No início de 2026, a China ultrapassou um marco simbólico e operacional na corrida pela direção autônoma: as principais operadoras de robotáxis chinesas passaram da barreira de mil veículos em operação comercial por empresa, sinalizando uma transição da fase de experimentação para a escala econômica. Pony.ai e WeRide anunciaram frotas de 1.159 e 1.023 robotáxis, respectivamente, distribuídas em megacidades como Pequim, Xangai, Guangzhou e Shenzhen, todas com tráfego denso e alta complexidade urbana.
No setor de veículos autônomos, mil veículos operando de forma contínua é visto como um divisor de águas: indica maturidade tecnológica mínima, custos mais previsíveis e capacidade de operar serviços recorrentes, não apenas pilotos controlados. Em Guangzhou, a Pony.ai afirmou que sua frota já alcançou rentabilidade por veículo, algo ainda raro no mercado global de robotáxis.
Esse avanço chinês acontece em paralelo a uma recalibração global das expectativas sobre autonomia veicular, movimento capturado no estudo “Where to next? Insights from autonomous-vehicle experts”, da McKinsey. Com base em uma pesquisa global com 91 executivos e especialistas do setor de direção autônoma, a consultoria aponta que levará de três a sete anos para que os robôs-táxis sejam amplamente implementados comercialmente e estejam disponíveis em todas as regiões. Outro estudo aponta que o mercado global de IA em veículos autônomos deverá atingir US$ 17,9 bilhões até 2031, com uma taxa de crescimento anual composta (CAGR) de 19,2% durante o período de previsão de 2024 a 2031.
A China aparece como um dos mercados líderes nesse processo, ao lado dos Estados Unidos. Dados citados no estudo indicam que:
- A China já registra mais de 250 mil corridas comerciais semanais com veículos autônomos, contra mais de 450 mil nos EUA.
- Mais de 35 mil quilômetros de vias abertas para testes e operação autônoma foram autorizados no país.
- Cerca de 20 cidades participam de pilotos nacionais de integração veículo-estrada-nuvem, um dos pilares da estratégia chinesa para escalar a tecnologia.
Esse ambiente regulatório progressivo, combinado a políticas industriais explícitas, explica por que empresas como Baidu (Apollo Go), Pony.ai e WeRide conseguem avançar mais rapidamente da validação tecnológica para a operação comercial. Para todo lado que se olhe nesse segmento, tem muita IA em operação.
Escalando VLA
A classe mais promissora de IAs desenvolvida até o momento para isso é conhecida como modelos de “visão-linguagem-ação” (VLA). Esses modelos recebem informações visuais de sensores, formam um processo de raciocínio interno, frequentemente descrito como “pensar em etapas”, e então (quase instantaneamente) geram ações como dirigir ou frear.
Na pesquisa em Robótica, os VLAs vêm sendo desenvolvidos há anos como uma forma de conectar percepção, raciocínio simbólico e comportamento físico. Mas o fato da Nvidia ter apresentado recentemente uma plataforma de código aberto de modelos VLA, colocou em discussão se esse é o salto necessário para chegarmos a veículos autônomos seguros e baratos. O CEO da Nvidia, Jensen Huang, chegou a se referir ao lançamento como “o momento ChatGPT” da IA Física. Batizada como Alpamayo e lançada durante a CES 2026, a plataforma VLA chama atenção pela escala e pelos níveis de investimento: dados, simulação e computação em nível industrial aplicados diretamente à tarefa complexa e crítica para a segurança de dirigir.
O mercado de massa não será totalmente autônomo tão cedo
Apesar dos avanços em IA, sensores e computação, o custo total de desenvolvimento dos veículos autônomos aumentou, principalmente quando se considera a transição de protótipos para produtos comercialmente robustos. Com isso, os especialistas acreditam que o mercado de veículos particulares não deve migrar para L3 ou L4 em larga escala na próxima década.
Segundo 49% dos entrevistados, o foco do mercado de massa até 2035 estará em sistemas L2+, que oferecem assistência avançada ao motorista, mas mantêm o humano no controle. Apenas 39% acreditam que o mercado migrará majoritariamente para L3 ou níveis superiores, uma queda marcante em relação aos 52% registrados em 2023.
A leitura dos especialistas é que:
- Sistemas L2+ têm custos de desenvolvimento quatro a sete vezes menores do que soluções L4 e L5, o que ajuda a explicar sua atratividade comercial.
- L3 tende a se consolidar como recurso premium, não como padrão. O custo adicional não se justifica para a maioria dos consumidores.
- Na China, isso se traduz em uma estratégia dual: L2+ em escala para veículos de consumo, e L4 concentrado em serviços como robotáxis, robônibus e logística urbana.
- Robotáxis L4/L5 exigem mais de US$ 3 bilhões em investimentos apenas em software para alcançar maturidade de mercado.
- No caso de caminhões autônomos, os custos estimados subiram entre 50% e 60% em relação à pesquisa de 2023.
End-to-end AI: promessa, mas não consenso
Apesar do entusiasmo em torno de modelos end-to-end baseados em IA, a McKinsey mostra que apenas 22% dos especialistas acreditam que esse será o modelo dominante no futuro. A maioria aposta em arquiteturas híbridas, que combinam aprendizado de máquina com regras tradicionais de segurança. Os ganhos potenciais incluem entre 10% e mais de 20% de redução de custos, segundo 67% dos respondentes, além de maior capacidade de generalização para cenários não mapeados.
Mas os riscos também aparecem:
- Modelos de “caixa-preta”
- Dificuldade de certificação regulatória
- Preocupações com segurança funcional
Na China, esse desafio vem sendo enfrentado por meio de arquiteturas de dados em ciclo fechado, fortemente integradas à nuvem. Entre 2023 e 2025, a participação de dados sintéticos no treinamento de sistemas autônomos saltou de 20–30% para mais de 50%, permitindo maior cobertura de cenários raros e redução de custos.