A corrida chinesa pelos robôs humanoides virou uma corrida por fábricas de dados

A edição de 2026 da World Robot Conference, realizada em Pequim, ofereceu um retrato importante do rumo da indústria chinesa de robôs humanoides: o foco está deixando de ser apenas montar corpos cada vez mais sofisticados e passando a incluir a construção da infraestrutura de dados capaz de treinar seus “cérebros”.

Pelo menos 90 centros de coleta e treinamento de dados para robôs humanoides já estariam em operação ou em construção na China. O número indica uma mudança relevante nas prioridades de investimento. Ao mesmo tempo, o evento expôs a distância entre produzir dados em escala industrial e provar que essas informações conseguem gerar uma inteligência robótica que funcione em diferentes máquinas, tarefas e ambientes de trabalho. 13

O novo ativo estratégico é o dado incorporado

Robôs humanoides precisam de mais do que imagens ou textos. Para treinar uma inteligência física — também chamada de IA incorporada ou embodied AI — é necessário registrar o que as pessoas veem, como se movimentam, como os objetos reagem e como as ações se desenrolam ao longo do tempo.

Por isso, vídeos em primeira pessoa, informações sobre postura, profundidade, sinais táteis e dados do estado do próprio robô se tornaram insumos valiosos para modelos de IA capazes de interagir com o mundo físico.

A Lightwheel AI apresentou essa tese de forma concreta com o EgoSuite-Open100K, um conjunto de dados planejado com 100 mil horas de atividades humanas gravadas em primeira pessoa. O projeto cobre mais de 15 mil tarefas e cenas reais de coleta, usando câmeras instaladas na cabeça e nos pulsos, além de informações sobre a postura das mãos e do corpo inteiro, rótulos semânticos e dados de profundidade. As primeiras 10 mil horas estão disponíveis pelo Hugging Face, e o projeto também prevê distribuição pelo AtomGit. 1 12

A vantagem é clara: demonstrações humanas podem abranger uma grande variedade de movimentos e tarefas cotidianas sem exigir que cada exemplo seja registrado por um robô físico, equipamento caro e ainda pouco disponível. Mas dados de atividades humanas não equivalem automaticamente à experiência de um robô.

Uma pessoa compensa de maneira natural questões como equilíbrio, atrito e contato. Já um robô precisa detectar e controlar esses efeitos físicos por meio de seus próprios sensores, articulações e limitações mecânicas.

Seis formas de coletar dados — e um dilema fundamental

Tian Feng, do Intelligent Industries Research Institute da SenseTime, descreveu seis paradigmas de coleta de dados que funcionam em paralelo. Entre eles estão a teleoperação, a captura de movimentos, os dados sintéticos e a coleta em linhas de produção reais. 13

Cada método registra uma parte diferente do problema:

• Teleoperação: pode preservar ações específicas do robô e informações do contato físico, mas exige hardware, operadores e uma infraestrutura controlada.
• Captura de movimentos: registra movimentos humanos em grande escala, mas não necessariamente reproduz as forças e restrições que um robô enfrentará.
• Dados sintéticos: permitem gerar cenários raros com eficiência, embora seja necessário comprovar que o comportamento simulado funciona no mundo físico.
• Coleta em linhas de produção: é a mais próxima de um uso comercial, pois registra tarefas específicas, falhas e limitações do ambiente real.
• Captura humana em primeira pessoa: oferece amplitude e custos menores, mas pode deixar de fora elementos da dinâmica robótica, como torque nas articulações e força de contato.

A diferença de custo é expressiva: a captura de movimentos humanos sem um robô completo pode custar cerca de um quinto do valor da coleta de demonstrações com robôs físicos. O preço dessa economia é que os dados podem refletir a maneira como trabalhadores contratados para a coleta executam uma tarefa — e não necessariamente como profissionais experientes realizam aquele trabalho. 13

Isso não significa que os dados humanos devam ser descartados. Significa que eles precisam ser tratados como uma camada de um conjunto de treinamento mais amplo, combinado com teleoperação, dados do estado do robô, simulações e informações obtidas em implantações reais.

A cadeia de hardware está virando uma cadeia de captura de dados

A mensagem mais ampla da conferência foi que a infraestrutura da robótica agora inclui os equipamentos usados para registrar demonstrações e comportamentos sensório-motores — e não apenas motores, baterias e estruturas robóticas. Sistemas de captura em primeira pessoa e dispositivos portáteis, luvas, interfaces táteis, câmeras, microcontroladores, memória e componentes analógicos passam a fazer parte do fluxo de dados. 13

Essa mudança cria um caminho potencialmente mais barato para reunir grandes volumes de demonstrações. Também cria um problema de padronização. Dados coletados com sensores, procedimentos de calibração, espaços de ação, sistemas intermediários e convenções de rotulagem diferentes podem não se combinar de forma simples.

O resultado é o que observadores do setor chamam de “dados-ilha”: registros úteis, mas presos ao conjunto de hardware e software que os produziu. Uma base aberta pode reduzir o problema, mas ser aberta não garante, por si só, que ela será reutilizada.

Antes que o volume de dados se transforme em uma capacidade comum, são necessários esquemas compartilhados, metadados de calibração, convenções de sincronização, interfaces compatíveis e protocolos de avaliação. 13

A robótica terá uma lei de escala como a dos grandes modelos de IA?

Outra questão ainda sem resposta é se o padrão conhecido dos grandes modelos — mais dados e modelos maiores levando a sistemas mais capazes — também se aplica à robótica.

O relatório GEN-0, divulgado pela Generalist AI em novembro de 2025, ofereceu uma resposta encorajadora, mas limitada. Nos experimentos da empresa, modelos menores tiveram dificuldade para absorver dados sensório-motores cada vez mais diversos, em um fenômeno que a companhia chamou de “ossificação”. O desempenho continuou melhorando em escalas maiores, e o relatório identificou uma aparente transição por volta de 7 bilhões de parâmetros. 36

É uma evidência relevante, mas ainda não constitui uma lei geral da robótica. O resultado vem dos modelos, dados e critérios de avaliação de uma única empresa. Além disso, a robótica enfrenta um desafio adicional que modelos de texto não enfrentam da mesma maneira: a política de controle precisa agir por meio de um corpo específico, em um ambiente específico e sob restrições físicas reais.

A pergunta prática, portanto, não é apenas se um modelo é grande o bastante. É se os dados de treinamento contêm os sinais físicos corretos e se a política aprendida consegue ser transferida para diferentes corpos robóticos e tarefas reais.

Mais robôs enviados não significam demanda comercial

A escala industrial chinesa dá ao país uma vantagem importante para colocar robôs em fábricas, laboratórios e centros de coleta. Mas os números de implantação podem enganar quando a maioria das máquinas ainda é usada para demonstrar capacidades, fazer pesquisa ou coletar dados — e não para gerar valor econômico recorrente.

A Interact Analysis informou que a produção global de robôs humanoides ultrapassou 20 mil unidades em 2025, enquanto apenas cerca de 10% foram usados em aplicações no mundo real. A maior parte foi destinada a pesquisa, coleta de dados ou entretenimento. A análise também apontou a China como motor tanto da oferta quanto da adoção inicial. 21

Esse contexto é importante para entender o crescimento dos centros de dados. Apoio governamental, compras em grande volume e programas de recompra de dados podem aumentar rapidamente o número de robôs, instalações e horas registradas. Podem ajudar a formar um ecossistema de aprendizado, mas não comprovam, sozinhos, que clientes pagarão por robôs capazes de reduzir custos de maneira confiável, aumentar a produção ou executar tarefas difíceis para seres humanos.

O verdadeiro gargalo é fazer as peças convergirem

A conferência de Pequim não mostrou que a China já resolveu o problema da inteligência incorporada. Mostrou que o país está reunindo, em uma escala incomum, os componentes de uma possível solução:

1. Dados amplos, vindos de demonstrações humanas e de ambientes variados.
2. Dados ancorados na física, obtidos por teleoperação, sensores robóticos e tarefas reais de produção.
3. Infraestrutura interoperável, para que registros possam circular entre diferentes corpos robóticos e pilhas de software.
4. Modelos capazes de escalar e transferir conhecimento, em vez de apenas memorizar demonstrações.
5. Feedback de implantação, incluindo falhas, recuperação de erros e intervenções humanas.
6. Receita comercial, capaz de financiar a coleta contínua de dados sem depender indefinidamente de subsídios.

O ecossistema proposto pela Lightwheel também aponta nessa direção: padrões abertos de dados, coleta orientada por avaliações e coordenação entre o desenho dos dados e o desenvolvimento dos modelos. 1

A conclusão mais importante é, portanto, mais específica do que dizer que a China construiu um “cérebro robótico”. O país está construindo as fábricas, os instrumentos e as bases de dados que pretendem tornar esse cérebro possível.

Se essa infraestrutura vai produzir robôs humanoides realmente úteis em larga escala dependerá da qualidade dos dados, da fidelidade física das experiências, da compatibilidade entre diferentes hardwares e da comprovação de que essas máquinas conseguem criar valor duradouro fora de demonstrações e laboratórios de pesquisa.