A verdadeira grande tendência da próxima onda de IA, muitos ainda não perceberam

Nos últimos dois anos, sempre testei em primeira mão as atualizações de AI. Agents, multimodalidade, uma rodada após outra de iteração de modelos — para ser honesto, a maioria já não me impressiona tanto. As capacidades realmente estão aumentando, mas tudo ainda gira em torno de “fazer o conteúdo parecer mais realista”, sem mudar de direção.

Até esse mês, quando rodei Astra, Atlas e Cosmos em sequência, foi a primeira vez que realmente parei para refletir.

Não é porque o que ela gera é mais bonito, mas porque pela primeira vez senti: a AI está cruzando uma nova linha — de “gerar conteúdo” para “entender o mundo e se preparar para agir”.

Deixo aqui a minha conclusão: a próxima grande onda de criação de valor não será uma corrida pelo maior número de parâmetros dos modelos, mas sim — o mundo tridimensional está sendo reescrito como interfaces que a AI pode ler, simular e operar. Se você ainda entende isso apenas como “vai haver mais demanda por conteúdo 3D”, vai perder toda a mudança lógica estrutural que está acontecendo.

Pode parecer exagero, mas depois de trilhar essas três etapas, não consigo me convencer de que seja tudo coincidência.

1/ Astra: O primeiro colapso é o da estrutura de custos

Pedi para o GPT-6 Astra gerar um cenário de interior residencial. Anteriormente, mesmo que o resultado fosse bonito, quando importado num software de modelagem era apenas um papel morto — todas as informações estruturais se perdiam, tornando inutilizável.

Desta vez foi diferente. Ele entregou um ativo estruturalmente completo: editável no Blender e pronto para navegação em tempo real ao ser importado no Unreal Engine 5.

Quem já trabalhou com fluxos de trabalho 3D sabe o quanto esse processo é caro — modelagem, materiais, iluminação, renderização e pós-produção, cada etapa feita manualmente em softwares especializados, com baixíssima margem de erro e altíssimo custo de tempo.

E agora? A linguagem natural é a porta de entrada.

Imagem e vídeo já passaram por esse roteiro — uma vez que o custo de ferramentas cai, a demanda não é comprimida, mas sim liberada. Games, e-commerce, arquitetura, publicidade, design industrial — todos aguardando sua vez nessa fila. Isso não é previsão, está acontecendo agora.

2/ Atlas: De “criar objetos” para “entender o espaço”

Se Astra me chamou atenção para a mudança, foi o Atlas, lançado pela World Labs em setembro, que realmente me fez perceber até onde essa onda pode chegar.

Pense nessa diferença: para gerar um copo, você só se preocupa se a forma está correta; mas, para entender uma cozinha, o modelo precisa saber onde colocar o copo, qual a altura da bancada, de que direção a mão se estende de maneira mais natural e o que deve acontecer no espaço no segundo seguinte.

O primeiro é criar objeto, o segundo é entender espaço. O que os separa não é só resolução, mas uma dimensão inteira.
Li várias vezes uma frase da World Labs: "O 3D está se tornando a interface universal do espaço."

O texto já foi a interface entre humanos e máquinas. Se o 3D vira o meio para humanos e AI juntos gerarem, editarem e simularem espaços, o 3D deixa de ser um arquivo de design e passa a ser um novo suporte de computação. Isso pode parecer distante, mas minha experiência prática mostra que está virando realidade.

3/ Cosmos: De “enxergar” para “ousar agir”

Com o Cosmos da NVIDIA, praticamente confirmei que minha percepção anterior não era exagerada.

Os modelos visuais atuais já conseguem responder com precisão ao “o que há na cena”. Mas o verdadeiro desafio para robôs e direção autônoma nunca foi a identificação e, sim, a capacidade de prever “o que vai acontecer em seguida”.

O que Cosmos faz é permitir que o modelo construa internamente um sistema de simulação do estado do mundo — simulando os possíveis resultados de cada movimento antes de escolher o caminho ótimo. Ou seja, dá à AI um simulador funcional interno.

Sem isso, as máquinas só podem perceber o momento presente; com isso, a máquina é capaz de “simular antes de agir”. O significado desse passo para a Physical AI, em minha opinião, não é inferior ao avanço da época dos modelos grandes em raciocínio.

4/ O verdadeiro diferencial: Dados sintéticos

Os dados do mundo real são caros demais.

Modelos de linguagem podem vasculhar milhões de textos da web, mas robôs não aprenderão a segurar um copo pela internet; o carro autônomo também não cobrirá todos os casos extremos só com testes reais em estrada. E os dados mais críticos para treino — clima extremo, acidentes repentinos, situações raras — são justamente os mais difíceis de obter.

Mas, quando a reconstrução 3D e os modelos de mundo amadurecem, a lógica muda: primeiro, com dados reais limitados criamos um cenário digital de referência, depois, no virtual, mudamos sistematicamente clima, local, propriedades dos objetos, iluminação — de um pequeno conjunto de dados-semente, geram-se milhões de amostras de treinamento.

Por isso, análise da Bolsa de Ações dos EUA acredita que a competição da Physical AI está mudando de eixo:

Antes, ganhava quem tinha mais dados reais, daqui em diante, o que vale é — qualidade dos dados reais × capacidade de reconstrução espacial × precisão da simulação × eficiência na ampliação de dados sintéticos.

Empresas beneficiadas na Bolsa dos EUA

Listei em quatro níveis de acordo com o grau de benefício, quanto mais próximo do topo, mais certo e direto, quanto mais abaixo, mais elástico e concentrado:

Nível um · Infraestrutura: NVDA

Não importa qual empresa de robótica ou de direção autônoma vença, todas precisam de poder computacional, simulação, dados sintéticos e plataformas de treinos. A NVIDIA domina GPU, Omniverse, Isaac e Cosmos — há muito não vende só chips, mas sim uma fundação completa para “ensinar máquinas o mundo real”. Essa é a posição menos dependente de um único vencedor.

Nível dois · Reconstrução 3D e gêmeos digitais: PTC, ADSK

Para que o mundo real seja treinável por AI, alguém precisa conectar 3D industrial, gêmeos digitais e fluxos de trabalho de design. Eles são “a porta de entrada de dados” do real para os modelos.

Nível três · Percepção espacial: OUST, MBLY

Lidar, visão robótica — responsáveis por transformar ambientes físicos em dados espaciais legíveis por máquinas. Sem essa camada, tudo lá em cima é castelo de cartas; mas é também a mais competitiva, onde o custo e a consistência importam mais.

Nível quatro · Implementação final: TSLA, SYM

São os que verdadeiramente colocam a AI em operação no mundo real. Com o maior grau de flexibilidade, mas também de risco: só porque o modelo roda, não significa que robôs podem ser entregues em escala; só porque a simulação funciona, não significa que funcione no real.

De agora em diante, não olhe só para vídeos de demonstração impactantes, preste atenção a três coisas: se a simulação realmente reduziu o treinamento real, se os dados sintéticos realmente aumentaram a taxa de sucesso dos modelos, e se os clientes estão dispostos a continuar pagando por isso.

A última revolução de AI transformou o conhecimento humano em tokens.
A próxima pode transformar o mundo real em dados computáveis, simuláveis e treináveis.

A linguagem permitiu que a AI entendesse a humanidade; já o 3D, esse talvez permita que ela realmente entre no nosso mundo.

Site de Investimentos de Ações dos EUA - VIP completamente atualizado

Ferramenta de Análise Quantitativa de AI para Ações dos EUA — Demonstração de Funcionalidades

O Site de Investimentos de Ações dos EUA é uma fintech especializada no mercado de ações dos Estados Unidos, fundada em 2008 no Vale do Silício, por Ken, ex-analista da Bolsa de Valores de Nova York, e cofundada por vários analistas da Morgan Stanley, engenheiros do Google e da Meta. Combinando AI e big data, mais de dez anos de experiência prática em Wall Street e modelos quantitativos do setor, construíram uma base de dados do mercado de ações que processa milhões de dados diariamente: capturando grandes volumes de opções, fluxo de capital institucional em tempo real, mudanças nas posições de grandes investidores e notícias de última hora envolvendo Trump.