DeepSeek, Yushu ile El Ele: Akıllılık İsraf Edilebilecek Kadar Ucuzladığında

Bu makaleyi okumak için 25 Dakika

DeepSeek'in Unitree'nin yeni hisselerine abone olması, piyasada gömülü zekanın maliyet düşürme yollarına yönelik ilgiyi artırdı. Makale, makinelerin düşünme ve hareket etme maliyetleri eşzamanlı olarak düştüğünde, yapay zekanın pahalı bir yetenekten tekrar tekrar deneme-yanılma yapılabilen bir altyapıya dönüşebileceğine dikkat çekiyor.

Orijinal Başlık: "DeepSeek, Unitree ile El Ele: Akıllılık İsraf Edilebilecek Kadar Ucuzladığında"
Orijinal Yazar: Dongcha Beating

Teknoloji, genellikle israf edilebilecek kadar ucuzladığında dünyayı gerçekten değiştirmeye başlar.

Son zamanlarda, yabancı medya bile Çin internetine özgü bir terimi öğrenmeye başladı: "katliam çizgisi" (death zone).

31 Temmuz'da DeepSeek V4 Flash güncellendi. Artificial Analysis'te model zekasını ve kullanım maliyetini aynı anda karşılaştıran koordinat grafiğinde, dikey eksen yukarı çıktıkça model daha zeki; yatay eksen sağa gittikçe çağrı maliyeti artıyor. V4 Flash'ın zeka endeksi 50 puana ulaştı ve neredeyse küresel birinci kademeye yaslanıyor, ancak bir test turunun ortalama maliyeti yalnızca 3 sent. Bu nokta neredeyse koordinat sisteminin sol üst köşesine itilmiş durumda. Ondan daha ucuz olan modellerin çoğu yetenek olarak ondan geride; ondan daha zeki olan modeller ise genellikle çok daha pahalı.

Artık bir model, DeepSeek'ten yeterince güçlü değilse, neden onlarca kat daha pahalı olduğunu açıklamak giderek zorlaşıyor. Çin interneti bu sınırı "katliam çizgisi" olarak adlandırıyor. Birkaç gün sonra Bloomberg, Çin modellerinin ABD'li AI şirketleri üzerindeki fiyat baskısını tartışırken başlıkta doğrudan "Death Zone" ifadesini kullandı.

2024'teki V2'den itibaren DeepSeek, makinenin "bir kez düşünmesi" için gereken maliyeti sürekli aşağı çekiyor. Modellerin tamamlayabildiği görevler giderek karmaşıklaşıyor, ancak fiyat yetenekle birlikte yukarı fırlamadı. Son iki yılda büyük model endüstrisi, daha büyük parametreler, daha uzun bağlamlar ve daha yüksek Benchmark'larla ilerlemeyi anlatmaya alıştı; DeepSeek ise başka bir standardı kovalamaya devam ediyor: aynı zekayı daha az parayla elde edebilir miyiz?

Hangzhou'nun diğer tarafında, Wang Xingxing on yılı aşkın süredir benzer bir şey yapıyor.

Yüksek lisans yaparken XDog üzerinde çalıştı ve en başından beri yakacak çok parası yoktu. Pahalı hidrolik sistemleri kullanamadı, bu yüzden düşük maliyetli motorlar üzerinde araştırma yaptı; hazır çözümleri satın alamadı, bu yüzden kendi sürücü kartlarını çizdi, programlar yazdı ve kontrol sistemlerini kurdu. Bugün Unitree ürünlerinin standart parçaları haline gelen birçok teknik seçim, en başta çok sade bir mühendislik alışkanlığı taşıyordu: önce sektörde genellikle nasıl yapıldığını sorma, önce daha ucuz bir yol var mı bak.

Wang Xingxing daha sonra hatırladı: 2010'da çift bacaklı robot yaparken mekanik parçalar toplamda sadece 200 yuan tuttu. Yıllar sonra birisi Unitree'nin maliyetleri daha da düşürüp düşüremeyeceğini sorduğunda şu cevabı verdi: "Bizimle maliyet düşürme konusunda yarışmayın, biz daha da çok düşürebiliriz."

Bir şirket düşünmenin fiyatını düşürüyor, bir şirket eylemin fiyatını düşürüyor. Uzun bir süre boyunca, ikisi de Hangzhou'da olmalarına rağmen, hâlâ kendi yollarında ilerliyorlardı.

Ta ki 6 Ağustos'a kadar.

Unitree Robotics, STAR Market halka arz stratejik yerleştirme sonuçlarını açıkladı; DeepSeek, Unitree'nin yeni hisselerini satın almak için 140,8 milyon yuan ayırdı. İki tarafın açıkladığı iş birliği düzenlemeleri de oldukça doğrudandı: Unitree, model eğitim hizmetleri ve teknik çözümler gerektiğinde öncelikle DeepSeek'i değerlendirecek; DeepSeek ise robotlar ve somutlaşmış yapay zeka uygulamaları keşfederken öncelikle Unitree'yi değerlendirecek.

Bu para, bugünün yapay zeka sektöründe pek de şaşırtıcı değil. Asıl ilginç olan, on yılı aşkın süredir pahalı teknolojiyi lahana fiyatına indirmeye çalışan iki kişinin, maliyet eğrilerini ilk kez birbirine bağlaması. Böylece, "büyük dil modeli nihayet robotlara bir beden bağladı" sorusundan daha da sorgulanmaya değer bir soru ortaya çıktı:

Düşünmenin maliyeti ve eylemin maliyeti aynı anda düşmeye devam ederse, yapay zeka en sonunda neye dönüşecek?

Cevap sadece "daha fazla insanın kullanabilmesi" olmayabilir.

Daha büyük değişim, ona artık o kadar değer vermemeye başlamamız.

İki Fiyat Kasapları

Liang Wenfeng ve Wang Xingxing arasındaki en belirgin benzerlik, sübvansiyonlarla elde edilen ucuzluğa pek inanmamaları. Fiyat tablosu elbette bir gecede değiştirilebilir, ancak koyunun yünü koyunun sırtından çıkar; bu tür düşük fiyatlar genellikle uzun sürmez. Bir şeyin gerçekten uzun vadede ucuza satılabilmesi için sonunda mühendisliğe dönüp, başlangıçta doğal görünen maliyetleri katman katman sökmeniz gerekir.

DeepSeek-V2 en tipik örnekti. 2024'te model piyasaya sürüldükten sonra, yerli büyük dil modeli sektörü hızla fiyat savaşına sürüklendi; dışarıdan en kolay görülen şey API fiyatlandırmasıydı, ancak indirimi gerçekten destekleyen şey model mimarisinin içinde gizliydi. V2'nin toplam parametresi 236 milyara ulaştı; her Token işlendiğinde yalnızca 21 milyarı aktif olarak devreye giriyordu. Önceki nesle kıyasla eğitim maliyeti %42,5, KV Cache %93,3 azaldı ve maksimum üretim verimi 5,76 kat arttı.

V3'e gelindiğinde bu yaklaşım daha da ileri taşındı. Model daha da büyüdü; resmi eğitim 2,788 milyon H800 GPU saati kullandı ve DeepSeek, verimliliği artırmak için uzman karışımı, düşük hassasiyetli eğitim ve iletişim optimizasyonu gibi yöntemlerle maliyeti optimize etti.

Bu maliyet anlayışı daha sonra ürünü tersine tanımlamaya başladı.

Bu yılın Mayıs ayında DeepSeek, V4-Pro'nun başlangıçtaki %75'lik promosyon indirimini doğrudan kalıcı bir fiyata dönüştürdü ve amiral gemisi kademesini de daha da aşağı çekti. Liang Wenfeng daha önce fiyatlandırma ilkelerini açıklamıştı: gerçek maliyete göre fiyatlandırma, uzun vadeli zararına satış yapmama ve aşırı kâr peşinde koşmama.

Wang Xingxing'in robotlara dair anlayışı neredeyse aynı.

2025'te "Wan Dian" ile yaptığı röportajda, H1'in başlangıçta 90.000 dolara satıldığı, ardından daha esnek olan G1'in düşük donanımlı versiyonunun başlangıç fiyatının yalnızca 99.000 RMB'ye düştüğü ve bunun hâlâ kâr sağlayıp sağlamadığı soruldu.

Wang Xingxing şöyle yanıtladı: "Ticari faaliyetler elbette makul bir ticari kâr içermeli. Maliyet, her şeyi yaparken bizim KPI'mız; temel hedef para kazanmak."

Ardından, en yaygın söylenen "ölçek büyüdükçe tedarikçiler fiyatları düşürür" ifadesinden çok daha az bahsetti. Robotun fiyat alt sınırını gerçekten belirleyen şey, motorların nasıl seçileceği, redüktörlerin nasıl yapılacağı, bir eklemde kaç parça kullanılacağı, tüm makinenin daha da hafifletilip hafifletilemeyeceği ve hangi bileşenlerin kendi kontrolünde tutulması gerektiğidir.

Bu maliyet düşürme yöntemi, güçlü bir endüstriyel çağ hissi taşır; her kuruş ikiye bölünerek harcanır.

Bir devre kartından birkaç santimetre kısaltmak, bir eklemden iki parça çıkarmak, bir kablo demetinin yolunu değiştirmek—bunlar tek başına büyük bir atılım sayılmaz, ancak bu tür onlarca değişiklik bir araya geldiğinde sonuçta satış fiyatını doğrudan etkiler.

Unitree'nin son yıllardaki fiyat değişimi tam olarak böyle. 2023'te ilk tam boyutlu insansı robot H1 piyasaya sürüldü ve o yıl yalnızca 5 adet satıldı; ortalama satış fiyatı 593.400 RMB idi. 2024'te daha küçük olan G1 pazara girdi, satışlar 410 adede yükseldi ve ortalama satış fiyatı 260.700 RMB'ye düştü. 2025'in ilk dokuz ayında insansı robot satışları 3.551 adede ulaştı ve ortalama satış fiyatı 167.600 RMB'ye geriledi.

Fiyat her düştüğünde, robot alıcılarına yeni bir grup katılır. 500.000-600.000 RMB'lik bir cihaz, laboratuvar projesi oluşturmayı, bütçe yazmayı ve satın alınan şeyin ne araştırmak için olduğunu açıklamayı gerektirir; 100.000-200.000 RMB ise daha fazla üniversiteye, geliştirme ekibine ve şirkete girebilir.

Birçok teknolojinin yaygınlaşma eşiğini gerçekten aşması, bu tür değişimlerde gerçekleşir. Özel bütçeden departman bütçesine, departman bütçesinden sıradan satın almaya geçiş yapılır ve sonunda bir gün insanlar her kullanım için hesap yapmayı bırakır.

Pahalı teknolojiler doğal olarak yalnızca pahalı sorunları çözmeye yarar; fiyat düştüğünde, geçmişte teknolojinin ortaya çıkmasına değmeyen küçük işler onun dünyasına girmeye başlar.

İki maliyet eğrisi nihayet kesişiyor

Unitree zaten dünya modelleri ve VLA üzerinde çalışıyor, bu yüzden DeepSeek'in değeri yalnızca robota "bir beyin bağlamak" değil. İki şirketi gerçekten birbirine kenetleyen şey, somutlaşmış zekânın şu anki en pahalı eğitim döngüsüdür.

Bu döngünün yarısı gerçek dünyada gerçekleşir. Robotlar gerçekten uzanır, yürür, nesneleri alır; insanlar veya diğer sistemler sürekli ona örnek gösterir, başarı ve başarısızlık yörüngeleri üretir.

Diğer yarısı ise hesaplamada gerçekleşir; veriler temizlenir, etiketlenir, yeni stratejiler eğitmek için modele beslenir ve ardından çıkarım ve doğrulama yoluyla robota yeniden dağıtılır. Makine dışarı çıkıp denemeye devam eder, yeni veriler getirir, model tekrar öğrenir. Bu döngü ne kadar hızlı dönerse, robotun temas ettiği dünya o kadar genişler.

Sorun şu ki, her iki uç da pahalı. Gerçek makine pahalı olduğunda, ekiplerin yüzlerce robotu gün boyu laboratuvarda düşürmesi zorlaşır; eğitim ve çıkarım pahalı olduğunda, toplanan ve değeri hemen görünmeyen verilerin tekrar tekrar eğitilip doğrulanması da zorlaşır.

Bu yüzden geçmişte robot deneyleri yapmak her zaman çok değerliydi. Sadece birkaç makine vardı; bugün hangi verilerin toplanacağı önceden netleştirilmeliydi; hesaplama gücü sınırlıydı, bir dizi yörüngenin tekrar çalıştırılmaya değip değmeyeceği de parmak hesabıyla hesaplanırdı. Kaynaklar ne kadar pahalıysa, araştırmacılar en değerli görünen ve başarı olasılığı en yüksek sorunları seçmeye o kadar eğilimliydi.

Ama gerçek dünya tam olarak böyle değil.

Bardağın masanın kenarına 3 cm mi yoksa 5 cm mi konulduğunun ne farkı var, havlu yarısı ıslandığında nereden tutulmalı, çekmece sıkıştığında daha fazla mı zorlanmalı yoksa önce biraz geri mi çekilmeli, plastik poşette bir elma ile üç elma olduğunda kol nasıl ayarlanmalı. Bu şeyler tek tek ele alındığında hiçbiri bir basın toplantısı yapmayı hak etmez, hatta bir laboratuvarın özel bir proje başlatması bile zordur. Ancak robot bir kez evlere, restoranlara, depolara, ofislere girdiğinde, her gün karşılaştığı dünya tam da bu kadar sıkıcı ve sinir bozucu sorunlardan oluşur.

Bu noktada DeepSeek ile Unitree arasındaki iş birliğine bakınca mantık çok daha netleşiyor.

Unitree ilk yarının maliyetini aşağı çekerek daha fazla gerçek makinenin laboratuvarlara, geliştirme ekiplerine ve gerçek senaryolara girmesini sağlıyor; DeepSeek ise uzun vadede ikinci yarının sorununu çözüyor, model eğitimini, çıkarımı ve doğrulamayı giderek daha ucuz hale getiriyor.

Çoğu yörünge sonunda ürüne girmez, çoğu deney haber üretmez; bazı robotlar art arda yüz kez bardağı yanlış tutabilir, pahalı bir veri seti işlendikten sonra sadece ilk fikrin hiç de geçerli olmadığını kanıtlayabilir.

Kaynaklar pahalıyken bunlara boşa harcanan çaba denir; maliyet yeterince düşükse, ancak o zaman deneyim olarak adlandırılmayı hak ederler.

Telefon biraz ucuzladığında, daha fazla insanın satın alabileceği anlamına gelir; robot biraz ucuzladığında, aynı zamanda kendisinin de verimsiz geçirebileceği daha fazla zamana sahip olabileceği anlamına gelir; bir öğleden sonra laboratuvarda pratik yapabilir, sonunda hiç kullanılmayacak hareketler yapabilir, daha tuhaf ortamlara girebilir ve mühendislerin önceden düşünmediği daha fazla durumla karşılaşabilir.

Vücut ve zeka aynı anda ucuzladığında, gömülü zekanın ilk elde ettiği şey, daha fazla hata yapma hakkıdır.

İnsanlar Teknolojiyi İsraf Etmeyi Nasıl Öğrendi

Bu tür şeyler insan teknoloji tarihinde birçok kez yaşandı.

1865'te İngiliz ekonomist William Stanley Jevons, buhar makinelerini ve kömürü incelerken sezgisel olmayan bir şey keşfetti. Buhar makineleri giderek daha verimli hale geldi, her işi tamamlamak için yakılan kömür azaldı, ancak İngiltere'nin tükettiği kömür düşmedi, aksine arttı. Çünkü buhar gücü ucuzladığında, geçmişte kullanmaya kıyılamayan işler için de kullanılmaya başlandı; verimlilikle tasarruf edilen kömür, kısa sürede daha fazla yeni talep tarafından tüketildi.

Daha sonra insanlar bu olguyu "Jevons Paradoksu" olarak adlandırdı.

Son iki yılda AI kullanan insanlar, aslında bir dereceye kadar bunun tersi olan aşamayı deneyimledi. Modeller hâlâ pahalıyken, önce zekadan nasıl tasarruf edileceğini öğrendik. Girişim ekipleri ağızlarında kullanıcı deneyimini tartışıyordu, ancak ürün yöneticileri zihninde bir Token fiyat tablosu tutmak zorundaydı; bir özellik teknik olarak yapılabilirdi, ancak sonunda "her kullanıcı için beş kez daha fazla model çalıştırmak çok pahalı" diye iptal edilebilirdi.

Ancak teknolojinin gerçekten hayata girmesi genellikle başka bir eşiği geçmeyi gerektirir: o kadar ucuz hale gelir ki, o kadar da önemli olmayan şeyler için kullanmaya başlarız.

Bugün kimse oturma odasındaki ışığı açmadan önce bu bir saatlik aydınlatmanın ne kadar ekonomik değer yarattığını hesaplamaz ve kimse telefonun arka planda birkaç ağ isteği daha göndermesi nedeniyle büyük internet altyapısını israf ettiğini düşünmez.

Elektrik ve ağın maliyeti vardır, ancak bu maliyet her kullanım için karar vermeye değmeyecek kadar düşüktür. İnsanlar bu konularda uzun zamandır savurgan hale geldi ve hiçbir suçluluk duymuyor.

Zeka bir gün buraya gelirse, bizim AI ile ilişkimiz de değişecek. Toplantı bittiğinde modelin notları düzenlemesini isteyeceğiz, makale yazıldığında birkaç modelin ayrı ayrı kusur bulmasını sağlayacağız, bir Agent başarısız olursa birkaç farklı yol deneyip devam edeceğiz, şansımızı deneyip üç kez vuracağız. Robot masayı toplarken ilk seferde bardağı devirir, ikinci seferde eli yanlış uzanır, üçüncü seferde çok yavaş olur, o zaman dördüncü seferi yaparız.

Bir teknoloji gerçekten yaygınlaştığında, insanlar kullanım verimliliğini giderek daha az ciddiye alır, hatta onu kullandıklarını unuturlar.

Bu Hesabı Artık Yapmadığımızda

1911'de İngiliz matematikçi ve filozof Whitehead, "Matematiğe Giriş" adlı eserinde bir cümle yazdı:

"Medeniyetin ilerlemesi, düşünmeden gerçekleştirebildiğimiz önemli işlemlerin sürekli genişlemesinde yatar."

Bugünün yapay zekâsı açıkça henüz bu noktaya ulaşmadı. Hâlâ hangi görevin en pahalı modeli hak ettiğini tartışıyoruz; geliştiriciler milyon token başına birkaç yuan fark için tedarikçi değiştiriyor; robot şirketleri sergi salonları, laboratuvarlar ve fabrikalar arasında hesabı en kolay kapanan senaryoyu arıyor. Bu sektör hâlâ ağır bir gündelik geçim kaygısı taşıyor.

Ve bu 140,8 milyon yuanlık yatırımın gerçekten birbirine bağladığı şey, sektör tartışmalarında nadiren yer alan bir fatura: Bir makine bir kez hata yaptığında maliyeti ne kadar?

Bugün bu cevap henüz yeterince ucuz değil, bu yüzden gerçek dünyadaki her veri özenle toplanmalı, her eğitim turu titizlikle seçilmeli ve her robot en kısa sürede çıktısı hesaplanabilir bir iş bulmalı.

Zekâ gerçekten yaygınlaştığı gün, belki de yeni bir çağın geldiğini duyuran bir lansman olmayacak. Sadece yavaşça fark edeceğiz ki bir robot depo köşesinde bir öğleden sonra kutu kavrama pratiği yapıp üç yüz kez başarısız olduğunda artık kimse özel olarak ilgilenmiyor; bir ajan cevap bulmak için kendi başına onlarca yol denediğinde kimse token faturasına bakıp üzülmüyor; laboratuvara birkaç robot daha koymak için artık her biri için ayrı bir satın alma gerekçesi yazılmıyor.

Yani yapay zekânın gelecekteki asıl önemli fiyatı, bir milyon token'ın ne kadar olduğu ya da bir insansı robotun ne kadar olduğu değil; bu rakamları hesaplamaktan ne zaman vazgeçeceğimizdir.

Makine birkaç kez daha düşündüğünde, birkaç adım daha attığında, birkaç kez daha hata yaptığında artık kimsenin canını acıtmadığı zaman, zekâ gerçekten pahalı bir yetenekten altyapıya dönüşmüş olacak.

Teknolojinin dünyayı gerçekten değiştirmeye başlaması, çoğu zaman israf edilebilecek kadar ucuzladığı anda gerçekleşir.

DeepSeek düşünmeyi bu fiyata yaklaştırıyor, Unitree bedeni bu fiyata yaklaştırıyor. Geriye kalan şey, makinelere yeterince ucuz bir yaşam sağlamak.

O kadar ucuz ki tekrar tekrar denenebilir, o kadar ucuz ki sürekli hata yapılabilir, o kadar ucuz ki bugün anlamsız görünen başarısızlıklar sonunda zekâyı oluşturacak kadar çoğalır.