- O setor de robótica está atualmente em um estágio equivalente ao nível GPT-2.5, com modelos fundacionais já demonstrando capacidade real, mas ainda existe uma grande lacuna entre resultados de laboratório e implantação em campo
- A projeção de um mercado de US$ 38 bilhões em 2035, que o Goldman Sachs elevou em 6 vezes em apenas um ano, ainda é considerada conservadora pela Bessemer, que estima que apenas os custos de dados para robótica consumirão mais de US$ 3 bilhões em toda a indústria nos próximos 2 anos
- Entre os fundadores de empresas de robótica dos EUA, 48% vieram de quatro instituições: Stanford, MIT, Berkeley e CMU, e essa concentração de talentos deve acelerar uma dinâmica de vencedores levando quase tudo
- A mediana de Series A de empresas de robótica para defesa chegou a US$ 105 milhões, o dobro das não voltadas à defesa, e a previsão é que o primeiro IPO acima de US$ 50 bilhões surja desse setor, com exemplos como a valuation de US$ 60 bilhões da Anduril
- Nos últimos 5 anos, apenas 42 empresas de robótica receberam investimentos acima de US$ 30 milhões, cerca de 1/18 do nível do software, o que indica que a robótica não está em bolha, mas sim em um estado de subinvestimento estrutural
Demanda estrutural e perspectivas de mercado para a robótica
- A demanda por substituição de mão de obra em trabalho físico repetitivo ou em ambientes perigosos continua aumentando devido às mudanças demográficas nos EUA, Europa, Japão e China
- Alguns analistas preveem que o mercado de robótica chegará a US$ 38 bilhões até 2035, e o Goldman Sachs revisou essa projeção para cima em 6 vezes em apenas um ano
- A Bessemer considera que até essa projeção é conservadora, tanto em velocidade quanto em escala
- Jeremy Levine, partner da Bessemer, afirmou: "Nos próximos 10 a 20 anos haverá 100 mil vezes mais robôs na Terra do que hoje"
- A Bessemer busca oportunidades de investimento em um momento em que mobilidade de talentos, avanços tecnológicos e ventos estruturais favoráveis estão acelerando ao mesmo tempo; seu portfólio inclui Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics e outros
Previsão 1: o momento ChatGPT da robótica está se aproximando, mas ainda não chegou
- O setor de robótica está em uma fase equivalente ao momento GPT-2.5: os modelos fundacionais já mostram capacidade prática e leis de escala começam a aparecer, mas a lacuna entre demos de pesquisa e implantação em produção ainda é grande
- O modelo π0 da Physical Intelligence conseguiu dobrar roupas com destreza em nível humano
- O artigo EgoScale, publicado em fevereiro de 2026, demonstrou que o desempenho das políticas melhora de forma previsível conforme aumenta a escala dos dados de pré-treinamento, oferecendo a primeira evidência forte de que modelos fundacionais de robótica seguem a mesma curva de melhoria baseada em dados dos LLMs
- Existem duas perguntas centrais ainda sem resposta
- Quantos dados serão necessários para fechar a lacuna entre desempenho de laboratório e a confiabilidade de 99,9% exigida em produção
- Como será, na prática, o momento ChatGPT da robótica quando ele chegar
- Diferentemente dos chatbots, não é possível provar capacidade com uma caixa de texto; a prova será um robô executando tarefas complexas em ambientes desconhecidos sem intervenção humana
- Áreas já comercializadas: automação de armazéns, assistência cirúrgica, entrega de última milha e inspeção industrial, entre outras, com sistemas especializados para ambientes restritos já gerando receita
- Armen Aghajanyan, CEO da Perceptron: "O núcleo da robótica no mundo real não são algoritmos de controle melhores, mas sim modelos fundacionais que entendem o mundo físico; o controle do robô é apenas uma camada fina por cima disso"
Previsão 2: a chegada das leis de escala — dados são caros, capital é fosso competitivo, e modelos de mundo podem ser um atalho
- Os LLMs puderam usar centenas de trilhões de tokens de texto da internet, mas na robótica não existe um corpus equivalente
- Estima-se que existam cerca de 300 mil horas de dados globais de manipulação robótica, um contraste estrutural com cerca de 1 bilhão de horas de vídeo da internet e 300 trilhões de tokens de texto
- A Bessemer estima que os custos totais de dados para robótica na indústria superarão US$ 3 bilhões nos próximos 2 anos
- Incluindo teleoperação, vídeo egocêntrico, simulação e coleta de demonstrações físicas
- Dados de robôs não podem ser raspados nem comprados; precisam ser gerados diretamente por tarefa e por ambiente
- Ian Glow, CEO da Zeromatter: "Teleoperação sozinha não pode sustentar uma estratégia de dados bem-sucedida; é preciso trazer dados da internet ou de simuladores por meio de aprendizado por reforço para alcançar a escala e a diversidade necessárias"
- Modelos de mundo: redes neurais que aprendem as leis da física a partir de vídeo em escala de internet
- O V-JEPA 2 da Meta, após treinar com mais de 1 milhão de horas de vídeo, alcançou 80% de taxa de sucesso zero-shot em pick-and-place em um braço robótico real com apenas 62 horas adicionais de dados robóticos
- Porém, o Cosmos da NVIDIA usou 10.000 GPUs H100 por 3 meses no treinamento, mostrando que modelos de mundo também são uma abordagem intensiva em capital
- Simulação e aprendizado por reforço: a passagem de sim-to-real funciona bem para locomoção, mas em manipulação ainda segue como um problema de pesquisa em aberto, devido à fidelidade insuficiente para objetos deformáveis, tecidos e líquidos
- Brian Moore, CEO da Voxel51: "O que separa liderança de pose em IA física é a obsessão com qualidade de dados; dado ruim não é ineficiência, é risco"
Previsão 3: a concentração de talentos vai definir os vencedores rapidamente — este não é um mercado em que 50 empresas terão sucesso
- Entre as empresas americanas de robótica fundadas nos últimos 5 anos e que receberam mais de US$ 30 milhões, 43% dos fundadores têm doutorado
- Dentre elas, 48% vieram de quatro instituições: Stanford, MIT, Berkeley e CMU
- 56% têm pelo menos um cofundador com doutorado, e 43% têm fundadores vindos diretamente da academia
- O fosso competitivo de talentos gera efeitos compostos na sequência talento → capital → parcerias de dados → relacionamento com clientes → datasets proprietários, formando uma dinâmica de vencedores levando quase tudo mais rápido do que a maioria prevê
- Nos LLMs, o open source (Llama, Mistral) democratizou o acesso à capacidade, mas na robótica, embora projetos open source como LeRobot, Genesis e Isaac Lab estejam crescendo, ainda existe o atrito físico de que ainda é preciso ter robôs
- Equipes com expertise mais profunda em sim-to-real, manipulação, locomoção e fusão sensorial estão construindo vantagens difíceis de copiar apenas com releases open source
Previsão 4: empresas full stack vão capturar valor no curto prazo — empresas puras de modelos fundacionais terão de esperar
- Nos LLMs, um único endpoint de API como o GPT-4 permitiu até que equipes de duas pessoas construíssem produtos frontier de IA imediatamente, mas na robótica são necessários coleta de dados por domínio, fine-tuning adaptado ao ambiente, integração de hardware e infraestrutura operacional
- O fosso competitivo atual está menos na arquitetura do modelo e mais em pipelines proprietários de dados, expertise de domínio, infraestrutura de implantação e relacionamento com clientes que geram loops de feedback
- A queda no custo de hardware está acelerando essa dinâmica
- Mike Winn, CEO da DroneDeploy: "Robôs terrestres para construção caíram de US$ 100 mil para menos de US$ 15 mil por unidade, e drones com docking caíram de US$ 200 mil para menos de US$ 20 mil, atravessando o limiar para expansão de implantação"
- A stack se divide em três camadas
- Camada de infraestrutura: modelos fundacionais, modelos de mundo
- Camada de aplicação: empresas full stack com hardware customizado (humanoides, sistemas industriais) + empresas full stack que aplicam IA sobre plataformas comerciais prontas
- O valor se concentra na camada de aplicação porque a camada de infraestrutura ainda não é genérica o bastante para suportar implantação end-to-end de forma independente
- Quando os modelos fundacionais melhorarem e a transição sim-to-real amadurecer, chegará o momento API da robótica, mas isso é uma história para depois de 2028; na janela atual, a integração vertical é onde se cria valor sustentável
- Adrian Macneil, CEO da Foxglove: "A vantagem decisiva em IA física não está na novidade do modelo, mas na qualidade da infraestrutura de dados; à medida que os modelos convergirem, vencerão as empresas com o flywheel de dados mais forte"
Previsão 5: a robótica para defesa liderará o primeiro IPO acima de US$ 50 bilhões da categoria
- A mediana de Series A de empresas de robótica para defesa chegou a US$ 105 milhões em 2025, mais que o dobro dos US$ 50 milhões das empresas não voltadas à defesa, e essa diferença cresce ano após ano desde 2021
- A Anduril fechou março de 2026 com valuation de US$ 60 bilhões, e a Saronic levantou naquele mesmo mês uma Series D de US$ 1,75 bilhão para construção naval autônoma
- O ciclo de compras em defesa é longo, mas previsível; os contratos são grandes, têm alta taxa de renovação e custo elevado de troca
- Diferentemente da robótica comercial, compradores de defesa operam com uma lógica baseada em risco à segurança nacional, e não apenas em ROI
- A geopolítica amplifica isso: cerca de 90% dos robôs humanoides vendidos globalmente em 2025 foram fabricados na China
- Os modelos de IA chineses ainda estão, em média, cerca de 7 meses atrás dos americanos, mas essa distância vem diminuindo de forma constante, e o governo dos EUA começou a tratar robótica como uma questão essencial de segurança nacional
- No aspecto dual-use, as empresas mais defensáveis estão construindo plataformas autônomas, sistemas de percepção e infraestrutura de decisão com aplicação comercial, e não sistemas de armas de propósito único
- Matthew Buffa, cofundador da Breaker: "As empresas mais interessantes não escolhem entre defesa e comercial; elas constroem sistemas capazes o suficiente para atender exigências de defesa e inovadores o bastante para também vencer comercialmente"
Previsão 6: não existe bolha da robótica — pelo contrário, ainda falta dinheiro entrando no setor
- Nos últimos 5 anos, houve 745 empresas de software que receberam mais de US$ 30 milhões, contra apenas 42 de robótica, uma diferença de 18 vezes
- Ainda assim, o mercado subjacente da robótica é 30 vezes maior do que o gasto global com software
- Mesmo considerando a intensidade de capital dos negócios de hardware, o setor continua em subinvestimento estrutural em relação à oportunidade
- A maioria dos analistas projeta crescimento de 50 vezes da indústria na próxima década, mas a Bessemer considera que mesmo isso está limitado à automação de fluxos de trabalho já existentes e não incorpora novas categorias de atividade econômica criadas por robôs de uso geral
- Nem toda empresa financiada terá sucesso; algumas valuations estão infladas e o capital vai se concentrar em poucos líderes
- Mas seletividade e escassez são coisas diferentes: o nível total de investimento em robótica ainda está muito aquém do tamanho da oportunidade e da velocidade do avanço de capacidades
- Antes da chegada do momento ChatGPT e antes da consolidação dos talentos, agora é a janela para investir nas empresas-chave; esperar por provas definitivas do ponto de inflexão significa perder a oportunidade
- Nikita Rudin, CEO da Flexion: "Daqui a 5 anos, a maioria dos robôs implantados no mundo não será feita por startups conhecidas hoje, mas por empresas que ainda nem começaram a fabricar robôs, embora já saibam fabricar em escala"
Desafios em aberto e debates pendentes
- Lacuna de confiabilidade: passar de 80% para 99,9% de sucesso em uma tarefa não é um problema linear
- Exige abordagens fundamentalmente diferentes, como sensoriamento tátil, feedback de força e sim-to-real para manipulação
- Lisa Yan, CEO da Argus Systems: "Pela experiência na Waymo, a implantação no mundo real fica mais difícil com o tempo e expõe problemas cada vez mais especializados de curadoria de dados; fechar a lacuna de 99% para 99,9% leva mais tempo do que a maioria imagina"
- Problema do custo de inferência: modelos de mundo e grandes modelos de visão-linguagem-ação têm alto custo de execução em tempo real
- Modelos de texto podem atender milhares de usuários em batch sobre infraestrutura compartilhada, mas modelos de robótica precisam gerar o estado do ambiente a cada poucos milissegundos para cada robô, o que na prática exige pipelines dedicados de GPU
- O custo de inferência de LLMs caiu cerca de 1.000 vezes em 3 anos; saber se a robótica seguirá curva semelhante determinará a viabilidade comercial da abordagem baseada em modelos fundacionais
- Interpretabilidade está emergindo como a próxima camada de infraestrutura
- Só no 1º trimestre de 2026, cerca de US$ 6 bilhões fluíram para 6 ou 7 empresas de modelos de mundo
- Mahesh Krishnamurthi, cofundador da Vayu Robotics: "À medida que o setor amadurece, interpretabilidade se torna um elemento inegociável; hoje esses modelos ainda são caixas-pretas, e devemos ver uma onda de startups construindo ferramentas para abri-las"
- Open source vs. fechado: nos LLMs, o open source acelerou dramaticamente o desenvolvimento do ecossistema, mas ainda não está claro se a mesma dinâmica valerá para a robótica, em que dados físicos e infraestrutura de implantação são tão importantes quanto a arquitetura do modelo
- O open source provavelmente vai comoditizar a arquitetura dos modelos mais rápido do que se espera, mas as camadas de dados e implantação podem permanecer proprietárias por tempo suficiente
- Empresas que entenderem quais partes da stack abrir e quais proteger conquistarão vantagem estratégica
A coexistência de duas verdades
- Brad Porter, CEO da Cobot: "O momento ChatGPT da robótica chegará mais cedo do que a maioria pensa e, quando vier, o gargalo será o tempo de produção (robôs reais, tarefas reais, ambientes reais); empresas otimizadas para implantação, e não para demos, vão se separar decisivamente"
- Philipp Wu, cofundador de uma empresa stealth de robótica: "O cronograma é muito mais longo do que a maioria prevê; robótica de uso geral ainda está a mais de 5 anos de distância"
- Essas duas visões não são conflitantes, mas descrevem dimensões diferentes: Porter fala do caminho até o ponto de inflexão; Wu descreve quão distante esse ponto ainda está na prática
- Implicação para fundadores: implantar de forma decisiva agora, mas construir tendo o momento geral no horizonte
- O ponto de inflexão está se aproximando; talentos estão migrando, hardware está se comoditizando e a infraestrutura de dados está sendo construída, e as empresas que definirão a IA física da próxima década estão sendo fundadas e financiadas agora mesmo
1 comentários
Fico curioso para ver quais empresas vão surgir.