadar yetkin ve ticari olarak da yenilikçi sistemler kuranlar”
Tahmin 6: Robotikte balon yok — aksine bu alana yeterince para girmiyor
- Son 5 yılda 30 milyon doların üzerinde yatırım alan 745 yazılım şirketine karşılık robotikte sayı yalnızca 42; yani 18 kat daha az
- Oysa robotiğin taban pazarı, küresel yazılım harcamalarından 30 kat daha büyük
- Donanım işlerinin sermaye yoğunluğu hesaba katılsa bile, durum fırsata kıyasla yapısal yetersiz yatırım anlamına geliyor
- Analistlerin çoğu önümüzdeki 10 yılda sektörün 50 kat büyümesini bekliyor; ancak Bessemer, bunun bile yalnızca mevcut iş akışlarının otomasyonunu yansıttığını ve genel amaçlı robotların yaratacağı yeni ekonomik faaliyet kategorilerini içermediğini düşünüyor
- Yatırım alan her şirket başarılı olmayacak; bazı değerlemeler şişkin ve sermaye az sayıdaki lidere yoğunlaşacak
- Ancak seçicilikle kıtlık farklı şeyler; toplam robotik yatırımı, fırsatın büyüklüğü ve yetenek gelişiminin hızıyla karşılaştırıldığında hâlâ çok yetersiz
- ChatGPT anı gelmeden, yetenek konsolidasyonu tamamlanmadan önce bugün, kritik şirketlere yatırım yapmak için pencere açık; dönüm noktasının kanıtını beklemek fırsatı kaçırmak anlamına gelebilir
- Flexion CEO’su Nikita Rudin: “Beş 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 açığı: görev başarı oranını %80’den %99,9’a çıkarmak doğrusal bir problem değil
- dokunsal algılama, kuvvet geri bildirimi, manipülasyon için sim-to-real geçişi gibi kökten farklı yaklaşımlar gerekebilir
- Argus Systems CEO’su Lisa Yan: “Waymo’daki deneyimime göre gerçek dağıtım zaman geçtikçe daha zorlaşıyor ve daha uzman veri kürasyonu problemlerini ortaya çıkarıyor; %99’dan %99,9’a giden farkı kapatmak çoğunun beklediğinden daha uzun sürüyor”
- Çıkarım maliyeti sorunu: world model’ler ve büyük vision-language-action modellerinin gerçek zamanlı çalıştırma maliyeti yüksek
- Metin modelleri, paylaşılan altyapıda binlerce eşzamanlı kullanıcı için batch olarak işlenebilir; ancak robotik modeller her robot için birkaç milisaniyede bir ortam durumunu üretmek zorunda olduğundan pratikte özel GPU hatları gerektiriyor
- LLM çıkarım maliyeti 3 yılda yaklaşık 1000 kat düştü; robotiğin benzer bir eğri izleyip izlemeyeceği, foundation model yaklaşımının ticari uygulanabilirliğini belirleyecek
- Yorumlanabilirlik (Interpretability), yeni nesil altyapı katmanı olarak yükseliyor
- Yalnızca 2026’nın ilk çeyreğinde 6-7 world model şirketine yaklaşık 6 milyar dolar aktı
- Vayu Robotics kurucu ortağı Mahesh Krishnamurthi: “Sektör olgunlaştıkça yorumlanabilirlik pazarlık kabul etmeyen bir unsur hâline gelecek; bugün bu modeller kara kutu ve bunları açacak araçlar geliştiren startup’ların bir dalgasını bekliyorum”
- Açık kaynak vs kapalı: LLM’lerde açık kaynak ekosistem gelişimini dramatik biçimde hızlandırdı, ancak fiziksel veri ve dağıtım altyapısının model mimarisi kadar önemli olduğu robotikte aynı dinamiğin işleyip işlemeyeceği belirsiz
- Açık kaynak model mimarilerini beklenenden hızlı biçimde metalaştırabilir, ancak veri ve dağıtım katmanları yeterince uzun süre özel kalabilir
- Yığının hangi kısmını açıp hangisini koruyacağını anlayan şirketler stratejik avantaj elde edecek
İki gerçeğin bir arada var oluşu
- Cobot CEO’su Brad Porter: “Robotiğin ChatGPT anı çoğunun düşündüğünden daha erken geliyor ve geldiğinde üretim zamanı (gerçek robotlar, gerçek görevler, gerçek ortamlar) darboğaz olacak; demo yerine dağıtıma optimize olan şirketler belirleyici şekilde ayrışacak”
- Stealth modundaki bir robotik şirketinin kurucu ortağı Philipp Wu: “Zaman çizelgesi çoğunun beklediğinden çok daha uzun ve genel amaçlı robotik için hâlâ 5 yıldan fazla süre var”
- Bu iki görüş çelişmiyor; farklı boyutları anlatıyor: Porter dönüm noktasına giden yolu, Wu ise o dönüm noktasının gerçekte ne kadar uzakta olduğunu tarif ediyor
- Kurucular için çıkarım: bugün kararlı biçimde dağıtım yapın, ama inşayı genel amaçlı anı ufukta tutarak gerçekleştirin
- Dönüm noktası yaklaşıyor; yetenek hareket ediyor, donanım metalaşıyor, veri altyapısı kuruluyor ve önümüzdeki 10 yılda fiziksel yapay zekayı tanımlayacak şirketler tam şu anda kuruluyor ve yatırım alıyor
1 yorum
Hangi şirketlerin ortaya çıkacağını merak ediyorum.