Recordaremos a semana de 10 a 16 de março de 2026 como a dos humanoides: um pavilhão de treino gigante em Munique, um keynote da NVIDIA no GTC, um plano quinquenal chinês, um robô-marionete em palco, uma projeção de três mil milhões de máquinas em 2060. Seis anúncios, seis protagonistas, e a tentação de os classificar em campos — a Europa contra a China, o código aberto contra o proprietário. É perder de vista a única frase que os liga, e foi a NEURA Robotics que a escreveu a preto no branco: o principal gargalo da robótica já não é o hardware, é a aquisição de grandes quantidades de dados de aprendizagem física reais.

Uma vez colocada esta frase, a semana deixa de ser uma justaposição. Torna-se uma batalha — com três respostas incompatíveis — em torno de uma única questão: de onde vêm os dados que treinam os robôs? Recolher à mão, sintetizar por cálculo, ou decretar pelo Estado. Ninguém ganhou. Lutou-se para saber quem detém a fábrica.

Resposta n.º 1: recolher à mão

A 10 de março, a NEURA Robotics e o MIRMI da Technische Universität München anunciam conjuntamente o TUM RoboGym. A apresentação é direta: o maior centro científico da Europa dedicado ao treino de Physical AI no momento do seu anúncio. Mas o dispositivo interno diz melhor do que os superlativos do que se trata. Os dados de aprendizagem são aí capturados por formadores humanos que usam luvas MANUS e um sistema de captura de movimento corporal Xsens, e depois injetados na plataforma Neuraverse.

É a confissão literal do gargalo: paga-se a humanos para fabricar à mão a matéria-prima que falta. A Neuraverse é, aliás, concebida como um sistema agnóstico de hardware de recolha e distribuição, destinada a abrir-se a parceiros industriais e startups, e a maioria dos dados gerados no RoboGym será partilhada em código aberto com a comunidade robótica. O gesto humano, capturado e redistribuído, como recurso. Os dados não são um subproduto do treino: eles são o produto, e é preciso um pavilhão de 17 milhões de euros para os produzir.

Resposta n.º 2: sintetizar por cálculo

No GTC 2026, a 16 de março, a NVIDIA faz a operação exatamente inversa — e assume-o. Jensen Huang revela em estreia mundial o GR00T N2, modelo de fundação robótica resultante da pesquisa interna DreamZero, dotado de uma arquitetura « world action model », cuja disponibilidade geral é anunciada para o final de 2026. Segundo a NVIDIA, os robôs que o executam conseguem tarefas novas em ambientes desconhecidos mais de duas vezes mais frequentemente do que os modelos visão-linguagem-ação concorrentes.

Em torno do modelo, toda uma cadeia de síntese: o Physical AI Data Factory Blueprint, arquitetura de referência aberta para gerar dados de treino em grande escala, construída sobre o modelo de mundo Cosmos e o orquestrador OSMO; Isaac Lab 3.0 em acesso antecipado, motor de aprendizagem por reforço baseado no motor físico Newton 1.0 e otimizado para as infraestruturas DGX. O The Decoder resume a manobra sem rodeios: a NVIDIA quer « transformar o problema de dados da robótica num problema de cálculo ».

A demonstração que condensa tudo é o Olaf. Para treinar este robô, 100 000 instâncias virtuais foram simuladas simultaneamente em dois dias numa única GPU NVIDIA RTX 4090, através do simulador Kamino — ferramenta proprietária da Disney Research, construída sobre o solver Newton e acelerada por placa gráfica. Aqui está o número duro, exumado sob o folclore dos três mil milhões de humanoides: não um horizonte para 2060, mas 100 000 instâncias em dois dias numa placa de consumo. O dia em que treinar um robô deixa de ser um problema de braços e luvas para se tornar um problema de placas gráficas, o centro de gravidade da indústria sai do atelier para o datacenter. E a consequência é clara: se os dados se tornam cálculo, quem vende o cálculo detém os dados por omissão.

Resposta n.º 3: decretar

A 12 de março, a Assembleia Nacional Popular adota formalmente o 15.º Plano Quinquenal chinês (2026-2030). Pela primeira vez, a inteligência artificial encarnada é aí classificada como categoria industrial estratégica autónoma, ao mesmo nível que o quântico, as interfaces cérebro-máquina e a 6G; os robôs humanoides figuram entre as oito indústrias estratégicas nacionais designadas, uma elevação de estatuto em relação ao 14.º plano.

O detalhe que conta aqui não é a ambição geral, mas a lista. O plano enumera cinco eixos para a IA encarnada, e dois deles nomeiam precisamente os dados como infraestrutura de Estado: a coordenação dos terrenos de treino e a fusão virtual-real para o treino colaborativo — ou seja, as duas primeiras respostas, recolha e síntese, planeadas de cima. Tudo apoiado por um fundo de capital de risco de Estado de 1 000 mil milhões de yuans (cerca de 138 mil milhões de dólares) dedicado à IA, à robótica e às tecnologias emergentes.

E para que os dados existam, é preciso corpos que os produzam. Em março, a UBTech Robotics assina um acordo de cooperação estratégica com a Siemens Digital Industries Software para levar a produção do Walker S2 a 10 000 unidades por ano, integrando os software da Siemens de conceção, simulação e planeamento em todo o ciclo de fabrico. Fabricar em massa as máquinas que, uma vez implantadas, gerarão por sua vez os dados: o ciclo fecha-se à escala de um Estado.

A « bifurcação geopolítica » não se sustenta

O relato fácil da semana era o de uma fratura: um contrapeso europeu — o RoboGym posiciona-se, aliás, explicitamente face aos quarenta centros de recolha chineses e às iniciativas americanas — contra blocos rivais. O gráfico da semana desmonta este relato.

A única autonomia real demonstrada, sem teleoperador, foi no GTC: a RealSense e a LimX Dynamics realizam a primeira demonstração mundial de navegação autónoma 3D para humanoide, combinando câmaras de profundidade RealSense e cuVSLAM da NVIDIA, o robô movendo-se em espaços partilhados com humanos sem a menor intervenção de um operador. Ora este robô é chinês — a LimX está sediada em Shenzhen — e foi treinado por aprendizagem por reforço no NVIDIA Isaac Lab para reduzir o gap sim-to-real.

Na mesma semana, a NEURA (Europa), a Figure AI (Estados Unidos), a Agility Robotics (Estados Unidos) e a AgiBot (China) anunciam todas a adoção dos modelos Isaac GR00T N — enquanto a NVIDIA confia o motor Newton à Linux Foundation e o publica em código aberto sob a licença Apache 2.0, co-desenvolvido com a Disney Research e a Google DeepMind. Os « campos » disputam talvez os dados pela geografia. Mas treinam-nos todos no mesmo simulador, com o mesmo modelo de fundação, no mesmo motor físico. A fratura está na recolha, não na ferramenta: ao nível da pilha, não há dois blocos, há um fornecedor.

Um andar mais abaixo

Este fio desce a pilha camada a camada, semana a semana. Em dezembro, a demo era o produto; no CES de janeiro, a teleoperação tornava-se um negócio de dados; em fevereiro, o corpo revelava-se consumível, o valor residia no cérebro; a 9 de março, a questão era: quem detém o cérebro? Esta semana desce mais um grau, sob o cérebro: quem detém a fábrica de dados que o alimenta? O objeto é novo — os dados de treino e o seu modo de produção — e é atestado na mesma semana por um centro físico (o RoboGym), uma pilha de síntese (a Data Factory e o Olaf) e um plano de Estado (o 15.º Plano).

Então não pergunte qual robô andou melhor esta semana. Pergunte de onde vêm os seus dados de treino. As três respostas — recolher à mão, simular, decretar — desenham o verdadeiro mapa de forças. E enquanto as três se afadigam, a NVIDIA trabalha para que só reste uma única questão a fazer: quantas GPUs?