Todo mundo quer saber qual será o próximo grande tema.
Tive a sorte de estar posicionado no superciclo da óptica antes da maioria, e isso mudou minha vida.
E se pudermos encontrar o próximo tema dessa magnitude e nos posicionar cedo?
Acredito que podemos.
E é disso que trata este relatório.
Depois de realmente mergulhar neste tema, acredito que é este.
Então, neste relatório, vou apresentar o tema, por que é investível agora, onde é investível, todas as camadas + cadeia de suprimentos e qual é o meu plano daqui para frente.
Óptica / Fotônica ainda é meu tema principal, que cobrirei em profundidade nesta página.
Mas há oportunidades esperando por nós.
E este tema que vou apresentar aqui será o segundo universo principal de cobertura no meu Substack com o tempo.
Ainda estamos no início e temos tempo para nos posicionar.
Vamos descobrir a melhor forma de fazer isso.
IA Física
Grande parte do meu portfólio esteve em Infraestrutura de IA no último ano. O que, obviamente, foi ótimo.
Agora, cada vez mais, quero que os novos dólares que tenho sejam gastos em novas oportunidades no tema da IA Física.
Todas as empresas de infraestrutura em que invisto possibilitam esse novo tema.
Meu objetivo com este relatório é apresentar esse tema de forma muito digerível, para que todos possamos começar com uma base sólida.
Quando penso em IA Física, penso nela como o ponto onde as máquinas se tornam inteligentes.
Então, estamos falando de visão, movimento, reconhecimento, força, segurança, feedback. Apenas para citar algumas características de alguns produtos finais.
O fluxo parece com: ver o mundo (através de câmeras e/ou sensores), entender essa entrada, decidir quais ações fazem sentido, criar movimento ou algum tipo de resposta, e então verificar o que aconteceu e ajustar.
O ciclo de feedback é uma peça crítica aqui. A máquina precisa aprender com o resultado, e isso é um grande diferencial em relação às máquinas 'não inteligentes' que apenas repetem o mesmo movimento pré-programado.
Enquanto você lê este post, quero que você faça anotações. Sempre que ler sobre uma área que acha que pode ser investível, pare e anote. Tente criar uma ramificação de quantas maneiras diferentes você acha que essa camada pode ser investível. Não empresas, apenas formas diferentes de monetizar, seja com um produto ou serviço. Depois de terminar, continue lendo. Repita o processo.
A Mudança
Da tela para o mundo real.
Grande parte do caso de uso da IA atualmente se enquadra na IA Generativa, com texto, imagem, código, vídeo, pesquisa, análise etc. Praticamente todo mundo que lê isso já usou, se não usa diariamente. ChatGPT, Claude, Gemini, etc.
A próxima onda, que já estamos vendo, é a Agêntica, onde a IA começa a executar tarefas em vez de apenas dar respostas. Então um agente pode pesquisar arquivos, atualizar planilhas, rascunhar e-mails, trabalhar na sua agenda etc. Ou seja, de 'responder' para 'fazer', mas apenas no âmbito digital.
Depois, há a IA Física, onde você tem controle de algo no mundo real. Em vez de dizer a um operador de máquina o que deu errado, ela pode ajustar a máquina.
Acho que o exemplo visual que a maioria das pessoas usa quando ouve falar de IA Física é um humanoide. Acabamos de ver a Figure fazer uma comparação ao vivo lado a lado de um humanoide e um humano separando pacotes.
Mas, na minha opinião, essa é uma das formas menos práticas de IA Física hoje. O que é real são drones, braços robóticos, tratores autônomos, sistemas de armazéns, sistemas cirúrgicos, sistemas de defesa e assim por diante.
A ideia mais profunda é que a IA está se aproximando do trabalho.
Relacionando, a IA Gen ajuda com conhecimento, a Agêntica ajuda com escritório/software, e a Física ajuda com... bem... trabalho físico. Ainda bem que simplificaram para nós.
Então, qual é o TAM aqui? Quanto dinheiro realmente existe na IA Física?
A resposta é: 'Sim'.
Tudo. Tudo.
Ok, mas falando sério, a economia física é enorme.
Estamos falando de fazendas, armazéns, minas, hospitais, sistemas de defesa, redes de transporte, infraestrutura de energia, construção. Tudo que você imaginar.
Por Que Isso É Difícil
Vamos ancorar este relatório no realismo.
Quando isolamos a IA dentro de uma tela, é muito mais fácil gerenciar. Erros não são tão críticos. Edições são fáceis de fazer. O ambiente é relativamente controlado.
Entre no mundo real e fica complicado.
A colocação de objetos é imprevisível. Humanos são caóticos (sem ofensa). Você tem fatores ambientais como chuva e vento. A luz dentro de um armazém pode variar.
Então esses sistemas precisam ENTENDER a incerteza. Novamente, essa é a parte 'inteligente'. Esses sistemas precisam funcionar mesmo quando objetos se movem imprevisivelmente, sensores ficam sujos, iluminação muda, pessoas cruzam seu caminho etc.
Depois tem o aspecto da segurança. Sim, há preocupações de segurança com software, especialmente se deixarmos agentes soltos em uma empresa, mas estamos falando de segurança física aqui. Estoque pode ser danificado, humanos podem se ferir, equipamentos podem quebrar.
Então esses sistemas precisam ser precisos, confiáveis, rápidos e seguros ao mesmo tempo.
Acho que precisão, confiabilidade e segurança são senso comum.
Velocidade pode surpreender algumas pessoas. Mas pense nisso. O exemplo mais claro é a direção autônoma. Se um humano entra na frente de um carro imprevisivelmente, ele tem que reagir quase instantaneamente para evitar uma catástrofe. Tem que haver latência mínima. É aí que entra a IA de Borda, pois você não pode esperar por um servidor em nuvem nessas janelas de resposta.
Depois há a coordenação entre as partes. O cérebro sozinho é insuficiente. Precisamos de sensores para ver, chips para processar informações, software para tomar decisões, motores para se mover, sistemas de energia para fornecer energia, sistemas de controle para manter a precisão e sistemas de segurança para evitar resultados ruins.
Parece uma cadeia de suprimentos... certo?
Bom. Bom.
Então, quando vemos demonstrações, a implantação real pode parecer muito diferente e mais distante. Uma coisa é ter uma máquina funcionando isoladamente. É muito diferente ser implantada todos os dias em ambientes reais. Então, além de todas essas coisas que acabamos de dizer que essas máquinas precisam ser capazes de fazer, elas também precisam ser duráveis e ter longa vida útil.
Se tudo isso parece um grande desafio... bom.
É.
E é aí que mora a oportunidade.
Porque as empresas que CONSEGUEM fazer isso. E CONSEGUEM escalar. Estão posicionadas para ganhar muito dinheiro.
O Ciclo Principal
Praticamente todo sistema que estamos discutindo aqui tem que passar por um ciclo semelhante.
1 - Ver o mundo
2 - Entender o que está acontecendo
3 - Decidir o que fazer
4 - Verificar resultados
5 - Melhorar
Vamos usar um exemplo prático.
Um robô de armazém.
Primeiro, ele tem que ver o corredor. Pode usar câmera, lidar, sensores de profundidade ou outros sensores para entender onde estão as prateleiras, onde estão as caixas e onde outros robôs ou pessoas estão se movendo.
Depois, ele precisa processar isso e entender. Ele precisa entender que um objeto é uma caixa, outro é um humano etc. Ele precisa entender distância, velocidade, direção e risco.
Então vem a decisão. Deve continuar se movendo? Desacelerar? Virar à esquerda? É aqui que a percepção começa a se transformar em ação.
Em seguida, o movimento. Motores giram, braços robóticos se ajustam, garra fecha. Seja o que for. Agora estamos no físico.
Depois, ele verifica o resultado. Chegou à prateleira certa? Pegou o item certo? Este é um passo crucial porque o mundo real é imprevisível.
Por último, ele melhora. Usa o feedback do que aconteceu para tomar uma decisão melhor da próxima vez. É basicamente como nós, humanos, também operamos. Talvez ele aprenda que um determinado objeto é mais difícil de agarrar ou que uma certa rota fica congestionada em um determinado horário.
Esse ciclo de feedback é o que separa a IA Física da automação básica. A automação antiga é um conjunto fixo de instruções. A IA Física se adapta, observa, reage, ajusta.
Todas essas etapas são a razão pela qual a pilha investível é tão grande. Estamos falando de sensores, chips, software, motores, energia, controles, sistemas de segurança, dados. Um corpo robótico sozinho é inútil sem o ciclo.
A Pilha Investível
Agora podemos entrar em mais detalhes sobre o que cada camada contém.
Ainda não vamos mergulhar em empresas. Precisamos estabelecer a base.
Gosto da ideia de comparar a IA Física a uma pessoa. Não no aspecto humanoide/estético. Mas nas funções e sentidos.
Humanos precisam de cérebro, olhos, músculos, nervos, energia, equilíbrio, memória e prática. Um sistema de IA Física precisa da versão mecânica de todas essas coisas, de uma forma ou de outra.
O robô/máquina literal que você vê é apenas uma parte do sistema. O que está por trás da máquina é muito maior e mais profundo. E é aí que realmente está a exposição a empresas de capital aberto.
Antes mesmo da pilha começar, temos o treinamento. Antes que uma máquina possa trabalhar no mundo real, a IA precisa aprender. Então precisamos de dados, modelos, exemplos de como são as boas ações. Pode treinar com dados do mundo real, dados sintéticos, dados de simulação ou demonstrações humanas. É como um novo funcionário aprendendo a executar um trabalho antes de começar.
Em seguida vem a simulação. É onde a máquina pratica em um mundo virtual. Então um robô de armazém pode praticar se movendo por corredores digitais. Um drone pode praticar voando por um campo de batalha digital etc. Isso é importante porque a prática no mundo real é cara, mais lenta e às vezes arriscada.
Em seguida vem a percepção.
Para ler o restante deste relatório, clique aqui:
Aprofundo-me no restante das camadas investíveis, para onde vejo esse tema indo e como será meu processo.
Junto com a Óptica, a IA Física agora é o segundo tema principal que estou cobrindo em profundidade.
Construção completa de portfólio
Desvendando todas as camadas
Apresentando empresas específicas
Cobertura de resultados etc.
