Recentemente, conversei bastante com alguns investidores ativos no mercado primário. Em comparação com o mercado secundário, onde ainda se busca histórias de redução de custos e aumento de eficiência através de IA nos relatórios financeiros, o mercado primário, desde a segunda metade do ano passado, apresenta uma personalidade completamente diferente — até certo ponto, uma "loucura que quebra o consenso". O ponto de ignição dessa onda é bastante claro: a IA começou a sair em grande escala das telas e entrar no mundo físico real. Os projetos em que todos estão investindo têm como foco principal aproveitar essa oportunidade na ponta.

Quão louca será a IA no mundo físico?

Sobre isso, ainda concordo bastante com o consenso da indústria: as três formas de robôs mais competitivas no futuro provavelmente serão: robôs humanoides, veículos autônomos e drones. Essas três áreas realmente representam a busca pela máxima eficiência sob a lógica industrial. No entanto, após acompanhar o progresso recente, percebo que a invasão da IA no mundo físico já está em uma fase mais inicial, mais trivial e mais ampla.

Você pode sentir essa diferença ao conhecer dois exemplos reais:

O primeiro, óculos inteligentes com IA para observadores de aves. A dificuldade está na "aleatoriedade" do mundo físico. Em ambientes ao ar livre, as aves migratórias não permanecem quietas como peças de máquina. A IA precisa, em poucos milissegundos, extrair informações essenciais de formas a partir do caos das sombras das árvores, mudanças bruscas de luz e o bater de asas de dezenas de vezes por segundo, e então fazer uma correspondência em tempo real com milhares de espécies em um banco de dados. Aqui, o desafio não é apenas a capacidade de cálculo, mas também o limite de precisão da IA na captura de alvos dinâmicos.

O segundo, braço mecânico de IA em um posto de gasolina. Enfrenta um cenário físico totalmente aberto e de risco extremamente alto. O sistema precisa identificar rapidamente a posição da tampa do tanque de combustível de milhares de modelos de carros e realizar operações precisas. Cada passo é uma prova dura da capacidade de adaptação da IA ao ambiente.

Esses projetos parecem muito específicos, mas na verdade eles expõem o mesmo problema: a IA deve realizar tarefas em ambientes reais extremamente complexos e altamente incertos. Isso é muito mais difícil do que rodar modelos no mundo digital, estando em uma categoria de dificuldade completamente diferente.