Em 6 de maio, a Genesis AI, empresa de robótica com presença em Paris e San Carlos, na Califórnia, anunciou seu primeiro modelo: GENE-26.5.
O nome é direto: Genesis robotic Neural Engine, versão de maio de 2026. Mas o que chamou atenção não foi o nome, e sim a mão robótica no vídeo de demonstração.
O que ela consegue fazer
A demonstração não mostrava a rotina repetitiva de pegar e soltar objetos em uma fábrica. A empresa destacou tarefas de manipulação fina, próximas do que uma mão humana faz.
- um processo culinário em 20 etapas, incluindo cortar tomate, quebrar ovo e fritá-lo;
- coordenação de duas mãos para preparar um milkshake;
- uso de pipeta em laboratório;
- conexão de cabos;
- resolução de um cubo mágico;
- segurar quatro objetos ao mesmo tempo;
- tocar piano, descrito no vídeo como próximo ao nível humano.
Esse é o tipo de tarefa que o setor de robótica evitou declarar como resolvida nos últimos três anos. O Atlas da Boston Dynamics, o Figure 02 e o Neo da 1X conseguem ficar de pé, andar e carregar caixas. Nenhum deles é conhecido por fritar um ovo.
A manipulação fina continua sendo uma das montanhas mais difíceis da robótica.
Quem está por trás da empresa
O CEO Zhou Xian veio da CMU. O presidente Théophile Gervet foi pesquisador da Mistral AI. A equipe tem 60 pessoas distribuídas entre Paris, Califórnia e Londres, com cerca de 40% a 45% na Europa e 50% a 55% nos Estados Unidos.
A companhia levantou uma rodada seed de US$ 105 milhões, co-liderada por Eclipse e Khosla Ventures. Também participaram Bpifrance, HSG e investidores individuais como o ex-CEO do Google Eric Schmidt, Xavier Niel, Daniela Rus, ex-diretora do MIT CSAIL, e Vladlen Koltun, cientista de pesquisa em IA da Apple.
Essa lista não é apenas decorativa. Ela reúne pessoas que entendem de perto a interseção entre robótica e IA.
Schmidt chamou a tecnologia de "uma mudança de paradigma na robótica."
A chave não é só o modelo, mas a luva de dados
O maior gargalo da robótica nunca foi apenas o algoritmo. O gargalo é dado.
Um bebê humano leva meses para aprender a agarrar objetos. Nesse período, o cérebro processa sinais visuais, táteis e proprioceptivos em escala enorme. Robôs não têm esse conjunto biológico de sensores. Por isso, normalmente dependem de demonstração humana por teleoperação: uma pessoa com headset de VR controla um braço robótico e alimenta o modelo, lentamente, com movimentos.
Esse método tem dois problemas fatais. É lento, porque uma única ação pode levar horas para ser coletada. E é caro, porque o hardware de teleoperação costuma começar na casa de centenas de milhares de dólares.
A Genesis AI construiu uma luva de coleta de dados. Ela é cheia de pele eletrônica com sensores táteis e imita a forma e a função da mão humana. Trabalhadores podem usá-la em fábricas reais e cozinhas reais, transformando seus movimentos em dados de treinamento.
Os números são centrais:
- o custo do hardware da luva é 1/100 do padrão da indústria;
- a eficiência da coleta de dados é 5 vezes maior que a teleoperação tradicional.
Em outras palavras, a Genesis quer permitir que uma empresa gaste algo mais próximo do preço de um Model 3 para montar uma força de 1.000 coletores de dados, trabalhando em cenários variados e gerando diariamente um volume que a teleoperação antiga não alcançava.
Esse é o núcleo da história de valuation da empresa.
Como ela se diferencia de Physical Intelligence e Skild AI
Hoje, três empresas de foundation models ocupam a linha de frente da robótica.
| Empresa | Valuation / financiamento | Caminho |
|---|---|---|
| Physical Intelligence | Valuation de US$ 4,4 bilhões em 2025 | Apenas software, sem hardware próprio |
| Skild AI | Valuation de US$ 1,5 bilhão em 2024 | Cérebro robótico geral, independente de hardware |
| Genesis AI | Seed de US$ 105 milhões | Full stack: modelo, hardware, simulação e dados |
Physical Intelligence e Skild AI apostam que o melhor cérebro robótico poderá ser conectado a qualquer corpo. É uma tese de generalidade.
A Genesis aposta no caminho inverso: fazer internamente o cérebro, a mão, o dispositivo de coleta de dados e o ambiente de simulação.
No curto prazo, isso pode parecer mais lento, porque hardware consome capital. No longo prazo, a empresa pode ir mais longe se a robótica continuar exigindo forte acoplamento entre software e hardware. Empresas puramente de software podem acabar ajustando tudo de novo a cada novo corpo robótico.
Vinod Khosla, da Khosla, disse que foundation models e capacidades de simulação "estão posicionados para aumentar drasticamente a velocidade de desenvolvimento."
Por que isso importa
A narrativa de Physical AI nos últimos dois anos teve uma lacuna incômoda: modelos de software avançaram rapidamente em 2024 e 2025, enquanto robôs ainda ficavam muitas vezes no estágio de ficar em pé e caminhar.
As demos de Figure, 1X e Boston Dynamics estão cada vez mais impressionantes. Mas, em ambientes de produção, o que realmente chega ao chão de fábrica continua sendo sobretudo transporte, inspeção e recepção, tarefas que a robótica tradicional já conseguia abordar.
Para vencer a manipulação fina, a indústria precisará de um salto na próxima geração de modelos VLA, de visão-linguagem-ação, ou de uma expansão brutal da escala de dados.
A Genesis AI escolheu a segunda rota: hardware barato, demonstração humana e simulação para construir um dos maiores motores de dados de alta qualidade do setor.
A aposta é simples. Quando as arquiteturas de modelo começam a se parecer, vence quem tem mais dados de qualidade.
Essa lógica já foi testada uma vez no mundo dos LLMs. Agora é a vez da robótica.
Fontes: Khosla-backed robotics startup Genesis AI has gone full stack, demo shows (TechCrunch); CocoLoop; Genesis AI Unveils GENE-26.5, the First AI Brain to Enable Robots with Human-Level Physical Manipulation Capabilities (PR Newswire)