Uma empresa de robôs de US$ 14 bilhões que não constrói um robô
Dentro da Skild AI, a startup de Pittsburgh já está construindo um “cérebro global” que alimenta centenas de máquinas de fábrica.
Oito meses depois de Jensen Huang ter anunciado “O momento do ChatGPT para IA física está quase chegando” Na CES 2026, uma startup de Pittsburgh provou que ele estava certo, não com demonstrações virais, mas com robôs reais em fábricas reais que geram receita real.
O CEO da Nvidia, Jensen Huang, subiu ao palco em Las Vegas em janeiro, dizendo: “O momento ChatGPT para IA física está próximo,“A indústria robótica aplaudiu. Os protótipos humanóides dançaram na hora certa. Os protótipos da fundação eram de código aberto. Os capitalistas de risco preencheram cheques com zeros extras.
A startup de robótica cerebral Skilled AIis, com sede em Pittsburgh e São Francisco, tem três anos e já está avaliada em mais de US$ 14 bilhões, prova que Jensen Huang não está falando para a sala. A empresa fechou uma rodada Série C de US$ 1,4 bilhão em janeiro liderada pelo SoftBank, avaliando NVIDIA, Jeff Bezos através da Bezos Expeditions, Macquarie Capital, 1789 Capital e uma lista de financiadores estratégicos, incluindo Samsung, LG e Schneider Electric, em mais de US$ 14 bilhões. Capital total levantado até o momento: Mais de US$ 2 bilhões. Receita em sua primeira expansão comercial significativa: cerca de US$ 30 milhões em seis meses em 2025. Seu software é executado em centenas de robôs dentro de fábricas, data centers e centros de logística, incluindo a fábrica da Nvidia em Houston, várias empresas de fiação e construção não identificadas e a LaGuardia Testing. Parceiros OEM como ABB Robotics, Universal Robots e Mobile Industrial Robots incorporam o cérebro especializado diretamente em suas próprias máquinas, transformando hardware especializado em ferramentas de uso geral.
“Estamos agora começando a ver o início de todo esse processo,Abhinav Gupta, cofundador e presidente da Skilled diz:Vemos muitos robôs entrando em fábricas e armazéns, como Schild já tem centenas de robôs habitando essas cenas. Então eu diria que este é o início de um momento GPT, que acontecerá ao longo do próximo ano e meio.“
Abhinav Gupta sabe. Antes da SKILL, ele passou quatro anos construindo o FAIR Robotics Laboratory da Meta do zero, após uma década em visão computacional e pesquisa em robótica. Ele foi cofundador da empresa em 2023 com o colega professor da Carnegie Mellon, Deepak Pathak. Ele disse que o ponto de inflexão ocorreu quando as demonstrações passaram de gravações refinadas para sistemas presenciais em tempo real. “As pessoas não mostram mais vídeos, elas mostram demonstrações ao vivo, coisas que funcionam na sua cara. Então, como estava começando a funcionar, decidi que era hora de fazer minhas próprias coisas.“
“Agora, novamente, quero lembrá-los de que 2023 é antes da chegada do ChatGPT. Portanto, fomos uma das primeiras empresas a realmente apresentar um modelo fundamental de robótica antes do anúncio ser divulgado. Agora você vê muitas empresas falando sobre isso.“diz Abhinav Gupta. “Mas os últimos três anos foram incríveis. Não apenas construímos nosso primeiro modelo fundamental, mas também construímos um modelo muito robusto que funciona em diferentes ambientes.
Esse modelo fundamental é o que Schilt chama de cérebro Schilt: um “Corpo inteiro“Um sistema de IA projetado para controlar qualquer robô: quadrúpedes, humanóides, braços de mesa, manipuladores móveis não é personalizado para cada tipo de corpo. A capacidade não produz hardware. Ela cria a camada de inteligência universal que o impulsiona.
“Portanto, temos uma abordagem muito horizontal da robótica. Isso significa que construímos uma plataforma ou cérebro que funciona para qualquer tarefa, qualquer situação e qualquer hardware. Qualquer tarefa, qualquer hardware, um cérebro é o nosso lema.“Explica Abhinav Gupta. A lógica é mais prática: nenhuma tarefa ou corpo robótico gera dados suficientes para treinar um modelo que possa lidar com o caos do mundo real.”E a razão é que você precisa de muitos e muitos dados para construir esses modelos e cérebros fundamentais. Se você realizar apenas uma tarefa, não haverá dados suficientes. Se você usar apenas uma peça de hardware, não haverá dados suficientes. Você despeja dados de todos os lugares onde pode obtê-los e aprende um modelo geral que transcende a tarefa e o formato do hardware.“Consequentemente, ele argumenta, é um sistema”O verdadeiro corpo por trás disso é aprender IA. É sobre como o mundo funciona no mundo físico.“
O problema da escassez de dados sempre foi um gargalo central na robótica e, ao contrário dos grandes modelos de linguagem que se alimentam de toda a Internet, historicamente os robôs tiveram que aprender uma tarefa de cada vez no mundo físico. A resposta da Skill é um pipeline de três camadas.
Primeiro, vídeos humanos em escala web ensinam ao modelo como são as tarefas em vários contextos. Em seguida, bilhões de cenas simuladas são executadas na plataforma Isaac da NVIDIA, permitindo que o cérebro treine sob condições extremas. Finalmente, uma pequena quantidade de dados reais de telecomunicações e implantação ajusta o computador para tarefas específicas com alta precisão.
“Temos muita fome de dados em robótica. Não temos dados suficientes,“Abhinav Gupta concorda.”Portanto, na Skilled, usamos todos os dados que podemos obter para treinar nossos modelos.“
Ele usa uma analogia do tênis para explicar por que o vídeo sozinho não consegue resolver o problema: “Se os vídeos bastassem, todos poderíamos assistir aos vídeos de Roger Federer e nos tornarmos Roger Federer. O tênis não é assim. Temos que ir e praticar. É aí que entra a simulação. Aplicamos as tarefas que você aprendeu nos vídeos e praticamos em simulações sob diferentes condições. Pense em ventos fortes, amortecendo a bola, e você ainda estará aprendendo a jogar tênis nessas condições. Isso lhe dá força e como se recuperar quando as coisas dão errado.“
As implantações já se acumularam. Os cérebros da Shield agora estão funcionando nas linhas de montagem da fábrica da Nvidia em Houston, com a Foxconn lidando com tarefas complexas de produção da GPU Blackwell. Está estacionado no Aeroporto LaGuardia. Em março, a Skilled AI anunciou uma parceria com a ABB Robotics e a Universal Robots para incorporar a sua inteligência em portfólios de robôs industriais e colaborativos em todo o mundo, revolucionando a automação para fabricantes de pequeno e médio porte.
“Portanto, a nossa tese de negócio é que os robôs estão prontos hoje. Eles não estão prontos para as casas de amanhã,” diz Abhinav Gupta. O hardware também dita a velocidade. O modelo de Skill depende de muitos fatores, como mãos, plataformas móveis, empilhadeiras, figuras humanas, mas Abhinav Gupta é realista sobre quais corpos amadurecem.O Humanoid ainda está lá, o hardware ainda não está pronto para ser implantado, mas ainda tem um longo caminho a percorrer. E a nossa tese é implantar o máximo que puder, porque no final das contas quem tem a vantagem da implantação também tem a vantagem dos dados.“
Essa vantagem de dados é o jogo inteiro. Cada habilidade do robô alimenta o cérebro com dados de desempenho do mundo real, otimizando cada implantação subsequente. É o volante clássico, só que desta vez o volante é baseado no corpo.
O caminho do negócio é deliberado e contínuo. Comece com ambientes construídos onde o ROI é imediato: fábricas, armazéns, data centers. Mude-se para locais semipúblicos, como aeroportos e bancos. E então, finalmente, para casa.
“Digo muito às pessoas que o momento GPT na robótica não vai acontecer da noite para o dia. Porque não é como um aplicativo que pode ser colocado na web e milhões de pessoas podem usá-lo. Com a robótica, você precisa implantar um robô por vez. Então é um processo muito lento.“Para ele, a mudança é visível no aparecimento gradual das máquinas no ambiente construído.”Então, para mim, o momento GPT é quando os robôs começam a aparecer cada vez mais ao nosso redor. Então começa nas fábricas e armazéns. Cada fábrica e cada armazém possuem muitos robôs. Depois, os robôs aparecem em locais públicos, por exemplo, aeroportos, conferências, centros comerciais e, finalmente, a última parte do momento GPT são os robôs em todas as casas, robôs de consumo.“A capacidade, diz ele, já existe”Essas cenas são habitadas por centenas de robôs,“E ele espera que a pilha saia.”Durante o próximo ano e meio.“
Por enquanto, o foco está em tornar o cérebro mais geral. Abhinav Gupta diz que o objetivo da equipe é reduzir a quantidade de dados específicos da missão necessários para um novo trabalho.
“Sim, na Skilled estamos agora tentando tornar nossos cérebros cada vez mais poderosos. Tentamos minimizar a quantidade de dados pós-treinamento. Nossa esperança é que possamos realmente ter um modelo geral que possa ser treinado de zero a uma instância de uma nova tarefa e se torne muito robusto em zero dias. Então, novamente, estamos trabalhando no momento em reduzir a quantidade de dados que precisam ser classificados.“
Se conseguirem, Skillt não será outro unicórnio de IA com uma classificação alta. Será o sistema operacional padrão para toda a indústria robótica.
