IA entra na era do mundo físico
Desde o surgimento do ChatGPT, o mercado tem interpretado a IA principalmente sob a ótica das “capacidades cognitivas”, como geração de texto, escrita de código e raciocínio lógico. Essa fase prioriza permitir que máquinas compreendam e produzam informações — otimizando processos no universo digital. Entretanto, a pesquisa da Andreessen Horowitz indica que a IA está avançando para uma nova era: a transição de “entender o mundo” para “impactar o mundo”.
Essa mudança pode ser resumida em três estágios principais:
- Passado: IA entrega informações (responde perguntas)
- Presente: IA apoia decisões (Agent)
- Futuro: IA executa diretamente (Physical AI)
Em síntese, o objetivo final da IA deixa de ser apenas “mais inteligente” para se tornar “mais útil” — capaz de realizar tarefas e gerar resultados concretos no mundo real.
Três sistemas essenciais: robótica, ciência autônoma e interfaces de nova geração
Na estrutura da Physical AI, a a16z segmenta o ecossistema em três sistemas essenciais, que juntos criam um ciclo fechado de dados, substituindo a atuação isolada.
-
Sistema de robótica: responsável por executar a IA no mundo físico. Robôs estão evoluindo de dispositivos mecânicos para sistemas integrados que unem percepção, decisão e controle. O projeto do robô humanóide da Tesla, por exemplo, vai além da inovação em hardware — trata-se de construir sistemas de IA capazes de executar tarefas de forma confiável em ambientes complexos.
-
Sistema de ciência autônoma: plataformas de experimentação automatizadas. Essas plataformas ampliam o papel da IA de “gerar hipóteses” para “validar hipóteses”. O processo ocorre assim:
- IA formula hipóteses de pesquisa
- Sistemas projetam procedimentos experimentais automaticamente
- Dispositivos experimentais executam e coletam dados
- IA analisa os resultados e aprimora continuamente
Esse ciclo fechado automatiza a produção de conhecimento e gera grandes volumes de dados de alta qualidade e relações causais.
- Interfaces homem-máquina de nova geração: incluem AR, dispositivos vestíveis e interfaces cérebro-computador (como Neuralink). O valor central desses dispositivos está na coleta de dados, não na experiência do usuário. As principais funções são:
- Registrar ações humanas sob perspectiva em primeira pessoa
- Capturar feedback fisiológico e de movimento
- Extrair sinais de intenção latente
Esses avanços permitem à IA receber dados mais autênticos e contínuos.
Mudança de paradigma: dos dados da internet para dados do mundo real
O desenvolvimento de IA enfrenta um gargalo oculto: retorno decrescente dos dados da internet. Embora haja grandes volumes de dados de texto e código, o valor marginal diminui. A Physical AI traz novas fontes — dados de interação no mundo real.
Veja o contraste entre dois paradigmas de dados:
-
Dados da internet
- Características: alto volume, fácil acesso
- Limitações: baseados em correlação, alto ruído
-
Dados do mundo físico
- Características: escassos, caros de obter
- Vantagens: relações causais, verificáveis
Essa transição redefine o caminho de evolução das capacidades da IA:
- De “sistemas de previsão” para “sistemas de controle”
- De “geração de respostas” para “otimização de resultados”
- De “treinamento offline” para “feedback em tempo real”
Infraestrutura fundamental para Physical AI
Sob a ótica técnica, o diferencial competitivo da Physical AI está na infraestrutura, não nas aplicações. Os componentes essenciais são:
- Sistemas de simulação: motores de geração de dados que treinam IA em ambientes virtuais, reduzindo os custos de tentativa e erro no mundo real. O Omniverse da NVIDIA, por exemplo, conecta os mundos digital e físico.
- Modelos de mundo: sistemas que interpretam o ambiente físico — movimento de objetos, mudanças ambientais e outros — servindo de base para decisões precisas de IA.
- Modelos de ação: convertem decisões em ações precisas, permitindo que a IA passe do “pensar” para o “executar”.
- Sensores avançados: fornecem entradas multidimensionais (visão, tato, biossinais) para que a IA perceba o mundo de forma abrangente.
Realinhamento de valor: quem capturará a próxima onda
Com a evolução tecnológica, o cenário de valor se transforma. O valor antes concentrado na camada de aplicação diminui, enquanto cresce a relevância das camadas de sistema e infraestrutura.
Principais pontos dessa mudança:
- Homogeneização da camada de aplicação: barreiras de entrada baixas, competição intensa
- Crescimento do valor da camada de sistema: robótica e automação tornam-se centrais
- Dados como barreira: dados do mundo real são difíceis de replicar e têm valor duradouro
O destaque é que a Physical AI transforma dados de “recurso infinitamente replicável” em “ativo que exige acumulação de longo prazo”.
Dinâmica de investimento e indústria: oportunidades e restrições
Sob a ótica de investimento, essa fase apresenta características estruturais próprias.
Primeiro, a intensidade de capital aumenta — a Physical AI se alinha a setores como:
- semicondutores
- novas energias
- aeroespacial
Isso implica:
- investimentos maiores
- ciclos de retorno mais longos
- barreiras técnicas mais altas
Depois, a cadeia industrial se divide em três níveis:
- Upstream: taxa de hash e plataformas de simulação
- Midstream: integração de modelos e sistemas
- Downstream: implantação de aplicações em cenários reais
Por fim, o ritmo de desenvolvimento segue três etapas:
- Curto prazo: Agent se expande no mundo digital
- Médio prazo: amadurecimento dos sistemas de colaboração homem-máquina
- Longo prazo: Physical AI alcança adoção em escala
O caminho à frente: do Agent à Physical AI
No longo prazo, a evolução da IA pode ser dividida em três estágios:
- Cognitive AI (exemplo: ChatGPT): foca em compreensão e geração
- Agent AI: executa tarefas em ambientes digitais
- Physical AI: realiza tarefas no mundo real
Essa trajetória evidencia um movimento central: a IA passa de “ferramenta de processamento de informações” para “sistema de execução no mundo real”.
Conclusão: o endgame da IA
Em síntese, os principais insights da a16z são:
- a IA ingressará no mundo físico
- as fontes de dados mudarão radicalmente
- as capacidades de sistema superarão as capacidades de modelos pontuais
No fim, o endgame da IA não é apenas compreender o mundo em profundidade, mas agir e entregar resultados em ambientes reais. Com essa maturidade, a IA evolui de ferramenta para infraestrutura fundamental — transformando estruturas industriais e fluxos de capital em escala global.
