Os três gigantes do Vale do Silício desencadeiam revolução na produção em massa. A inteligência incorporada na China pode alcançar a posição de destaque no palco global?

Introdução: A ação pré-definida é o bilhete de entrada de hoje, enquanto a capacidade de generalização é o bilhete para a final de amanhã.

Editor｜Jing Cheng

Autor｜Jiang Jing

No encerramento do primeiro trimestre de 2026, uma ação global sincronizada no setor tecnológico anunciou oficialmente que a indústria de robôs humanoides atingiu um ponto de inflexão histórico.

Os três gigantes do Vale do Silício, Google, Amazon e Tesla, uniram forças, desde a capacitação tecnológica, passando pelo layout de cenários até a produção em massa, impulsionando os robôs humanoides do palco tecnológico para a arena industrial.

Simultaneamente, a China também intensificou suas ações. Em 26 de março, a Academia Chinesa de Tecnologia da Informação e Comunicação, em conjunto com mais de 40 entidades, lançou o primeiro padrão industrial no campo da inteligência incorporada. Com políticas em constante fortalecimento, empresas acelerando a implementação e um entusiasmo crescente do capital, a China está realizando uma transição de apenas seguir para uma corrida paralela, e até mesmo começando a desafiar a liderança em vários campos.

Conseguirá a China ocupar o centro do palco nesta revolução que está a redefinir as regras do comércio e a ecologia industrial do futuro?

Acelerando globalmente: os gigantes do Vale do Silício investem na produção em massa, reconstruindo a produtividade futura

Ninguém mais vê os robôs humanoides como um conceito de ficção científica.

Recentemente, a sincronia das ações dos três gigantes do Vale do Silício tornou os passos da era da produção em massa claramente audíveis. Cada passo que dão na sua estratégia aponta para a reconstrução da produtividade futura, enquanto o seguimento do capital global e das empresas locais eleva ainda mais a temperatura dessa pista.

O Google foi o primeiro a criar um “cérebro inteligente” para robôs, lançando dois novos modelos de IA, o Gemini Robotics e o Gemini Robotics-ER. O primeiro permite que os robôs compreendam novos contextos sem treinamento específico, enquanto o segundo é capaz de “entender o mundo complexo e dinâmico”, capacitando os robôs a entrar em cenários reais a partir de uma perspectiva técnica.

A Amazon, por sua vez, foca na implementação de cenários, adquirindo, em uma semana, as startups de robôs humanoides Fauna Robotics e de robôs logísticos Rivr. Sua estratégia não visa apenas otimizar a entrega de encomendas, mas construir uma “rede capilar de serviços robóticos” que vai da linha de montagem da fábrica até a sala de estar, criando um sistema de força de trabalho da próxima geração.

A ação de produção em massa da Tesla é a que recebe mais atenção. Em 25 de março, o robô Optimus lançou um anúncio de recrutamento, deixando claro que pretende mudar o padrão de emprego e a economia industrial, com o objetivo de alcançar rapidamente uma produção em massa em grande escala, e neste verão, iniciar a primeira linha de produção de robôs humanoides da história, com uma capacidade anual de um milhão de unidades, levando a produção em massa a uma fase substancial.

A estratégia do Vale do Silício vai muito além disso, com empresas locais dos EUA também a acelerar a implementação. No mesmo dia, o robô humanoide Figure03, desenvolvido pela Figure AI, foi instalado na Casa Branca, tornando-se o primeiro robô humanoide fabricado nos EUA a entrar na Casa Branca, com capacidades de comunicação multilíngue e de realizar tarefas domésticas autonomamente. A empresa já levantou mais de 1 bilhão de dólares em financiamento há seis meses, com gigantes como Nvidia e LG apoiando, demonstrando o entusiasmo do capital global pela pista dos robôs humanoides.

O vice-diretor do departamento de investimentos do Instituto de Desenvolvimento Urbano da China, Yuan Shuai, afirmou que as ações de produção em massa dos gigantes do Vale do Silício e o lançamento do padrão da indústria de inteligência incorporada na China juntos marcam a transição da indústria de robôs humanoides da pesquisa tecnológica profunda para um período dourado de comercialização. As inovações nas tecnologias centrais sustentam a fabricação em larga escala, enquanto os padrões da indústria definem as normas tecnológicas e reduzem a concorrência desordenada.

No entanto, o especialista da Sociedade Chinesa de Jornalismo Tecnológico, Gao Heng, fez uma avaliação cautelosa, afirmando que a indústria se encontra atualmente na véspera da comercialização e em um período de realização parcial, e não em um período dourado de explosão comercial total. A mudança central na indústria é que as partes estão começando a validar conjuntamente se os robôs “podem continuar a trabalhar em cenários reais e se os custos são controláveis”, e não apenas se trata de uma superação técnica.

A China rompe o impasse: múltiplas vantagens para se firmar, carências essenciais a serem preenchidas

Quando os gigantes do Vale do Silício desencadearam a onda de produção em massa, a China não ficou passivamente a seguir, mas já havia se preparado, utilizando múltiplas vantagens em padrões, cenários, mercado e capital, para se firmar no cenário global de inteligência incorporada. Contudo, em comparação com os gigantes do Vale do Silício, ainda existem lacunas em termos de tecnologia e capacidade essenciais, que se tornam um obstáculo ao desenvolvimento adicional da indústria.

Em termos de vantagens, a estratégia da China exibe características locais marcantes e um efeito de primeiro a agir. Primeiramente, ao dominar a autoridade dos padrões, em 26 de março, a Academia Chinesa de Tecnologia da Informação e Comunicação, em conjunto com mais de 40 entidades, lançou o primeiro padrão industrial no campo da inteligência incorporada, estabelecendo uma estrutura de testes padronizados, e conquistando a iniciativa na formulação de padrões na fase inicial de desenvolvimento da indústria.

Em segundo lugar, a implementação de cenários está à frente, uma vez que o desenvolvimento da inteligência incorporada na China nunca se limitou à fase de demonstração, mas realmente alcançou aplicações práticas, como o robô quadrúpede Yushu já atuando em diversos projetos de inspeção industrial em subestações na província de Zhejiang, túneis subterrâneos em Hangzhou e na base petroquímica de Guangdong.

Além disso, a China possui um enorme mercado e um ambiente de capital ativo. Em 2025, o país terá mais de 140 empresas de inteligência incorporada, lançando mais de 330 produtos de robôs humanoides, com um volume de vendas de cerca de 17.000 unidades, enquanto o mercado de inteligência incorporada e o de robôs humanoides alcançarão, respectivamente, 5,295 bilhões e 8,239 bilhões de yuan.

No lado do capital, a Yushu Technology foi aceita para IPO, tornando-se a primeira ação de robô humanoide na bolsa A, e desde o início do ano, o financiamento substancial da indústria de inteligência incorporada aumentou, acelerando o processo de capitalização. As receitas de vendas de robôs quadrúpedes e humanoides da Yushu Technology entre janeiro e setembro de 2025 aumentaram, respectivamente, 182,22% e 6,42 vezes, comprovando o potencial do mercado.

Apesar do rápido desenvolvimento, as deficiências da China na competição global também são evidentes.

Vários especialistas apontam que a diferença central entre os robôs humanoides nacionais e estrangeiros não reside na fabricação de hardware, mas sim na acumulação de dados, capacidade de generalização dos modelos e no aprofundamento das tecnologias subjacentes, refletindo-se na falta de flexibilidade dos movimentos e capacidade de generalização dos robôs.

Yuan Shuai acredita que a diferença entre os robôs humanoides nacionais e estrangeiros, à primeira vista, é a diferença na flexibilidade dos movimentos e na capacidade de generalização, mas a raiz está nas tecnologias subjacentes, na acumulação de dados e na filosofia de pesquisa e desenvolvimento. O Google RoboCat, por exemplo, consegue realizar movimentos flexíveis e generalizados devido a um longo acúmulo tecnológico, especialmente com investimentos contínuos em áreas como algoritmos de grandes modelos, fusão de sensores e controle dinâmico de robôs, utilizando um vasto conjunto de dados de treinamento de múltiplos cenários para permitir que os robôs adquiram habilidades de aprendizado autônomo e adaptação ao ambiente.

Ele aponta que os produtos nacionais atualmente permanecem na fase de movimentos pré-definidos e na reprodução de cenários fixos. A principal deficiência é a falta de dados de treinamento de alta qualidade e em grande escala em cenários reais, resultando em uma capacidade inadequada de generalização dos algoritmos; a segunda deficiência é a dependência de componentes essenciais como motores servo de alta precisão e sensores de força, que limitam a precisão do movimento e o nível de percepção.

Gao Heng acrescenta que a verdadeira diferença reside na capacidade de formar uma interação entre dados, modelos, engenharia de sistemas e capacidade de fechamento de cenários. As empresas de ponta no exterior visam construir robôs inteligentes que possam entender o ambiente e realizar tarefas de forma autônoma, com o foco em desenvolver os robôs como produtos de dados sustentáveis em iteração. A capacidade de generalização é, por sua natureza, uma capacidade composta; não se trata apenas de uma defasagem técnica pontual no país, mas sim da incapacidade de dados e cenários de formar um ciclo de iteração, fazendo com que os robôs só consigam ajustar parâmetros em tarefas únicas, dificultando que se tornem mais inteligentes com o uso.

O renomado escritor de finanças e diretor do Instituto de Pesquisa de Influência de Tiaoyuan, Gao Chengyuan, afirma que a diferença central se concentra na acumulação de dados e na capacidade de generalização dos modelos. No exterior, há uma vantagem clara em termos de aprendizado de transferência de simulação para a realidade e estratégias gerais de múltiplas tarefas, tendo estabelecido uma capacidade de desenvolvimento de modelos básicos e um ciclo de dados inter-scenários com investimentos de longo prazo. No país, a ênfase continua a ser nos movimentos pré-definidos, que, na essência, é uma escassez de dados incorporados de alta qualidade, e há uma diferença geracional nas capacidades de computação e engenharia de algoritmos necessárias para os grandes modelos de ponta a ponta.

A Yushu Technology também admite que as tecnologias-chave que ainda precisam ser superadas para a aplicação comercial em larga escala em cenários industriais e domésticos incluem a capacidade de grandes modelos incorporados no nível do “cérebro” e a durabilidade e destreza do “braço ágil”. A principal dificuldade técnica é que, em todo o mundo, os modelos grandes incorporados ainda estão em uma fase inicial de desenvolvimento, com capacidade de generalização insuficiente.

Caminho para a solução: múltiplas abordagens para melhorar as capacidades, equilibrar o desenvolvimento atual e futuro

Diante da escassez de dados e cenários, a questão central para as empresas nacionais se torna como aumentar a flexibilidade dos movimentos e a capacidade de generalização dos robôs.

Vários especialistas, considerando a situação da indústria, propuseram caminhos de desenvolvimento que são tanto práticos quanto visionários, enfatizando ao mesmo tempo que as empresas precisam equilibrar a implementação de curto prazo e o desenvolvimento de longo prazo, utilizando movimentos pré-definidos como bilhete de entrada e a capacidade de generalização como barreira central.

O pesquisador do Instituto de Ciências Sociais de Pequim, Wang Peng, sugeriu que as empresas nacionais poderiam alcançar um avanço através de duas abordagens: “fixação de cenários + reutilização de tecnologia”. Por um lado, elas devem se concentrar no fechamento de dados de cenários verticais, inicialmente focando em cenários padronizados como soldagem industrial e movimentação de materiais, obtendo conjuntos de dados exclusivos através de implementações em pequena escala e, em seguida, treinando modelos incorporados para esses domínios verticais; por outro lado, devem aproveitar a colaboração do ecossistema de código aberto, utilizando os padrões industriais lançados pela Academia de Tecnologia da Informação e Comunicação para promover o compartilhamento de dados entre empresas, realizando treinamento conjunto de modelos gerais com base em formatos de dados operacionais unificados.

Yuan Shuai sugere uma abordagem paralela, que deve incluir a união com instituições de pesquisa em universidades, utilizando simulações e gêmeos digitais para gerar dados virtuais para treinamento e transferi-los para cenários reais, além de abrir interfaces para colaborar com os cenários na realização de pilotos, coletando dados reais para iterar os algoritmos; ao mesmo tempo, promover o compartilhamento anônimo de dados de treinamento entre empresas, quebrando as ilhas de dados e aumentando os investimentos em pesquisa e desenvolvimento de componentes essenciais, para apoiar o movimento flexível dos robôs com inovações em hardware.

Gao Heng apresentou quatro caminhos práticos: primeiro, coletar dados de cenários reais, estabelecendo uma ligação profunda com fábricas e armazéns, permitindo que os robôs se integrem aos fluxos de trabalho reais e acumulem dados; segundo, priorizar a simulação e a integração real, treinando estratégias em ambientes simulados antes de fazer ajustes em cenários reais, reduzindo custos de treinamento; terceiro, focar na generalização de tarefas, concentrando-se em tarefas de seleção e movimentação para alcançar a generalização e, inicialmente, realizar valor comercial; quarto, estabelecer um sistema de compartilhamento de dados e padrões da indústria, resolvendo problemas de interface e falta de padronização nos sistemas de avaliação, formando assim iterações em nível industrial.

Os especialistas concordam que tanto os movimentos pré-definidos quanto a capacidade de generalização são igualmente importantes para o desenvolvimento das empresas.

Wang Peng acredita que, a curto prazo, os robôs com movimentos pré-definidos já podem cobrir a maioria das necessidades dos cenários industriais, e o custo é apenas uma fração do dos robôs com capacidade de generalização. No entanto, a longo prazo, a capacidade de generalização será a barreira central que determina se as empresas podem atravessar o ciclo industrial - à medida que os cenários não padronizados, como serviços domésticos e resgates de emergência, se expandem, os robôs que podem se adaptar autonomamente ao ambiente gradualmente se tornarão a norma.

Gao Heng também concorda que os movimentos pré-definidos são o bilhete de entrada de hoje, enquanto a capacidade de generalização é o bilhete para a final de amanhã. Para as empresas, não se deve desistir do investimento de longo prazo na capacidade de generalização apenas porque hoje se pode ganhar dinheiro com movimentos pré-definidos; mas também não se deve ignorar os cenários que podem ser implementados no presente em busca de generalização. Primeiro obtenha pedidos, depois treine a inteligência; este é um caminho mais realista.

Atualmente, o mercado de inteligência incorporada da China já representa metade do mercado global, e aplicações práticas já foram realizadas em cenários industriais e de emergência. No futuro, quais tipos de cenários se tornarão a porta de entrada para a comercialização em larga escala de robôs inteligentes na China?

Gao Chengyuan acredita que a manufatura industrial será o primeiro campo na China a alcançar a comercialização em larga escala, especialmente em cenários como fabricação de automóveis, montagem de eletrônicos 3C e logística de armazéns. A exploração da demanda por cenários deve ser profunda, envolvendo empresas de manufatura de ponta na construção de laboratórios conjuntos, começando pela substituição de processos únicos e expandindo gradualmente para a automação de linhas inteiras. A chave para promover a fusão de tecnologia e cenário reside em estabelecer um mecanismo de condução reversa da “tecnologia de definição de cenários”, permitindo que as demandas reais da linha de produção impulsionem a iteração do hardware e a otimização dos algoritmos, em vez de seguir a tecnologia e, em seguida, buscar cenários.

Da “corrida paralela” para a “liderança global”, a China ainda precisa superar gargalos centrais nas políticas, tecnologias e ecossistemas industriais.

Yuan Shuai sugere que, em termos de políticas, deve-se reforçar o apoio e os investimentos financeiros, aperfeiçoar a proteção da propriedade intelectual; quanto à tecnologia, deve-se concentrar no desenvolvimento de algoritmos de grandes modelos e componentes essenciais, melhorando a capacidade de aprendizado autônomo e de generalização dos robôs; e no ecossistema industrial, deve-se fortalecer a colaboração entre as partes interessadas, acelerar a nacionalização de componentes, aprofundar a integração entre produção, ensino e pesquisa, e promover a transferência de resultados. Além disso, deve-se ativamente buscar cooperação internacional, participar da formulação de padrões globais para aumentar a autoridade da indústria e, em última análise, construir um ecossistema industrial de inteligência incorporada completo, alcançando a meta de liderança.