A expressão é útil, mas também perigosa. Existe uma mudança tecnológica real e profunda em curso na robótica, provavelmente a maior desde a industrialização do braço robótico. Mas, em Agosto de 2026, ainda não existe evidência suficiente para afirmar que os robots já tiveram o seu verdadeiro «ChatGPT moment».

O que existe é algo talvez mais importante: as peças necessárias para esse momento começaram finalmente a encaixar umas nas outras.

A minha avaliação é esta: a robótica encontra-se hoje aproximadamente onde os grandes modelos de linguagem estavam antes da explosão pública do ChatGPT. Já existem demonstrações que seriam extraordinárias cinco anos atrás; já existem deployments comerciais; já existem modelos generalistas; e a China começou inclusivamente a criar capacidade industrial em larga escala. Mas a fiabilidade, a generalização e o custo continuam muito aquém do necessário para transformar um humanoide num verdadeiro trabalhador generalista.

O salto decisivo não acontecerá quando um robot correr, dançar, lutar boxe ou dobrar uma camisola numa demonstração. Acontecerá quando for possível colocar um robot num local que nunca viu, dizer-lhe simplesmente «arruma esta sala», e ele conseguir perceber o problema, elaborar um plano, manipular dezenas de objectos diferentes, corrigir os próprios erros e completar a missão durante horas sem intervenção humana.

Quando isso acontecer de forma fiável e economicamente competitiva, teremos atravessado uma fronteira histórica.

1. O que significa exactamente o «ChatGPT moment» da robótica?

A expressão ganhou particular visibilidade quando Jensen Huang, CEO da NVIDIA, afirmou no CES de Janeiro de 2025 que «the ChatGPT moment for general robotics is just around the corner». A ideia estava associada ao lançamento do Cosmos, aos foundation models para «physical AI», ao Project GR00T e à utilização de simulação e dados sintéticos para treinar robots. Em 2026, a NVIDIA passou mesmo a declarar em materiais corporativos que esse momento «is here», embora Huang tenha usado formulações mais prudentes em intervenções públicas. (NVIDIA Blog)

Mas não existe consenso.

Wang Xingxing, fundador da chinesa Unitree, ofereceu provavelmente uma das melhores definições operacionais: o verdadeiro salto chegará quando pudermos colocar um robot num ambiente desconhecido e pedir-lhe uma tarefa como limpar uma divisão ou trazer uma garrafa de água, sem que tenha sido previamente programado para aquele espaço. Em 2025 considerava possível atingir essa capacidade em dois ou três anos; em Agosto de 2026 mostrou-se mais cauteloso, admitindo que a generalização verdadeiramente robusta poderá ainda demorar bastante mais. (South China Morning Post)

Há ainda uma terceira posição, igualmente relevante. Alguns responsáveis da indústria consideram que talvez nunca exista um único «momento ChatGPT». O ChatGPT pôde ser distribuído instantaneamente a centenas de milhões de pessoas através da Internet. Um robot exige motores, baterias, braços, fábricas, manutenção, transporte e instalação. A difusão física é incomparavelmente mais lenta. (TechCrunch)

É uma distinção essencial.

ChatGPT teve um breakthrough tecnológico e um breakthrough de distribuição quase simultaneamente.

Na robótica os dois podem estar separados por anos.

2. O que mudou realmente?

Durante décadas, os robots foram máquinas extremamente competentes mas extraordinariamente «estúpidas».

Um braço industrial podia soldar milhares de carroçarias com precisão milimétrica porque:

Mudasse a posição da peça alguns centímetros e podia ser necessário reprogramar o sistema.

A revolução actual pretende substituir esta lógica por:

É aqui que entram os Vision-Language-Action Models — VLA.

Um LLM transforma aproximadamente:

O robot vê uma chávena, percebe a instrução «põe a chávena no lava-loiça», identifica onde está o lava-loiça, calcula como agarrar o objecto, desloca o braço, controla força e trajectória, transporta-o e verifica se a operação foi concluída.

Esta transformação é profunda porque a programação começa a ser substituída por aprendizagem.

De «programar» para «ensinar»

Imagine duas fábricas.

Na primeira, queremos ensinar um robot tradicional a montar uma peça.

Engenheiros:

programam trajectórias, definem coordenadas, estabelecem posições, criam excepções e testam repetidamente.

Na segunda, um operador humano executa a tarefa algumas dezenas ou centenas de vezes enquanto câmaras, luvas, teleoperação ou sensores registam os movimentos.

O modelo aprende estatisticamente a tarefa.

Depois poderá adaptá-la a pequenas variações.

O salto conceptual é semelhante ao que aconteceu com a linguagem.

Não ensinámos ao ChatGPT todas as respostas possíveis. Treinámos um modelo capaz de produzir respostas que nunca tinham sido previamente programadas.

A ambição da robótica é fazer o mesmo com acções.

3. Foundation models + VLA + simulação

A convergência tecnológica é particularmente poderosa porque vários progressos ocorreram ao mesmo tempo.

Os foundation models fornecem compreensão geral. Os VLA convertem essa compreensão em movimentos. Reinforcement learning melhora políticas de controlo. Demonstrações humanas fornecem exemplos. Simulações criam milhões de situações sem destruir robots físicos. Synthetic data expande conjuntos de treino. Câmaras e sensores fornecem percepção. Novos actuadores tornam movimentos mais precisos e eficientes.

E os chamados world models tentam acrescentar outra peça crítica:

antecipar o que acontecerá depois de uma determinada acção.

Isto é indispensável para inteligência física.

Um sistema linguístico pode escrever uma palavra inadequada e corrigi-la no token seguinte.

Um robot que calcula mal a trajectória pode deixar cair uma garrafa, partir um copo ou magoar uma pessoa.

O mundo físico não oferece o mesmo luxo do botão «undo».

4. Gemini Robotics 2 mostra onde estamos

O exemplo mais impressionante actualmente pode ser o Gemini Robotics 2, apresentado pelo Google DeepMind em Julho de 2026.

O sistema combina Vision-Language-Action, embodied reasoning, controlo corporal integral e versões capazes de funcionar localmente no robot. Segundo a DeepMind, consegue controlar robots com diferentes morfologias, incluindo humanoides, e adaptar-se a novos corpos robóticos com relativamente poucos dados. (Google DeepMind)

Isto é tecnologicamente muito significativo.

Mas os próprios resultados publicados mostram por que razão ainda não estamos perante «robótica resolvida».

Num conjunto de testes de manipulação corporal completa com Apollo, a DeepMind reporta taxas aproximadas de sucesso de:

68,4% ao apanhar objectos de uma mesa,

45,7% do chão,

76,3% de uma prateleira. (Google DeepMind)

São números impressionantes para investigação.

São números muito maus para uma fábrica.

Se um trabalhador humano deixasse cair metade dos objectos que tenta apanhar do chão, ninguém o consideraria pronto para produção.

Esta é talvez a melhor fotografia do estado actual da indústria:

5. Figure e a integração completa do corpo

Outra evolução importante ocorreu na Figure.

Em Janeiro de 2026, a empresa apresentou Helix 02, que procura integrar num único sistema neuronal percepção, marcha, equilíbrio e manipulação. A demonstração mais emblemática mostrou um Figure a descarregar e voltar a carregar uma máquina de lavar loiça numa tarefa autónoma com aproximadamente quatro minutos. (FigureAI)

Isso é importante porque andar e manipular objectos deixaram progressivamente de ser dois problemas totalmente separados.

Figure anunciou também trabalho em fábricas da BMW e, em 2026, lançou novas iniciativas de recolha massiva de dados físicos. (FigureAI)

Mas permanece a mesma cautela:

uma demonstração preparada não equivale a milhares de horas de operação autónoma.

6. O teste que realmente interessa: trabalhar

Aqui surge Agility Robotics.

Digit não produz as demonstrações visualmente mais impressionantes, mas possui algo muito mais importante: histórico operacional real.

Desde 2024, robots Digit estão integrados em operações da GXO, movimentando caixas entre sistemas automatizados. A Agility anunciou entretanto que Digit ultrapassou 100 000 movimentações de totes numa operação comercial. (agilityrobotics.com)

Isto é muito mais relevante economicamente do que ver um robot fazer cambalhotas.

Porquê?

Porque transforma a pergunta:

«O robot consegue fazer isto?»

em:

«O robot consegue fazer isto milhares de vezes, todos os dias, com uptime aceitável e custo inferior ao trabalho humano?»

A segunda pergunta decidirá a indústria.

7. Boston Dynamics: mobilidade deixa progressivamente de ser o problema principal

A Boston Dynamics apresentou em Janeiro de 2026 a versão de produção do Atlas eléctrico e anunciou deployments na Hyundai e no Google DeepMind durante 2026. A empresa pretende utilizar foundation models para ensinar ao Atlas uma gama crescente de tarefas industriais. (Boston Dynamics)

É simbolicamente importante.

Durante muitos anos, o problema central parecia ser:

como fazer uma máquina andar como nós?

Esse problema está progressivamente a tornar-se secundário.

A pergunta passou a ser:

o que fará quando chegar ao destino?

A manipulação e a inteligência estão a substituir a locomoção como principal gargalo.

8. Apptronik: fabricar dados para fabricar inteligência

Apptronik está a seguir uma estratégia reveladora.

Em 2026 apresentou Apollo 2 e expandiu o chamado Robot Park, onde frotas executam tarefas repetidamente para gerar dados físicos utilizados no treino de futuros modelos, em colaboração com Google DeepMind. (apptronik.com)

A empresa levantou quase mil milhões de dólares e conta entre investidores ou parceiros Google, Mercedes-Benz e John Deere. (apptronik.com)

Este modelo permite perceber a corrida actual:

É o potencial flywheel da embodied AI.

Foi aproximadamente isso que aconteceu com dados e Internet na IA digital.

9. Tesla Optimus: talvez a aposta mais ambiciosa — e uma das mais difíceis de avaliar

Tesla possui três vantagens potenciais extraordinárias:

capacidade de engenharia industrial, integração vertical e experiência em sistemas autónomos baseados em visão.

Por isso, Optimus não deve ser descartado.

Mas deve igualmente ser analisado com particular prudência.

As metas públicas associadas ao Optimus sofreram sucessivos adiamentos e, em Agosto de 2026, análises de mercado continuavam a apontar dificuldades na industrialização e na cadeia de componentes. (Investor’s Business Daily)

Isto ilustra outra distinção essencial:

capacidade de fabricar carros em massa não significa automaticamente capacidade de fabricar humanoides em massa.

Um humanoide possui actuadores, transmissões, mãos e componentes para os quais simplesmente ainda não existe uma cadeia industrial equivalente à automóvel.

10. E depois existe a China

Aqui a situação muda de escala.

A China já representava 54% de todas as novas instalações de robots industriais do mundo em 2024, com cerca de 295 000 unidades. Pela primeira vez, fabricantes chineses passaram a fornecer a maioria dos robots vendidos no próprio mercado chinês. (IFR International Federation of Robotics)

Mas os humanoides representam uma estratégia ainda mais agressiva.

Em 2026, o Ministério da Indústria chinês e empresas estatais lançaram programas de treino em ambientes reais destinados a criar mais de uma centena de cenários de aplicação e capacidade de deployment na ordem das dezenas de milhares. (miit.gov.cn)

Empresas como:

Unitree, UBTECH, Fourier Intelligence, AgiBot, Galbot e ACE Robotics

estão a construir ecossistemas paralelos.

UBTECH afirma ter iniciado produção e entrega em massa do Walker S2 no final de 2025 e apresenta deployments em automóvel, electrónica, semicondutores e logística. (UBTECH Robotics)

Mas uma investigação publicada pela Reuters precisamente em 27 de Agosto de 2026 oferece um importante correctivo ao entusiasmo: muitos humanoides chineses continuam lentos, pouco fiáveis e dependentes de tarefas muito estruturadas; a dimensão da produção é real, mas grande parte do mercado continua fortemente incentivada pelo Estado e longe de demonstrar competitividade económica generalizada. (Reuters)

É exactamente por isso que devemos separar:

produção em massa

de

inteligência generalista em massa.

A China pode atingir a primeira antes de atingir a segunda.

11. EUA, China e Europa

Neste momento a corrida parece aproximadamente assim:

Mapa competitivo

Quem lidera cada camada da cadeia robótica?

Dimensão	EUA	China	Europa
Foundation AI	Liderança	Forte crescimento	Dependente
VLA / modelos robóticos	Muito forte	Muito forte	Forte investigação
Chips AI	Liderança	Dependência parcial	Fraca
Motores / actuadores	Forte	Muito forte	Forte
Baterias	Dependente da Ásia	Liderança	Fraca
Produção industrial	Forte	Liderança	Forte
Robótica industrial	Forte	Escala enorme	Muito forte
Humanoides	Liderança AI	Liderança de escala	Atrasada
Ecossistema startups	Muito forte	Muito forte	Fragmentado

vantagem estrutural posição forte vulnerabilidade

A Europa tem uma situação peculiar.

A UE possui uma forte base de investigação e uma densidade industrial elevada. A Europa Ocidental atingia em 2024 cerca de 267 robots industriais por 10 000 trabalhadores da indústria, acima da América do Norte. (IFR International Federation of Robotics)

Mas falta-lhe aquilo que poderá revelar-se determinante:

um hyperscaler de IA + um fabricante de chips + uma plataforma robótica + uma cadeia industrial integrada.

A Comissão Europeia reconhece explicitamente a robótica alimentada por IA como questão de competitividade e soberania tecnológica e mantém mais de uma centena de projectos nesta área. (Estratégia Digital Europeia)

O problema europeu não é ausência de ciência.

É transformar ciência em escala.

12. O problema mais difícil: as mãos

Se quisermos identificar o componente mais subestimado da revolução, provavelmente são as mãos.

Andar tornou-se relativamente controlável.

Agarrar qualquer objecto não.

Uma mão humana possui uma combinação extraordinária de:

sensibilidade, força, propriocepção, conformidade, precisão e capacidade de adaptação.

Pegamos numa uva sem a esmagar.

Logo depois levantamos uma mala de 20 kg.

Enfiamos uma chave numa fechadura quase sem olhar.

Atamos atacadores.

Encontramos uma moeda dentro do bolso apenas pelo tacto.

Reproduzir esta versatilidade continua extraordinariamente difícil.

Por isso, uma das principais fronteiras tecnológicas será aquilo que poderíamos chamar:

the hand problem.

Quando robots conseguirem mãos suficientemente baratas, resistentes, sensíveis e precisas, abrir-se-á uma quantidade colossal de actividades humanas.

13. Baterias e autonomia

Outro problema é físico, não intelectual.

Seres humanos conseguem trabalhar durante horas porque possuem um sistema energético biologicamente extraordinário.

Robots transportam baterias pesadas.

Motores, computadores, sensores e actuadores consomem energia constantemente.

Algumas empresas estão a contornar o problema através de baterias substituíveis. O Walker S2 da UBTECH, por exemplo, foi concebido para trocar autonomamente baterias em poucos minutos. (UBTECH Robotics)

Isto poderá ser perfeitamente aceitável numa fábrica.

Num lar será menos elegante.

14. A verdadeira métrica: MTBF

Existe uma sigla menos espectacular que será provavelmente mais importante do que qualquer vídeo viral:

MTBF — Mean Time Between Failures.

Se um humanoide funciona:

O «ChatGPT moment» da robótica não será apenas inteligência.

Será:

Se qualquer uma das três for próxima de zero, o produto económico aproxima-se de zero.

15. Que sectores serão atingidos primeiro?

Não começará provavelmente pela casa.

Começará onde:

o ambiente é relativamente estruturado,

as tarefas são repetitivas,

existe escassez de trabalhadores,

o custo laboral é elevado,

e as empresas conseguem supervisionar os robots.

Daí a sequência provável.

16. Porque poderá isto ser maior do que o ChatGPT

Aqui chegamos à questão central.

A IA generativa interfere principalmente com capital intelectual.

Robótica + IA interfere com:

capital intelectual + trabalho físico.

O ChatGPT pode escrever um relatório.

Um embodied AI pode eventualmente:

ler a ordem de trabalho,

ir até ao armazém,

localizar a peça,

transportá-la,

instalá-la,

verificar o resultado,

preencher o relatório.

Passamos da automatização da informação para a automatização da acção económica.

E isso altera profundamente a teoria do trabalho.

17. Uma nova forma de trabalho abundante

Imagine-se um robot que:

custa €25 000,

dura cinco anos,

trabalha 20 horas por dia,

365 dias por ano.

Isso representa aproximadamente:

36 500 horas de trabalho.

Mesmo acrescentando energia, manutenção, financiamento e supervisão, o custo horário poderia eventualmente tornar-se extraordinariamente baixo.

É aqui que começa a verdadeira ruptura.

Não é:

«robot substitui trabalhador».

É:

o preço económico de uma hora de trabalho físico começa a aproximar-se do preço da electricidade + depreciação de capital.

Essa possibilidade seria revolucionária.

18. Salários, emprego e desigualdade

A literatura económica sobre robots existentes não permite uma conclusão simples.

Acemoglu e Restrepo encontraram efeitos negativos significativos sobre salários e emprego em mercados norte-americanos particularmente expostos à robotização. (NBER)

Por outro lado, estudos no Japão encontraram crescimento do emprego associado à queda dos preços dos robots, porque os ganhos de produtividade permitiram às empresas expandir produção. (DOI)

Um estudo internacional publicado em 2026 encontra aumento de produtividade e salários reais agregado, acompanhado por redução da proporção do emprego industrial. (DOI)

Portanto, não devemos cometer o erro:

robot = desemprego.

A equação correcta é mais complexa:

automação → substituição de algumas tarefas + maior produtividade + preços menores + novos produtos + novas empresas + novas tarefas.

O resultado líquido dependerá da velocidade relativa desses processos.

Mas existe um risco claro.

Quem possuir os robots possuirá uma proporção crescente da capacidade produtiva.

Por isso, a questão poderá deixar de ser apenas:

«quem trabalha?»

e passar a ser:

Esta poderá tornar-se uma das grandes questões políticas do século XXI.

19. As profissões mais vulneráveis

As primeiras serão aquelas com grande componente:

repetitiva + física + previsível.

Operadores de armazém, movimentação de materiais, tarefas simples de montagem, limpeza industrial, parte da agricultura, reposição, picking e algumas operações de restauração.

Mais resistentes serão profissões que combinam:

destreza excepcional,

interacção humana,

improvisação,

responsabilidade,

confiança,

contextos imprevisíveis.

Canalizadores, electricistas, enfermeiros, técnicos especializados ou trabalhadores de manutenção poderão revelar-se paradoxalmente mais difíceis de substituir do que muitos empregados administrativos.

É uma ironia interessante da IA:

durante décadas imaginámos que o robot substituiria primeiro o canalizador.

Pode ter substituído parte do analista financeiro antes dele.

20. A revolução da segurança e defesa

Existe ainda uma dimensão menos confortável.

Um humanoide generalista não distingue ontologicamente:

transportar uma caixa

de

transportar munições.

Um robot capaz de reconhecer ambientes, abrir portas, carregar objectos e obedecer a linguagem natural possui aplicações militares evidentes.

A robótica militar não necessita sequer de forma humanoide.

Drones terrestres, quadrúpedes, sistemas logísticos autónomos e plataformas aéreas poderão beneficiar exactamente dos mesmos foundation models.

Isto significa que embodied AI poderá tornar-se dual-use por natureza.

21. A geopolítica dos robots

Se os humanoides forem realmente produzidos aos milhões, a geopolítica industrial mudará.

Serão necessários:

chips,

câmaras,

lidar,

sensores tácteis,

motores,

redutores,

actuadores,

ímans,

terras raras,

baterias,

software,

cloud,

dados.

A grande questão passa então a ser:

Estados Unidos

podem dominar o cérebro.

China

pode dominar grande parte do corpo e da fábrica.

É uma simplificação, mas é estrategicamente útil.

Os EUA concentram NVIDIA, Google, Tesla, Figure, Apptronik, Boston Dynamics através da Hyundai, entre outros.

A China possui uma cadeia industrial colossal de electrónica, motores, baterias, componentes e fabricação.

Se a história dos smartphones se repetir, esta diferença será decisiva.

22. E a Europa?

Existe um risco muito concreto de a Europa tornar-se:

o maior cliente regulamentado de robots concebidos nos EUA e fabricados na Ásia.

Seria estrategicamente perigoso.

Porque robots não serão simplesmente electrodomésticos.

Poderão tornar-se infraestrutura produtiva.

Um Estado que dependa exteriormente de:

cloud,

chips,

modelos de IA,

robots industriais,

baterias,

e sistemas operativos

estará a externalizar uma parte crescente da sua soberania económica.

23. Os três cenários para 2035

Estas probabilidades são a minha estimativa, não previsões de mercado.

Cenários · 2035

Três futuros possíveis

A25%

Evolução gradual

Robots continuam caros e especializados.

B55%

“ChatGPT moment”

Capacidades melhoram rapidamente e a adopção acelera.

C20%

Revolução robótica

Robots generalistas competem com trabalho físico humano.

Probabilidades analíticas estimadas pelo modelo — não previsões factuais.

CENÁRIO A — Evolução gradual

25%

Humanoides continuam demasiado caros e pouco fiáveis.

A robótica avança sobretudo em:

fábricas,

armazéns,

agricultura,

ambientes controlados.

Uma casa continua demasiado complexa.

Em 2035 teremos muitos robots, mas poucos «C-3POs».

Este cenário permanece perfeitamente plausível.

CENÁRIO B — «ChatGPT moment»

55%

Entre aproximadamente 2028 e 2032 emerge um foundation model robótico capaz de generalização muito superior.

Um mesmo robot consegue aprender centenas de tarefas.

Não fica perfeito.

Mas torna-se suficientemente bom.

O ponto decisivo seria algo como:

90–95% de sucesso em centenas de tarefas diferentes, durante horas de autonomia, com aprendizagem rápida de novas tarefas.

A partir daí começa um ciclo exponencial:

robots → dados → melhores modelos → melhores robots → mais clientes → mais dados.

Este considero ser actualmente o cenário mais provável.

CENÁRIO C — Revolução robótica

20%

Acontece algo equivalente ao scaling dos LLM.

Descobre-se que aumentar:

dados + modelos + simulação + compute

produz capacidades físicas emergentes de maneira relativamente previsível.

Humanoides passam a custar talvez dezenas de milhares de euros e realizam grande parte do trabalho físico humano.

Nesse cenário, 2035 já não seria simplesmente «uma economia com robots».

Seria:

uma economia com trabalho humano e trabalho artificial competindo no mesmo mercado.

As consequências seriam enormes.

24. O indicador que eu observaria

Há dezenas de benchmarks.

Eu ignoraria quase todos.

Observaria uma única demonstração:

«The unfamiliar apartment test»

Coloque-se um humanoide numa casa onde nunca esteve.

Diga-se:

Sem:

teleoperação,

mapeamento prévio,

scripts,

programação específica.

Se conseguir executar toda a sequência durante duas ou três horas, resolvendo autonomamente pequenos problemas e com >95% de fiabilidade, então diria:

Nenhuma cambalhota será tão importante como essa demonstração.

25. Qual será a primeira aplicação que fará o público perceber?

Provavelmente não será um robot industrial.

Será um robot doméstico realmente útil.

Imagine vídeos não editados de uma máquina que:

tira roupa da máquina,

dobra-a,

arruma-a,

carrega a máquina de lavar loiça,

faz a cama,

aspira,

leva o lixo,

prepara ingredientes simples.

E custa, por exemplo, o equivalente ao leasing de um automóvel.

Nesse momento, milhões de pessoas deixarão de perguntar:

«Para que serve um humanoide?»

e começarão a perguntar:

«Quanto custa?»

Esse será o equivalente psicológico ao ChatGPT.

26. Mas há uma possibilidade ainda mais importante

Podemos estar demasiado concentrados no humanoide.

O verdadeiro «ChatGPT moment» pode acontecer primeiro nos modelos, não num robot específico.

Ou seja, poderá surgir algo equivalente a:

Android para robots.

Um foundation model suficientemente generalista para controlar:

braços,

humanoides,

robots sobre rodas,

máquinas agrícolas,

robots industriais.

É precisamente a direcção sugerida por arquitecturas como Gemini Robotics e GR00T. (Google DeepMind)

Nesse caso, a empresa dominante talvez não seja quem fabricar o melhor humanoide.

Será quem possuir:

E essa posição económica seria extraordinariamente poderosa.

27. Então estamos realmente perto?

Sim — mas não estamos lá.

Há uma diferença enorme entre:

2022: robots principalmente programados;

2026: robots capazes de compreender linguagem, visão, aprender demonstrações, executar sequências e generalizar parcialmente.

É uma mudança real.

Mas ainda existe outra distância enorme entre:

2026: «consigo fazê-lo numa demonstração»

e

2030?: «consigo fazê-lo 10 000 vezes sem supervisão.»

A Reuters sintetizou quase perfeitamente esta tensão em Agosto de 2026: a capacidade industrial chinesa está a crescer violentamente, mas muitos humanoides continuam demasiado lentos, frágeis ou pouco inteligentes para substituir trabalhadores em escala económica. (Reuters)

Portanto, eu classificaria a situação assim:

A indústria resolveu partes importantes do corpo.

Está agora a tentar resolver o cérebro que liga tudo.

28. A consequência verdadeiramente histórica

Se esta tecnologia funcionar, a maior transformação talvez não seja o desaparecimento de determinadas profissões.

Será uma mudança muito mais fundamental:

pela primeira vez na história, inteligência e trabalho físico poderão tornar-se bens industriais reproduzíveis.

Durante toda a civilização, aumentar a produção significava encontrar mais pessoas, formar mais trabalhadores ou aumentar a produtividade dos existentes.

Robots generalistas acrescentariam uma quarta possibilidade:

Uma fábrica poderia produzir uma máquina.

Essa máquina trabalharia noutra fábrica.

Essa segunda fábrica poderia fabricar mais máquinas.

Aqui começa uma dinâmica económica que não tem equivalente exacto na história industrial.

A máquina a vapor multiplicou a força humana.

O computador multiplicou cálculo e informação.

A IA generativa começou a multiplicar cognição.

A embodied AI pretende juntar os três:

inteligência + percepção + acção.

É por isso que o «ChatGPT moment» da robótica merece ser levado muito a sério — mesmo que ainda não tenha chegado.

E é também por isso que a pergunta decisiva dos próximos cinco anos talvez já não seja «conseguiremos construir robots que se parecem connosco?»

Será:

«o que acontece à economia, à sociedade e ao poder entre Estados quando for possível fabricar, em milhões de unidades, máquinas capazes de aprender a trabalhar?»

Essa é a verdadeira revolução que poderá estar a começar.