Robôs de fábrica passam a decidir sozinhos sem esperar resposta da nuvem

Por que a fábrica não pode esperar a nuvem responder

Um sensor que mede vibração numa turbina de fábrica precisa decidir, quase em tempo real, se a máquina continua girando ou se é hora de parar. Mandar essa decisão para um serviço na nuvem e esperar a resposta voltar, gastando alguns milissegundos a mais, pode ser a diferença entre uma parada controlada e um equipamento danificado. É esse tipo de situação, segundo reportagem patrocinada pela MIPS publicada pelo Manufacturing Dive em 12 de outubro de 2026, que está empurrando o processamento de IA (inteligência artificial) para dentro do próprio equipamento industrial, em vez de deixá-lo na nuvem.

A indústria vem chamando isso de IA física: sistemas que sentem o ambiente, decidem e agem sozinhos, com velocidade e consumo de energia compatíveis com o chão de fábrica. Um robô que enxerga um trabalhador no seu caminho, decide parar e ainda avisa o que aconteceu faz isso tudo dentro de um orçamento fixo de energia e de tempo de resposta, sem depender de internet.

Para quem decide a arquitetura de automação de uma fábrica, seja engenheiro de produção, time de TI industrial ou integrador, a pergunta prática é outra: qual arquitetura de processador e qual fornecedor de chip aguentam esse tipo de carga até a certificação de segurança e a produção em escala, sem estourar o orçamento de energia e de custo por unidade.

O modelo que organiza qualquer máquina autônoma: sentir, pensar, agir, falar

O engenheiro de robótica Mel Siegel, da Carnegie Mellon, descreve há décadas qualquer máquina autônoma usando um modelo de quatro etapas que a reportagem chama de STAC (sense-think-act-communicate, ou sentir-pensar-agir-comunicar):

• Sentir: sensores captam informação do ambiente ao redor, como câmera, lidar, radar ou sensor de vibração.
• Pensar: uma camada de processamento interpreta esses dados e decide o que fazer.
• Agir: atuadores transformam a decisão em movimento físico, como um braço robótico fechando a garra ou um carrinho autônomo mudando de rota.
• Comunicar: a máquina compartilha o que aconteceu para alimentar o próximo ciclo e cooperar com outros equipamentos da linha.

O ponto central de Siegel, segundo a reportagem, é que essas quatro funções precisam ser projetadas como um único laço fechado, e não como peças soltas encaixadas depois. Sean Murphy, da MIPS by GF (divisão de propriedade intelectual de processadores da GlobalFoundries), descreve como isso aparece numa linha de montagem moderna: as barreiras físicas entre humano e robô estão caindo, substituídas por um chão de fábrica aberto, pensado para throughput (volume de produção por hora).

Câmeras fixas observam a zona compartilhada, o robô carrega seus próprios sensores táteis além de lidar e radar, e uma camada de processamento perto do equipamento funde tudo isso em tempo real. Quando algo foge do esperado, o próprio equipamento decide: desliga o robô para uma condição segura e acende um sinal vermelho para o humano ver, sem esperar autorização de um sistema central.

Três motivos técnicos empurram o processamento para dentro da máquina

Segundo Murphy, a mudança não é modismo. Ele aponta três pressões concretas, cada uma com um efeito diferente quando o processamento sai da nuvem e entra no equipamento:

A disputa por capacidade de GPU segue apertada em 2026, e compradores menores costumam perder para as grandes nuvens nos leilões de capacidade. O problema maior, segundo Murphy, aparece quando o time de engenharia tenta encaixar uma GPU genérica dentro de um espaço embarcado de missão crítica: ele resume isso como uma troca de eficiência energética, já que GPUs grandes treinam bem modelos de linguagem, mas custam caro e consomem muita energia para rodar perto da máquina.

Sobre latência, ele é direto:

A única forma de conseguir baixa latência é rodando localmente.

The only way you get low latency is by running it locally.Sean Murphy, MIPS by GF (GlobalFoundries)

O chip por trás da IA física: RISC-V, GlobalFoundries e o pacote da MIPS

Na reportagem, o silício que sustenta esse tipo de equipamento se apoia na arquitetura RISC-V, um conjunto de instruções aberto que qualquer fabricante pode usar sem pagar licença pela arquitetura em si. A MIPS anunciou a migração para esse padrão aberto em 2021. Em 2025 a GlobalFoundries comprou a MIPS, o que colocou o projeto de processador dentro da mesma empresa que fabrica as pastilhas de silício, conhecida como foundry: arquitetura e fabricação ficaram sob o mesmo guarda-chuva comercial.

Em 2026 esse alcance cresceu de novo: a GlobalFoundries comprou o negócio de propriedade intelectual de processadores ARC da Synopsys. A linha ARC cobre desde microcontroladores de baixo consumo até silício de classe de aplicação, tudo rastreável à mesma relação de fabricação. Isso importa na prática porque, com tudo assentado no mesmo conjunto de instruções, o time de engenharia constrói a pilha sentir-pensar-agir-comunicar sobre uma base de software única, em vez de integrar propriedade intelectual de processador de fornecedores diferentes. Isso encurta o caminho entre o protótipo e o equipamento que sai para produção.

Esse portfólio aparece na linha Atlas CPU, da MIPS, com núcleos cobrindo as duas pontas do que um sistema de IA física precisa: motores de tempo real determinísticos e enxutos para controle de motor e fusão de sensores de um lado, processadores de classe de aplicação para percepção e planejamento do outro. A unidade mais nova, chamada S8200 NPU (unidade de processamento neural), combina uma CPU host em RISC-V com motores de cálculo matricial e vetorial voltados a cargas mais complexas, como ambientes com múltiplos tipos de sensor ao mesmo tempo.

Quem já anunciou uso, e o que ainda falta provar com número

A reportagem cita três parcerias em andamento. A ForwardEdge ASIC, subsidiária da Lockheed Martin, escolheu o S8200 para plataformas autônomas de missão crítica. A Inova Semiconductors trabalha com a MIPS numa plataforma de referência de IA física para robótica. A Green Hills Software se comprometeu a fornecer a pilha de software certificada para segurança que clientes automotivos e industriais exigem para fechar esse laço.

Nenhuma das três parcerias vem acompanhada, na reportagem, de número de ganho de desempenho, redução de custo ou tempo de linha parada evitado. São anúncios de adoção de tecnologia, não estudos de caso fechados com medição antes e depois. Vale tratar isso como sinal de que o mercado está comprando a tese, e esperar os números de produção que ainda não apareceram publicamente.

O que muda no orçamento e na segurança do trabalho

Mesmo sem valor em reais divulgado pela fonte, dá para montar a lista do que entra na conta de quem for avaliar essa migração:

1. O sensor e a câmera que alimentam a percepção da máquina.
2. A licença da propriedade intelectual do processador, como o núcleo Atlas ou o NPU S8200.
3. A integração entre esse processador e o controlador que já roda na máquina.
4. A pessoa, engenheiro de automação ou integrador, que vai calibrar e manter esse sistema rodando.

No ponto de segurança, a reportagem é clara sobre o comportamento esperado: quando o equipamento detecta algo fora do padrão, ele mesmo desliga para uma condição segura e acende um aviso visual para o humano. No Brasil, qualquer equipamento que tome esse tipo de decisão perto de gente numa linha de produção entra direto no escopo da NR-12, a norma regulamentadora de segurança em máquinas e equipamentos.

A norma em si não muda, já que exige parada segura e sinalização. O que muda é quem toma a decisão de parar: antes era um CLP (controlador lógico programável) com regra fixa e previsível, agora é um modelo de percepção treinado, que precisa de validação e de registro de por que decidiu parar daquele jeito, para passar numa auditoria.

Por onde começar sem parar a linha inteira

O conselho de Murphy para quem está avaliando essa migração é escalonar o risco antes de escalonar o investimento:

Pense grande, mas comece pequeno. Mire nas suas maiores ineficiências e comece por ali.

Think big, but start small. Target your biggest inefficiencies and start there.Sean Murphy, MIPS by GF (GlobalFoundries)

Na prática, isso aponta para manutenção preditiva num motor só como primeiro piloto: um sensor de vibração, um processador dimensionado para aquela tarefa específica e uma régua simples de sucesso, como o número de paradas não planejadas evitadas num trimestre. Reconstruir a fábrica inteira em torno de percepção agente de uma vez não é algo que vale tentar da noite para o dia, como o próprio Murphy reconhece. A escolha de uma arquitetura que escala, do microcontrolador ao processador de aplicação, no mesmo conjunto de instruções, é o que evita jogar fora esse primeiro piloto quando a fábrica decidir ir além de um motor.

Fonte: Manufacturing Dive