What iPhone Packaging Reveals About the Robotics Opportunity

Josh Gruenstein, CEO e cofundador da Tutor Intelligence — empresa com cerca de 160 funcionários sediada em Boston e Watertown, Massachusetts —, debate os gargalos práticos e a viabilidade econômica da robótica industrial com os sócios gerais da Andreessen Horowitz (a16z), Martin Casado e Raghu Raghuram. A tese central da Tutor é que a robótica não é apenas um problema de modelo de inteligência artificial ou de hardware isolado, mas um desafio sistêmico completo que integra IA de fronteira, fabricação própria de robôs, cadeia de suprimentos e modelos de negócios alinhados à economia real.

O modelo da Tutor Intelligence e o ecossistema atual

A Tutor Intelligence desenvolve modelos de IA para robótica, fabrica seus próprios robôs em escala e os implementa diretamente em clientes que variam de pequenas empresas familiares a corporações Fortune 50 e Fortune 100. Gruenstein afirma que robôs da Tutor já auxiliaram na fabricação e no envio de mais de 250 milhões de produtos para consumidores norte-americanos.

O problema de sistemas e a verticalização

A ilusão da inteligência infinita: Gruenstein aponta que, mesmo que existisse um software capaz de conectar qualquer ser humano a qualquer robô instantaneamente (fornecendo inteligência ilimitada), a robótica ainda não estaria resolvida. A fabricação em escala nos EUA é incipiente, o ecossistema de software não existe para tarefas variadas e a maioria das empresas nunca comprou um robô.
Visão horizontal versus vertical: A maioria das startups de robótica começa de forma horizontal (focada apenas em modelos ou apenas em software), mas acaba sendo forçada a verticalizar e fabricar hardware. Gruenstein considera que isso decorre da imaturidade do mercado — semelhante aos primórdios da computação, antes do surgimento de abstrações limpas como CPUs.
O papel dos "Tutors": Diferente do texto e do código na internet — cuja emissão natural gerou grandes bases de dados para treinar Large Language Models (LLMs) —, o trabalho físico humano não é conectado em rede. A Tutor coloca robôs em operações reais com teleoperadores humanos (chamados de tutors) atuando remotamente quando o modelo falha ou encontra cenários desconhecidos. Essa operação gera dados de treino rotulados diretamente da atividade produtiva real.
Unit economics da teleoperação: Para o cliente final, a presença de um operador humano é indiferente desde que o custo unitário da produção caia. A decisão de substituir gradualmente os tutores por modelos autônomos é tratada como uma equação econômica: compara-se o custo de engenharia e inferência (em hardware como Nvidia H200) necessário para alcançar "o último dígito de confiabilidade" com o custo operacional do tutor humano.

Avanços em modelos de fronteira e raciocínio espacial

Gruenstein destaca que a transição de redes neurais convolucionais (CNNs), utilizadas pela empresa em 2021, para modelos de difusão de ações e transformadores acelerou a robótica. Os laboratórios de IA passaram a pós-treinar modelos de fronteira em dados espaciais 3D e arquivos CAD devido a incentivos econômicos diretos do mercado de software. Esse avanço forneceu aos robôs o raciocínio espacial de "última milha" que antes impedia modelos generativos de comandar ações físicas com precisão.

Hardware próprio: Cassie e Sonny

Em 2025, os Estados Unidos implementaram apenas cerca de 38.000 células de trabalho de robôs industriais — um número irrelevante frente ao mercado global e quase restrito a marcas tradicionais como Fanuc e ABB. Essas máquinas legadas são projetadas para movimentos rápidos e repetitivos sob medida para integradores de sistemas, e não para o codesign com modelos de IA de fronteira. Para contornar essa restrição, a Tutor passou a desenhar e fabricar seus próprios robôs em Watertown, Massachusetts, embora ainda adquira componentes brutos como atuadores e câmeras de fornecedores de equipamento original (OEMs).

Morfologia e casos de uso

Cassie: Robô robusto de braço único com ventosas de sucção, operado por modelos fundamentais na faixa de 200 a 400 milhões de parâmetros. Focado em tarefas pesadas que respondem por grande parte da logística americana: descarregamento e transporte manual de caixas de papelão e paletes.
Sonny: Semihumanoide industrial bimanual montado sobre rodas. A opção por rodas em vez de pernas deve-se ao fato de a maioria das fábricas e armazéns possuir pisos planos e polidos. O Sonny opera sob padrões de segurança colaborativa para trabalhar ao lado de humanos, tem alta capacidade de carga e executa tarefas de montagem e manipulação bimanual de maior destreza.
Limitações atuais: Ambos os modelos são restritos a ambientes fechados com piso plano. Não operam em terrenos irregulares como cascalho, o que exclui temporariamente setores como construção civil pesada, mineração ou reciclagem em aterros, bem como o ambiente doméstico.

A realidade do chão de fábrica

Gruenstein contrasta a percepção popular de fábricas totalmente automatizadas (como no programa How It's Made) com a realidade do mercado: a automação extrema representa apenas 0,01% da base industrial. Na esmagadora maioria dos armazéns de grande porte, humanos realizam tarefas manuais sobre mesas dobráveis e esteiras. A força de trabalho tem idade média de 55 anos, alta taxa de rotatividade (turnover médio de três meses) e escassez estrutural de mão de obra. Até mesmo a montagem de embalagens de produtos complexos, como iPhones, depende de trabalho manual.

Estratégia comercial, PMEs e dinâmica de adoção

Cerca de 90% das fábricas e armazéns nos EUA não possuem robôs. O mercado é predominantemente greenfield e composto por pequenas e médias empresas (PMEs).

Proposta de valor e modelo de precificação: A Tutor evita termos técnicos de IA e aborda clientes oferecendo trabalho robótico a uma taxa inicial de cerca de US$ 16 por hora, sem exigência de despesas de capital (CapEx). O custo do robô é operacionalizado, reduzindo o risco para o comprador.
Velocidade de implantação: O ciclo médio entre a primeira chamada e a assinatura do contrato varia de 40 a 60 dias. O tempo entre o contrato e o robô em operação no cliente é de cerca de 40 dias. Uma vez no local, os robôs entram em produção no mesmo dia, frequentemente em poucas horas.
Foco em PMEs versus grandes contas: Gruenstein argumenta que muitas startups de robótica falham ao passar dois anos criando sistemas sob medida e complexos para empresas da Fortune 50. Focar em empresas médias obriga a Tutor a criar robôs padronizados e versáteis que funcionam imediatamente em diversas linhas de produção.
Interação Humano-Robô (HRI): Como o comprador do robô (gerente geral/COO) é diferente do usuário (operário de linha), a empresa aplica técnicas de HRI. Cada robô recebe um nome próprio dado pelos técnicos de montagem. Quando o cliente realiza um pedido de expansão da frota, os próprios funcionários da fábrica recebem o direito de batizar os robôs (frequentemente usando nomes de filhos, jogadores de futebol ou cantores pop), o que reduz atritos e gera sentimento de pertencimento.

Economia física, inovação de produto e geopolítica

A métrica central para avaliar um robô é direta: quantidade de trabalho executado dividida pelo custo total. Historicamente, a robótica era avaliada pelo retorno sobre o investimento de um grande CapEx ao longo de uma década; no modelo atual, a maior parcela do custo é contínua (inferência, teleoperação e manutenção).

Descontinuidades de custo na manufatura

Gruenstein cita o exemplo da construção modular de casas no estado de Wisconsin: atualmente, fabricar uma casa em ambiente industrial fechado é cerca de 5% mais caro do que a construção tradicional no canteiro de obras. Se o custo da manufatura em fábrica cair ao ponto de ser apenas 1% mais barato que o método tradicional, toda a demanda dos incorporadores imobiliários migrará de forma abrupta para as fábricas. O trabalho robótico flexível tem o potencial de ativar essas descontinuidades de preço.

Ciclo de iteração rápida

Mudanças no processo de fabricação do hardware são implementadas a cada duas semanas em Watertown.
Atualizações de código nos robôs em campo ocorrem diariamente ou em lançamentos maiores a cada duas semanas.
As equipes de produto, implementação e sucesso do cliente trabalham unificadas, diretamente conectadas à equipe de pesquisa.

Estados Unidos versus China e cadeias de suprimentos

A dependência global de componentes é mútua e persistente. No entanto, Gruenstein sugere que o investimento maciço da China no paradigma anterior de automação industrial rígida pode se tornar uma desvantagem: fábricas chinesas terão de demolir e substituir maquinário customizado, enquanto os EUA têm a oportunidade de construir capacidade produtiva diretamente sobre a nova infraestrutura de robôs generalistas e flexíveis.

Conforme o volume de produção da Tutor cresce, fornecedores de componentes deixam de ser OEMs convencionais e passam a operar como fabricantes sob contrato, impulsionando a Tutor a verticalizar e produzir mais partes internamente nos EUA.

Pesquisa e aprendizado por reforço no mundo real

No topo da pirâmide de dados de treinamento de IA estão os rastros de aprendizado por reforço (Reinforcement Learning - RL) executados no mundo real. Para viabilizar RL em larga escala — que exige lotes grandes de dados (batch sizes) para convergir —, a Tutor opera a Data Factory 1 em Boston, uma instalação de pesquisa interna com 100 robôs Sonny dedicados exclusivamente à coleta de dados e ao avanço dos modelos de manipulação autônoma.