A China dominou o hardware: seus robôs correm, dançam e fazem acrobacias. O gargalo agora é o software que tornará essas máquinas úteis fora do laboratório. Empresas do país captaram R$ 76,4 bilhões apenas no primeiro semestre de 2026 para resolver esse problema — um salto de cinco vezes em relação ao ano anterior.
O dinheiro migrou dos fabricantes de “corpos” para desenvolvedores de “mentes”. A lógica de mercado é simples: com o preço do hardware despencando, a margem de lucro saiu da carcaça metálica e foi para o código que a controla.
Por que a inteligência incorporada virou a nova fronteira
Diferente de chatbots, que aprendem com texto da internet, robôs precisam entender física: peso, atrito, fios flexíveis, objetos escorregadios. Isso exige dados de interação real, não apenas simulação. Quem resolver esse “gap” entre demonstração controlada e chão de fábrica caótico lidera a próxima onda de automação industrial global.
Segundo Dermot McGrath, da ZenGen Labs em Xangai, a conclusão da indústria é unânime: o hardware virou commodity; a inteligência é o ativo valioso.
A corrida assimétrica entre EUA e China
Startups americanas (Physical Intelligence, Skild AI, Generalist) lideram em pesquisa fundamental de modelos gerais. A Generalist, por exemplo, relata 60% de sucesso em tarefas novas após assistir a uma demonstração de poucos segundos.
Do lado chinês, a aposta está na integração vertical. Empresas como X Square, Galaxea e Spirit AI — avaliadas em cerca de US$ 3 bilhões cada — trabalham coladas a fabricantes (Unitree, UBTech) e clientes finais (CATL, farmácias). Isso garante volume de dados de treino do mundo real, algo escasso no Ocidente.
- X Square: ensina robôs a manipular objetos a partir de um único vídeo humano.
- Spirit AI: contratou 1.000 pessoas para gravar tarefas industriais e domésticas.
- Robbyant (Ant Group): treinou modelo com 160 mil horas de dados, rodando em 20 configurações de 17 marcas diferentes.
- DexForce: usa simulação pesada; promete preparar tarefas de precisão em 6 a 8 horas com 99,9% de acerto.
O gargalo que ninguém resolveu: qualidade dos dados
Yang Qian, COO da X Square, resume o dilema: “Qualidade dos dados importa mais que diversidade ou volume.” Simulações falham em replicar a física sutil do contato real. Por isso, a coleta “mão na massa” — sensores vestíveis em trabalhadores, teleoperação humana — virou padrão entre as líderes chinesas.
Mas há um teto: chips avançados. Restrições de exportação dos EUA limitam o acesso a GPUs Nvidia de última geração. Zhu Mingxuan, da JoyIn Technology, alerta que a falta de poder de computação se tornará “um problema sério” à medida que os modelos escalam.
Testes reais já acontecem — mas a generalização está longe
Resultados pontuais impressionam: robôs da Spirit AI conectam fios flexíveis em baterias da CATL com 99% de sucesso; unidades da Robbyant processam pedidos em farmácias de Xangai. São vitórias em ambientes controlados, tarefas específicas.
O “Santo Graal” é outro: um mesmo software que aprende tarefas inéditas em ambientes desconhecidos sem reprogramação. A JoyIn testou isso: um robô falhou ao guardar fones num armário alto; após ver humanos, aprendeu a empurrar uma caixa e subir nela. Explorou comportamentos sozinho. É o começo do “bom senso” que Yang Qian busca.
O “momento ChatGPT” da robótica e o calendário real
Wang Xingxing, fundador da Unitree, testou o GPT-6 da OpenAI em robôs e prevê que o GPT-7 (esperado para 2025) possa desencadear a virada: robôs resolvendo 80% das tarefas em 80% dos ambientes novos por comando de voz.
Georg Stieler, consultor do setor, freia o entusiasmo: demonstração não é produto. Se a métrica é “funcionar na demo”, otimistas acertam. Se é “cliente confiar para produção contínua”, acrescente anos, não meses.
O que observar daqui para frente
Três variáveis ditarão o ritmo real de adoção nos próximos 18 meses: (1) a capacidade da China de produzir chips substitutos à altura (Huawei e outros) ou contornar via modelos mais leves e dados sintéticos; (2) a transição de “robô especialista” para “robô generalista” confiável em múltiplos clientes; (3) a abertura de janelas de IPO, hoje travadas por regulação sobre valuations inflados.
Enquanto o hardware espera, o capital flui para o código. Quem transformar dados físicos baratos em inteligência reutilizável define o padrão da automação da próxima década.
