A inteligência artificial deixou de atuar apenas em telas, aplicativos e serviços digitais. Uma nova frente da tecnologia está levando modelos de IA para máquinas capazes de perceber o ambiente, tomar decisões e executar ações no mundo físico. É o conceito conhecido como Physical AI, ou IA Física.

Na prática, isso significa combinar modelos de inteligência artificial com robôs, câmeras, sensores, sistemas de controle e computadores capazes de processar informações em tempo real. Em vez de apenas responder a um comando de texto, a máquina precisa interpretar o que está acontecendo ao seu redor e agir de acordo com a situação.

A tecnologia já está sendo desenvolvida e testada em setores como logística, fabricação de veículos, armazenagem e automação industrial. Empresas como Amazon, BMW, Google DeepMind e NVIDIA estão trabalhando em diferentes partes desse ecossistema.

O que é Physical AI

Physical AI é o termo usado para descrever sistemas de inteligência artificial capazes de perceber, interpretar e agir no ambiente físico.

Um chatbot, por exemplo, recebe uma pergunta e produz uma resposta digital. Um sistema de Physical AI precisa lidar com uma realidade muito mais complicada: objetos podem estar em posições diferentes, pessoas podem atravessar seu caminho, uma superfície pode ser irregular e uma tarefa pode exigir movimentos precisos.

Para isso, o sistema combina diferentes componentes.

Componente	Função
Sensores	Captam informações do ambiente, como distância, movimento, força e temperatura
Câmeras	Permitem identificar objetos, pessoas e características do ambiente
Modelos de IA	Interpretam informações e ajudam a decidir o que fazer
Computação	Processa os dados e transforma decisões em comandos
Atuadores	Movimentam braços, rodas, mãos ou outras partes do robô
Sistemas de segurança	Monitoram riscos e ajudam a impedir comportamentos perigosos

A NVIDIA descreve Physical AI como uma abordagem na qual robôs e sistemas autônomos conseguem perceber, raciocinar, aprender e agir em ambientes dinâmicos. A empresa vem desenvolvendo ferramentas para treinamento, simulação e implantação desses sistemas.

O Google DeepMind também segue essa direção. Em 2025, apresentou o Gemini Robotics, modelo desenvolvido para transformar informações visuais e instruções em ações executadas por robôs. Em julho de 2026, a empresa apresentou uma nova geração voltada ao controle de corpo inteiro, destreza e execução de tarefas mais complexas.

Por que os sensores são tão importantes

Um dos principais obstáculos para levar a IA ao mundo físico é que a máquina não pode depender apenas de comandos pré-programados.

Um robô que trabalha em uma linha de produção controlada pode executar movimentos repetitivos com relativa facilidade. O problema aparece quando alguma coisa muda: um objeto está fora do lugar, uma pessoa entra na área de trabalho ou uma peça apresenta uma posição diferente da esperada.

É nesse ponto que sensores e modelos de IA passam a trabalhar juntos.

Câmeras podem fornecer informações visuais. Sensores de força podem indicar quando um objeto está sendo pressionado. Sistemas de profundidade ajudam a estimar distâncias. Outros sensores podem acompanhar movimento, posição e condições do ambiente.

O objetivo é criar um ciclo contínuo:

perceber → interpretar → decidir → agir → verificar o resultado.

Esse ciclo também explica por que Physical AI exige mais do que simplesmente colocar um modelo de linguagem dentro de um robô. O sistema precisa conectar percepção, raciocínio, controle motor, sensores, hardware e segurança.

A própria NVIDIA vem investindo em plataformas de simulação e modelos voltados à robótica para permitir que máquinas sejam treinadas em ambientes virtuais antes de determinadas tarefas serem executadas no mundo real.

Aplicações em logística e indústria

A logística é um dos ambientes em que Physical AI encontra condições favoráveis para ser testada. Armazéns possuem processos repetitivos, grandes volumes de mercadorias e tarefas que podem exigir movimentação constante de objetos.

A Amazon já utiliza uma ampla infraestrutura robótica em seus centros de distribuição e vem adicionando sistemas capazes de perceber e manipular objetos.

Um exemplo é o Vulcan, robô apresentado pela empresa em 2025. O sistema utiliza sensores para obter informações relacionadas ao toque e foi desenvolvido para pegar e armazenar produtos em posições que podem ser difíceis para trabalhadores alcançarem.

Em 2026, a Amazon também apresentou uma nova geração do Proteus, robô autônomo desenvolvido para transportar materiais dentro dos centros de distribuição. A empresa afirma que a versão atual pode receber instruções em linguagem natural para determinar tarefas de movimentação. A implantação na Europa está planejada para 2027.

Na indústria automotiva, a aplicação acontece de outra maneira.

Em junho de 2026, a BMW informou que estava avançando em testes com robôs humanoides Figure 03 na fábrica de Spartanburg, nos Estados Unidos. A iniciativa faz parte da estratégia da empresa para integrar Physical AI aos processos de produção.

Poucos meses depois, a BMW também informou que um projeto com robôs humanoides havia chegado à fábrica de Leipzig, na Alemanha. Segundo a empresa, o piloto envolve aplicações relacionadas à produção e à fabricação de componentes.

Esses casos mostram que Physical AI não depende necessariamente de um robô humanoide. Braços robóticos, robôs móveis, máquinas industriais e sistemas autônomos também podem fazer parte dessa categoria.

Exemplos de empresas desenvolvendo Physical AI

O setor ainda está em formação, e diferentes empresas estão atuando em camadas distintas da tecnologia.

Google DeepMind desenvolve modelos de IA voltados à robótica. O Gemini Robotics foi criado para conectar compreensão multimodal e execução de ações físicas, enquanto versões posteriores passaram a explorar controle corporal mais amplo.

NVIDIA fornece modelos, hardware, simulação e infraestrutura para treinamento e implantação de sistemas robóticos. Em março de 2026, a empresa anunciou parcerias com empresas como ABB Robotics, Agility, FANUC, Figure, KUKA, Universal Robots e YASKAWA para desenvolver aplicações de Physical AI.

Amazon trabalha diretamente com robótica em seus centros de distribuição e vem combinando automação, sensores e IA para movimentação e manipulação de produtos.

BMW está testando robôs humanoides em processos de fabricação de veículos, buscando entender como esse tipo de sistema pode ser incorporado à produção industrial.

Também existe um ecossistema de startups trabalhando em modelos, sensores, robôs humanoides e sistemas de treinamento. Em 2026, um programa de Physical AI apoiado por AWS e NVIDIA reuniu startups voltadas a áreas como agricultura, construção, energia, automação industrial e logística.

O impacto da Physical AI no mercado de trabalho

A expansão da robótica inteligente pode modificar tarefas que atualmente dependem diretamente de trabalhadores humanos. Isso não significa, porém, que todos os empregos dessas áreas serão automaticamente substituídos por robôs.

O efeito tende a variar conforme a atividade.

Tarefas repetitivas, previsíveis e fisicamente exigentes são candidatas mais diretas à automação. Já funções que dependem de julgamento contextual, comunicação, responsabilidade, criatividade ou interação humana podem continuar exigindo participação significativa de pessoas.

O Future of Jobs Report 2025, do Fórum Econômico Mundial, estima que robôs e sistemas autônomos estejam entre as tecnologias com maior potencial de transformação dos negócios até 2030. O relatório também projeta que robótica e automação poderiam resultar em um saldo negativo de aproximadamente 5 milhões de empregos no conjunto das funções analisadas.

Esses números são projeções baseadas nas expectativas de empresas consultadas, e não uma previsão determinística do que acontecerá em cada país ou profissão.

O mesmo relatório aponta para uma mudança na divisão das tarefas entre humanos e máquinas. Segundo os empregadores entrevistados, a proporção de tarefas realizadas predominantemente por humanos tende a diminuir até 2030, enquanto aumentaria a participação de tecnologia e da colaboração entre pessoas e máquinas.

Isso cria demanda por profissionais capazes de trabalhar com robótica, dados, IA, automação, manutenção, segurança e integração de sistemas.

O que pode acontecer nos próximos anos

A evolução da Physical AI depende de alguns desafios que ainda precisam ser resolvidos.

O primeiro é confiabilidade. Um robô que trabalha em um ambiente real precisa lidar com situações que não estavam previstas durante seu treinamento.

O segundo é segurança. Máquinas que dividem espaço com pessoas precisam detectar obstáculos, compreender limites de operação e responder adequadamente a situações inesperadas. Em 2026, a NVIDIA anunciou uma arquitetura de segurança específica para robótica e Physical AI, mostrando como esse aspecto passou a ocupar espaço importante no desenvolvimento da tecnologia.

Outro desafio é o custo de treinamento. Robôs precisam aprender com dados físicos, e coletar esses dados pode ser muito mais caro e demorado do que treinar modelos usando informações digitais disponíveis na internet.

Por isso, simulações e ambientes virtuais ganharam importância. A ideia é permitir que o robô pratique milhões de situações simuladas e depois transfira parte desse aprendizado para o equipamento físico.

Há também o desafio da generalização. Um robô treinado para executar uma tarefa específica precisa ser capaz de lidar com pequenas mudanças sem exigir uma nova programação completa.

Em setembro de 2026, a NVIDIA apresentou o caso da Skild AI, cujo modelo S1 foi desenvolvido para aprender tarefas de longa duração a partir de uma única demonstração em vídeo, sem atualização específica dos pesos do modelo para aquela tarefa. É um exemplo de uma das linhas de pesquisa que tentam reduzir a necessidade de programação individual para cada atividade.

O caminho mais provável para os próximos anos não é simplesmente colocar humanoides em todos os ambientes de trabalho. A tendência envolve diferentes formatos de máquinas especializadas, sistemas móveis, braços robóticos, sensores e modelos de IA trabalhando em conjunto.

A evolução também deve depender da capacidade de transformar protótipos em sistemas confiáveis e economicamente viáveis. A existência de um robô capaz de realizar uma tarefa em laboratório não significa necessariamente que ele esteja pronto para operar em larga escala em uma fábrica ou armazém.

Por isso, a Physical AI deve ser observada menos como um único produto e mais como uma convergência entre inteligência artificial, robótica, sensores, computação e automação.

FAQ

Physical AI é a mesma coisa que robótica?

Não exatamente. Robótica envolve máquinas capazes de executar ações físicas. Physical AI acrescenta sistemas de inteligência artificial capazes de interpretar informações do ambiente, tomar decisões e adaptar o comportamento do robô.

Todo robô com inteligência artificial é Physical AI?

Não necessariamente. A classificação depende de como a IA está integrada ao sistema físico. Um robô pode executar movimentos pré-programados e usar IA apenas em uma função específica, enquanto sistemas mais avançados integram percepção, decisão e ação em tempo real.

Onde a Physical AI já está sendo utilizada?

Existem aplicações em logística, armazenagem, manufatura e pesquisa em robótica. Amazon, BMW, Google DeepMind e NVIDIA são alguns exemplos de empresas que divulgaram projetos relacionados à tecnologia.

A Physical AI pode substituir trabalhadores?

Ela pode automatizar determinadas tarefas, principalmente atividades repetitivas ou fisicamente exigentes. O impacto sobre empregos varia de acordo com a função, o setor e o nível de adoção da tecnologia. Projeções do Fórum Econômico Mundial indicam mudanças relevantes na divisão de tarefas entre pessoas e máquinas até 2030.

Por que sensores são necessários nos robôs?

Porque o robô precisa obter informações sobre o ambiente para agir corretamente. Câmeras, sensores de força, sistemas de profundidade e outros dispositivos fornecem dados que podem ser utilizados pelos modelos de IA para interpretar situações e controlar movimentos.

A Physical AI já está pronta para uso em larga escala?

Algumas aplicações já estão em operação ou em testes industriais, mas a tecnologia ainda está em desenvolvimento. Segurança, custo, confiabilidade, disponibilidade de dados físicos e capacidade de adaptação continuam sendo desafios importantes.

CONCLUSÃO

A Physical AI representa uma mudança na forma como a inteligência artificial pode interagir com o mundo. Em vez de permanecer restrita a telas, a IA passa a participar de sistemas capazes de perceber ambientes, movimentar objetos e executar tarefas físicas.

Os próximos avanços dependerão menos de demonstrações isoladas e mais da capacidade de tornar esses sistemas seguros, confiáveis e economicamente viáveis em ambientes reais.

Para acompanhar essa evolução, vale observar não apenas os robôs humanoides, mas também os avanços em sensores, modelos de IA, simulação e automação industrial.

FONTES

1. Nome: NVIDIA — NVIDIA and Global Robotics Leaders Take Physical AI to the Real World
   Tipo: Fonte oficial / empresa de tecnologia
   Informação que comprova: Desenvolvimento de Physical AI, parcerias com empresas de robótica e uso de modelos, simulação e infraestrutura para sistemas físicos.
   Seção relacionada: O que é Physical AI; Exemplos de empresas desenvolvendo Physical AI.
2. Nome: Google DeepMind — Gemini Robotics 1.5 e Gemini Robotics 2
   Tipo: Pesquisa e desenvolvimento oficial de IA
   Informação que comprova: Desenvolvimento de modelos capazes de conectar percepção multimodal, raciocínio e execução de tarefas por robôs.
   Seção relacionada: O que é Physical AI; O que pode acontecer nos próximos anos.
3. Nome: Amazon — Introducing Vulcan e next-generation Proteus
   Tipo: Fonte oficial / empresa de tecnologia e logística
   Informação que comprova: Aplicações de robótica, sensores, IA e automação em centros de distribuição.
   Seção relacionada: Aplicações em logística e indústria.
4. Nome: BMW Group — BMW Group advances the use of Physical AI in production
   Tipo: Fonte oficial / indústria automotiva
   Informação que comprova: Testes de robôs humanoides e aplicações de Physical AI em processos de produção.
   Seção relacionada: Aplicações em logística e indústria; Exemplos de empresas.
5. Nome: World Economic Forum — Future of Jobs Report 2025
   Tipo: Relatório internacional sobre mercado de trabalho
   Informação que comprova: Projeções sobre o impacto de IA, robótica e automação em empregos e tarefas até 2030.
   Seção relacionada: Impacto da Physical AI no mercado de trabalho.