Durante os primeiros anos da corrida da inteligência artificial generativa, o foco esteve quase todo confinado aos limites das telas: caixas de texto, assistentes de código, geradores de imagem e painéis de dados. A virada em curso é mais profunda — e é a espinha dorsal desta matéria: a passagem de uma IA que vive dentro do software para sistemas capazes de perceber, interpretar e agir no mundo físico.
É o que se convencionou chamar de IA física (em inglês, physical AI ou embodied AI, inteligência incorporada). A diferença em relação à IA generativa é direta: enquanto a IA generativa produz texto, imagem e código dentro da tela, a IA física usa modelos parecidos para controlar máquinas que percebem o ambiente por sensores e agem sobre ele — robôs, veículos autônomos, braços industriais e dispositivos com IA embarcada. Não é um substituto da IA generativa; é uma camada nova, que a conecta ao espaço real.
A CES 2026, realizada em janeiro em Las Vegas, foi um dos marcos mais visíveis dessa transição: colocou a IA física no centro dos anúncios das maiores empresas de tecnologia do planeta. Estamos agora na segunda metade de 2026, o que permite olhar para aquele evento com alguma distância — e separar o que era demonstração de palco do que, meses depois, de fato avançou.
O volume de dinheiro em jogo ajuda a dimensionar o momento. O instituto de pesquisa Gartner projeta que o gasto mundial com inteligência artificial alcançará cerca de US$ 2,59 trilhões em 2026, um aumento de 47% em relação ao ano anterior. Um cuidado importante desde já: esse número mede o investimento na IA como um todo — treinamento e inferência de modelos generativos, serviços e aplicações corporativas, software e infraestrutura. A IA física é uma das frentes que puxam esse gasto, não a totalidade dele. Voltaremos a esse ponto com os números detalhados mais adiante.
Este texto faz o seguinte percurso: explica rapidamente por que a CES serve de termômetro da indústria, mostra por que a edição de 2026 virou um marco da IA física, separa o que já saiu do palco do que segue sendo promessa e, ao final, aponta a CES 2027 como o próximo checkpoint para medir o que avançou.
O que é a CES, afinal
A CES (originalmente Consumer Electronics Show) é a maior e mais influente feira de tecnologia do mundo. Organizada anualmente pela CTA (Consumer Technology Association), acontece todo mês de janeiro em Las Vegas, nos Estados Unidos, e reúne desde gigantes como NVIDIA, AMD, Intel, Qualcomm, Samsung, LG e grandes montadoras até milhares de startups. É um evento profissional (“trade-only”): quem circula por lá são profissionais do setor, imprensa e expositores — o consumidor comum vê depois, nas notícias e nas lojas.
O que importa para esta matéria é a função da feira: por concentrar, num só lugar e no início do ano, o que as maiores fabricantes pretendem colocar no mercado, a CES funciona como um termômetro da direção da indústria de tecnologia. E o que ela sinalizou em janeiro de 2026 foi a virada da IA rumo ao mundo físico.
Por que a CES 2026 virou um marco para a IA física
O tema que dominou a CES 2026 foi, sem disputa, a IA física — e é por isso que a edição funciona como evidência de uma mudança de direção, não como uma novidade recente. A frase que resumiu o clima veio do CEO da NVIDIA, Jensen Huang, no palco: segundo ele, o “momento ChatGPT da IA física” teria chegado — o instante em que as máquinas começam a perceber, raciocinar e agir no mundo real. É uma frase de efeito de um executivo interessado no tema, e convém lê-la como tal. Os destaques abaixo foram todos anunciados ou demonstrados publicamente durante o evento — o que não é o mesmo que estarem disponíveis nas lojas hoje:
A nova plataforma da NVIDIA (Vera Rubin). A NVIDIA apresentou sua arquitetura de próxima geração, batizada de Vera Rubin, sucessora da linha Blackwell, voltada à infraestrutura que sustenta a IA e a robótica. A empresa também lançou modelos abertos e ferramentas para IA física (como a família Alpamayo, voltada a veículos autônomos) e anunciou uma expansão de parceria com a Siemens para construir um “sistema operacional de IA industrial” para fábricas.
Robôs humanoides saindo do laboratório. A Boston Dynamics apresentou versões de produção do seu humanoide Atlas. A Hyundai anunciou planos de produção na casa das dezenas de milhares de unidades por ano até 2028. E LG e Samsung mostraram robôs domésticos executando tarefas como dobrar roupas e carregar a louça — demonstrações que sinalizam a direção, ainda que não signifiquem disponibilidade imediata nas lojas.
A disputa dos chips. A AMD, com a CEO Lisa Su, abriu o evento com o mote “IA em todo lugar, para todos”, apresentando novos processadores e projetando um salto de usuários de IA de 1 bilhão para 5 bilhões em cinco anos — outra projeção de palco, vinda de parte interessada, que vale registrar com essa ressalva. Intel e Qualcomm também apresentaram plataformas focadas em levar processamento de IA para dispositivos físicos e de borda (edge computing).
Veículos autônomos. Montadoras e empresas de tecnologia mostraram avanços em direção autônoma, incluindo a estreia do software de direção da NVIDIA em um novo modelo da Mercedes-Benz.
O fio comum de tudo isso: a indústria começou a mover a IA física de “demonstração de pesquisa” para tentativa de produto — mas em estágios de maturidade muito diferentes entre si, e boa parte ainda cara, limitada e distante da prateleira. Distinguir esses estágios é justamente o que fazemos mais adiante.
Para onde vai o dinheiro: os números do Gartner
O tamanho do investimento em IA ajuda a dimensionar o momento da indústria. A projeção mais recente do Gartner, de maio de 2026, detalha onde o gasto mundial com inteligência artificial será aplicado — e a maior fatia, de longe, é a infraestrutura (chips, servidores e capacidade de processamento).
| Mercado | 2025 | 2026 | 2027 |
|---|---|---|---|
| Serviços de IA | 436.351 | 585.527 | 759.418 |
| Cibersegurança com IA | 25.920 | 51.347 | 85.997 |
| Software de IA | 282.897 | 453.209 | 638.431 |
| Modelos de IA | 15.494 | 32.604 | 59.161 |
| Plataformas de IA para Ciência de Dados e Machine Learning | 21.292 | 29.928 | 42.639 |
| Plataformas de Desenvolvimento de Aplicações de IA | 6.587 | 8.416 | 10.922 |
| Dados para IA | 826 | 3.126 | 6.480 |
| Infraestrutura de IA | 975.581 | 1.431.509 | 1.890.310 |
| Gasto total com IA | 1.764.947 | 2.595.667 | 3.493.358 |
Valores em milhões de dólares. Fonte: Gartner (maio de 2026).
Repare no peso da infraestrutura: sozinha, ela responde por mais da metade de todo o gasto mundial com IA em 2026. Aqui entra um cuidado de interpretação que faz toda a diferença: essa infraestrutura não é gasto exclusivo — nem majoritário — de IA física. Os mesmos chips e data centers sustentam o treinamento e a inferência dos modelos generativos, os serviços de IA, as aplicações corporativas e, entre esses usos, também a IA física. Em outras palavras, o número mostra o quanto o mundo está investindo na base computacional da IA como um todo; a parcela especificamente atribuível a robôs, sensores e sistemas físicos é uma fração desse total, não o total. Tratar todo o crescimento de infraestrutura como “dinheiro indo para a IA física” seria um erro de leitura.
Os três pilares da IA física na prática
A convergência entre grandes modelos de raciocínio, sensores ópticos de alta precisão e atuadores mecânicos avançados desdobra-se em três ecossistemas operacionais principais:
| Pilar | Aplicação principal | Exemplos vistos na CES 2026 | Impacto de mercado |
|---|---|---|---|
| Fábricas inteligentes e logística | Robótica colaborativa (cobots), inspeção de qualidade autônoma e navegação em galpões. | Parceria Siemens + NVIDIA para “sistema operacional de IA industrial”; robôs de transporte integrados a gêmeos digitais (digital twins). | Redução de paradas não planejadas e otimização de inventário em tempo real. |
| Robótica de tarefas e assistência | Humanoides e braços mecânicos para serviços pesados, assistência e manutenção. | Atlas (Boston Dynamics) em versão de produção; humanoides da Hyundai; robôs domésticos de LG e Samsung. | Automação de tarefas repetitivas ou perigosas na indústria, construção e serviços. |
| Residências e mobilidade | Eletrodomésticos preditivos, casas conectadas e veículos autônomos. | Robôs domésticos dobrando roupas; software de direção autônoma da NVIDIA na nova Mercedes-Benz CLA. | Da execução de comandos de voz à autonomia contextual — e o carro como plataforma de IA. |
Meses depois: o que saiu do palco — e o que continua promessa
Passados alguns meses da feira, dá para olhar os anúncios com mais distância. E aqui vale um vocabulário honesto: entre uma novidade de palco e a sua presença real no dia a dia existe um espectro — anunciado → demonstrado → protótipo → piloto → produção limitada → disponível comercialmente → adoção em escala. Confundir os primeiros estágios com os últimos é a fonte mais comum de hype. Abaixo, uma leitura de onde tende a estar cada frente citada nesta matéria (sem presumir disponibilidade que não se possa comprovar):
Onde anúncio e produto andam mais próximos:
- Infraestrutura e chips. Processadores e plataformas de computação são produtos comerciais por natureza, com ciclos de lançamento já estabelecidos — é a categoria em que o caminho entre o anúncio e a venda é mais curto. Continua sendo a “fundação invisível” sobre a qual a IA (física ou não) roda.
- Automação industrial. Gêmeos digitais, visão computacional para inspeção de qualidade e robótica colaborativa (cobots) já são realidade em fábricas há anos, independentemente da CES. A feira acelera e dá visibilidade, mas não inaugurou essa categoria.
- Recursos de IA embarcada em eletrônicos. Funções de IA em TVs, celulares e eletrodomésticos já fazem parte das linhas comerciais das fabricantes.
O que segue mais promessa do que prateleira:
- Humanoides domésticos. As demonstrações são impressionantes, mas robô que dobra roupa e carrega louça em casa não é, hoje, produto acessível ao consumidor comum — está em estágio inicial de produção e com preços elevados. Aqui, o que se viu na CES foi sobretudo demonstração e planos de produção, não venda em escala.
- Veículos totalmente autônomos. Avançam, mas seguem restritos a contextos e regiões específicos e a testes regulatórios — não há autonomia plena e generalizada disponível.
A regra prática para o leitor: quando a IA física é infraestrutura ou software industrial, o presente já a alcançou; quando é o humanoide de consumo, o tempo verbal correto ainda é o futuro.
O “porém” honesto: os gargalos do mundo material
Apesar do otimismo das apresentações, a migração da IA para o mundo físico enfrenta barreiras severas que não existem no ambiente puramente digital.
O primeiro gargalo é o custo e a durabilidade do hardware. Treinar um modelo na nuvem exige poder computacional; implantar um robô ou sensor físico exige peças mecânicas sujeitas a desgaste, baterias que limitam a autonomia e custos de manutenção elevados.
O segundo é a segurança e a confiabilidade no mundo real. Enquanto uma “alucinação” de texto em um chatbot resulta apenas numa resposta errada na tela, um erro de inferência num robô industrial de 150 quilos pode causar danos materiais graves ou acidentes físicos. Isso exige margens de erro próximas de zero e uma dependência maior de processamento na borda (edge AI).
Vale explicar esse ponto, porque ele é central na IA física. Edge AI significa processar os dados perto de onde eles são gerados — no próprio dispositivo ou em um servidor local — em vez de enviar tudo para a nuvem. A IA física costuma precisar disso por alguns motivos: baixa latência (um carro ou um braço robótico não pode esperar a resposta de um servidor distante), funcionamento com conectividade limitada, resposta em tempo real e, dependendo da arquitetura, privacidade. Mas atenção a um exagero comum: isso não quer dizer que todo sistema de IA física funcione offline ou apenas na borda. Na prática, as arquiteturas costumam combinar dispositivo, borda e nuvem — o processamento crítico e imediato acontece localmente, enquanto tarefas mais pesadas, como treinar modelos, seguem na nuvem. Essa exigência de chips de borda mais capazes, por sua vez, encarece os projetos e ajuda a explicar por que a adoção em massa é mais lenta do que as demonstrações sugerem.
Vale ainda um lembrete que a própria imprensa especializada fez ao cobrir o evento: a CES é conhecida por seu exagero. Entre a demonstração no palco e o produto na sua casa costuma haver uma distância considerável — de anos, muitas vezes. Nada disso está resolvido: hardware, custo, energia, sensores e integração seguem sendo obstáculos abertos.
O que isso significa para o profissional e o mercado brasileiro
A expansão da IA física oferece lições e oportunidades para gestores, engenheiros e líderes de tecnologia no Brasil. Vale um cuidado de leitura: o que segue são potenciais e caminhos possíveis, não um retrato de adoção já consolidada no país.
1. Agronegócio, indústria e logística como frentes promissoras
No contexto brasileiro, o agronegócio e a logística pesada estão entre os setores que podem se beneficiar mais diretamente da IA física. Aplicações como máquinas agrícolas capazes de identificar pragas por visão computacional e aplicar insumos com precisão têm potencial de ganho de produtividade e de sustentabilidade — a agricultura de precisão, aliás, já é uma frente com casos documentados no país. O ponto de atenção é não confundir esse potencial com uma adoção generalizada: a maturidade varia muito entre culturas, regiões e portes de operação.
2. Modernização da infraestrutura de conectividade e borda
Para que dispositivos de IA física operem em instalações industriais no Brasil, tende a ser necessário investir em redes robustas (como 5G privado e Wi-Fi 7) e em capacidade de processamento na borda (edge AI). A razão é a latência: em tarefas de tempo real, depender exclusivamente de uma nuvem remota é problemático. Isso não significa abrir mão da nuvem — o mais comum é uma arquitetura híbrida, com o processamento imediato na borda e as cargas mais pesadas na nuvem.
3. Foco em integração e manutenção de hardware inteligente
A demanda por profissionais no Brasil tende a migrar da simples criação de prompts para a engenharia de integração de sistemas. Quem souber conectar sensores físicos, APIs de modelos de raciocínio e sistemas de gestão (ERPs) tende a ser cada vez mais requisitado para viabilizar projetos de automação física.
O próximo teste será a CES 2027
Em janeiro de 2026, a indústria subiu ao palco para mostrar ambições — plataformas, protótipos e planos de levar a IA ao mundo físico. Meses depois, a pergunta mais interessante não é o que virá de novo na próxima edição, e sim quanto daquelas promessas terá, de fato, saído do palco.
A CES 2027 funciona, nesse sentido, como o próximo checkpoint da indústria: será a chance de medir quanto da IA física apresentada em 2026 avançou de anúncio e demonstração para produtos, pilotos, implantações reais e adoção em escala — e quanto continuou sendo promessa. Segundo a CTA, a edição está prevista para janeiro de 2027, novamente em Las Vegas; os detalhes de programação e expositores costumam ser divulgados no site oficial (ces.tech) à medida que o evento se aproxima.
Não faremos aqui previsões sobre quais produtos ou anúncios aparecerão lá — seria justamente o tipo de futurologia que esta matéria procura evitar. O valor da CES 2027, para quem acompanha, será servir de régua: comparar o discurso de 2026 com a realidade entregue até então.
Conclusão: a inteligência que conecta o código à matéria
A CES 2026 ajudou a revelar uma virada importante — a IA saindo das telas para o mundo físico. Meses depois, já dá para olhar aquele momento com mais distância, separar demonstração de realidade e entender por que a IA física continua relevante mesmo passado o burburinho da feira. O movimento reforça a tese central que orienta nossas análises: o valor real não está em apenas ter acesso à ferramenta, mas em saber utilizá-la bem.
A inteligência artificial chegou ao estágio em que gerar textos ou imagens agradáveis deixou de ser o diferencial competitivo final. O verdadeiro salto de produtividade das próximas décadas será liderado por quem souber conectar a capacidade dos grandes modelos às operações físicas do dia a dia — transformando linhas de código em movimento, eficiência material e soluções concretas para o mundo real. E, entre uma edição da CES e outra, o trabalho de quem quer se posicionar não é esperar o próximo palco: é começar a construir agora.
Disclaimer: O conteúdo deste artigo possui caráter educativo, jornalístico e informativo, e baseia-se em anúncios oficiais e na cobertura de imprensa da CES 2026 (de veículos como Forbes, TechCrunch, AP e EE Times), na projeção de gastos com IA divulgada pelo Gartner em 2026 e em informações públicas da CTA sobre a CES 2027, disponíveis até a data desta publicação. As datas e a programação da CES 2027 podem ser atualizadas pela organização. Este texto não constitui consultoria técnica de automação, avaliação de hardware ou parecer de investimento.
