A IA entra na era do mundo físico
Desde o aparecimento do ChatGPT, o mercado tem analisado a IA sobretudo através das "capacidades cognitivas", como a geração de texto, a escrita de código e o raciocínio lógico. Esta fase foca-se em permitir que as máquinas compreendam e produzam informação, otimizando processos no universo digital. Contudo, a investigação da Andreessen Horowitz indica que a IA está a avançar para uma nova era: a transição de "compreender o mundo" para "impactar o mundo".
Este avanço pode ser descrito em três etapas principais:
- Passado: a IA entrega informação (responde a perguntas)
- Presente: a IA apoia decisões (Agente)
- Futuro: a IA executa diretamente (IA física)
Em resumo, o objetivo final da IA já não é apenas ser "mais inteligente", mas sim "mais útil" — capaz de executar tarefas e gerar resultados no mundo real.
Três sistemas fundamentais: robótica, ciência autónoma e interfaces de nova geração
No âmbito da IA física, a a16z segmenta o ecossistema em três sistemas fundamentais, que em conjunto criam um ciclo de dados fechado, em vez de atuarem de forma isolada.
-
Sistema de robótica: o mecanismo de execução da IA no mundo físico. Os robôs estão a evoluir de dispositivos mecânicos para sistemas integrados que conjugam perceção, decisão e controlo. Por exemplo, a iniciativa de robôs humanóides da Tesla não se limita à inovação de hardware — trata-se de desenvolver sistemas de IA capazes de executar tarefas de forma fiável em ambientes complexos.
-
Sistema de ciência autónoma: plataformas de experimentação automatizada. Estas ampliam o papel da IA, passando de "geração de hipóteses" para "validação de hipóteses". O processo pode ser dividido da seguinte forma:
- A IA formula hipóteses de investigação
- Os sistemas desenham automaticamente procedimentos experimentais
- Dispositivos experimentais executam e recolhem dados
- A IA analisa os resultados e melhora de forma iterativa
Esta abordagem de ciclo fechado automatiza a produção de conhecimento e gera grandes volumes de dados de alta qualidade, com ligação causal.
- Interfaces homem-máquina de nova geração: incluindo AR, dispositivos vestíveis e interfaces cérebro-computador (como a Neuralink). O valor principal destes dispositivos reside na capacidade de recolha de dados, e não na experiência do utilizador. As suas funções principais incluem:
- Registar ações humanas em primeira pessoa
- Captar feedback fisiológico e de movimento
- Extrair sinais de intenção latente
Estes avanços permitem à IA receber dados de entrada mais autênticos e contínuos.
Mudança de paradigma dos dados: da internet para o mundo real
O desenvolvimento da IA depara-se agora com um constrangimento oculto: o rendimento decrescente dos dados da internet. Apesar do vasto volume de dados de texto e código, o seu valor marginal está a decair. A IA física introduz novas fontes — dados de interação no mundo real.
Compare-se os dois paradigmas de dados:
-
Dados da internet
- Características: elevado volume, acesso facilitado
- Limitações: baseados em correlação, elevado ruído
-
Dados do mundo físico
- Características: escassos, dispendiosos de recolher
- Vantagens: relações causais, verificáveis
Esta transição redefine o caminho para o avanço das capacidades da IA:
- De "sistemas de previsão" para "sistemas de controlo"
- De "geração de respostas" para "otimização de resultados"
- De "formação offline" para "feedback em tempo real"
Infraestrutura fundamental da IA física
Tecnicamente, o núcleo competitivo da IA física reside na infraestrutura e não nas aplicações. Os principais componentes são:
- Sistemas de simulação: motores de geração de dados que treinam IA em ambientes virtuais, reduzindo substancialmente os custos de tentativa e erro no mundo real. O Omniverse da NVIDIA, por exemplo, está a unir os mundos digital e físico.
- Modelos do mundo: sistemas que interpretam o ambiente físico — movimento de objetos, alterações ambientais, etc. — e sustentam decisões precisas da IA.
- Modelos de ação: convertem decisões em ações exatas, permitindo que a IA passe da "reflexão" à "execução".
- Sensores avançados: fornecem inputs multidimensionais (visão, toque, biosinais) para uma perceção abrangente do mundo por parte da IA.
Realinhamento de valor: quem vai capturar a próxima vaga
Com a evolução tecnológica, o panorama do valor está em mutação. O valor anteriormente concentrado na camada de aplicação diminui, enquanto a importância das camadas de sistema e infraestrutura cresce.
Pontos essenciais desta mudança:
- Homogeneização da camada de aplicação: barreiras de entrada baixas, concorrência intensa
- Crescimento da camada de sistemas: robótica e automação tornam-se centrais
- Dados como barreira: dados do mundo real são difíceis de replicar e têm valor duradouro
Importa salientar: a IA física transforma os dados de um "recurso infinitamente replicável" num "ativo que exige acumulação a longo prazo".
Dinâmica de investimento e indústria: oportunidades e restrições
No plano do investimento, esta fase traz características estruturais distintas.
Primeiro, a intensidade de capital aumenta — a IA física aproxima-se de setores como:
- Semicondutores
- Novas energias
- Aeroespacial
Isto traduz-se em:
- Maior investimento
- Ciclos de retorno mais longos
- Barreiras técnicas mais elevadas
Em seguida, a cadeia industrial estrutura-se em três níveis:
- Upstream: Hashrate e plataformas de simulação
- Midstream: integração de modelos e sistemas
- Downstream: implementação de aplicações e cenários reais
Por fim, o ritmo de desenvolvimento pode ser visto como um modelo de três fases:
- Curto prazo: o Agente expande-se no mundo digital
- Médio prazo: maturação dos sistemas de colaboração homem-máquina
- Longo prazo: a IA física alcança adoção em escala
O futuro: do Agente à IA física
A longo prazo, a evolução da IA pode ser resumida em três fases:
- IA cognitiva (exemplo: ChatGPT): foca-se na compreensão e geração
- IA Agente: executa tarefas em ambientes digitais
- IA física: realiza tarefas no mundo real
Esta progressão evidencia uma tendência central: a IA está a evoluir de "ferramenta de processamento de informação" para "sistema de execução no mundo real".
Conclusão: o endgame da IA
Em síntese, os principais insights da a16z são:
- A IA vai entrar no mundo físico
- As fontes de dados vão transformar-se profundamente
- As capacidades dos sistemas vão superar as capacidades de modelos isolados
No final, o objetivo da IA não é apenas compreender melhor o mundo, mas sim agir e entregar resultados em ambientes reais. À medida que esta capacidade amadurece, a IA evolui de ferramenta para infraestrutura fundamental — transformando em profundidade as estruturas industriais e os fluxos de capital.
