Um robô de sorvete avaliado em R$ 17 bilhões: a mão dextera virou a máquina de dinheiro da IA embarcada

Numa loja da DQ em Xangai, um robô está fazendo algo que parece “burro”.

Ele pega o porta-copo no esterilizador, retira o copo de papel, posiciona na máquina de sorvete, joga o crocante de Oreo, mistura, limpa a borda e vira o copo de cabeça para baixo — o famoso teste do “não derrama” da DQ. São 55 etapas, tudo autônomo. O atendente do lado não encosta um dedo.

O atendente humano faz o mesmo copo em 2 a 3 minutos. O robô leva 6.

Mais que o dobro do tempo. E ninguém apressa.

Porque nem a DQ nem a Sharpa, empresa por trás do robô, estão nem aí para eficiência. O que elas querem é outra coisa: dados.

No fim deste texto, te mostro três portas de entrada para gente comum ganhar dinheiro nessa onda.

Isso não é desperdício de tecnologia. É treino em nível hard

A primeira reação de quem vê a notícia: uma empresa bilionária trabalhando de graça em sorveteria? Desperdício.

Quem fala isso não entendeu a lógica da IA embarcada.

Os “robôs” que você vê em restaurante por aí servem prato e andam pra lá e pra cá. Na prática, são bandejas com rodas. Trabalho de baixíssimo grau de liberdade. Não precisam de “mão” — só precisam andar, desviar e entregar. Barreira técnica: zero. Fossa competitiva: inexistente.

A Sharpa fez o oposto. Entrou na cozinha, usou os equipamentos humanos, os ingredientes humanos, o padrão global da rede, e executou o processo inteiro do começo ao fim.

O fundador Li Yifan soltou uma frase pesada: se um robô humanoide com dezenas de graus de liberdade, visão e controle de força acabar servindo café — coisa que um braço mecânico comum já faz — a conta de custo nunca fecha.

O ponto central: o robô não pode exigir que o ambiente se adapte a ele. Não pode fazer 9 etapas e deixar a última para o humano limpar a bagunça. Isso não é criar produtividade. É arrumar um emprego de faz-de-conta para o robô.

Por isso o cenário da DQ é tão valioso: 55 etapas encadeadas. O copo de papel amassa. A consistência do sorvete muda com a temperatura. As três adições de cobertura são visualmente quase idênticas. Um deslize e tudo vai por água abaixo.

E é exatamente esse fracasso que a Sharpa quer comprar.

A barreira real não é chip. É dado de “tombada”

Qual é o maior gargalo da IA embarcada?

Não é assistir vídeo para aprender trajetória. Mostre ao GPT cem vídeos de alguém fazendo sorvete — ele não vai aprender com quanta força segurar o copo. Vídeo não tem tato, não tem força, não tem a lógica de como se recuperar de um erro.

Você vê uma pessoa fazer e sabe a que altura a mão sobe. Mas não sabe a pressão exata para não amassar o copo, não sabe se derramou porque a posição estava torta ou a mistura estava rápida demais, não sabe o que acontece se o ângulo de raspagem variar dois graus.

Essas informações só aparecem quando o robô erra no mundo real, falha, ajusta. Esses “dados de falha” alimentam o modelo — e o próximo cenário fica mais barato.

A Sharpa treinou o fluxo da DQ por menos de 5 meses, com boa taxa de sucesso em laboratório. Mas esse número não vale nada. O teste de verdade é a loja real: fluxo de gente no horário de pico, variação de temperatura do equipamento, diferença entre lotes de ingrediente.

O que o robô aprende hoje na DQ — agarrar, servir, misturar, despejar — amanhã se transfere para reposição em loja de conveniência, serviço de quarto em hotel, até tarefa doméstica. Se cada cenário novo exigir cem mil horas de treino do zero, essa loja é um projeto descartável, sem valor comercial.

Essa é a ambição real da Sharpa: trocar uma loja de sorvete por uma base de dados de manipulação dextera reutilizável.

Valuation de R$ 17 bilhões — mais que a empresa-mãe

A Sharpa foi fundada no fim de 2024. Menos de dois anos de vida. Acabou de anunciar uma rodada de mais de R$ 3,5 bilhões, com valuation pós-money de R$ 17 bilhões.

O detalhe suculento: os três cofundadores são o time original da Hesai, gigante de LiDAR.

E hoje a própria Hesai também vale uma fortuna.

Uma empresa com menos de dois anos valendo mais que a casa-mãe. Por que a Hesai não fez isso dentro de casa, em vez de separar?

É uma jogada industrial clássica.

Primeiro: setores diferentes, lógicas de valuation diferentes. LiDAR é manufatura madura — vale volume de entrega, margem bruta, controle de custo. Robô humanoide é tecnologia em fase explosiva — vale barreira técnica, acúmulo de dados, imaginação de cenário. Captando fora, o teto de valuation é muito mais alto.

Segundo: incentivo de time mais flexível. A estrutura de equity de uma empresa independente pode ser desenhada do zero, sem diluir os acionistas antigos da Hesai. O time principal ganha participação e autonomia em outro nível.

Olha quem entrou na rodada: Alibaba, Meituan, capital industrial da JD, além de fundos top como Sequoia e Qiming. No fundo, todos apostam na mesma tese: a Sharpa consegue replicar no robô humanoide o caminho que a Hesai trilhou no LiDAR.

Primeiro dominar o componente central. Depois fechar o loop de algoritmo com dados de cenário real. Por fim, virar uma plataforma full-stack.

Três portas de entrada para quem não tem R$ 17 bi

Você não vai fundar a próxima Sharpa. Mas dá para surfar a onda:

1. Dados e teleoperação. Toda empresa de robô dextero precisa de humanos operando robôs remotamente para gerar dados de treino. Já existem plataformas pagando US$ 15-40/hora por sessões de teleoperação. É o “rotulador de dados” da nova era — só que mais bem pago.

2. Integração de cenário. Franquias, redes de fast food, hotéis: todos vão precisar de quem adapte robôs ao fluxo local. Quem entende de operação de loja + um mínimo de automação (n8n, Make, APIs) vira o consultor que falta nesse mercado.

3. Exposição financeira. A cadeia de mão dextera — atuadores, sensores de força, reducers — está listada em bolsa. ETFs de robótica e papéis da cadeia de suprimentos capturam o crescimento sem você precisar adivinhar o vencedor.

O sorvete é só a desculpa. O produto de verdade é a mão — e quem controla a mão, controla o próximo ciclo industrial.