18 Eylül 2026'da Toyota, üretim sahasına yönelik robot işine resmen girdiğini duyurdu. Haberin kendisi şaşırtıcı değil — bu şirketin robotlarla ilgisi epey uzun sürüyor; serbest atış robotu CUE'dan yaşam destek robotu HSR'ye kadar her şeyi denedi. Bu kez farklı olan şu: “Toyota Robotics” adında yeni bir organizasyon kurdular, kendi geliştirdikleri yapay zekayı robotların içine koyup dışarıya satmayı planlıyorlar ve orta-uzun vadeli bir rakam açıkladılar: yaklaşık 400.000 adet.
400.000 adet ne demek? Japonya'nın tüm endüstriyel robot yıllık sevkiyatı 50-60 bin adet civarında. Yani bu açıkça sıradan bir satış hedefi değil. Rakamı bir başka bilgiyle yan yana koyunca iş netleşiyor: bu 400.000 adetin 150.000'i Toyota Grubu'nun kendi kullanımı için, 250.000'i tedarikçiler için; 2028'den itibaren yılda yaklaşık 1 trilyon yen (yaklaşık 50 milyar CNY) ölçeğindeki ekipman yenilemesine paralel olarak, dünyadaki yaklaşık 60 fabrikanın ana bakım ve yenileme projeleriyle kademeli devreye girecek. Bir başka deyişle Toyota, kendisini ve tüm tedarik zincirini, üretim sahasından veri toplayan bir ağ olarak planlıyor.
Önce işin iskeletini masaya koyalım:
- Toyota, 18 Eylül 2026'da üretim sahası robotçuluğuna girişini duyurdu; “Toyota Robotics” adlı yeni organizasyon, kendi geliştirdiği yapay zekayı taşıyan robotları dışarıya satacak;
- Orta-uzun vadeli hedef yaklaşık 400.000 adet uygulama: grubun 150.000'i + tedarikçilerin 250.000'i; 2028'den itibaren yılda yaklaşık 1 trilyon yenlik ekipman yenilemesiyle dünyada yaklaşık 60 fabrika yenilenecek — bu rakam mevcut endüstriyel robotları da kapsıyor, tek bir modelin satış adedi değil;
- Çekirdek robot “ELEY” yaklaşık 50 kg ağırlığında; iki parmaklı elleri ve tekerlekli hareketi var; Toyota Research Institute (TRI) tarafından geliştirilen davranış temelli yapay zekayı, “büyük davranış modelini (LBM)” taşıyor;
- Toyota, yaklaşık 18.000 “usta” (takumi) nitelikli işçinin çalışmasını robot için öğrenme örneğine dönüştürmeyi planlıyor; ancak başarıyı ölçecek göstergeler henüz açıklanmadı.
ELEY: tekerlekler, iki parmaklı eller ve doyuruldukça akıllanan bir temel model
Önce gövdeden başlayalım. ELEY yaklaşık 50 kg; ellerinde ikişer parmak var, hareketini tekerleklerden alıyor — insan gibi iki ayakla yürümeyi denemiyor. Bu tercih çekingenlik değil, aksine son derece pratiktir: iki ayaklı yürüyüşün kontrolü zordur, düşme riski taşır ve güç tüketimi yüksektir; oysa fabrika zeminleri zaten düzdür. Tekerlek daha ucuz, daha hızlı ve toplu halde sahaya yayılması daha kolaydır. Toplu yayılmanın kendisi de önemlidir: robotlar üretim hatlarına bir an önce ve parti parti girerse, veri birikimi o kadar hızlanır. Gövdenin biçimi amaç değil; verinin kesintisiz toplanmasını sağlayan araçtır.
Asıl kahraman içindeki yapay zekadır. LBM (büyük davranış modeli) bir tür “davranışın temel modeli”dir: büyük dil modelleri devasa metinlerle akıllandı; LBM ise bol miktarda gösteri verisiyle robot hareketlerini öğreniyor. Her hareketi tek tek elle programlamaya dayanan eski yoldan farklı olarak, insanın çalışmasını izleyerek az sayıda öğrenmeden hataya açık olmayan hareketler kazanıyor. Yayınlanan gösterilerde ELEY, T-shirt katlamayı öğrendikten sonra bunu kendi başına tekrarlayabiliyor. Bu tür temel modellerin gücü, yeni görevleri yalnızca küçük bir ek öğrenmeyle kavrayabilmeleridir; ama temelin kalitesi, kendisine ne kadar geniş kapsamlı ve nitelikli saha gösterisi yedirildiğine bağlıdır.
Burada Toyota'nın elindeki, başkalarının kopyalamasının çok güç olduğu varlığa geliriz: yaklaşık 18.000 “usta” (takumi). Nitelikli işçilerin dokunuş hissi ve püf noktaları tam da en kaliteli gösteri verisinin kaynağıdır. Kıdemli ustanın kuvveti nasıl ayarladığı, hatalı parçayla nasıl baş ettiği — süreç dokümanlarına yazılamayan bu örtük tecrübe, doğrudan robotun öğrenme malzemesine dönüşebilir.
Gözden kaçması kolay bir nokta daha var: LBM belirli bir donanıma bağlı değildir. TRI, 2025'te LBM ile Boston Dynamics'in insansı robotu Atlas'ı çalıştırdığı bir gösteri yayımladı. Yapay zeka tek bir gövdeye bağımlı değilse, sonucu belirleyen şey, bu yapay zekayı kaç farklı sahada çalıştırıp ne kadar veri geri toplayabildiğinizdir. Toyota robot satarak aynı zamanda bu ağa yeni düğümler ekliyor.
Şirketlerin gerçekten kapıştığı şey, veri toplanan sahaların kendisidir
Kamerayı geriye çekince, aynı pistte çok sayıda oyuncu görülüyor — ve her birinin duruşu, kendi başına çok şey anlatıyor.
Tesla en açık konuşan taraftır. 2026 ortasına dek Fremont başta olmak üzere fabrikalarında bin adet ölçeğinde Optimus konuşlandırdı, ama dış satışı sıfır. Musk da bu robotların “asıl olarak öğrenme ve veri toplama için kullanıldıklarını, fabrikalarda fiili bir iş gücü oluşturmadıklarını” kendisi kabul etti. Bu neredeyse açık açık “şu an istediğimiz şey veri” demektir. Ne var ki toplama sahaları ağırlıklı olarak kendi fabrikaları olduğundan, saha çeşitliliği sınırlı kalıyor.
Alman BMW ile Mercedes-Benz başka bir yoldan gidiyor: kendi robotlarını üretmek yerine uzman girişimlerle ortak oluyorlar. BMW, ABD'deki Spartanburg fabrikasında Figure AI'in Figure 02'sini on ay süren bir doğrulamaya soktu; 30.000'den fazla X3'ün üretim süreçlerine hizmet verdi; ardından halefi Figure 03 ile ticari sözleşmeye geçti — başlangıçta yaklaşık 40 adet, robot başına çalışma saati başına yaklaşık 25 ABD doları ücretlendirmeyle. Mercedes-Benz ise Apptronik'in Apollo'sunu Berlin üssüne aldı; fabrika içi lojistik ve ilk aşama kalite kontrolden başladı. Bu iş bölümü modelinde düşünmeye değer bir ayrıntı var: otomobil üretim hattındaki gerçek veri, tersine yapay zeka şirketi tarafında birikiyor. Veriyi elinde tutan Figure ve Apptronik; BMW ile Mercedes değil.
Seri üretim ve konuşlandırma hızında Çinli üreticiler en önde koşuyor. UBTECH, Eylül 2026'da Guangxi eyaletindeki Liuzhou'da yıllık kapasitesi 10.000 adedin üzerinde bir akıllı fabrika devreye aldı — bunun kapasite olduğunu, sahaya konmuş adet olmadığını not edin; yine de Walker S2'sinden gerçekten birkaç yüz adet kullanımda ve BYD, Geely, FAW-Volkswagen, Dongfeng, FAW-Audi, BAIC ile Foxconn fabrikalarına girdi; Avrupa'da Airbus da Ocak 2026'dan itibaren ilgili çalışmaları yürütüyor. Unitree Robotics, Temmuz 2026 itibarıyla toplam yaklaşık 18.000 adet üretmiş durumda; parçalarda kendine yeterlilik oranı yüzde 90'ı aşıyor ve yılda 75.000 adet üretebilecek bir yapı kurmayı planlıyor. Xpeng'in insansı robotu IRON, 2026 sonunda büyük ölçekli seri üretimi hedefliyor. Çin hükümeti, 2027'ye kadar yıllık sevkiyatın 100.000 adedi aşmasını hedef olarak belirledi. 2026'nın ilk yarısında küresel insansı robot sevkiyatı 22.000 adedi aştı; ilk beşin tamamının Çinli şirketler olduğu söyleniyor. Çok sayıda robotu en hızlı biçimde çeşitli sahalara sokmak — Çinli üreticilerin saha verisi biriktirme yöntemi budur.
Toyota'nın kozları ve geç kalmış saati
Veri penceresinden Toyota'nın elindeki kartlara bakıldığında avantaj küçümsenemeyecek boyutta. Dünyanın en büyük ölçeklerinden birini oluşturan üretim sahası ağına ve bir tedarik zinciri hinterlandına sahip — 250.000 adetlik planın tedarikçi ayağına denk gelmesi, süreçleri birbirinden farklı sayısız sahanın dev ve çeşitli bir veri kaynağı olabileceği anlamına geliyor; 18.000 “usta” nitelikli örnekler sağlıyor; yapay zeka, robot ve fabrika tümüyle kendi elinde olduğundan veri döngüsü tamamen şirket içinde dönebiliyor. Bu nokta, dışarıdaki uzman şirketlere bel bağlayan Avrupalı otomobil üreticileriyle tam olarak iki ayrı ekol demektir.
Ama saat bir sorundur. 400.000 adet orta-uzun vadeli bir hedef; asıl hamlenin vakti 2028 sonrası. Oysa Tesla şu an bile bin adet ölçeğinde veri topluyor; Çinli üreticiler robotları şu anda büyük otomobil fabrikalarına sokuyor. Veri birikiminin bileşik faiz gibi bir doğası vardır: döngü ne kadar erken dönerse, öğrenme o kadar derin, bir sonraki performans sıçraması o kadar büyük olur — tersinden, bir kez geride kalınırsa fark çoğu zaman zamanla açılır, olduğu yerde durmaz.
İkinci gizli endişe verinin yanlılığıdır. Sahalar yalnızca Toyota'nın kendisiyle onun tedarik zinciriyle sınırlı kalırsa, toplanan veri başka şirketlerin fabrikalarına genelleme için gereken çeşitlilikten yoksun olabilir. Bu geniş tedarik zinciri ağının gerçekten bir veri üstünlüğüne dönüşüp dönüşmeyeceği, en sonunda grubun dışına ne kadar açıldığına bağlıdır.
Şansı değerlendirmek için bu üç noktaya bakın
Sahaya iniş temposu. Ne zaman, kaç adet, hangi gerçekten çalışan hatlara — lansman gösterisine değil, gerçek cihazların devreye girme yoğunluğuna bakın. Verinin genişliği. Kendi sahalarıyla grup ve dış sahalar arasında ne ölçüde kapsandığı, modelin genelliğini doğrudan belirler. Sahanın karnesi. LBM'nin verim ve etkin çalışma oranında gerçekte ne kadar iyileşme getirdiğini Toyota henüz açıklamadı — ve bu karnenin teslim edileceği gün er ya da geç gelecek.
En nihayetinde 400.000 adet rakamının kendisi koz değildir. Başarıyı gerçekten belirleyecek olan, Toyota'nın 2028'i beklemeden gerçek cihazları mümkün olduğunca erken ve geniş biçimde hatlara sokup nitelikli veri toplama ile öğrenme döngüsünü önce çalıştırıp çalıştıramayacağıdır. Cihaz tarafında çalışan bizler için işin bizzat hissedilen bir boyutu daha var: “usta” el emeği veri varlığına dönüşmeye başladıkça, bakım ve devreye alma işinin değer koordinatları da kayıyor. İlgili yazılar: marka kapsamı ve model dokümanları, üretim hattı yenileme ve yükseltme hizmetleri.
İleri Okuma
- Kawasaki, FANUC ve Yaskawa neden nadir görülür bir ittifak kurdu
- Japon ticaret şirketleri bedenleşmiş yapay zeka kapısında yer kapıyor
- Tüm markalar için endüstriyel robot bakım-onarımı
