Quem paga pelos "dados básicos" dos humanoides? Uma mudança em Pequim mostra o que realmente importa.

Centro desativado - é o fim?

O centro de treinamento de robôs humanoides no Parque Shougang, em Pequim, que operava como um dos primeiros na China desde março de 2025, deixou de funcionar. De acordo com a mídia local, a razão foi a saída da Realman - fornecedora de hardware e tecnologia. Não foi o fim do projeto, mas sim uma reestruturação. O distrito de Shijingshan explicou que, após a saída do parceiro na fase I, o centro está passando para uma nova fase: desenvolvimento de campos de luz Gaussianos 4D e modelos de mundo. Em vez de construir mais projetos, a lógica operacional está mudando - da coleta de dados em condições controladas para seu uso em cenários reais.

Este não é o primeiro caso de um centro de treinamento que muda de direção. Nos últimos dois anos, muitas regiões da China investiram nessas instalações como parte de uma estratégia de desenvolvimento de inteligência incorporada. Mas a construção de infraestrutura é apenas o começo. A pergunta chave é: quem pagará pelos dados a longo prazo - e se esses dados serão realmente úteis?

Em maio deste ano, a fase III do centro em Shijingshan reuniu quase 270 robôs e tinha uma capacidade anual de produção de dados próxima a 20 milhões de pontos. Inicialmente, na fase I, em março de 2025, estava previsto produzir mais de um milhão de pontos de dados por ano. Esse ritmo de desenvolvimento mostra o quanto as regiões da China estão investindo em infraestrutura para robôs humanoides.

Os dados não são "dados básicos" - são uma ferramenta.

A lógica anterior era simples: quanto mais dados, melhor. O centro em Pequim deveria coletar mais de 20 milhões de pontos de dados por ano, principalmente a partir de cenários simulados - desde tarefas domésticas até montagem de eletrônicos. Mas, como se viu, os dados de condições estáveis de laboratório são difíceis de usar no mundo real. Os robôs encontram iluminação variável, irregularidades no piso, interrupções inesperadas - situações que não podem ser facilmente simuladas.

A Realman entendeu isso e mudou sua estratégia. Em vez de coletar dados em condições controladas, agora realiza operações remotas de robôs em fábricas, armazéns e residências. Isso funciona como um "circuito fechado": os dados são gerados durante o trabalho real, são imediatamente usados para melhorar o modelo, e este, por sua vez, lida melhor com as próximas situações. Não se trata mais apenas de coletar dados - é uma iteração contínua.

Dados de condições laboratoriais estáveis são difíceis de usar no mundo real, onde há iluminação variável, pisos irregulares e interrupções inesperadas. A Realman argumenta que os dados de operações reais em ambientes não controlados são mais valiosos para o modelo do que os dados de condições laboratoriais estáveis.

Quem pagará pelos dados no futuro?

O problema é que os dados para robôs humanoides têm um forte caráter de "domínio privado". Cada empresa usa corpos de robôs, sensores, sistemas de controle e arquiteturas de modelo diferentes. Portanto, os dados de um sistema são difíceis de usar por outro. Isso significa que, mesmo que um centro de treinamento colete milhões de pontos de dados, uma empresa pode não estar disposta a comprá-los - se eles não trouxerem uma melhoria direta para o modelo.

Portanto, surge um conflito: as autoridades locais querem construir centros públicos como infraestrutura de apoio ao desenvolvimento do setor, enquanto as empresas se concentram em se os dados são caros e se trarão valor real. Isso não é uma contradição - mas uma diferença de objetivos. Portanto, a questão-chave torna-se: quem financiará esse ciclo? Serão as empresas que o utilizam ou o Estado como investidor no futuro?

O valor dos dados reside na sua utilidade, e não na quantidade. Portanto, a questão-chave torna-se: quem financiará este ciclo? Serão as empresas que os utilizam ou o Estado como investidor no futuro?

Nova era de dados - da coleta à aplicação

Isso mostra que o governo entende que não existe um único método "correto". Os dados podem vir de simulações, vídeos, internet ou operações reais - mas seu valor depende de como são usados.

O futuro não está em construir mais centros de treinamento, mas em criar ciclos fechados: cenário → dados → modelo → melhoria. Isso significa que o centro não precisa ser "exatamente igual" - pode mudar, como fez Pequim. O importante é que ele funcione de acordo com as necessidades reais do modelo, e não apenas de acordo com um plano de investimento.

A Realman argumenta que os dados de operações reais em ambientes não controlados são mais valiosos para o modelo do que os dados de condições laboratoriais estáveis. Isso mostra que o futuro não está na quantidade de dados, mas na sua qualidade e utilidade.

O que isso significa para o futuro da robótica?

O encerramento do centro de treinamento em Pequim não é o fim, mas um ponto de virada. Mostra que construir infraestrutura sem um modelo claro de financiamento e aplicação é um risco. Mas também mostra que o futuro não está na quantidade de dados, mas na sua qualidade e utilidade.

Para as empresas, este é um desafio: elas precisam pensar nos dados como uma ferramenta para o desenvolvimento do modelo, e não apenas como um custo. Para os governos, há um novo papel: não construir centros, mas apoiar sistemas integrados que conectem dados a cenários e aplicações reais. Não se trata mais de "quem paga pela base de dados" - mas sim de "como transformar dados em valor".

Esta transformação demonstra que o futuro da robótica não reside na construção de centros de dados cada vez maiores, mas sim na criação de sistemas dinâmicos e integrados que combinem as condições reais de operação com a melhoria contínua dos modelos. O importante passa a ser não quem paga pelos dados, mas como esses dados são utilizados na prática - se eles se traduzem em decisões melhores, reações mais rápidas e ações robóticas mais confiáveis. Para as empresas, isso significa a necessidade de passar de uma mentalidade que vê os dados como um custo para uma mentalidade que os vê como a chave para a competitividade. Para os governos, isso significa um novo papel: não construir infraestrutura, mas apoiar ecossistemas que permitam ciclos fechados de dados.