Çin’de yeni modellerin pazara çıkış sürelerinin 3-4 yıldan 18, 15 ve artık sadece 12 aya sıkıştırılmasıyla, tedarikçilere kalan doğrulama süresinin yalnızca 3 ila 4 ay arasında kaldığı tahmin ediliyor. Gasgoo’nun ortağı ve Gasoo Araştırma Enstitüsü Başkan yardımcısı Wang Xianbin, 17 Eylül’de düzenlenen “AI-Defined Vehicle Forum 2026” (Yapay Zeka ile Tanımlanan Araçlar Forumu)nda bu uyarıcı tahmini sundu. Çin’in hızlanan araç geliştirme dinamikleri ve tedar zincirindeki yapısal değişimler, sektörün verimlilik kaygılarının ötesinde kalite yönetimi tartışmalarına evrildiğini gösteriyor.
Çin’deki yeni model lansmanlarının hızı son yıllarda durdurulamaz biçimde arttı. Geleneksel otomotiv üreticileri için bir zamanlar uzun süren, proje onayından pazara çıkışa kadar geçen süreç artık 18 aya, 15 aya ve hatta sadece 12 aya indirildi. Ancak daha kısa süre çerçeveleri, gereken tasarım, geliştirme ve doğrulama çalışmalarının da aynı oranda azaldığı anlamına gelmiyor.
Tasarımdan Doğrulamaya: Ne Sıkıştırılıyor?
Wang’a göre Çin’in geliştirme süreçlerindeki hızlı daralma, önce geliştirme mekanizmalarındaki değişimden kaynaklanıyor. Bazı yeni oyuncuların karar verme zincirleri daha kısa ve temel yöneticiler ürün tanımlamasına doğrudan dahil oluyor; burada “patronun aslında ürün yöneticisi olduğu” bir durum söz konusu. Aynı zamanda tedarikçiler daha erken sürece katılıyor ve yazılım, donanım ile araç sistemleri sıralı bir ilerlemenin paralel geliştirmeye dönüştürülmesi sağlanıyor.
Yapay zeka da artık bu sürece dahil oluyor. Stil tasarımı ve malzeme araştırmalarından çarpışma simülasyonlarına, yazılım testlerinden sanal doğrulamaya ve OTA güncellemelerine kadar artan sayıda geliştirme aşaması verimliliği arttırmak için yapay zeka ve dijital araçlardan yararlanıyor. Buna rağmen süre yine de kıt kalıyor.
Wang, bir aracın yaklaşık 12 ay içinde geliştirilmesi durumunda, tedarikçilerin kendi geliştirme ve doğrulamalarını tamamlamaları için kalan gerçek pencerenin yalnızca 3 ila 4 ay olabileceğini belirtti. Otomotiv geliştirmesindeki bazı aşamalar doğası gereği zamanla sınırlıdır.
Eğer her yeri kıstınız ve yine de teslim tarihini kaçırdıysanız, kullanabileceğiniz tek bıçık doğrulamaya kesmek kalıyor.
Wang Xianbin, Gasgoo Ortağı ve Gasoo Araştırma Enstitüsü Başkan Yardımcısı
Bu açıdan bakıldığında, genel geliştirme süresinin 36 aydan 18’e, oradan da 12’ye sıkıştırılabileceği ancak kışın yılda yalnızca bir kez geldiği görülüyor. İşte tedarikçilere kalan “3-4 ay”nın bu kadar dar olmasının nedeni de tam olarak budur.
Doğrulama Baskısı ve Düzenleyici Tepkileri
Daha hızlı karar verme, erken tedarikçi katılımı, paralel geliştirme ve yapay zeka simülasyonlarının hepsi tüketildiğinde ve teslim tarihleri yine tehdit ettiğinde, genellikle doğrulama daha da fazla sıkıştırılıyor. Bu nedenle yapay zekanın geliştirmenin verimliliğini arttırması ile doğrulamaya yönelik artan baskı arasında bir çelişki yok.
Yapay zeka sorunları erken tespit etmeye ve tekrarlayan görevleri azaltmaya yardımcı olabilir, ancak aşırı soğukluk, dayanıklılık veya karmaşık yol koşulları için fiziksel doğrulamanın ortadan kaybolmasını sağlayamaz. Düzenleyiciler zaten bu kaygıların üzerine geliyor.
Sanayi ve Bilgi Teknolojileri Bakanlığı bu yıl otomotiv üreticilerinin üretim tutarlılığını, güvenilirliğini, dayanıklılığını ve yeni teknolojilerin testlerini güçlendirmelerini tekrar tekrar talep etti; yeterli doğrulama olmadan ürün pazara çıkarmaya açıkça uyardı. Ağustos ayında dört devlet dairesi, güvenilirlik, dayanıklılık ve yeni teknoloji doğrulaması öncelik olarak listelenen, bir yıllık üretim tutarlılığı ve kalite iyileştirme kampanyası başlattı.
Bu yıl ilgili standartlarda yapılan revizyonlar benzer bir sinyal gönderdi: Yeni enerji araçları için güvenilirlik sürüş testi kilometrelerinin yaklaşık 15.000 km’den en az 30.000 km’ye çıkarılması öngörülüyor.
Bu değişiklikler, geliştirme sürelerinin sıkıştırılmasının artık yalnızca bir verimlilik meselesi olmadığını; kalite yönetimi meselesine dönüştüğünü gösteriyor. Tedarikçiler için bu değişim aynı zamanda değeri yeniden dağıtıyor.
Ted Zincirinde Değer Yeniden Dağılıyor
Kasa, termal yönetim, mekanik ve güvenlik bileşenleri gibi kapsamlı fiziksel doğrulama ve uzun süreli dayanıklılık testi gerektiren tedarikçiler büyük bir zaman baskısıyla karşı karşıya. Buna karşılık, yapay zeka geliştirme araçları, simülasyon platformları, dijital doğrulama ve erken işbirlikli geliştirme kapasitesi sağlayan şirketlerin değeri artırılıyor.
Bu nedenle 12 aylık geliştirme süresindeki gerçek tartışma, yalnızca daha hızlı gidilebileceğiyle ilgili değil. Teknoloji ile geri kazanılabilecek zamanın ve hangi doğrulama aşamalarının ne olursa olsun dokunulmadan kalması gerektiğinin belirlenmesiyle ilgili.
Ted Zinciri Sınırları Otomotiv Dışına Yayılıyor
Yapay zeka arabaları nasıl ürettiğini değiştiriyorsa, başka bir dönüşüm de arabaları kimlerin ürettiğinde gerçekleşiyor. Wang, konuşmasında akıllı kokpitlerdeki bir sonr yenilik dalgasının giderek daha fazla geleneksel otomotiv sektörünün dışından gelebileceğini belirtti.
Son yıllarda ekranlar, sesli kontrol ve koltuk ayarları gibi özelliklerle “buzdolabı, renkli televizyon ve büyük kanepeler” olarak özetlenen konfigürasyonlar yaygınlaştı. Bu işlevler farklılaşan satış noktalarından ekipmanlara dönüştükçe, bir sonr kokpit rekabeti sağlık, rahatlık, alan ve yaşam tarzına doğru genişliyor.
Bu kapasiteler ise mutlaka geleneksel otomotiv Tier 1 tedarikçilerinde bulunmak zorunda değil. Wang, geçen iki yılda Gasoo Araştırma Enstitüsü’nün sahadaki teknoloji istihbaratı çalışmalarında çok sayıda sektörler arası ted zinciri yönüyle karşılaştığını ortaya koydu.
Bu çerçevede: Otelcilik sektöründen yataklar ve rahatlık malzemeleri arabaya girebilir mi? Kadın tüketici pazarı veya spor ve sağlık senaryoları için tasarlanan malzemeler araç içi için yeniden hayal edilebilir mi? Ve masaj veya sağlık izleme sektörlerinden olgun teknolojiler otomobillere yeniden tanımlanıp entegre edilebilir mi?
Bu, bir sonr kokpit kuşağı için yenilik kaynaklarının artık mevcut otomotiv ted zinciriyle sınırlı kalmayabileceğini ima ediyor. Bu geçiş robotik sektöründe daha da belirgindir.
15 Eylül’de “Somut Algılama Füzyonu ve Çok Modelli Büyük Modeller” konulu bir Gasoo seminerinde Wang, otomotiv ile robotik ted zincirleri arasındaki örtüşmenin %60 ila %70’e ulaştığını gösteren verilerden bahsetti. Aynı konuşmada, yürütme sistemlerinin bir robotun BOM maliyetinin neredeyse yarısını oluşturduğunu ve yaygın çözümlemelerin hesaplama, algılama ve kontrol mimarilerini otomobillerde ve otonom sürüşte zaten kullanılanları yoğun biçimde yeniden kullandığını belirtti. Ölçek arttıkça, farklı ürün segmentlerinde maliyet düşürme için önemli ölçüde alan kalıyor.
Otomotiv ile robotik arasındaki bağlantı artık yalnızca “teknolojik benzerlik” açısından değil; ted zincirlerinin kendilerinin örtüşmesi anlamına geliyor.
Wang Xianbin, Gasoo Ortağı
Bu çerçevede, 17 Eylül’deki Yapay Zeka ile Tanımlanan Araçlar Forumunda Wang daha da hayal gücü gerektiren bir kavram öne sürdü: Bir robotik köpek bir araba için mobil bir AI Box (Yapay Zeka Kutusu) olabilirmiş?
Görüşüne göre, araç içindeyken robotikköpek bazı uç hesaplama görevlerini üstlenebilir. Araç varış yerine ulaştığında ise köpek ayrılıp kamp yapmak, bagaj taşımak veya çocuk bakımı gibi senaryolar görevlerine devam edebilir.
Bu senaryoda araba ve robot artık tamamen iki ayrı donanım parçası değil; tek bir yapay zeka, algılama ve hesaplama kapasitesini paylaşabilecek ortaklar oluyor. Açıkça bu kavram gerçek kitle ticarileşmesinden hala oldukça uzak.
Ancak ardındaki endüstriyel mantık netleşiyor. Bir yandan tedarikçilerin biriktirdiği sensörler, kontrolcüler, motorlar, malzemeler, termal yönetim sistemleri, hesaplama platformları ve ölçekli üretim kapasiteleri robotiğe taşınabilir. Diğer yandan ise hotelcilik, sağlık, tüketici elektroniği ve robotik sektöründen şirketler otomotiv alanına girmeye başlıyor.
SDV’den AIDV’ye: Sınırların Yeniden Tanımlanması
Wang, otomotivin bir sonr aşamasını SDV (Yazılım ile Tanımlanan Araç)tan AIDV (Yapay Zeka ile Tanıllayan Araç)a geçiş olarak tanımlıyor. Ancak bu konuşmadan edinilen içgörülere göre, AIDV yalnızca başlığa büyük bir model eklemekten çok daha fazlasını değiştiriyor.
Bir uçta geliştirmenin derinlerine inerek aracın nasıl geliştirildiğini, doğrulandığını ve teslim edildiğini değiştiriyor. Diğer uçta ise ted zinciri sınırlarını sürekli açarak otomotiv sektörüyle önce ilgilenmeyen daha fazla teknoloji ve işletmenin sürece katılmasını sağlıyor.
12 aylık geliştirme süresi, 3-4 aylık tedarikçi doğrulama penceresi ve hotel malzemeleri, robotlar ve AI Box gibi görünüşte alakasız konuların hepsi nihayetinde tek bir değişime işaret ediyor: Yapay zeka otomotiv sektörünün zamanını yeniden tanımlıyor ve aynı zamanda sektörün sınırlarını da yeniden tanımlıyor.
