A NVIDIA apresentou durante a GTC 2026, em San Jose, nos Estados Unidos, uma nova arquitetura de referência aberta projetada para revolucionar o desenvolvimento de sistemas de inteligência artificial que interagem com o mundo físico. Chamado de NVIDIA Physical AI Data Factory Blueprint, o projeto tem como objetivo principal simplificar e automatizar a geração, ampliação e avaliação de dados de treinamento para modelos de IA física, abrangendo desde robótica industrial até veículos autônomos de última geração.
Arquitetura aberta acelera produção de dados sintéticos em larga escala
O Physical AI Data Factory Blueprint funciona como um fluxo completo de produção de dados para treinamento de IA. A arquitetura integra ferramentas capazes de transformar dados brutos – tanto reais quanto sintéticos – em conjuntos prontos para alimentar modelos de inteligência artificial. A plataforma utiliza os modelos de mundo aberto NVIDIA Cosmos e agentes de codificação para expandir conjuntos de dados existentes, criando automaticamente novos cenários e variáveis. Essa capacidade é particularmente valiosa para simular situações de cauda longa, eventos raros ou extremos que são caros, perigosos ou simplesmente difíceis de capturar repetidamente em ambientes reais.
Com essa abordagem, desenvolvedores podem pegar quantidades limitadas de dados do mundo real e transformá-las em bases de treinamento massivamente maiores e mais diversificadas. Segundo a NVIDIA, isso é fundamental para melhorar a robustez e a segurança de modelos utilizados em aplicações críticas. “A IA física é a próxima fronteira da revolução da IA. Nesta nova era, computação é sinônimo de dados”, afirmou Rev Lebaredian, vice-presidente de Omniverse e tecnologias de simulação da NVIDIA, durante o anúncio.
Pipeline automatizado cobre todas as etapas de preparação de dados
O blueprint reúne diferentes ferramentas da NVIDIA em um pipeline automatizado que abrange desde a curadoria inicial até a validação final dos dados. Entre os componentes principais está o NVIDIA Cosmos Curator, responsável por processar, refinar e anotar grandes volumes de dados. Em seguida, o Cosmos Transfer entra em ação para ampliar os conjuntos de dados, multiplicando cenários reais e simulados para capturar variações de ambiente, iluminação, obstáculos e os temidos eventos raros.
Validação física garante precisão dos dados antes do treinamento
A etapa final do pipeline é gerida pelo NVIDIA Cosmos Evaluator, construído sobre o Cosmos Reason. Esta ferramenta analisa automaticamente a precisão física dos dados gerados, garantindo que as simulações obedeçam às leis da física antes que os modelos sejam treinados com elas. Este controle de qualidade automatizado é essencial para evitar que os sistemas de IA aprendam com dados imprecisos ou fisicamente impossíveis, o que poderia levar a comportamentos erráticos ou perigosos no mundo real.
NVIDIA já utiliza arquitetura para treinar nova geração de modelos autônomos
A própria NVIDIA já está aplicando essa arquitetura internamente para treinar o NVIDIA Alpamayo, uma nova geração de modelos abertos que combinam visão, linguagem e ação voltados especificamente para a condução autônoma de longo prazo. O sucesso interno serve como prova de conceito para a eficácia do blueprint, demonstrando como a geração massiva e curada de dados sintéticos pode acelerar o desenvolvimento de sistemas complexos.
Parcerias com Microsoft Azure e Nebius viabilizam processamento em nuvem
Para suportar a demanda computacional colossal necessária para gerar e processar esses oceanos de dados, a NVIDIA estabeleceu parcerias estratégicas com grandes provedores de nuvem. Com a Microsoft Azure, o blueprint está sendo integrado a uma cadeia completa de ferramentas de IA física que inclui serviços como Azure IoT Operations, Microsoft Fabric, Real-Time Intelligence, Microsoft Foundry e GitHub Copilot. A integração busca oferecer um ambiente corporativo unificado para criação, treinamento e validação de sistemas.
Infraestrutura de ponta com GPUs Blackwell impulsiona desempenho
Já a Nebius integrou o framework NVIDIA OSMO à sua infraestrutura de nuvem, permitindo que desenvolvedores criem pipelines de dados prontos para produção. Esta infraestrutura utiliza as poderosas GPUs NVIDIA RTX PRO 6000 Blackwell Server Edition, combinadas com armazenamento de alta velocidade e serviços gerenciados de inferência. Esta combinação oferece a potência de fogo necessária para tarefas de simulação física em tempo real e em alta fidelidade.
Agentes de IA orquestram fluxos de trabalho e reduzem complexidade
Um componente central que diferencia este projeto é o NVIDIA OSMO, um framework open source responsável por orquestrar fluxos de trabalho de IA em diferentes ambientes de computação. O sistema agora integra agentes de programação avançados, como Claude Code, OpenAI Codex e Cursor. Estes agentes podem gerenciar automaticamente recursos computacionais, identificar e resolver gargalos de desempenho, e acelerar significativamente o ciclo de treinamento de modelos.
A automação do gerenciamento operacional é um avanço crucial. Ela reduz drasticamente a complexidade e a expertise especializada necessária para criar e manter pipelines de dados massivos, democratizando o acesso a essas tecnologias para uma gama mais ampla de equipes de desenvolvimento e startups.
Empresas líderes já testam a tecnologia em aplicações reais
O blueprint da NVIDIA não é apenas uma proposta teórica; diversas empresas de ponta já começaram a implementar e testar a arquitetura em projetos concretos. A lista inclui nomes como FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, Skild AI, RoboForce, Teradyne Robotics e a gigante dos transportes, Uber. Cada uma está aplicando a tecnologia a desafios específicos de seus setores.
Skild AI treina robôs de uso geral e Uber avança em autonomia veicular
A Skild AI, por exemplo, utiliza a arquitetura para treinar modelos de robôs de uso geral, capazes de realizar uma variedade de tarefas em ambientes não estruturados. Já a Uber aplica a tecnologia no núcleo do desenvolvimento de sua frota de veículos autônomos, utilizando os dados sintéticos para simular milhões de quilômetros de condução em cenários urbanos complexos e perigosos que seriam impraticáveis de testar fisicamente. Segundo Marcio Aguiar, diretor da divisão Enterprise da NVIDIA para América Latina, a iniciativa marca “um novo estágio na evolução da IA física”, saindo dos laboratórios para resolver problemas industriais e comerciais reais.
Disponibilidade pública no GitHub prevista para abril de 2026
A NVIDIA confirmou que o Physical AI Data Factory Blueprint será disponibilizado publicamente no repositório GitHub da empresa em abril de 2026. Esta abertura permitirá que desenvolvedores, pesquisadores e empresas de todos os portes adotem, adaptem e contribuam com a arquitetura de referência para seus próprios projetos em robótica, visão computacional e mobilidade autônoma. A decisão de torná-lo aberto reflete uma estratégia de criar um ecossistema robusto em torno da plataforma, acelerando a inovação coletiva no campo da IA física.
O lançamento do NVIDIA Physical AI Data Factory Blueprint representa mais do que um novo conjunto de ferramentas; é uma mudança de paradigma na forma como os sistemas inteligentes do futuro são construídos. Ao tratar a geração de dados de alta qualidade, diversificados e fisicamente precisos não como um obstáculo, mas como um processo industrializável, a NVIDIA está removendo um dos maiores gargalos para a adoção em larga escala da IA física. O sucesso desta iniciativa poderá determinar a velocidade com que robôs mais capazes e veículos verdadeiramente autônomos se tornarão parte do nosso cotidiano, redefinindo setores inteiros da economia global.
