Çıkartan: Huoxiu Teknoloji Grubu
Yazarlar: Chen Yifan, Liu Xuanqi
Düzenleyen | Miao Zhengqing
Ana görsel | AI tarafından oluşturuldu
Huixiu WAIC "Token Ticari Yeni Modelini Takip Etme" serisinin 21. bölümü
Teknoloji yatırımlarında yaş, yetenekleri ölçmenin yeterli bir koşulu değildir. Ancak teknolojik paradigmaların hızlıca değiştiği aşamalarda, genç yatırımcılar ayrı bir gözlem değeri taşır.
Neden karmaşık değil. Yapay zeka, robotik, ticari uzay ve kuantum hesaplama aynı anda ilerliyor; yeni teknolojiler, makalelerden ürünlere, laboratuvarlardan endüstriye geçiş hızı açıkça artıyor; geçmişin geleneksel yatırım mantığı artık işe yaramıyor; yatırımcılar bu projelere sadece finansal modeller ve olgun endüstri deneyimleriyle giremiyor, teknik dili anlamak, henüz konsensüse varmayan yolları kabul etmek ve konsensüs oluşmadan önce karar vermek zorunda.
Mobil internet çağında bir şirket, kullanıcı büyümesi, tutunma, gelir ve ağ etkisiyle hızlıca kendini kanıtlayabilirdi; bugünün AI ve katı teknoloji projeleri ise algoritmalar, çipler, sensörler, tedarik zinciri, endüstriyel senaryolar ve düzenleyici sistemler arasında uzanabilir. Yatırımcılar, bir teknolojik sıçramayı anlayabilmeli, bunun kararlı bir ürüne dönüşüp dönüşemeyeceğini, veri ve eğitim döngüsü oluşturup oluşturamayacağını ve şirketin uzun mühendislik ve ticarileştirme dönemlerinden geçişini destekleyebilmelidir.
Bu yılki WAIC üzerinde, "Alfa α Genç Yatırımcı Liderleri" listesi duyuruldu ve 10 genç yatırımcı seçildi; ancak listenin dışındaki daha önemli nokta, bu yatırım yönlerini ve yargıları bir araya getirdiğinizde, ortaya çıkan bir teknoloji yatırımı trend haritası gibi görünmesidir.
WAIC FUTURE TECH Genç Yatırımcı Listesi Detayları
Bu grafik, sermayenin teknoloji terimlerini takip etmekten, teknolojinin endüstriye gerçek yollarla girmesini tanımlamaya doğru kaydığını gösteriyor. Bir sonraki fırsat, en sesli kavramlara değil, model avantajlarının henüz serbest bırakılmadığı alanlara, fiziksel dünyada hâlâ tamamlanmamış kapasite boşluklarına ve uzun vadeli sermayenin erken girmesi gereken altyapılara ait olabilir.
Trend 1: AI, ekranlardan ayrılıyor ve fiziksel dünyaya giriyor
Geçtiğimiz yıllarda, pazarın AI'yi anlama anahtarı büyük modeller, sohbet robotları ve üretken uygulamalardı. Bugün, yatırım odakları uç cihazlara, robotlara, otomobillere, endüstriyel sistemlere ve uzay altyapısına doğru kaymaktadır. AI artık yalnızca bir metin veya bir resim üretmekle kalmıyor, çevreleri algılıyor, insan niyetlerini anlıyor ve gerçek dünyada eylemler gerçekleştiriyor.
Bu, vücutlu yapay zeka, insan benzeri robotlar, AI donanımı ve uçta yapay zekanın odaklanan nedenleridir. Jinqiu Fonu Yatırım Yöneticisi Zhou Xin, 2018'den beri robotlara dikkat etmektedir.
O, masada, vücutlu zekânın köpüğü teknolojinin ilerlememesinden değil, büyük dil modellerinin geliştirme hızının, fiziksel dünya ile derin şekilde bağlanmış robotlara doğrudan uygulanmasından kaynaklandığını hatırlattı. Model kapasitesinin artışı, senaryoların uygulamasının aynı hızda tamamlanması anlamına gelmez. İnce bir demo, hayal gücü yaratabilir, ancak bir robotun yüz kez ardışık olarak görevi başarıyla yerine getirebilip getiremeyeceğini, hata oranının kontrol altında olup olmadığını, dağıtım ve bakım maliyetlerinin düşürülüp düşürülemeyeceğini ve nihayetinde ROI'nin geçerli olup olmadığını cevaplayamaz.
Bu değerlendirme, gövdeli akıl yarışmasını "demo etkisi" yerine "teslim kapasitesi"ne geri getiriyor. Gerçek dünyada ipuçlarını tekrar kullanmak mümkün değil. Fabrikalar, depolar, evler ve kamu alanları, sistemlerin gürültüye, aşınmaya, beklenmedik durumlara ve insanların öngörülemeyen davranışlarına tepki vermeyi gerektiriyor. Model sadece bir katman; dokunsal algı, sensörler, aktüatörler, kontrol sistemleri, veri toplama ve sahne geri bildirimi, ürünün çalışıp çalışmayacağını belirliyor.
Sermayenin popülaritesi ölçülebilir.
Çin İletişim ve Bilgi Teknolojisi Enstitüsü'nün "Vücutlu Yapay Zeka Gelişim Raporu (2025)"'ne göre, 2025 yılı Aralık itibarıyla Türkiye'de vücutlu yapay zeka ve robotik alanındaki yatırım olayları 744 adet, toplam finansman tutarı 73,543 milyar yuan olmuştur; IDC, 2026 yılında küresel insansı robot satışlarının 50.000 adedi aşacağını ve %178 oranında artış göstereceğini tahmin etmektedir.
Ancak uygulamada görülen soğuk veriler de mevcut: Öncü şirket Unitree Technologies'in 2025 yılının ilk üç çeyreğindeki insan benzeri robot gelirlerinin %73,6'sı bilimsel ve eğitim alanlarından geliyor. Cihazlar büyük ölçüde üniversiteler ve araştırma kurumlarına satılmış olup, fabrikalarda gerçek değer yaratma aşamasına ulaşmak için hâlâ uzun bir yol var. Bu durum, Zhou Xin'in verdiği uyarıyı doğruluyor: Model ilerlemeleri, uygulama ilerlemeleriyle doğrudan eşdeğer değildir.
Yan tarafaki akıl, bu nedenle başka bir önemli ipucu haline geldi. Zhou Xin, AI'nın endüstriyel devrim seviyesinde bir bilişsel devrim olduğu durumda, akıl uzun süre yalnızca bulutta kalmayacağını düşünüyor. Geleceğin bilişsel ağı, bulut ve yan taraf tarafından oluşturulacak: alt katman chip ve donanım taşıyıcıları, orta katman Agent etrafında oluşan çalışma ortamı, üst katman ise bireysel ihtiyaçları anlayan uygulamalar olacak. Agent, zamanla donanımın etkileşim giriş noktası haline gelebilir; yukarıda kullanıcıların tercihlerini, geçmişini ve durumunu anlar, aşağıda telefonları, gözlükleri, arabaları, robotları ve ev cihazlarını çağırır.
Bu, AI donanımının iş modelini değiştirecek. Donanım, gelirini yalnızca tek seferlik satışlardan elde etmekten ziyade, sürekli hizmetlerle değer yaratabilecek. Gerçek engel, "cihaza AI eklenmesi" değil, cihazın kullanım engelini düşürebilmesi ve kullanıcı etrafında kararlı veri ve hizmet ilişkileri kurabilmesi olacak.
Listede birçok yatırımcının stratejisi bu yönde şekilleniyor: Houxue Capital Yönetim Kurulu Üyesi Bai Zeren, otomatik teslimat, dokunsal sensörler ve ana hat lojistiği otomasyonu alanlarını takip ediyor; Yaotu Capital Yatırım Yöneticisi Guo Jing, dikey özel robotlar, drone kümeleri ve güneş enerjisi kurulum robotlarını odak noktası olarak seçiyor. Otomatik teslimat, “AI’nın fiziksel dünyaya girişi” kapsamında en hızlı büyüyen alanlardan biri: 2025 yılında endüstri genelindeki sermaye toplamı neredeyse 10 milyar yuanı aşıyor; Bai Zeren’in çalıştığı Linear Capital’in yatırım yaptığı Bai Xini, aynı yıl üç sermaye artırma turu tamamlayarak toplamda 100 milyon doları geçti ve 2023 sonunda yaklaşık 100 adet olan faal araç sayısı, 2025 Aralık itibarıyla 2.000’in üzerindeye ulaştı; küresel olarak 170’den fazla şehirde düzenli olarak faaliyet gösteriyor. Bu tür iş modelleri etkileyici bir demo sunmaz, ancak her gün verimlilik, maliyet ve güvenilirlik testlerine tabi tutulur. AI dijital dünyadan fiziksel dünyaya geçtikten sonra teknik hayal gücü hâlâ önemlidir, ancak ölçeklenebilir teslimat daha sert bir ayrım çizgisi haline gelecektir.
İkinci trend: Büyük modellerin avantajı bitmedi, rekabet odak noktası "akıllı döngü"ye kaydı.
Piyasa, bir sonraki nesil mimarileri ve yeni kavramları ararken, bu nesil büyük modellerin endüstriyel kazancının henüz tamamen serbest bırakılmadığı unutulmaz bir gerçektir.
Qiming Venture Partners ortak yöneticisi Hu Qi, bugünki en büyük yanlış anlaşılmalarından birinin, bir sonraki sıçrama teknolojisine fazla odaklanıp mevcut büyük modellerin üretkenlik yeniden yapılandırmasını nasıl gerçekleştireceklerini az tartışmak olduğunu belirtti. TCP/IP standart protokol haline geldikten sonra internetin avantajları uzun bir süre boyunca serbest bırakıldı; Bayes teorisi ve CNN de yıllar sonra hâlâ yeni teknoloji sistemlerini etkilemeye devam ediyor. Alt yapı teknolojilerinin ortaya çıkmasından endüstriyi değiştirmesine kadar genellikle bir veya iki yıllık doğrusal bir süreç değildir. Büyük modellerin kamuoyuna girmesi sadece birkaç yıldır, ticari sistemler, organizasyon süreçleri ve endüstri altyapıları hâlâ model kapasitesiyle tam olarak eşleşmemiştir.
Bu, yatırımcıların “büyük modeldeki yatırımı sürdürmek” ile “bir sonraki nesil teknolojiyi aramak” arasında bir seçim yapmak zorunda olmadığını anlamına gelir. Daha önemli soru ise, hangi şirketlerin mevcut model yeteneklerini gerçek iş akışlarına entegre ederek, bir sonraki model yükseltmesiyle kolayca silinmeyecek değerler oluşturabileceğidir.
Jingya Sermaye Yatırım Direktörü Liu Yunjie, bu yeteneği “akıllı döngü” olarak adlandırıyor. Kullanıcılar ürün kullanarak veri üretir, veriler eğitim veya optimizasyon sürecine girer, model yetenekleri arttıkça deneyim iyileşir, daha iyi deneyim ise daha fazla kullanıcı, senaryo ve geri bildirim getirir. Veri döngüsü, eğitim döngüsü ve kullanıcı geri bildirim döngüsü birbirini destekler ve şirket böylece sürekli kendini geliştiren bir yetenek kazanır.
Bu değerlendirme kriterlerini gerçek şirketlere uyguladığınızda, Zhipu ve Keling iki örnek olarak gösterilebilir. Panel tartışmasında, Hu Qi'nin piyasa patlamasından önce Zhipu'ya büyük yatırımlar yaptığı belirtildi. Zhipu, 2022 ile 2024 yılları arasında geliri 57,4 milyon yuandan 312,4 milyon yuana yükseldi; üç yıllık bileşik büyüme oranı yaklaşık %130, 2025 yılının ilk yarısında gelir 190,9 milyon yuan oldu ve %325 artış sağladı; ayrıca Ocak 2026'da Hong Kong Menkul Kıymetler Borsası'na listelendi ve "dünyanın ilk büyük model şirketi" unvanını aldı. Kuaishou'un Keling AI'si ise model yeteneklerinin yaratım süreçlerine entegre edilmesiyle ticari hızı gösterdi: Haziran 2024'te test aşamasına açıldı, yaklaşık 45 gün içinde ücretlendirme sistemi hayata geçirildi; 2025 yılının tamamında gelir yaklaşık 1,04 milyar yuan oldu, Aralık ayında tek bir ayda gelir 20 milyon ABD dolarını aştı; 2025 sonuna kadar küresel kullanıcı sayısı 60 milyonu geçti, toplamda 600 milyondan fazla video üretildi ve 30.000'den fazla kurumsal müşteri ve geliştirici hizmet aldi. Kullanıcı yaratımı, veri geri beslemesi, model iyileştirmesi ve deneyim artışı — döngünün her turu doğrudan gelire dönüşüyor.
Bu çerçeveden bakıldığında, AI şirketlerinin temel göstergeleri de değişmelidir. ARR, GMV ve SaaS verimliliği hâlâ referans değeri taşır, ancak bir şirketin uzun vadeli engelleri olup olmadığını belirlemek için yeterli değildir. Bir fonksiyon, temel modelin yükseltilmesiyle hızla değerini kaybedebilir; ancak gerçek bir iş sürecine entegre olmuş, özel veri biriktirebilen ve sürekli öğrenen bir sistem, model ilerlemesiyle daha güçlü hale gelebilir.
Liu Yunjie, akıllı değer zincirini üç katmana ayırdı: akıl üretimi, akıl dağıtımı ve akıl fiziksel dünyada somutlaştırılması. Dünya modeli ve ilacın keşfi akıl üretimi kapsamında yer alırken, Agent ve kurumsal Agentler akıl dağıtımını üstlenir; bedensel akıl ve akıllı sürüş ise akılı fiziksel eylemlere dönüştürür. Bu çerçeve, “AI yarışını” tam bir değer zinciri haline getirir. Sermaye artık sadece popüler bir uygulama aramaz, bunun yerine her katmanda platform konumunu ele geçiren ve geri bildirim döngüsü oluşturan şirketleri arar.
Bu nedenle büyük modellerin yatırımı odak noktası değişiyor. Geçmişteki soru “Hangi model daha güçlü?”, şimdiki soru ise “Hangisi model yeteneklerini, ne kadar kullanılırsa o kadar güçlenen ve iş süreçlerine daha derinleşen bir sistem haline getirebilir?”
Üçüncü trend: Veri darboğazları, yeni alt yapı teknolojilerini ortaya çıkarıyor; bilimsel temel modeller, fikir birliği dışına çıkan bir yön haline geliyor
Büyük modellerin genişlemesi, nihayetinde daha temel bir sorunla karşılaşıyor: kaliteli insan verileri sınırlı ve toplama ile etiketleme maliyetleri yüksek. İnternet metinleri ve insan geri bildirimleri sınırına yaklaştıkça, modeller yeni deneyimleri nereden elde edebilir?
Hu Qi, pekiştirmeli öğrenmeyi, kendiyle oyunu ve sürekli yinelemeyi olası çözümler olarak görüyor. AlphaGo Zero örneğini veriyor: model, sadece Go oyununun kurallarını biliyor, kendiyle oynayarak deneyim üretiyor ve insan oyun kayıtlarına ihtiyaç duymadan yeteneklerini geliştiriyor. Benzer bir mekanizmanın, net kurallara sahip oyunlardan daha karmaşık bilimsel araştırmalara, mühendislik sistemlerine ve gerçek dünya görevlerine genişleyip genişlemeyeceği, AI'nın mevcut verilere olan bağımlılığından nasıl aşılacağını belirleyecektir.
Ayrıca temel teknolojiyi değerlendirmek için bir standart seti sunar. Önce yeterince büyük bir endüstride genel bir artış sağlamalı, sadece bir şirketin yerel bir kısmında etkili olmamalıdır; ikinci olarak, veri, çıkarım veya sürekli öğrenme sorunlarını çözmek gibi AI yeteneklerinin sınırlarını genişletmelidir; son olarak, yalnızca bir teknoloji hikayesi sırasında geçerli olmamalı, zamanın testini geçmelidir.
Bu mantıkla, bilimsel temel modeller, dikkat edilmesi gereken bir fikir farklılığı haline gelmektedir. Bu, yaygın olarak bilinen "AI for Science" ile tamamen aynı değildir. Sonraki, otomatikleştirilmiş laboratuvarlar, protein yapısı tahmini, malzeme keşfi veya tek bir bilimsel araç olarak sıklıkla anlaşılmaktadır; bilimsel temel modeller ise yaşam bilimleri, malzeme ve simülasyon alanlarında daha temel ve daha genel model yetenekleri kurmayı hedeflemektedir ve bir disiplindeki birçok görevi hizmet etmektedir.
Bu yönün zorlukları da açıkça görülüyor. Bilimsel veriler, yüksek uzmanlık gerektirir, standartlar farklıdır ve elde edilmesi maliyetlidir; araştırmaların kendisi hatalı hatta sahtekâr olabilir. Model, sadece literatür ve deneysel verileri öğrenmekle kalmaz, aynı zamanda kanıt kalitesini değerlendirmeli, disiplinler arası kuralları anlamalı ve gerçek deneysel sonuçlarla doğrulama döngüsü oluşturmalıdır. Gelecekte her büyük disiplinin kendi temel modelini mi oluşturacağı, yoksa disiplinler arası birleşik bir mimarinin mi ortaya çıkacağı belirsizdir. Ancak bu, şu sorunu net bir şekilde işaret etmektedir: Genel internet verilerinin marjinal değeri azaldıkça, profesyonel dünyadaki kaliteli veriler, bilimsel kurallar ve deneysel geri bildirimler, sonraki model kapasitesi artışının önemli bir kaynağı olabilir.
Dörtüncü trend: Donanım teknolojisinin derinliklerine yaklaştıkça sabırlı sermayeye daha çok ihtiyaç duyulur
Yapay zeka uygulamalarına kıyasla, ticari uzay, kuantum hesaplama, uzay hesaplama gücü ve ileri enerji alanlarında doğrulama döngüleri daha uzundur. Bu alanlar, bir ürünün piyasaya sürülmesinden sonraki birkaç aylık veriyle kendilerini kanıtlayamaz; teknoloji yolları, mühendislik kapasitesi, tedarik zinciri, nitelikler, endüstri standartları ve sektör talepleri uzun bir süre boyunca birlikte olgunlaşmalıdır.
Hou Xue Sermaye Başkan Yardımcısı Wang Shuhe, kuantum hesaplama hakkındaki görüşleriyle bu tutumunu yansıtmaktadır. Şu anda fotoniğin, nötral atomun, iyonun gibi yolların her birinin kendi avantajları ve sınırlamaları vardır ve evrensel kuantum hesaplamanın ne zaman hayata geçirileceği hâlâ büyük belirsizlikler taşımaktadır. Cihaz tasarımı ve tedarik zinciri gibi mühendislik sorunlarının yanı sıra, sektör, malzeme, algoritma, fiziksel mekanizma, insan kaynağı ve değerlendirme standartları gibi temel sorunlarla da karşı karşıyadır. Daha gerçekçi bir yol, evrensel kuantum hesaplamanın kısa sürede mevcut sistemi tek başına yerine geçirmesini beklemek yerine, kuantum hesaplamanın klasik süperbilgisayarlar, GPU ve CPU ile modüler iş birliği kurması olabilir.
Belirsizlik, yatırım değeri olmadığı anlamına gelmez. Öncü sektörlerdeki ölçülü ilgi, yetenekleri, sermayeyi ve endüstri kaynaklarını çekecektir; tüm şirketlerin başarılı olmasa bile, süreçte mühendislik deneyimi, tedarik zinciri kapasitesi ve aktarılabilir teknoloji sonuçları birikir. Anahtar nokta, sermayenin uzun vadeli olasılıkları doğrudan kısa vadeli kesinliklere dönüştürmemesi ve ticarileştirme sürecinin uzak olması nedeniyle erken aşamada yargı kurmayı tamamen bırakmamasıdır.
Ticari uzay endüstrisi de aynıdır. Bu sektör, fırlatma, onay, yetki lisansı, test, kalite yönetimi ve tedarik zinciri koordinasyonunu içerir ve genel yazılım ürünlerinden çok daha uzun bir zincire sahiptir. Ancak endüstrinin endüstriyelleşmesi hızlanmaktadır: 2025 yılında ülkemizde 87 uzay fırlatması gerçekleştirildi, bunların 23'ünü özel ticari roket şirketleri gerçekleştirdi ve 324 uzay aracı yörüngeye sokuldu; sektördeki toplam finansman tutarı 18,6 milyar yuan oldu ve %32 artış gösterdi, ticari fırlatma hizmeti siparişleri yaklaşık %40 arttı. Yatırımcılar, şirketlerin "ölüm valesini" tamamen aşmasını bekleyemezler, çünkü o zaman erken dönem yatırım penceresi genellikle kapanmış olur. Yatırımcılar, değişen ortamda değişmeyeni bulmalıdırlar: Piyasa talebi nihayet ortaya çıkacak mı? Takım, temel araştırma ve mühendislik organizasyonu yeteneğine sahip mi? Tedarik zinciri ve ticarileştirme sorunlarını çözebilir mi? Ve endüstrinin kapısı gerçekten açıldığında, yeterli dirençle bekleyebilir mi?
Wang Shuhe'nin uzay bedenli robotlara olan ilgisi, bu yargıya örnek bir durumdur. Bu, ticari uzay, robotik ve AI gibi birkaç popüler kavramın bir araya gelmiş gibi görünse de, ardında net bir talep ortaya çıkmıştır. Uydu sayısı arttıkça, atık uydu işleme, uzay çöpü temizleme, yörüngedeki bakım ve yörüngedeki inşaat, uzay ekosisteminin bir parçası haline gelecektir. Ticari uzay, “eşyaları nasıl yukarı göndeririz” yerine “uzay kaynaklarını nasıl uzun vadeli kullanır ve bakımını yaparız” yönüne dönüştüğünde, yeni altyapı ve hizmet sistemleri ortaya çıkacaktır.
Uzay hesaplama, uzay enerji malzemeleri ve kuantum hesaplama üzerine odaklanan sıralama, genç yatırımcıların daha hızlı kazanç sağlayan AI uygulamalarına sınırlı kalmadığını gösteriyor. Onlar, teknoloji yolları tam olarak netleşmemiş olsa da geleceğin endüstriyel temelini yeniden şekillendirebilecek alanlara giriyorlar. Sert teknolojiye yönelik sabır, getiri terk etmek anlamına gelmez; getiriyi daha uzun bir zaman ölçeğine yatırır. Bu tür yatırımlar, sermayenin yeterince erken ve yeterince sabırlı olmasını gerektirir.
Yapay zekânın buluttan cihazlara, dijital içerikten fiziksel eylemlere geçiş yaptığı anda, teknoloji yatırımlarının yazılımdan çiplere, enerjiye, robotlara ve uzay altyapısına genişlediği anda, sermayenin rolü de değişecektir. Sermaye, teknolojiyi daha erken anlamak, endüstriye daha derin girmek ve sonuçlar henüz belirsizken uzun vadeli kararlar vermek zorundadır. Bu liste, bu nesil yatırımcıların bu tür kararları nasıl öğreneceğini izlemeye değerdir.
Bu yazı虎嗅'ten gelmiştir, yazar: Chen Yifan_YF. Orijinal bağlantı: https://www.huxiu.com/article/4877273.html?type=text