Embora a inteligência artificial (IA) tenha se mostrado especialmente eficiente para responder a perguntas, muitos podem se perguntar de que outras formas essa tecnologia poderá ajudar no nosso dia a dia. Pois bem, já estamos começando a ver a próxima fase da IA, em que a inteligência saiu das telas e passou a interagir com o mundo físico.

Essa transição, conhecida como IA Física (Physical AI), permite que as máquinas percebam, compreendam, raciocinem e interajam de forma natural com o ambiente ao seu redor¹.

À medida que essa transformação acelera, ela está moldando a forma como sistemas inteligentes são projetados, implementados e escalados, trazendo implicações importantes para computação de borda (edge computing), latência e armazenamento local de dados de alto desempenho.

Já convivemos com exemplos de IA física, como veículos autônomos, drones e, claro, robôs. Essas tecnologias já são impressionantes, mas a próxima transição da IA física, a era dos robôs humanoides, é ainda mais complexa.

Da IA colaborativa de borda à próxima fronteira da robótica

O início da década de 1970 marcou o surgimento dos robôs móveis², que eram voltados principalmente para soldagem e movimentação de materiais. Esses robôs, baseados em sistemas operacionais de tempo real (RTOS), garantiam uma operação estável em aplicações que exigiam agendamento preciso em larga escala e eram controlados de forma centralizada.

Eles contavam com armazenamento local bastante limitado, de apenas alguns quilobytes (KB) de memória RAM, enquanto os dados eram enviados e armazenados em computadores externos ou PCs.

Desde 2019, a IA tem evoluído rapidamente, deixando de depender exclusivamente de uma arquitetura centralizada em nuvem para operar também na borda da rede, realizando inferência e tomada de decisão local em tempo real.

Chamamos essa evolução de IA colaborativa na borda (collaborative edge AI), e ela é essencial em situações em que cada milissegundo faz diferença, como em veículos autônomos.

Outro exemplo são os robôs móveis autônomos (AMRs), equipados com planejamento autônomo de rotas e inteligência para desvio dinâmico de obstáculos, como em ambientes de armazéns.

À medida que a inteligência embarcada, ou inferência na borda, aumenta, cresce também a necessidade de armazenamento local. Além disso, como esses dispositivos de IA precisam acessar dados cada vez mais rapidamente, o armazenamento em flash de alto desempenho torna-se fundamental para seu funcionamento.

Atualmente, esses dispositivos já incorporam armazenamento flash na casa dos gigabytes (GB). O que está por vir pode representar uma das fases mais empolgantes da IA: a era dos robôs humanoides.

Uma nova era dos robôs humanoides está começando

A projeção é que o número de robôs humanoides alcance 1,4 milhão de unidades até meados da década de 2030, e esse número pode ser revisado para cima, já que os investimentos no setor vêm crescendo mais rapidamente do que o esperado³.

Esse caso de uso da IA física depende de armazenamento em flash rápido, baseado em NVMe™. Isso porque, além de armazenar localmente os dados de treinamento, a IA física será capaz de realizar inferência e aprender continuamente, sem que seja necessário programar manualmente cada comportamento.

Esse aprendizado constante aumentará significativamente o volume de dados armazenados no próprio dispositivo e, consequentemente, a demanda por armazenamento local.

Por exemplo, desde aprender quanta pressão uma fruta macia suporta antes de ser danificada, e o que acontece quando esse limite é ultrapassado, até compreender o que ocorre quando um copo não está corretamente equilibrado sobre uma mesa, a IA física aprende continuamente a partir da interação com o ambiente, expandindo constantemente a base de conhecimento já existente.

Além disso, gravações em tempo real provenientes de múltiplas câmeras embarcadas nesses robôs, utilizadas para detecção de anomalias e reprodução de simulações, também aumentarão a necessidade de memória.

O armazenamento na borda é utilizado para tomada de decisões e uso em cache, enquanto os dados mais relevantes são enviados para a nuvem, onde ficam armazenados a longo prazo e servem para o treinamento centralizado dos modelos.

Resolvendo o paradoxo do armazenamento

Não existe uma solução única para todos os casos, já que diferentes tipos de robôs humanoides terão necessidades distintas de armazenamento. Um robô humanoide industrial armazena grandes conjuntos de dados de Visão-Linguagem-Ação (Vision Language Action ou VLA), informações provenientes de múltiplas câmeras e sensores LiDAR (Light Detection and Ranging), modelos locais de inferência de IA, registros de movimentos em alta frequência e dados de telemetria para manutenção. Para isso, pode precisar de vários terabytes (TB) de unidades de estado sólido (SSDs) NVMe.

Já um robô humanoide de uso geral, também chamado de robô humanoide incorporado (embodied humanoid robot), executará localmente modelos fundamentais multimodais e modelos de mundo (world models), capazes de compreender fala, visão e controle. Frequentemente, esses sistemas utilizarão grandes modelos de linguagem (LLMs) e modelos de difusão executados na borda para reduzir a latência.

Esses robôs poderão precisar de até o dobro da capacidade de armazenamento local de um robô humanoide industrial. Por sua vez, robôs humanoides destinados a operações em campo ou em áreas de risco poderão demandar ainda mais armazenamento local do que os modelos de uso geral.

Uma enorme quantidade de dados coletados por robôs humanoides será enviada aos data centers (DCs) para fins de treinamento e inferência de modelos. Isso provocará uma mudança significativa na arquitetura desses centros de dados.

As cargas de trabalho de IA exigem acesso aos dados com muito mais frequência e velocidade, impulsionando a necessidade de data lakes cada vez mais rápidos. Como consequência, SSDs de alta capacidade e alto desempenho baseados na tecnologia UltraQLC tornam-se fundamentais.

À medida que a IA física se consolida como um dos setores de evolução mais acelerada da tecnologia, o crescimento e o sucesso dos robôs humanoides dependerão inevitavelmente de uma base sólida construída sobre o armazenamento em flash.

João Almeida é country manager e diretor de vendas da Sandisk Brasil