Robotikte Bedenin Ardındaki Beyin

Bir önceki yazımızda robotikteki ikinci büyük bahsin bedenden çok beyin üzerine olduğunu söylemiştik. Burada o beynin gerçekten var olup olmadığına bakıyoruz - ve cevabın üretim yapan bir ülkeye ne bıraktığına.

Bir önceki yazımızda robotiğin applied AI şemsiyesi altında kendi başına bir dikey haline geldiğini savunmuş ve bir harita çizmiştik: en altta motorlar, en üstte iş modelleri olmak üzere beş katman. O yazıda ayrıca, ayırdığımız yerden çok daha fazla incelemeyi hak eden bir iddiada bulunmuştuk. Bu kategorideki ikinci büyük bahis, demiştik, bedenden çok beyin üzerine - hangi robotta çalışırsa çalışsın, şekli ne olursa olsun onu kontrol etmeyi hedefleyen, donanımdan bağımsız foundation modeller.

Şu anda otuz milyar dolar civarında bir şirket değeri, bu cümlenin doğru olmasına bağlı. Eğer  modeller anlatıldığı gibi çalışıyorsa, bu katmanda kazanan neredeyse her şeyi alır; çok iyi finanse edilmiş birkaç laboratuvar burayı kapar ve geri kalan herkese pek bir şey kalmaz. Çalışmıyorsa katman yüzlerce ayrı probleme bölünür - ve parçalı katmanlar, bizim gibi fonların hep ekmeğini çıkardığı yerlerdir. 

Beyin katmanı nedir, buraya nasıl geldi

Elli yıl boyunca bir robota yeni bir iş öğretmek, o işi elle yazmak demekti: her ara nokta, her tutucu açısı, kutunun ters geldiği o tek sefer için ayrı bir istisna. Robot foundation model'i bunların hepsinin yerine talimat vermeye çok daha yakın bir şey koyuyor. Model, robotun gördüğünü ve gündelik dille yazılmış bir cümleyi alıyor, robotun eklemlerinin hareketlerini üretiyor. Bu iki yaklaşım arasındaki fark, bir makineyi programlamakla onu eğitmek arasındaki fark - bu katmanın neden birdenbire önem kazandığının da cevabı.

Kırılma anını tam olarak tarihlendirebiliyoruz. 2023'te Google, RT-2 adlı bir model yayımladı ve daha önce kimsenin gösteremediği bir şeyi gösterdi: internette eğitilmiş bir model - muzun ne olduğunu ve muzların mutfaklarda bulunduğunu bilen bir model - kelime üretir gibi robot hareketi üretmeyi öğrenebiliyordu. Robot, kimsenin ona programlamadığı bir dünya bilgisini devralmıştı. Yanında Open X-Embodiment geldi: 21 kurumdan derlenen, 22 farklı robot tipini, 527 beceriyi ve 160.000'den fazla işi kapsayan ortak bir eğitim seti. Dayandığı fikir basitti - birçok farklı robottan gelen veri, hepsini birden daha iyi hale getirebilirdi.

Sonrasında olanlar, bugüne kadarki bütün örüntüyü belirledi. Bir yıl içinde, büyük ölçüde akademisyenlerin o ortak veri üzerine kurduğu OpenVLA adlı açık bir model, Google'ın kendi versiyonunu yirmi dokuz işte on altı puandan fazla farkla geçti - üstelik yaklaşık yedi kat küçüktü. Öncü laboratuvar, daha ortada bir ürünü bile yokken ücretsiz bir indirme tarafından geçilmişti. Takip eden on sekiz ayda tasarım oturdu: Physical Intelligence, NVIDIA ve Google aynı tarifin varyasyonlarında buluştu. Açıklık da sürdü. NVIDIA, GR00T modellerini ticari kullanıma ücretsiz açıyor; bu mayısta ise Shenzhen merkezli X Square Robot, Wall-OSS-0.5'i eksiksiz biçimde paylaştı ve on beş işlik gerçek robot testinde Physical Intelligence'ın π0.5 modelini 17,5 puan geçtiğini açıkladı.

Kaynaklar: Google DeepMind, Open X-Embodiment iş birliği, OpenVLA, Physical Intelligence, NVIDIA ve Figure AI yayınları, 2022–2026.

Yani üç yılda, bir araştırma sonucundan bir doktora öğrencisinin salı günü indirebileceği bir şeye gelindi. Bu da ilk yazıda çizdiğimiz haritayı yeniden düzenlemeyi gerektiriyor.

Haritanın bir düzeltmeye ihtiyacı var

Bu katmanı, beyin yapan şirketlerle beden yapan şirketler arasındaki bir yarış olarak anlatmıştık - π-serisiyle Physical Intelligence, her bedende çalışan modeliyle Skild AI. Bu, gittiği yere kadar doğruydu. Ama aynı zamanda eksikti; hem de doğru anlattığımız kısımdan daha önemli bir biçimde.

Bu katmandaki en büyük iki oyuncu, katmanı kazanmaya çalışmıyor. NVIDIA robot beyinlerini bedava veriyor, çünkü NVIDIA altındaki bilgisayarı satıyor; o modülle çıkan her robot, üzerinde kimin modeli çalışırsa çalışsın bir satış demek. Fiyatlandırma bunu her strateji sunumundan daha iyi anlatıyor. Temmuz ayında NVIDIA, hiçbir duyuru ya da açıklama yapmadan bütün Jetson serisinde fiyatları yüzde 101'e varan oranlarda artırdı: Thor üretim modülü bin adetlik alımlarda 2.999 dolardan 4.999 dolara, geliştirici kiti 3.499 dolardan 5.499 dolara çıktı. Beyin ucuzladı. Üzerinde çalıştığı donanım ise belirgin biçimde pahalılaştı. Google aynı oyunu yazılım tarafından oynuyor. 30 Temmuz'da duyurulan Gemini Robotics 2, üç model olarak geliyor, Apptronik'in Apollo 2 insansı robotunda gösteriliyor ve bir sonraki Boston Dynamics Atlas'ını kapsayan bir yapay zekâ ortaklığıyla birlikte sunuluyor. Google robotu yapmak istemiyor. Her robotun altındaki katman olmak istiyor - daha önce, başka bir sektörde, epey işine yaramış bir konum olduğunu hepimiz biliyoruz.

Tek ürünü model olan bir girişim için bu, kategorideki en önemli tek gerçek. Karşınızda iyi finanse edilmiş iki rakip yok. Karşınızda, sattığınız şeyin değerini becerebildikleri kadar sıfıra yaklaştırmak için çalışan, dünyanın en büyük iki teknoloji şirketi var - çünkü onlar parayı başka yerden kazanıyor.

Ama aynı gerçeği tersinden okumak lazım; bizce asıl önemli olan bu ikinci yorumlama. Devler bu kategoriyi kuruculara kapatmıyor. Kategorinin temelini sübvanse ediyorlar. Bedava dağıttıkları şey, işin pahalı kısmı - yılların araştırması, bir araya getirilmiş veri, birkaç laboratuvar dışında kimsenin karşılayamayacağı ön eğitim koşuları. Geriye kalan ise belirli bir müşteriyi, belirli bir makineyi ve belirli bir odayı gerektiren kısım; ve o kısmı zaten hiçbir araştırma laboratuvarı sizden alamazdı. Artık herkes aşağı yukarı aynı modelden başlıyor. Bu sektörün önceki hiçbir dalgasında böyle bir şey olmamıştı.

Otuz milyar dolar ne satın aldı

Sermaye bundan caymış değil. Crunchbase, 2026'nın ilk yarısında physical AI alanına küresel ölçekte 521 yatırımda 47,4 milyar dolar girdiğini sayıyor - 2025'in ikinci yarısındaki 12 milyar doların neredeyse dört katı ve 2022-2024 arasındaki üç yılda yapılan 41,9 milyar doların tamamından fazla. Ama daha çok şey anlatan rakam yatırım sayısı. Para kabaca dörde katlanırken, yapılan yatırım sayısı yalnızca yüzde on bir arttı. Çekler devasa büyüdü; yatırım alan şirket sayısı neredeyse yerinde saydı.

Kaynak: Crunchbase News, physical AI risk sermayesi, 2026 ilk yarı. Crunchbase'in tanımı robotik, otonom araçlar, havacılık, dronelar, endüstriyel otomasyon ve sensörleri kapsıyor.

Neyin fiyatlandığını tek bir işlem çok iyi özetliyor. Ocak ayında SoftBank, Skild AI'ın 1,4 milyar dolarlık turuna 14 milyar doların üzerinde bir değerlemeyle liderlik etti; şirketin geliri yaklaşık 30 milyon dolardı. Üç ay önce aynı kurum, ABB'nin robotik bölümünü - fabrikaları ve müşterileri olan gerçek bir işi - 2,3 milyar dolarlık gelire karşılık 5,375 milyar dolara satın almıştı. Aynı alıcı, beden için gelirin kabaca iki katını, beyin için birkaç yüz katını ödedi. Bu fark bir dikkatsizlik değil. Nakitle yapılmış çok net bir bahis: genel bir robot beyni geliyor ve ona sahip olan sektöre sahip olacak.

Vaat henüz kanıtlanmadı - ve kimse kontrol edemiyor

O yüzden tam olarak neyin satın alındığını netleştirmekte fayda var. Vaat şu: tek model, her robot, her iş; daha önce hiç görmediği binalara ve nesnelere aktarılabilen bir yetenek. “Her bedende çalışan” ifadesinin kastettiği bu; bir fabrikaya gelirin iki katını öderken bir yazılıma birkaç yüz katını ödemeyi haklı çıkaran da bu.

Elimizdeki en iyi kanıt, vaadin henüz tutulmadığını söylüyor. ICLR 2026'ya kabul edilen RobotArena∞ çalışması, dünyanın dört bir yanındaki laboratuvarlardan modelleri alıp yüzlerce farklı ortamda test etti. Bulgusu netti: bir model eğitilmediği bir yere taşındığı anda performansı düşüyor; bu da bu sistemlerin aslında genel amaçlı olmadığını, eğitildikleri belirli yerleri tanımakta olağanüstü iyi olduklarını düşündürüyor. Laboratuvarların kendi rakamları da aynı yöne işaret ediyor. Physical Intelligence, π0.7 modelinin eğitildiği işlerde on denemenin dokuzundan fazlasında, ilk kez karşılaştığı işlerde ise onda altı ile sekiz arasında başarılı olduğunu bildiriyor. Google, üç farklı robot bedenini süren tek bir Gemini Robotics 2 modelinin ince parmak işlerinde, işe göre yüzde otuz iki ile doksan iki arasında değişen bir başarı gösterdiğini açıklıyor.

Kaynaklar: Physical Intelligence π0.7 teknik raporu (Nisan 2026); Google DeepMind Gemini Robotics 2 açıklamaları (Temmuz 2026). Rakamlar geliştiricilerin kendi bildirimleridir ve modeller arasında doğrudan karşılaştırılabilir değildir.

Bunlar ciddi ekiplerden gelen dürüst rakamlar ve ödeme yapan bir müşterinin ihtiyaç duyduğu seviyenin çok altındalar. Ama bir yatırımcının davranışını asıl belirlemesi gereken kısım şu: bunların hiçbirini dışarıdan doğrulamanın yolu yok. Chatbotlar, herkesin uygulayabildiği ve herkesin kabul ettiği standart sınavlarla ölçülüyor. Robotikte bunun bir karşılığı yok - üzerinde anlaşılmış bir test yok, bağımsız bir sıralama yok, sabit donanımda sabit bir görev seti yok. Yukarıdaki her rakam, onu bildiren şirket tarafından, kendi robotlarında, kendi binasında üretildi. Yani bugünkü tablo şu: bu katmandaki en değerli iddia kanıtlanmamış durumda ve bu şirketlerin dışındaki hiç kimsenin onu ölçebileceği bir alet yok.

İlk yazıda, bir robot şirketinin herhangi bir applied AI şirketiyle aynı ölçüte tabi tutulması gerektiğini söylemiştik: sahada çalışan bir iş akışı, ödeme yapan bir müşteri ve yerleşik bir oyuncunun bunu bir yıl içinde neden kopyalayamayacağına dair savunulabilir bir cevap. Bu katmanda üçüncü şart acımasız, çünkü yerleşik oyuncu NVIDIA ve kopyalamayı bedavaya yapıyor. Bu, kategoriden uzak durmak için bir sebep değil. Kategorinin tam olarak neresinde durduğunuz konusunda son derece net olmak için bir sebep.

RobotArena∞ bulgusunun bir de ikinci okuması var ve bizce bu, birincisinden daha önemli. Eğer bu modeller gerçekten eğitildikleri ortamların uzmanıysa, o zaman asıl varlık ortamın kendisi. Sıra dışı bir ortama gerçek erişimi olan bir kurucu - bir üretim hattı, bir sera, bir hangar, bir filo - öncü laboratuvarların parayla giremeyeceği bir şeye sahip demektir; üstelik tam da onların modelleri oraya aktarılamadığı için. 14 milyar dolarlık bir değerlemeyi kırılgan gösteren bulgu, tuhaf bir binası olan küçük bir şirketi kalıcı gösteriyor.

Bu Türkiye için ne anlama geliyor

Aritmetikle başlayalım, çünkü sonrasındaki her şeyi o belirliyor. Bu katmandaki açıklanmış turların medyanı çoğu Türk fonundan büyük ve Türkiye'nin bütün girişim ekosistemi 2025'te 360 yatırımda yaklaşık 1,4 milyar dolar topladı; bunların dörtte üçü tohum aşamasındaydı. Türkiye'den bir frontier foundation model kurmak, bir plandan çok istisnai bir başarı olurdu - ve bunu başaran bir ekip tarafından yanıltılmaktan memnuniyet duyarız. Ama çoğu girişimci için asıl yararlı soru o yarışın nasıl kazanılacağı değil, bu katmanda değerin başka nerede biriktiği.

Kanıtın ne söylediğine bir daha bakalım. Eğer genellik gerçek değilse - bu modeller eğitildikleri ortamların uzmanıysa - satın alınacak tek bir beyin de yok demektir. Sadece belirli bir sürece, belirli bir binada, belirli makinelerle ve belirli bozulma biçimleriyle temas eden bir model var. Ve o dünyada kıt olan girdi, hesaplama gücü ya da model yeteneği değil. Kıt olan, kimsenin elinde olmayan endüstriyel veri ve onu üreten makinelere fiziksel erişim.

Bu da ilk yazıda yaptığımız savın bir katman yukarı taşınmış hali. Bu dalganın, öncekinin aksine bir tarayıcı sekmesi ve bir GPU kümesiyle kazanılamayacağını; çelik, motor ve fabrika zemini gerektirdiğini; bunun da üretim yapan pazarlarda kariyer geçirmiş yatırımcılar için kategoriyi ilginç kıldığını yazmıştık. Eklemediğimiz nokta şu: yazılım katmanı da aynı yakıtla çalışıyor. Türkiye'nin yılda 1,42 milyon aracı, 10,56 milyar dolarlık savunma ve havacılık ihracatı, tarlaları, tekstil tesisleri ve İHA filoları yalnızca üretim referansları değil. Bunlar hiçbir ortak veri setinde bulunmayan eğitim verisi - üstelik hattını küçük bir ekibe açmaya ikna edilebilecek operatörlere bağlı.

Fırsatlar da doğrudan buradan çıkıyor. Herkesin üzerinde eğitildiği ortak veri setleri Amerikan depoları ve laboratuvar mutfaklarıyla dolu; tekstil terbiyesi, fındık ayıklama, sera hasadı ya da uçak gövdesi muayenesi hakkında neredeyse hiçbir şey içermiyorlar. Her işte π0.7'den kötü ama müşterinin para ödediği tek işte ondan iyi olan bir model, gayet iyi bir şirkettir. Çoğu araştırma ekibi için bir zahmetten ibaret olan bağlantısızlık, Türkiye'nin en büyük robotik sektöründe tasarımın başlangıç varsayımı. Politika da aynı yöne hareket etti: 18 Ağustos'ta Türkiye'nin 2026–2030 Yapay Zekâ Eylem Planı Cumhurbaşkanlığı Genelgesi ile yürürlüğe girdi. Plan, physical AI ve robotiği öncelikli alanlar arasında sayıyor ve robotik ile otonom sistem kabiliyetinin savunma sanayisinden sivil uygulamalara aktarılması için çift kullanımlı teşvikler öngörüyor; 2027 sonuna kadar üç öncelikli pilot, iki üniversite-sanayi robotik merkezi ve üç savunmadan sivile teknoloji transferi projesi hedefleniyor.

Neye yatırım yaparız, neye yapmayız

Sıfırdan foundation model eğitmeye çıkan bir şirket için doğru ilk çek biz değiliz. O yarış, bir kurucuya faydalı olamayacağımız bir sermaye ölçeğinde koşuluyor ve erken aşama yatırımcı olmanın büyük kısmı faydalı olmaktır. Tek varlığı modelin kendisi olan şirketler konusunda da temkinliyiz - yukarıda anlattığımız sebeple: dünyanın en büyük iki şirketi o varlığı bedavaya çevirmek için çalışıyor.

Aktif olarak aradığımız şeyler işin yanında duruyor. En net örnek, genel bir modelin belirli bir süreç için güvenilir hale getirildiği uyarlama katmanı: müşteriye yakın, sıfırdan eğitmekten çok daha ucuz ve kalan mühendisliğin büyük kısmının gerçekten yaşadığı yer. Üstelik varsayımsal da değil. Geçen yıl Kopenhag'da kurulan Qualia tam olarak bunu yapıyor: mühendisleri müşterinin üretim hattını adım adım geziyor, hangi akışların foundation model'e hazır olduğuna ve hangilerinin klasik otomasyona bırakılmasının daha doğru olduğuna karar veriyor, sonra açık bir modeli - π0.5, SmolVLA, GR00T - fine-tune edip ağırlıkları müşterinin kendi donanımında teslim ediyor. Kendi kurmadığı modeller üzerinde çalışan, İskandinav kökenli, pre-seed aşamasında bir ekip; bu yıl Google DeepMind'ın robotik programına seçildi. Bu argümanın doğru tarafında duran bir şirket böyle görünüyor - ve bir sonrakinin İstanbul'dan çıkmaması için hiçbir sebep yok.

Aynı sebeple ilgimizi çeken üç alan daha var. Başka kimsenin toplayamayacağı veriyle kurulan dikey beyinler. Modelin veri merkezinde değil makinenin üzerinde çalışması gereken uçta çıkarım. Yukarıdaki kanıtlara bakılırsa kalabalık değil, boş bir pozisyon olan ölçüm ve doğrulama araçları. Bir de bu serinin başında çizdiğimiz haritanın en üstünde duran, müşterinin robot satın almak yerine aylık ödeme yaptığı entegrasyon ve robotics-as-a-service modelleri.

Kuruculardan istediğimiz de aynı ölçütün bu katmana uyarlanmış hali. Bize en iyi görünen sayıyı değil, koşullar değiştiğinde kötüleşen sayıyı gösterin. Değerlendirmeyi kimin seçtiğini söyleyin ve bizim de farklı bir tanesini seçmemize izin verin. Sisteminizin hangi kısmını kendinizin kurduğu, hangisini hazır aldığı konusunda açık olun - ücretsiz bir modelden başlamak iyi mühendisliktir, zayıflık değil. Ve en önemlisi döngüyü gösterin: hangi müşteri, hangi işi yaparken, hangi veriyi üretiyor ve bu veri sisteminizi önümüzdeki çeyrekte, o erişime sahip olmayan hiç kimsenin taklit edemeyeceği şekilde nasıl iyileştiriyor?

Bunların hiçbiri az şey beklediğimiz için yüksek bir çıta değil. Yüksek bir çıta, çünkü araçlar artık gerçekten masada. Şimdiye kadar yapılmış en yetenekli robot beyinleri ücretsiz indirilebiliyor, onları çalıştıracak işlem gücü bir makinenin üzerine sığıyor ve indirilemeyen tek şey, ucunda gerçek bir müşteri olan gerçek bir süreç. Bu bileşim bu sektörde daha önce hiç var olmadı - ve işe en yakın duranların lehine işliyor.

Özetle

Robot beyni, bu yığının en hızlı hareket eden ve en az savunulabilir parçası çıktı. Üç yılda bir araştırma sonucundan ücretsiz indirmeye geldi, en büyük iki oyuncu onu bilerek dağıtıyor ve değerlemeleri haklı çıkaran genellik ne gösterildi ne de şu anda bağımsız biçimde test edilebiliyor. Bunların hiçbiri kategoriyi daha az heyecanlı yapmıyor. Sadece onu ilk göründüğünden farklı bir kategori haline getiriyor: kalıcı değerin modelde değil, bir modelle gerçek bir iş yerinin arasındaki o spesifik, gösterişsiz ve zor kurulan uyumda olduğu bir kategori.

Bu gerçekten iyi bir sonuç - sadece bizim için de değil. Bu katmanın, geri kalanımız izlerken başka bir yerde sessizce kapanmadığı anlamına geliyor. Şimdiye kadar yapılmış en yetenekli robot beyinleri, denemeye merakı olan herkes tarafından bu akşam indirilebilir. Buradan sonrasını kimin kazanacağını belirleyecek olan, en büyük hesaplama kümesine sahip olmak değil; bir makineyi, hiçbir veri setinde yer almamış bir odada, güvenilir ve tekrarlanabilir biçimde çalıştırabilmek. Bu ülkede öyle çok oda var. O odaları en iyi bilenlerden haber almak isteriz.