Global humanoid robotics and embodied AI — Interpretação do relatório

Visão geral

Esta atualização global sobre robótica humanoide interpreta os World Humanoid Robot Games de 2026 e os recentes desenvolvimentos do setor pela paradoxo de Moravec: a locomoção melhorou substancialmente, mas percepção, raciocínio no mundo físico e execução produtiva de tarefas continuam sendo os desafios decisivos. A Morgan Stanley vê a comercialização se ampliando, especialmente na China, e considera dados, inteligência robótica e feedback de implantação como determinantes-chave do progresso.

Visões principais

O relatório argumenta que o setor está saindo de demonstrações chamativas de locomoção para a questão mais difícil de saber se humanoides conseguem realizar tarefas úteis, variáveis e de múltiplas etapas com eficiência suficiente para implantação comercial. Os World Humanoid Robot Games de 2026 reuniram 666 equipes e 2,056 robôs, ante cerca de 280 equipes em 2025. O Tiangong correu 100m em 8.64 segundos, ante 21.5 segundos em 2025, mas a Morgan Stanley dá mais peso às 21 competições de cenários reais em fábricas, residências, hotéis, varejo, hospitais e resposta a emergências. Os testes exigiam interpretar instruções faladas, preparar e entregar alimentos e executar manipulação fina; a execução plenamente autônoma recebeu o dobro do peso da operação remota nos cenários relevantes. A conclusão é que a capacidade física avançou, mas produtividade, adaptabilidade e autonomia são agora os critérios relevantes para a comercialização. A Morgan Stanley identifica o “cérebro” do robô e os dados como os principais gargalos globais. Lançamentos recentes como DYNA-2, Skild AI S1 e Generalist GEN-1.5 buscam reduzir o custo de adaptação a novas tarefas usando poucos exemplos ou demonstrações curtas e, em alguns casos, lidar com sequências mais longas de tarefas. O DYNA-2 foi treinado principalmente com mais de 1 milhão de horas de vídeo egocêntrico humano e teria mostrado uma relação de escalonamento entre treinamento com vídeo humano e capacidade robótica. O relatório enfatiza que rendimento, diversidade dos dados e feedback de implantação podem ser vantagens mais duradouras do que a arquitetura do modelo isoladamente. As empresas estão ampliando parâmetros de modelos, capacidade computacional — várias já operam em escala de cerca de mil placas — e coleta de dados, com metas de 1 milhão de horas utilizáveis até o fim de 2026 ou 2027. A iniciativa de dados da Figure ilustra a escala de investimento: reportou 260,000 downloads de aplicativo, mais de 44,000 usuários ativos semanais e 16 milhões de vídeos, havia pago US$15 million aos criadores e planejava gastar mais de US$1 billion em dados e computação nos próximos 12 meses. Os indicadores de demanda estão melhorando, mas ainda permanecem em estágio inicial. Os embarques globais de humanoides chegaram a 19,000 unidades em 1H26, alta de 272% em relação às 5,000 de 1H25, e os participantes chineses responderam por 97%. Cerca de 65% dos embarques da China ainda eram destinados a entretenimento, educação/P&D e coleta de dados, embora os usos industriais e comerciais estivessem se ampliando. Por formato, bípedes de meia altura respondiam por cerca de 50% do volume, enquanto os modelos com rodas representavam cerca de 29% e cresciam rapidamente em ambientes comerciais e industriais. A Morgan Stanley espera que mais pilotos de 1H26 se convertam em implantações mais amplas a partir de 2H26 e projeta que os embarques da China atinjam 50,000 unidades em 2026e e 446,000 em 2030e. Exemplos de impulso de implantação incluem robôs da Ant Group em turnos noturnos de farmácias, um plano para implantar ao menos 1,000 unidades Hexagon AEON em manufatura e a meta da Hyundai de implantar Atlas a partir de 2028, com capacidade anual de produção de robôs nos EUA de 30,000 unidades. O apoio de políticas é outra parte do ciclo de comercialização, especialmente na China. O relatório observa que a iniciativa chinesa de 2026 visa capacidade de implantação de nível 10,000 e mais de 100 aplicações de alto valor até o fim de 2026, e que governos locais e SOE centrais devem identificar locais operacionais para treinamento de humanoides. Também acompanha a atividade de políticas na Coreia do Sul, Japão, Estados Unidos e Reino Unido. Ao mesmo tempo, aponta que a dependência da IA física de câmeras, LiDAR e sensores de força/torque pode suscitar preocupações com segurança de dados e vigilância, e que robôs habilitados por IA têm características claras de dupla utilização sob a ótica de segurança nacional. No dimensionamento de longo prazo, a Morgan Stanley estima adoções globais acumuladas de aproximadamente 28.1 million humanoides até 2036, 138.5 million até 2040, cerca de 430 million até 2044 e aproximadamente 1 billion até 2050. A estimativa para 2050 inclui aproximadamente 935.1 million adoções comerciais e 84.2 million residenciais. Assumindo um ciclo de reposição de seis anos, estima receita anual global de humanoides de US$336 billion até 2035, US$2.0 trillion até 2040 e US$7.5 trillion até 2050. O modelo pressupõe forte deflação de ASP: em mercados de alta renda, o ASP cai de US$200,000 em 2024 para cerca de US$75,000 em 2050; em mercados de menor custo, cai de cerca de US$50,000 para cerca de US$21,000. Assim, o cenário de adoção depende de produção em escala, cadeias de suprimentos localizadas e da capacidade dos robôs de atingir desempenho economicamente útil no mundo real.

Estrutura de análise

A Morgan Stanley combina observações dos World Humanoid Robot Games de 2026, indicadores de embarques e implantação, atualizações de empresas e modelos, acompanhamento de políticas, filtros de cadeia de valor e um modelo ascendente de adoção. Ela avalia a transição de demonstrações para execução de tarefas comercialmente produtivas e estima a demanda de longo prazo com hipóteses regionais de adoção, queda de ASP e um ciclo de reposição de seis anos.

Notas metodológicas

• Marco de análise setorialMarco de oferta e demanda

  Estimativa de adoção e tamanho de mercado de humanoides baseada em hipóteses de implantação, trajetórias de ASP e demanda de reposição.

  O relatório estima unidades adotadas por grupos de renda dos países e mercados finais e converte a demanda em receita usando preços médios de venda decrescentes e um ciclo de reposição de seis anos.

• OutroOutro

  Avaliação de leis de escalonamento para dados de treinamento de IA incorporada.

  O relatório usa evidências divulgadas pelo DYNA-2 e outros modelos para avaliar se mais dados de vídeo humano podem melhorar a capacidade robótica e reduzir o custo de adaptação a novas tarefas.

Dados principais

• Embarques globais de humanoides19,000 units in 1H26Alta de 272% em relação a 5,000 unidades em 1H25; participantes chineses responderam por 97%.
• Previsão de embarques de humanoides na China50,000 units in 2026e; 446,000 units by 2030eA Morgan Stanley espera que pilotos se convertam em implantações mais amplas a partir de 2H26.
• Adoção global acumulada de humanoides~28.1 million by 2036; ~138.5 million by 2040; ~430 million by 2044; ~1 billion by 2050Estimativas da Morgan Stanley.
• Receita anual do mercado global de humanoidesUS$336 billion by 2035; US$2.0 trillion by 2040; US$7.5 trillion by 2050Pressupõe um ciclo de reposição de seis anos.
• Desempenho do Humanoid 100+47% since February 6, 2025Ponderado igualmente, com ajuste para adições e exclusões; dados citados até 28 de agosto de 2026.
• Desempenho da China Humanoid Value Chain-1.3% MTD and -21.8% YTDPonderado igualmente em 28 de agosto de 2026; MSCI China ficou em -0.5% MTD e -9.1% YTD.

Impacto e implicações

O relatório descreve a próxima fase do setor de humanoides como um desafio de comercialização e inteligência, e não uma corrida de locomoção. Ele espera que empresas e participantes da cadeia de valor sejam cada vez mais diferenciados pelo acesso a dados escaláveis, capacidade de modelos, feedback de implantação, validação industrial e capacidade de reduzir custos por meio de escala de produção.

Riscos

• Disponibilidade, diversidade e qualidade dos dados continuam sendo um gargalo para o desenvolvimento de modelos de IA incorporada.
• Os robôs precisam provar que conseguem executar tarefas reais de maneira eficiente e produtiva; muitos locais ainda operam apenas dezenas de robôs.
• Sensores e modelos de IA física podem gerar preocupações com segurança de dados, vigilância e segurança nacional devido às suas características de dupla utilização.

Pontos a observar

• A conversão de pilotos de 1H26 em implantações mais amplas a partir de 2H26.
• Evidências de execução produtiva e autônoma em tarefas industriais e comerciais reais.
• O progresso rumo a 1 milhão de horas de dados utilizáveis e a qualidade dos ciclos de feedback de implantação.
• A implementação na China das metas de capacidade de implantação de nível 10,000 e mais de 100 aplicações de alto valor até o fim de 2026.
• Se atualizações dos modelos reduzem materialmente o tempo e o custo necessários para ensinar novas tarefas aos robôs.