A indústria chinesa de robôs humanoides movimenta bilhões, mas a maior parte da receita não vem de fábricas ou consumidores: sai de centros de treinamento financiados pelo próprio Estado. Esse ciclo fechado de capital levanta dúvidas severas sobre a existência de demanda comercial real. Investidores já começam a reduzir posições.
O modelo circular que lembra a Nvidia
Funciona assim: governos locais e fabricantes cofinanciam centros de treinamento. Esses centros compram os robôs, usam humanos para operá-los remotamente (teleoperação) e geram dados. Esses dados são vendidos de volta aos fabricantes para melhorar a IA das máquinas.
Na prática, o dinheiro público banca a compra do hardware e a geração do insumo mais valioso do setor. A dinâmica lembra o financiamento de data centers de IA que impulsionou a Nvidia, mas com uma diferença crucial: aqui, o cliente final e o financiador inicial são, muitas vezes, a mesma entidade política.
Valorações nas alturas, receita no papel
O efeito no mercado acionário foi imediato. A Unitree, estrela do segmento, valorizou mais de 600% após o IPO na Bolsa de Xangai, atingindo US$ 50 bilhões. A UBTech e a AgiBot também viram avaliações dispararem.
Porém, olhe para a composição da receita:
- Leju Robot: 45% das vendas do modelo Kuavo vieram de centros de treinamento em 2024.
- UBTech: 140 milhões de renminbi (R$ 109 milhões) em pedidos de centros estatais apenas em 2025.
- Unitree: Cerca de 75% da receita de humanoides nos primeiros nove meses de 2025 originou-se de educação e pesquisa, não de uso industrial.
Conflito de interesse escondido nos registros
A promiscuidade entre regulador, financiador e jogador é explícita. No maior centro de treinamento de Pequim, a Leju detém 38% da empresa operadora. Ou seja, a fabricante é sócia do seu próprio cliente principal.
Analistas independentes alertam: essa estrutura ofusca a distinção entre demanda orgânica e demanda criada por política pública. Para um investidor sênior de Pequim, o setor já entrou no “ciclo de euforia” e muitos fundos buscam a porta de saída.
O gargalo que o dinheiro não resolve: dados ruins
Mesmo com a injeção de capital, a matéria-prima da IA — dados de alta qualidade — continua escassa. O Goldman Sachs aponta a falta de dados do “mundo real” como o maior obstáculo à adoção em massa.
Os números dos centros expõem a fragilidade:
- Mais de 90 centros ativos ou em construção até junho de 2026 (Interact Analysis).
- Promessa de 10 milhões de pontos de dados/ano por centro.
- Realidade: apenas 2 a 3 horas de dados aproveitáveis em um turno de 8 horas.
- Custo absurdo: até 1 milhão de renminbi (R$ 768 mil) por cinco minutos de coreografia.
Além disso, os dados de um fabricante servem apenas para aquele fabricante. Não há interoperabilidade. Robôs treinados em ambientes controlados falham ao enfrentar o caos de uma linha de produção real.
A aposta da “estratégia do desperdício”
Defensores do modelo citam o precedente dos veículos elétricos e painéis solares: a China subsidia a demanda inicial, cria escala, domina a cadeia de suprimentos e depois exporta. O Morgan Stanley, inclusive, dobrou a projeção de embarques para 2026: de 28 mil para 50 mil unidades.
Para governos locais, a conta fecha de outro jeito: atrai talentos, investimentos e cadeia de suprimentos para regiões onde a venda de terrenos secou. Alguns centros já viraram atração turística paga para estudantes nas férias.
O que observar daqui para frente
O teste de fogo não é tecnológico, é comercial. Se até o final de 2026 fabricantes como UBTech e Leju não mostrarem contratos volumosos com montadoras ou logística — setores que compram por ROI, não por decreto —, a reavaliação de ativos será violenta. Acompanhe a receita “não-governamental” nos próximos balanços: é o único termômetro honesto do setor.
