A indústria de robôs humanoides atravessa o mesmo ciclo que a IA generativa viveu entre 2022 e 2023: capital abundante, demonstrações impressionantes e ausência de evidências robustas de geração de valor em escala. A diferença é que o hardware impõe fricções que o software não enfrenta — física, latência, custo de falha e a necessidade de dados que simplesmente ainda não existem em volume suficiente.
O Problema dos Dados e o Custo de Treinar no Mundo Real
O gargalo central do setor não é o design mecânico nem a capacidade computacional — é o dado de treinamento. Modelos de linguagem foram alimentados com décadas de texto humano disponível na internet. Robôs humanoides precisam de dados de movimento, força, toque e contexto espacial que não existem em repositórios públicos. Empresas como a 1X Technologies, desenvolvedora do robô Neo, e concorrentes americanas como a Figure estão construindo esses datasets do zero, em geral por meio de teleoperation: humanos controlam os robôs remotamente enquanto o sistema registra cada movimento para treinar os modelos subsequentes.
Esse processo é lento e caro. Comparado ao paradigma do software — onde um modelo treinado pode ser replicado a custo marginal zero —, cada hora de dado físico coletado exige hardware funcionando, técnicos supervisionando e ambientes controlados. A escassez de dados cria um efeito de lock-in para quem conseguir acumulá-los primeiro, o que explica por que empresas estão queimando caixa em testes industriais mesmo sem retorno imediato.
Os testes em armazéns, mencionados na produção da Bloomberg como um dos estágios mais avançados de validação real, revelam outro problema: a variabilidade do ambiente real é ordens de grandeza maior do que qualquer simulação. Uma caixa levemente diferente da esperada, iluminação instável ou um corredor temporariamente bloqueado são triviais para um humano e potencialmente paralisantes para um sistema que ainda não generalizou bem.
China, Competição Global e a Questão da Escala Industrial
A vantagem chinesa no setor não é apenas de subsídio estatal — é de integração vertical. Fabricantes como Unitree e UBTECH operam em ecossistemas onde componentes de atuadores, sensores e processadores são produzidos domesticamente, reduzindo custos e acelerando iterações. Os Jogos Mundiais de Robôs Humanoides, realizados na China em 2024, funcionaram menos como competição esportiva e mais como demonstração geopolítica: o país sinalizando capacidade técnica e volume de players ativos simultaneamente.
Nos Estados Unidos, o modelo é diferente: startups captando rodadas expressivas — Figure levantou US$ 675 milhões em fevereiro de 2024, com participação da Microsoft, OpenAI e Nvidia — e apostando em parcerias industriais para validar casos de uso. A BMW anunciou testes com robôs da Figure em sua planta de Spartanburg, na Carolina do Sul. A Amazon avaliou múltiplos fornecedores para operações em centros de distribuição. São sinais de interesse real, mas ainda distantes de implantação em escala.
O risco estrutural do setor é a armadilha do piloto eterno: robôs suficientemente úteis para justificar testes, mas não suficientemente confiáveis para substituir trabalhadores humanos sem supervisão intensiva. Nesse cenário, o custo total de operação pode superar o da mão de obra que teoricamente substituiria.
O que está em jogo não é apenas a viabilidade técnica dos humanoides, mas a capacidade do mercado de sustentar valuations elevados durante o tempo necessário para que os dados de treinamento atinjam massa crítica. Se o ciclo de capital se inverter antes disso — como aconteceu com veículos autônomos entre 2019 e 2022 —, muitas das empresas hoje capitalizadas não sobreviverão para ver a tecnologia amadurecer. A pergunta não é se robôs humanoides funcionarão. É quem ainda estará de pé quando funcionarem.
Fonte · The Frontier | Robotics
