黄仁勋 abre uma nova era na IA: Como a Physical AI está a remodelar o mapa de poder computacional e o ecossistema Crypto

Na recente Fórum de Davos, as declarações de Jensen Huang suscitaram uma reflexão ampla na indústria. Este líder da NVIDIA não apenas está a redefinir a direção do desenvolvimento da inteligência artificial, mas também, de forma invisível, abriu uma nova porta de possibilidades para o setor de ativos criptográficos. Com o conceito de “Physical AI”, anunciou a chegada de uma nova era.

De treino a inferência: a revolução computacional anunciada por Jensen Huang

Huang destacou que, atualmente, a camada de aplicações de IA está a explodir, mas o foco na necessidade de poder de processamento está a mudar de forma fundamental. A fase anterior, dependente de hardware massivo para treinar modelos — uma competição intensiva em recursos — está a chegar ao fim. O futuro da competição concentrar-se-á na inferência e no campo do Physical AI, ou seja, a IA não só deve “pensar”, mas também “fazer”.

Este ponto de vista marca uma mudança de paradigma. A NVIDIA, como vencedora absoluta na era dos GPUs, apoiou empresas com grande capacidade de processamento para treinar modelos maiores através de recursos acumulados. Contudo, a nova narrativa de Huang indica que perseguir apenas o tamanho do parâmetro já não é suficiente para vencer. A competição futura de IA irá focar na implementação prática, na concretização de cenários e na criação de valor real.

A essência do Physical AI: do virtual ao real

Modelos de Linguagem de Grande Escala (LLMs) já aprenderam de forma abrangente com dados textuais da internet, mas isso ainda é insuficiente. Um modelo treinado não consegue, como um humano, abrir uma garrafa com precisão, entender o peso e a textura de objetos. Este é o problema central que o Physical AI precisa resolver — eliminar a lacuna entre a inteligência artificial e a execução no mundo real.

A limitação principal do Physical AI reside na sua exigência extrema de resposta em tempo real. Quando o ChatGPT tem uma latência de um segundo, o utilizador pode apenas sentir uma ligeira lentidão na interface. Mas, se um robô bípedo parar por um segundo devido a atraso de rede, pode cair escadas abaixo. Isto significa que o Physical AI deve basear-se em computação local e processamento de borda, não podendo depender de processamento remoto na nuvem.

Os três principais desafios tecnológicos do Physical AI

Ao explorar este novo campo, Huang implicitamente apontou três desafios tecnológicos essenciais. Estes não só representam a direção do desenvolvimento da indústria, mas também indicam novas oportunidades de investimento.

Inteligência espacial: a capacidade de perceção tridimensional dos robôs

A professora Fei-Fei Li, de Stanford, afirmou que a inteligência espacial é a próxima estrela polar na evolução da IA. Para que um robô possa atuar no mundo físico, primeiro deve compreender verdadeiramente o ambiente onde se encontra.

Isto não se limita a reconhecer objetos na imagem — “isto é uma cadeira” — mas requer uma compreensão aprofundada de “a posição exata desta cadeira no espaço tridimensional, as suas características construtivas, e a força necessária para movê-la com segurança”. Essa capacidade de compreensão deve ser construída com base em vastos, em tempo real, dados de ambientes 3D que cubram interiores e exteriores. Atualmente, esses dados são escassos.

Campo de treino virtual: a escola de simulação para robôs

Huang destacou especialmente o Omniverse, que representa uma nova paradigma de treino. Antes de entrar no mundo físico real, os robôs precisam completar milhares de ciclos de tentativa e erro em ambientes virtuais totalmente simulados. Tal como aprender a andar envolve “cair mil vezes”, os robôs também precisam passar por inúmeras falhas na simulação para dominar as habilidades de movimento no mundo real. Este processo é conhecido como “Sim-to-Real” — da simulação para a realidade.

Permitir que os robôs aprendam diretamente no ambiente real, com cada colisão ou queda, causaria danos ao hardware e custos de manutenção astronómicos. O valor do treino virtual reside na sua capacidade de realizar aprendizagem em larga escala com custos de hardware quase nulos. Este processo exige engines de simulação física e capacidades de renderização com crescimento exponencial na demanda.

Dados tácteis: um tesouro de dados ainda por explorar

Para que o Physical AI alcance uma sensação semelhante à humana, é necessário usar pele eletrónica para perceber temperatura, pressão e textura. Estes “dados tácteis” representam, pela primeira vez na história, uma coleta massiva de informações sensoriais.

Na recente feira CES, a Ensuring apresentou uma inovação: uma “pele eletrónica de produção em massa” que integra 1956 sensores densamente distribuídos numa única mão robótica. Graças a esses sensores minúsculos, o robô consegue, por exemplo, mexer com precisão num ovo sem quebrá-lo. A capacidade de recolha de dados táteis abre uma nova categoria de ativos de dados.

Oportunidades ocultas na área de Cripto

Após entender estas necessidades tecnológicas, muitos podem pensar que apenas grandes empresas tecnológicas e fabricantes de hardware podem participar. Mas, na verdade, os ecossistemas descentralizados de aplicações, como DePIN, DeAI, DeData, podem preencher lacunas essenciais na era do Physical AI.

Redes globais de recolha de dados 3D

Os veículos de mapeamento do Google podem escanear as principais ruas do mundo, mas não entram em becos, bairros ou porões. Estes “pontos cegos” de dados 3D são cruciais para a implementação real de robôs.

As redes DePIN, através de mecanismos de incentivo com tokens, podem mobilizar milhões de utilizadores globais a usar smartphones e outros dispositivos para recolher continuamente dados de ambientes periféricos. Cada contribuição válida é recompensada com tokens. Assim, o custo de cobertura de dados é muito inferior ao de uma frota de grandes empresas, além de preencher a última milha de cobertura de dados.

Redes distribuídas de computação de borda

A necessidade de processamento em tempo real do Physical AI abre uma porta para redes de computação distribuída. Milhares de dispositivos de consumo — computadores de mesa, consolas de jogos, dispositivos móveis de alta performance — muitas vezes ficam ociosos ou com baixa carga.

Ao aproveitar uma rede descentralizada de poder de processamento, esses hardwares ociosos podem ser utilizados para tarefas de renderização intensiva em treino virtual, além de inferência de modelos de aprendizagem de máquina, distribuídas por nós de borda. Assim, resolve-se o problema de latência e reduz-se significativamente o custo de operação de aplicações de Physical AI.

Economia de tokens para proteção de privacidade e direitos de dados

Dados táteis envolvem informações altamente sensíveis. Permitir que os utilizadores contribuam esses dados diretamente para gigantes da IA suscitaria preocupações de privacidade. Mas, com mecanismos de blockchain para direitos de dados e distribuição de lucros, a situação muda radicalmente.

Os utilizadores podem garantir a propriedade dos seus dados, saber exatamente como são utilizados e receber recompensas ao longo de todo o ciclo de vida dos dados. Este modelo de “dados como ativos”, aliado a incentivos em tokens e contratos inteligentes, pode motivar a contribuição de dados privados em larga escala, ao mesmo tempo que protege a privacidade e a segurança.

A importância estratégica do Crypto na era do Physical AI

A visão de Huang aponta uma direção clara para toda a indústria. O Physical AI não é apenas a segunda metade do percurso da IA Web 2.0, mas também uma janela estratégica para Web 3.0 e o setor de criptomoedas.

Infraestruturas descentralizadas e aplicações de dados, como DePIN, DeAI, DeData, deixam de ser conceitos teóricos e tornam-se componentes essenciais nesta nova era. Desde a recolha distribuída de dados até à gestão de computação de borda, passando pela circulação segura de dados sensíveis e pela distribuição justa de valor, as soluções descentralizadas demonstram o seu valor real neste novo contexto.

A mudança de paradigma de Huang, na verdade, acende uma luz orientadora para toda a indústria de ativos criptográficos. No grande quadro do Physical AI, projetos de criptomoedas focados em infraestrutura, protocolos de dados e mecanismos de incentivo podem estar, de facto, na vanguarda da história.