No fórum principal da World Robot Conference 2026, cinco executivos das principais empresas chinesas de IA incorporada deram uma resposta surpreendentemente sincera à pergunta mais gritante do setor: a barreira para a produção em massa não é a capacidade dos modelos, é a entrega — passar de um robô para 10.000 unidades. Com a UBTech prometendo construir 10.000 humanoides industriais este ano e a Unitree anunciando 18.000 humanoides acumulados saindo da linha de produção, o painel apontou as verdadeiras barreiras: confiabilidade do cérebro que precisa saltar de 99% para 99,99%, consistência de lote que ainda não tem padrão na indústria e produtos que ainda não encontraram uma correspondência de demanda comprovada.
O Gargalo É a Entrega, Não as Demonstrações
A WRC 2026 foi uma demonstração de força — multidões como horário de pico no metrô, robôs por toda parte. Mas, por baixo disso, o setor está se reposicionando silenciosamente. Fabricantes de robôs rodoviários de dois braços estão construindo humanoides (o ET1 “Xingzai” da Galaxy General); fabricantes de humanoides estão construindo robôs rodoviários de dois braços (o Cruzr Y1 e o S2 da UBTech, demonstrados movendo caixas e paletizando); modelos de mundo viraram a expressão em todos os fóruns; e a Fourier exibiu um robô estilo centauro para implantações que priorizam estabilidade. Essas mudanças apontam para uma pergunta que o setor precisa responder este ano: como realmente produzir robôs incorporados em massa?
Para contextualizar, muitos no setor consideram um milhão de unidades como a verdadeira meta de produção em massa. Os menos de 20.000 humanoides do ano passado foram “produção em massa” apenas entre aspas. Este ano, a UBTech estabeleceu uma meta de 10.000 humanoides industriais, e a recém-listada Unitree anunciou 18.000 humanoides produzidos no acumulado. O painel da WRC — Zhao Tongyang (CEO da Zhongqing Robotics), Cheng Hao (fundador e chairman da Jiasu Jinhua), Liu Yulong (cofundador e presidente da Zhishen Technology), Jiao Jichao (VP da UBTech, chefe de seu Instituto de Pesquisa em Inteligência Incorporada e Robótica Humanoide) e Xu Lei (chefe da JD Smart Robotics) — passou a sessão explicando por que a distância entre essa ambição e a realidade é tão grande.
As Cinco Barreiras Entre Um Robô e 10.000
1. Confiabilidade do cérebro: de 99% para 99,99%. Zhao Tongyang colocou a matemática de forma crua: com uma taxa de sucesso de 99% nas tarefas, uma a cada 100 missões falha — e no mundo real, um robô que não volta é inaceitável. “O cérebro precisa ir de 99% para 99,99% antes que os robôs possam realmente entrar no mundo real”, afirmou. Cheng Hao concordou que o grande modelo incorporado ainda não convergiu para uma rota técnica e está longe da maturidade de engenharia, mesmo que a consistência do hardware (centenas de robôs se movendo em sincronia) e as habilidades do “cerebelo” (controle de locomoção, coordenação visão-motora, controle de corpo inteiro) tenham avançado de forma real.
2. Especificações de hardware e consistência de lote. Liu Yulong disse que a primeira barreira na entrega real é o hardware: carga útil suficiente dentro de peso próprio limitado, tolerância a altas e baixas temperaturas, horas de operação contínua — tudo precisa superar a linha de base do cliente. A segunda barreira é a consistência de lote: 10.000 unidades significam rendimento, processo, avaliação e estado final de entrega consistentes entre os lotes. Diferentemente de carros, drones e eletrodomésticos, os robôs incorporados ainda carecem de padrões setoriais claros e completos, então as empresas precisam construí-los em conjunto com parceiros a montante e a jusante.
3. Manufatura e o retorno de dois a três anos. Jiao Jichao enfatizou que a produção de 10.000 unidades desafia a própria linha de produção: a eficiência não cresce adicionando pessoas. De P&D ao NPI, passando por compras em lote e controle de qualidade, o setor precisa de processos padronizados — uma mudança de engenharia identificada na unidade 100 ou 200 precisa fluir rapidamente para a fábrica, ou a consistência sofre. E os clientes industriais, no fim, calculam um único número: o robô que substitui uma estação de trabalho consegue pagar seu custo de BOM, entrega e manutenção em dois a três anos?
4. Correspondência de demanda. Xu Lei apontou dados de vendas mostrando que os produtos incorporados convertem muito pior do que eletrônicos de consumo e celulares — produto e demanda ainda não convergiram. “Assim que você encontrar a verdadeira correspondência de demanda, a entrega de mais de 10.000 unidades não será o maior problema”, disse ele.
O Jogo Final Será de Vencedor Leva Tudo?
O painel também debateu o jogo final. A IA incorporada será vencedor-leva-tudo? Xu Lei argumentou que a diversidade atual (corpos, cérebros, modelos, players full-stack) vai convergir conforme o setor escala, porque os padrões são o que viabilizam a escala — mas a segmentação de longo prazo por cenário e região manterá muitas empresas vivas. Zhao Tongyang espera concentração: “Robôs fundem grandes modelos, hardware, ecossistemas e software; eventualmente surgirão uma ou duas empresas de plataforma tipo Apple ou Microsoft”, assim como os celulares concentraram os lucros em poucas mãos. Jiao Jichao vê concentração no nível da cadeia de suprimentos (motores, redutores, chips de IA incorporada) e em plataformas de hardware, com uma camada de aplicações rica por cima — como o modelo do smartphone, exceto que os robôs incorporados acoplam hardware e software de forma tão profunda que os fabricantes de corpos podem precisar de capacidade full-stack, de nível de plataforma. Liu Yulong contrapõe que os mercados de educação, industrial, comercial e de consumo produzirão cada um seus próprios líderes.
Cheng Hao ofereceu o enquadramento mais claro: três fases — hardware, agente, modelo. Estamos na fase de hardware, então os produtos florescem; na fase de agente, corpos e sistemas convergem em poucas plataformas com aplicações cada vez mais ricas; na fase de modelo, os grandes modelos incorporados absorvem as aplicações e as próprias aplicações se consolidam. Dispositivos gerais e especializados operam em paralelo — o smartphone não matou a câmera.
Na questão cérebro-corpo, o painel se dividiu nas mesmas linhas: Jiao Jichao argumenta que os dados são profundamente específicos do corpo (parâmetros e configurações motoras diferem, então os modelos não transferem entre corpos) e que o acoplamento profundo hardware-software é a rota mais eficaz; Xu Lei e Cheng Hao esperam desacoplamento eventual — Cheng observa que até o BASIC diferia entre computadores no fim dos anos 1970. O veredito de Zhao Tongyang: se você quer ser a Apple, combina corpo e alma.
O Que Falta ao Grande Modelo Incorporado
Do que o grande modelo incorporado mais precisa? Liu Yulong: dados reais, em quantidade e qualidade — a distância entre o cérebro virtual e o corpo físico é grande, e dados reais eficazes são escassos; o problema cresce para humanoides que precisam se mover, manipular e executar tarefas de longo horizonte. Progressos recentes como o GEN-1.5, um modelo fundacional de robô que aprende tarefas em segundos, mostram ganhos de capacidade — mas dados e generalização continuam sendo as restrições duras. Jiao Jichao: categorias de dados (dados táteis e de força estão muito longe da abundância de texto e imagem) e arquitetura de modelo (as arquiteturas multimodais atuais, migradas de PLN, podem não servir para dados incorporados). Zhao Tongyang: generalização — você não pode treinar um modelo separado para cada pedido de cliente; se tentar, vira um fabricante de ferramentas, não uma empresa de robôs gerais. O enquadramento de Cheng Hao: “Estamos na era do dial-up enquanto os usuários esperam 5G”, mas o cérebro não precisa estar pronto para que os robôs vendam — computadores de dial-up venderam em volumes enormes.
O Que Fazer Agora: Começar Pelos Trabalhos Chatos
O conselho concreto do painel para as empresas: comece pelas tarefas fáceis. Zhao Tongyang listou três pontos de entrada — patrulhamento, segurança e gestão predial (caminhada e visão já são boas o suficiente); trabalho industrial sujo, pesado ou perigoso (tarefas de assumir riscos e manuseio); e jogadas de ecossistema (abrir corpos e capacidades de base para que terceiros construam aplicações — algumas centenas de engenheiros não cobrem todos os setores). O lar continua sendo o mercado mais tardio. Jiao Jichao espera que a demanda industrial escale em seguida, já que clientes industriais são urgentes e relativamente insensíveis a preço; ele também vê um mercado real em companhia emocional que vai além do diálogo, alcançando ações e microexpressões. O caminho de Liu Yulong: pesquisa, depois entretenimento, depois treinamento de quadrúpedes, patrulhamento, emergência e combate a incêndios — trabalhos perigosos, repetitivos e exaustivos que costumam ser necessidades inegociáveis — depois B2B industrial e comercial e, por fim, escala no consumo. A regra de Cheng Hao: tanto B2B quanto B2C começam de tarefas simples e sobem gradualmente — a mudança do setor das métricas de WAM para WTM é a mesma moeda da correspondência de demanda; os vencedores são quem faz bem-feito as tarefas simples primeiro.
A conclusão: não existe um momento em que toda a tecnologia esteja pronta. Cérebro, hardware, produção, padrões, custo e demanda de cenário puxam uns aos outros para frente. As empresas que vencerão vão encontrar as tarefas que os robôs conseguem fazer de forma confiável hoje e que criam valor real, construir um ciclo de dados por meio da entrega real e, a partir daí, escalar para tarefas mais difíceis. A entrega de 10.000 unidades é só a linha de largada — a pergunta mais difícil é se esses robôs realmente serão usados.
Perguntas Frequentes
P: Por que uma taxa de sucesso de 99% nas tarefas não é suficiente para os robôs?
R: Com 99%, uma a cada 100 missões falha — em implantações reais, um robô que não volta é inaceitável. Os líderes do setor na WRC 2026 dizem que a confiabilidade precisa chegar a 99,99% antes que os robôs possam entrar amplamente no mundo real, e essa lacuna é atualmente o maior gargalo para a entrega de 10.000 unidades.
P: Quais cenários de robôs vão escalar primeiro?
R: O consenso do painel: patrulhamento e segurança, trabalho industrial sujo/pesado/perigoso e cenários B2B antes do consumo. Clientes industriais são urgentes e menos sensíveis a preço, e um robô que substitui uma estação de trabalho precisa se pagar em dois a três anos. O serviço doméstico figura como o mercado mais tardio.
P: A IA incorporada vai terminar em vencedor-leva-tudo?
R: Provavelmente concentração em plataformas, não vitória de um único jogador. Espere uma ou duas empresas de plataforma tipo Apple ou Microsoft, concentração em componentes da cadeia de suprimentos (motores, redutores, chips incorporados), uma camada de aplicações rica e uma evolução em três fases: do hardware ao agente e ao modelo.
