General Intuition capta US$ 320 milhões para criar modelo de fundação físico

A startup de inteligência artificial física General Intuition deu um passo definitivo para consolidar uma mudança de paradigma na engenharia de robótica global. A companhia captou US$ 320 milhões em uma rodada de investimentos recente que elevou sua avaliação de mercado para US$ 2,3 bilhões, conforme anunciado pelo CEO da organização, Pim de Witte, em entrevista concedida ao podcast Equity, produzido pelo veículo de tecnologia TechCrunch. O aporte milionário valida uma tese de desenvolvimento que pode acelerar drasticamente a transição da computação física corporativa: a de que a robótica está prestes a vivenciar seu próprio momento de ruptura comparável ao provocado pelo ChatGPT, no qual modelos de fundação generalistas (foundation models) substituem softwares de controle de hardware proprietários e hiper-especializados, assim como o GPT-3 da OpenAI fez com os sistemas de processamento de linguagem natural tradicional.

Para compreender o impacto da arquitetura de software proposta pela General Intuition, é preciso recordar a evolução recente da inteligência artificial aplicada ao software corporativo. Antes que a OpenAI popularizasse o conceito de modelos de fundação com o lançamento do GPT-3, o ecossistema corporativo operava sob uma lógica fragmentada, onde desenvolvedores e cientistas de dados construíam modelos especializados de processamento de linguagem natural (NLP) do zero. Esse processo de desenvolvimento exigia o recolhimento e tratamento de gigantescos volumes de dados altamente específicos para cada funcionalidade de negócios desejada. Atualmente, o fluxo de engenharia foi invertido: a esmagadora maioria das organizações prefere iniciar seus projetos de software acionando modelos massivos de uso geral pré-treinados, como a série GPT da OpenAI, a família Claude da Anthropic ou o Llama desenvolvido pela Meta, realizando apenas ajustes finos leves ou prompts direcionados para suas necessidades específicas.

A transição dos modelos especializados

De acordo com o posicionamento apresentado por Pim de Witte ao TechCrunch, a inteligência artificial embarcada (embodied AI) — termo técnico que define sistemas de inteligência que interagem ativamente com o mundo físico real através de corpos robóticos — está prestes a replicar o mesmo padrão evolutivo visto no ecossistema de software textual. Atualmente, a indústria global de robótica avançada encontra-se presa no modelo antigo de desenvolvimento. Grandes empresas de tecnologia e startups investem quantias astronômicas de recursos para programar sistemas de movimentação individuais, capturar conjuntos de dados proprietários e treinar modelos que comandam apenas um tipo específico de máquina em um ambiente altamente controlado. Em sua participação no Equity, o executivo da General Intuition apontou que o mercado direciona esforços desnecessários para a especialização de robôs singulares em cenários limitados, um trabalho que corre o risco de se tornar obsoleto com o avanço de soluções unificadas.

O cerne do argumento de Pim de Witte reside no fato de que grande parte do esforço de engenharia focado em ambientes isolados será neutralizado pela chegada de modelos generalistas como o que a General Intuition vem projetando e implementando comercialmente. O executivo defende que o verdadeiro valor de mercado não está na construção de robôs mais resistentes ou rápidos, mas sim na sofisticação lógica que comanda as ações físicas dessas máquinas. Como destacou de Witte, a grande entrega da startup para o mercado corporativo é a própria generalização de sua inteligência física. A capacidade inata de seu modelo de executar raciocínio lógico sobre as dimensões de espaço e tempo elimina a necessidade de as empresas realizarem a coleta custosa e lenta de centenas de milhares ou até milhões de horas de dados de funcionamento em ambientes reais. Na prática, a inteligência da startup demonstra que apenas alguns minutos de demonstração em vídeo são suficientes para calibrar a locomoção de um novo dispositivo físico.

O treinamento com videogames

Para construir um cérebro digital dotado de tal raciocínio espaço-temporal, a General Intuition adotou uma estratégia de engenharia de software diferenciada: o treinamento sistemático de seu modelo a partir de milhões de horas de dados de vídeo extraídos diretamente de jogos de videogame de última geração. O ponto central da metodologia, de acordo com o CEO Pim de Witte e o renomado investidor líder da rodada, Vinod Khosla, reside no fato de que o treinamento incluiu não apenas as imagens dos jogos, mas também a correlação matemática precisa de dados de ação real, como os registros de quais botões de controle de videogame os jogadores humanos pressionaram e o momento exato em que cada comando foi executado. Khosla e de Witte compartilham a visão técnica de que essa combinação refinada de input visual de simulações físicas virtuais e comandos analógicos sequenciais é a chave para ensinar a uma inteligência artificial uma intuição de locomoção e interação física equivalente à percepção humana do mundo real.

A solidez prática da tese científica defendida pela startup e respaldada pelo fundo de Vinod Khosla foi comprovada de forma inequívoca em testes recentes realizados sob a supervisão técnica da empresa. O modelo de fundação de inteligência artificial física da General Intuition provou ser capaz de operar em duas frentes radicalmente distintas simultaneamente. Em ambiente digital, a IA conseguiu jogar videogames de forma autônoma por longas horas consecutivas. Em ambiente puramente físico, o mesmo modelo central foi implantado para controlar o sistema de movimentação mecânica de um robô quadrúpede avançado. O detalhe técnico mais expressivo desse experimento reside no fato de que o robô quadrúpede precisou passar por um processo de ajuste fino (fine-tuning) de apenas oito minutos de dados reais coletados de robótica antes de conseguir se mover de maneira ágil e segura pelo espaço físico.

Resultados práticos do modelo

O sucesso do experimento com o robô quadrúpede surpreendeu até mesmo a equipe técnica de engenharia da General Intuition. Utilizando apenas o canal visual gerado por sua câmera frontal embutida — sem o auxílio de quaisquer sensores adicionais tradicionais como sensores infravermelhos, giroscópios auxiliares de precisão ou sensores de toque —, a máquina foi capaz de operar em modo de disparo único (zero-shot), ou seja, sem treinamento prévio específico para as alterações espaciais que enfrentaria em tempo real. O teste físico foi executado de forma proposital dentro dos escritórios da própria startup, um local caracterizado pela imprevisibilidade de pessoas caminhando pelas salas, alteração de mobília e a introdução contínua e dinâmica de obstáculos e objetos em movimento no caminho de navegação do dispositivo quadrúpede.

Ao descrever o momento em que a equipe avaliou o comportamento da máquina operando em condições de escritório com apenas oito minutos de calibração prévia, o executivo-chefe da startup, Pim de Witte, detalhou o espanto profissional que o feito gerou internamente, ressaltando a relevância do experimento para o futuro da computação física mundial:

"O fato de [o robô] ter sido capaz de operar em zero-shot usando apenas a câmera frontal, sem outros sensores, no escritório com objetos dinâmicos sendo introduzidos e pessoas passando foi uma grande surpresa para nós. Acho que é um sinal do que está por vir."

Estratégia de negócios da startup

Em vez de canalizar os US$ 320 milhões obtidos de investidores como Vinod Khosla na produção própria de maquinário pesado ou na estruturação de linhas de montagem industrial, a General Intuition adotou uma estratégia de posicionamento de plataforma pura. A empresa não planeja fabricar robôs comerciais, tampouco competir de forma direta no mercado de hardware de automação. A grande meta estratégica traçada é se posicionar estritamente como a fornecedora do modelo de fundação que servirá de alicerce cognitivo universal para outras empresas de robótica construírem suas próprias soluções físicas corporativas. O CEO Pim de Witte sintetizou a estratégia comercial de forma assertiva ao declarar publicamente que a companhia não irá fundar uma fabricante de carros autônomos, mas fornecerá a inteligência física central que tornará dez vezes mais fácil para que qualquer outra corporação de engenharia crie seu próprio ecossistema de transporte autônomo de forma ágil.

Além do avanço técnico direto na navegação física, a arquitetura de simulação em jogos digitais utilizada pela General Intuition resolve um dos maiores problemas financeiros da inteligência artificial de fronteira: o alto custo do registro de dados reais (real-world data). Enquanto as abordagens de treinamento físico comuns de empresas automobilísticas ou logísticas demandam o envio de frotas de automóveis reais ou maquinários industriais caros para as ruas e galpões para registrar colisões e dinâmicas de trânsito, o treinamento com base em milhões de horas de gameplays de videogame permitiu ao modelo assimilar as leis fundamentais da física de forma virtual. O fato de que o comportamento cinemático e a reação a comandos podem ser mapeados diretamente a partir de botões de controle pressionados e capturados em simulações interativas reduziu drasticamente o custo por hora de dados de treinamento, validando a sustentação financeira do aporte liderado por Vinod Khosla.

O impacto no mercado tecnológico

Essa abordagem de plataforma de software voltada para a robótica tem o potencial de impactar severamente o desenvolvimento tecnológico global, incluindo o mercado de tecnologia no Brasil. Atualmente, o país enfrenta grandes desafios para consolidar indústrias tradicionais de manufatura de alta precisão de hardware robótico devido aos altos custos de importação de microprocessadores e sensores. Contudo, ao reduzir os requisitos de calibração lógica de anos de treinamento físico para poucos minutos com o modelo da General Intuition, o ecossistema brasileiro de desenvolvedores de software, integradores de automação industrial e startups agrícolas poderá criar soluções de robótica avançada acoplando a inteligência física de fundação de terceiros a plataformas de hardware já existentes, de forma similar ao que desenvolvedores brasileiros já executam ao integrar APIs do Llama, Claude ou do ecossistema de modelos GPT da OpenAI, sem precisar reescrever infraestruturas neurais básicas do zero.

A consolidação dessa inteligência de movimentação espacial focada exclusivamente no processamento de vídeo de câmera frontal sem sensores extras promete democratizar o acesso à automação física. Robôs de vigilância patrimonial, braços de manipulação fabril de pequenas indústrias e robôs quadrúpedes focados em tarefas logísticas complexas poderão, a partir de agora, operar sem a dependência de sistemas dispendiosos de sensoriamento que historicamente encarecem o desenvolvimento de projetos físicos comerciais. Segundo a análise de analistas de mercado, ao pavimentar esse ecossistema, a General Intuition consolida as bases conceituais para que a robótica ultrapasse de uma vez por todas a sua fase mecânica e rígida tradicional e atinja, de forma de análoga à revolução gerada pelas IAs de linguagem, a era dos sistemas cognitivos fisicamente adaptáveis a qualquer ambiente humano de forma dinâmica.

Do ponto de vista puramente técnico, a surpreendente capacidade de locomoção em modo zero-shot demonstrada pelo modelo da General Intuition sinaliza o fim da era em que a inteligência artificial embarcada dependia do mapeamento prévio meticuloso de cada centímetro cúbico do ambiente operacional. Tradicionalmente, robôs industriais necessitam de delimitações espaciais milimetricamente planejadas por engenheiros civis e de hardware. Ao conseguir desviar de pedestres em trânsito e de objetos móveis em tempo real dentro do escritório da startup a partir de meros oito minutos de treinamento prático e o input exclusivo de uma única câmera frontal, a tecnologia desenvolvida por Pim de Witte e financiada por Vinod Khosla demonstra que a intuição de espaço-tempo absorvida dos ambientes tridimensionais dos videogames opera com extrema fidelidade cinemática quando transposta para a complexidade caótica e imperfeita do mundo de carne e osso.

Essa drástica economia de tempo de desenvolvimento — reduzindo para alguns minutos uma carga de calibração que costumava exigir centenas de milhares de horas de simulações físicas e coleta de dados caros no mundo real — altera permanentemente a estrutura de viabilidade comercial para novos entrantes no setor de hardware inteligente. Empresas que buscam lançar novos produtos de automação física não precisarão mais atuar de forma verticalizada, arcando simultaneamente com o design mecânico e com o desenvolvimento de algoritmos profundos de visão computacional e navegação espacial. Com o licenciamento do modelo de fundação unificado da General Intuition, o mercado poderá se especializar em divisões eficientes de trabalho, impulsionando fabricantes de maquinários físicos a focarem seus esforços em soluções de durabilidade de baterias, ergonomia de chassis e robustez de motores, deixando a complexidade lógica cognitiva inteiramente a cargo de sistemas integrados de inteligência física de fundação em larga escala.