Fiziksel yapay zekâ yatırımcıları, ticari kullanıma geçişe hazırlanan robotik şirketleri için Asya’nın üretim ve yarı iletken yetkinliklerini potansiyel avantajlar olarak öne çıkarırken, gerçek dünyadan eğitim verilerine erişimi başlıca engellerden biri olarak tanımladı.

Öne Çıkanlar

  • Yatırımcılar, San Francisco’daki bir zirvede Tayvan, Japonya ve Güneydoğu Asya’daki fırsatları ele aldı.
  • Üreticiler özel bilgilerini paylaşma konusunda isteksiz olabileceğinden fabrika verilerine ulaşmak zor olabilir.
  • Startup Island TAIWAN Silicon Valley Hub, sektörde yeni diyaloglar ve yatırımcı buluşmaları düzenlemeyi planlıyor.

Fiziksel yapay zekâ simülasyondan üretime geçiyor

SF Tech Week kapsamında düzenlenen Silicon to Scale: A Physical AI Summit’te yatırımcılar ve sektör yöneticileri, akıllı makinelerin gerçek dünya ortamlarında kullanıma alınmasının zorluklarını görüştü. Etkinliğe 170’ten fazla yatırımcı, sektör lideri ve kurucu katıldı; beş Tayvanlı girişim de etkinlikte yer aldı: Morale AI, MetAI, Jmem Tek, Neuroshine ve APMIC.

Bir kurumsal panelde, simülasyon ile gerçek dünyada kullanıma geçiş arasındaki farkın yanı sıra ölçeklendirme için gereken hesaplama, uç bilişim ve enerji altyapısı ele alındı.

Asya’nın üretim kapasitesi nasıl katkı sağlayabilir?

Citi’nin yapay zekâ altyapısı direktörü Jeff Tao, Malezya da dahil olmak üzere Güneydoğu Asya’daki yarı iletken montaj ve test operasyonlarına, gelişmekte olan teknolojileri destekleyebilecek mevcut yetkinlikler olarak işaret etti. Ayrıca şirketlerin, yüksek iş gücü maliyetlerinin endüstriyel otomasyon için fırsatlar yarattığı ABD’ye erişimle Asya’nın üretim gücünü bir araya getirebileceğini söyledi.

Open Network Lab Fund’dan Kosuke Yusa, Japonya’nın farklı bir avantaj sunduğunu söyledi: sık sık değişen ve robotların farklı görevlere ve çalışma koşullarına uyum sağlamasını gerektiren üretim ortamları. Startup Island TAIWAN Silicon Valley Hub’ın başkanı Uly Su ise Tayvan’ın yarı iletken, elektronik ve ileri üretim alanlarındaki güçlü yönlerinden yararlanabileceğini belirtti.

Fabrika verileri ve altyapı kısıtları

Geniş dijital bilgilerle eğitilen dil modellerinin aksine robotik sistemler, fabrikalar ve üretim hatları gibi fiziksel ortamlardan gelen özel verilere ihtiyaç duyar. Tao, üreticilerin özel operasyonel verileri paylaşmakta isteksiz olmalarının da bu verilerin toplanmasını zorlaştırdığını söyledi.

DCVC’den Vandon Duong, geliştiricilerin çeşitli ve iyi açıklamalarla etiketlenmiş veri kümeleri için ödeme yapmaya istekli olduğunu, ancak rekabet arttıkça veri toplama şirketlerinin kalıcı avantajları nasıl oluşturabileceğini sorguladığını söyledi. Yatırımcılar hesaplama maliyetlerini de ele aldı: Tao, elektrik arzını ABD’de giderek önem kazanan bir altyapı darboğazı olarak tanımlarken Duong, hesaplama verimliliğini artırıp çıkarım maliyetlerini düşürebilecek teknolojilere dikkat çekti.

Daha Fazla Haber Oku

FinanceVelix’ten daha fazla haber

Yasal Uyarı

Bu FinanceVelix makalesi, kişiye özel finansal, yatırım, hukuki veya vergi danışmanlığı değil, genel bilgi sunar. Piyasa fiyatları, faiz oranları ve ekonomik koşullar değişebilir; yatırımlar zarar riski taşır. Bilgiler, yayımlanma sırasında mevcut olan materyali yansıtır ve değişebilir. Önemli bilgileri bağımsız olarak doğrulayın ve gerektiğinde nitelikli bir uzmana danışın. Bir varlıktan, şirketten veya hizmetten söz edilmesi, bunların onaylandığı anlamına gelmez.