Poucas vezes na história do capitalismo industrial um punhado tão pequeno de empresas comprometeu tanto capital, tão rápido, apostando em uma tecnologia cujo retorno financeiro ainda não está provado. Segundo estimativas compiladas pela Bloomberg e citadas por veículos de mercado, Alphabet, Amazon, Meta e Microsoft projetam, juntas, algo próximo de US$ 650 bilhões em investimentos de capital (capex) para infraestrutura de inteligência artificial em 2026 — um volume que, isoladamente, já supera o maior gasto anual de capital feito por qualquer companhia na última década. O Banco de Compensações Internacionais (BIS), frequentemente descrito como o banco central dos bancos centrais, estima que os cinco maiores provedores de nuvem (somando também a Oracle) devem gastar mais de US$ 1 trilhão em capex ligado à IA neste ano.
Esse dinheiro está indo para dois lugares ao mesmo tempo: os data centers gigantescos que treinam e rodam os modelos de linguagem, e — cada vez mais — para uma nova fronteira física, a robótica humanoide, que promete estender a inteligência artificial para além das telas e para dentro de fábricas, hospitais e, eventualmente, salas de estar. A questão que move investidores, formuladores de política e o cidadão comum é simples de formular e difícil de responder: esse é o início de uma transformação estrutural da economia comparável à eletrificação ou à internet — ou é o mais recente episódio de euforia especulativa, dessa vez com data centers no lugar de ferrovias?
O tamanho da aposta
Os números do ciclo atual de investimento não têm precedente recente. Segundo dados compilados pelo The Register e reportados pelo mercado, a Amazon prevê capex de US$ 200 bilhões em 2026, a Microsoft projeta US$ 190 bilhões, o Google cerca de US$ 180 bilhões e a Meta até US$ 140 bilhões, com a Oracle também ampliando suas apostas. Uma análise recente sobre risco sistêmico aponta que, coletivamente, os cinco maiores hyperscalers — Alphabet, Amazon, Meta, Microsoft e Oracle — já investiram mais de US$ 1 trilhão construindo infraestrutura de IA entre 2025 e 2026.
Esse volume de gasto está mudando a própria estrutura financeira dessas empresas. Em 2023, o capex das cinco maiores hyperscalers consumia cerca de 40% do fluxo de caixa operacional — um patamar administrável. Projeções da gestora PIMCO, citadas na mesma análise, apontam que essa proporção deve saltar para cerca de 94% entre 2026 e 2027, o que significa reinvestir quase a totalidade do caixa operacional gerado em infraestrutura de IA. Como a geração de caixa própria não é mais suficiente, essas companhias recorreram maciçamente ao mercado de dívida: a emissão de títulos corporativos ultrapassou US$ 100 bilhões em 2025, majoritariamente em dívida de longo prazo, com vencimentos acima de cinco anos.
De onde vem a demanda física
Enquanto o grosso do capex de 2025-2026 ainda financia o treinamento de modelos, uma fatia crescente já mira a robótica física. O setor de robôs humanoides recebeu um salto de investimento que os analistas descrevem como equivalente ao início do boom dos veículos elétricos, só que mais acelerado: o financiamento para robótica humanoide passou de cerca de US$ 700 milhões em 2018 para US$ 4,3 bilhões em 2025 — um aumento de seis vezes em sete anos. Em janeiro de 2026, mais de 50 empresas desenvolviam humanoides ativamente, somando 150 lançamentos comerciais já registrados.
As projeções de longo prazo do Bank of America chegam a um número que soa saído de ficção científica, mas que o banco apresenta com metodologia atuarial: uma população global de 3 bilhões de robôs humanoides até 2060, superando em termos per capita os cerca de 1,5 bilhão de carros que existem hoje no mundo, dos quais 62% estariam dentro de residências. O Morgan Stanley projeta algo mais modesto, mas ainda assim monumental: mais de 1 bilhão de robôs humanoides em operação até meados do século, movimentando mais de US$ 5 trilhões considerando equipamentos, cadeia de suprimentos, manutenção e serviços de suporte.
O detalhe que costuma escapar do noticiário mais entusiasmado é o cronograma setorial. Dados da Counterpoint Research citados pelo BofA mostram que, até 2027, 72% de todas as instalações de humanoides estarão concentradas em armazenagem e logística, setor automotivo e manufatura — o robô doméstico, dizem os analistas, é uma história da década de 2040, não desta década. A China já lidera a fase industrial dessa transição: o país opera hoje mais de 1,1 milhão de robôs industriais, com densidade robótica (robôs por 10 mil trabalhadores) superior a 300 unidades, um dos maiores índices do mundo.
"O robô que descarrega seu caminhão é uma história de 2027. O humanoide na sua sala de estar é uma história da década de 2040."Síntese de projeções setoriais do Bank of America Global Research, citadas por veículos de mercado
Cérebro e corpo: por que talvez não sejam as mesmas sete empresas
Um erro comum é assumir que as mesmas gigantes que dominam hoje o software de IA — as chamadas "Magníficas Sete" — vão automaticamente dominar também a manufatura física dos robôs. A história econômica sugere o contrário: hardware físico complexo tem cadeias de suprimento, margens e expertise industrial muito diferentes das de software em nuvem, e raramente os mesmos vencedores dominam as duas camadas simultaneamente.
O que já se observa é uma divisão de trabalho emergente. A Tesla, com seu robô Optimus, é a exceção que tenta se verticalizar, apostando que fabricação de veículos e de robôs compartilham competências centrais. Mas é a China que lidera hoje a fabricação física em escala e a comercialização de robôs — empresas como Unitree e UBTech, além dos operadores de robotáxi Baidu (via Apollo Go), Pony.ai e WeRide, que já rodam frotas sem motorista em cidades como Pequim, Wuhan e Shenzhen. O Morgan Stanley estima que o segmento chinês de robôs humanoides deve movimentar cerca de US$ 2 bilhões em 2026, saltando para US$ 15 bilhões até 2030, com um volume anual de cerca de 446 mil unidades.
A Nvidia ocupa uma posição peculiar nessa cadeia: não fabrica robôs, mas fornece boa parte dos chips e das plataformas de simulação usadas por praticamente todo fabricante de robótica para treinar seus sistemas — um papel parecido com o que já exerce no treinamento de modelos de linguagem. Startups especializadas como Figure, Agility e Apptronik seguem formalmente independentes das big techs de software, ainda que recebam aportes pesados delas.
Nem todo especialista em robótica compra a tese do humanoide acelerado. Rodney Brooks, roboticista do MIT e cofundador da iRobot, chamou publicamente a visão de robôs domésticos avançados de "pura fantasia", argumentando que robôs bem-sucedidos comercialmente terão rodas, não pernas, e não se parecerão com humanos. Peter Cappelli, da Wharton School, alertou que o pânico com perda de empregos causada por robôs é prematuro diante da maturidade tecnológica atual. Pesquisadores do Vale do Silício, em geral, seguem mais cautelosos quanto a prazos do que seus pares chineses, onde diretrizes governamentais e escala industrial aceleram a adoção.
A infraestrutura: nuvem para treinar, chip embarcado para agir
Uma dúvida técnica recorrente é se os mesmos data centers que hoje treinam grandes modelos de linguagem poderão ser reaproveitados para sustentar o mercado de robótica. A resposta é parcial: depende de qual parte do "trabalho cognitivo" do robô está em jogo.
O treinamento dos modelos que dão a um robô capacidade de perceber o ambiente, planejar tarefas e manipular objetos roda essencialmente na mesma infraestrutura de GPU em nuvem usada para treinar LLMs — e por isso boa parte do capex bilionário anunciado pelas hyperscalers já é descrito, nos próprios relatórios de investidores, como destinado a "infraestrutura de IA e robótica" de forma conjunta. Mas a decisão em tempo real — o robô ajustando a força ao perceber que uma caixa está amassada, ou recalculando o equilíbrio ao subir um degrau — não pode depender de uma viagem de dados até um data center remoto e de volta: a latência inviabilizaria qualquer controle motor fino. Esse processamento acontece localmente, embarcado no próprio robô, tipicamente em chips especializados de baixo consumo energético.
Isso cria um segundo mercado de semicondutores, distinto do universo de GPUs de treinamento que hoje domina as manchetes: um mercado de chips de borda (edge computing), no qual a Nvidia também compete, mas que abre espaço para fornecedores especializados em processamento embarcado de baixíssima latência. Analistas já apontam sinais de que a demanda de hardware está migrando de GPUs de ponta voltadas ao treinamento para peças otimizadas para inferência — uma mudança que altera o grupo de vencedores dentro da própria cadeia de semicondutores, sem que isso represente, por si só, um excesso de capacidade instalada.
As vozes céticas — e por que elas importam
Nenhuma análise séria sobre esse ciclo de investimento pode ignorar o crescente coro de vozes institucionais alertando para riscos. O mais notável veio do próprio BIS, que em seu relatório anual de 2026 comparou explicitamente o atual boom de capex em IA a episódios históricos de euforia tecnológica que terminaram em reversões bruscas — citando paralelos com a "mania" de canais e ferrovias na Grã-Bretanha do século 19, o entusiasmo com a eletrificação nos anos 1920 e a bolha das empresas ponto-com nos anos 1990. Em todos esses episódios, havia uma inovação tecnológica genuinamente transformadora — mas também uma entrada de capital superior ao que os retornos comerciais posteriores conseguiram justificar.
O BIS levanta três riscos concretos. Primeiro, o de concentração: se os retornos esperados frustrarem as expectativas do mercado, uma retirada repentina de financiamento poderia transformar o atual boom de capex em uma retração prolongada de investimentos, com potencial de afetar as condições financeiras de forma ampla. Segundo, o chamado "endividamento invisível": para não colocar toda a dívida em seus próprios balanços, hyperscalers vêm estruturando veículos de propósito específico (SPVs) que captam financiamento via crédito privado, garantido por contratos de longo prazo com as próprias big techs — um mecanismo que o BIS nomeou explicitamente como fonte de preocupação regulatória em seu relatório trimestral de março de 2026. Terceiro, o risco de contágio a fornecedores: empresas de engenharia, compras e construção envolvidas nos projetos de data centers tendem a ter balanços mais frágeis que os das próprias hyperscalers, e uma redução abrupta de capex poderia atingi-las em cadeia.
Outros sinais de mercado reforçam a cautela. A Allianz Research identificou um descompasso de quase 46% entre o volume de investimento em IA e a receita efetivamente gerada pelo setor — uma divergência maior do que a registrada durante o estouro da bolha de telecomunicações em 2001, quando esse descompasso foi de 32%. Um estudo do National Bureau of Economic Research, publicado em fevereiro de 2026, encontrou que 90% das empresas pesquisadas relataram nenhum impacto mensurável da IA sobre produtividade no local de trabalho, mesmo com executivos projetando aumentos de produtividade e produção — uma discrepância que analistas compararam ao clássico "paradoxo da produtividade" observado em ciclos tecnológicos anteriores.
Nem todos os grandes players do mercado financeiro compram a tese da bolha. Uma análise do JPMorgan de dezembro de 2025 aplicou uma estrutura de diagnóstico de cinco fatores à valorização do setor de IA e concluiu que o investimento está ligado a receita real das empresas, não apenas à especulação. O presidente do Federal Reserve, Jerome Powell, fez uma distinção semelhante em relação à bolha da internet dos anos 1990, argumentando que as empresas de IA atuais geram receita real e que o gasto com data centers está contribuindo para um crescimento econômico mais amplo. Segundo o Goldman Sachs Research, os investimentos em IA já equivalem a cerca de 0,8% do PIB americano — um patamar ainda distante dos 1,5% do PIB observados em ciclos de investimento tecnológico comparáveis ao longo dos últimos 150 anos.
E o Brasil nessa história?
O debate sobre robôs humanoides ainda soa distante da realidade de boa parte da economia brasileira, mas os efeitos da automação já aparecem nos dados oficiais. Segundo a PNAD Contínua do IBGE, o Brasil encerrou 2025 em um dos melhores momentos do mercado de trabalho da série histórica iniciada em 2012, com cerca de 103 milhões de pessoas ocupadas e desemprego entre 5,1% e 5,6%. Ainda assim, um estudo publicado na Revista Delos estima que 58,1% dos empregos brasileiros apresentam alto risco de automação nas próximas décadas, com os trabalhadores informais e de baixa qualificação entre os mais vulneráveis.
A resposta de política industrial já está em curso. O governo federal lançou um pacote de R$ 186,6 bilhões dentro do programa Nova Indústria Brasil para acelerar a transformação digital da indústria nacional até 2026, incluindo R$ 66 bilhões em crédito subsidiado e R$ 80 bilhões via BNDES, voltados a tecnologias como robótica, inteligência artificial, sensores industriais e conectividade 5G. Em seminário conjunto realizado em maio de 2026, técnicos do Ministério do Trabalho e Emprego, do BNDES e do DIEESE debateram se a automação vai substituir ou adaptar postos de trabalho — um economista do BNDES presente ao encontro destacou que a automação pode ampliar a produtividade da indústria brasileira, mas que isso depende de investimento paralelo em qualificação profissional e reorganização dos espaços produtivos.
Um estudo do DIAP (Departamento Intersindical de Assessoria Parlamentar) sintetiza bem o dilema estrutural do país: pesquisas internacionais mostram que países com instituições robustas tendem a transformar automação em ganhos de produtividade, enquanto países com instituições mais frágeis tendem a converter a mesma automação em desigualdade — uma distinção particularmente relevante para o Brasil, dada sua heterogeneidade regional e informalidade estrutural em torno de 38%.
Além dos robôs: outras fronteiras da mesma corrida
A robótica humanoide concentra a atenção do público, mas é apenas uma entre várias fronteiras físicas para onde o capital da IA está migrando. Um mapeamento da gestora de ETFs Global X, com US$ 162 bilhões sob gestão, identificou oito tendências que devem canalizar investimento global nos próximos anos — todas conectadas, direta ou indiretamente, à mesma infraestrutura de computação.
- Biotecnologia e saúde: o gasto global com P&D farmacêutico deve atingir US$ 360 bilhões até 2030, cada vez mais apoiado em modelos de IA para design de medicamentos e medicina genômica, num contexto de escassez global estimada em 11 milhões de profissionais de saúde.
- Semicondutores especializados: projeção de movimentar US$ 520 bilhões até 2030, incluindo os chips de borda que vão sustentar a inferência local em robôs e dispositivos.
- Cibersegurança: mercado global projetado para saltar de US$ 215 bilhões em 2025 para US$ 432 bilhões até 2030, protegendo tanto ativos militares quanto a infraestrutura civil que sustenta a vida cotidiana.
- Minerais críticos: o mesmo relatório alerta para uma possível crise de abastecimento na próxima década — não pela ausência de reservas, mas pela falta de novos projetos de mineração capazes de suprir a demanda de tecnologias eletrificadas e de IA física, que consomem muito mais minerais por unidade que suas equivalentes tradicionais.
Some-se a isso a própria infraestrutura de energia. A construção de data centers em escala global já aperta a oferta de eletricidade e amplia temores de alta de preços para outros consumidores, com incorporadoras e comunidades enfrentando disputas por uso de energia e água em regiões onde esses projetos se concentram. A necessidade global de infraestrutura nova e atualizada — transporte, habitação, energia, para além do debate estrito sobre IA ou robótica — deve exigir investimentos da ordem de US$ 106 trilhões até 2040.
A pergunta que fica
No Humanoids Summit 2025, realizado em dezembro do ano passado, mais de 2.000 executivos, engenheiros e investidores reunidos chegaram a um consenso surpreendentemente direto sobre a chegada da robótica em massa: a questão não é mais "se", mas "quanto tempo vai levar". A mesma frase, ironicamente, poderia resumir a dúvida oposta — quanto tempo vai levar até que o mercado descubra se o ciclo atual de gastos representa a base de uma nova era de produtividade, ou o mais recente episódio de uma longa história de euforia tecnológica seguida de ajuste doloroso. Historicamente, as duas coisas nem sempre foram mutuamente excludentes: ferrovias, eletrificação e a própria internet deixaram, cada uma a seu modo, tanto ruínas financeiras quanto infraestrutura que sustentou décadas de crescimento posterior. A pergunta em aberto para 2026 é qual dessas duas heranças a corrida da IA vai deixar primeiro.