Tem uma diferença fundamental entre a AI que escreve textos e a AI que projeta produtos.
A primeira pode inventar. A segunda não pode.
Porque produto precisa funcionar no mundo real. E o mundo real tem leis. Gravidade, fricção, inércia, resistência de materiais. Ignore qualquer uma delas e seu projeto falha.
É por isso que o conceito de Physical AI apresentado por Jensen Huang no 3DEXPERIENCE World 2026 é tão relevante para engenheiros.
O Problema dos Modelos de Linguagem
Jensen explicou a diferença de forma simples:
“No modelo de linguagem, você precisa entender sintaxe, vocabulário, estrutura. E tem ‘gosto’ – qual é a melhor forma de compor um parágrafo. Tem guardrails – coisas que não devemos falar.”
Mas no mundo físico é diferente:
“No modelo mundial, ao invés de gosto e valores, tem que obedecer as leis da física. Tem que entender causalidade.”
A AI que projeta seu produto precisa saber que:
- Se você derrubar um dominó, os outros vão cair
- O que vem depois depende do que veio antes
- Materiais têm limites de resistência
- Gravidade puxa pra baixo (sempre)
- Contato entre superfícies gera atrito
Parece óbvio? Pra nós, sim. Pra uma AI, precisa ser ensinado.
A Analogia do Cachorro
Jensen usou uma analogia que ficou na minha cabeça:
“É como um cachorro pegando uma bola no ar. Ele não está fazendo simulações físicas de balística ou calculando a natureza elástica da bola. Ele está literalmente nos observando e prevendo onde vai cair. E pega a bola no ar.”
Esse é o princípio da Physical AI:
- Não calcula cada variável em tempo real
- Aprendeu como o mundo físico funciona
- Prevê resultados com base em experiência
- Age com velocidade impossível para simulação tradicional
Physics Informed Machine Learning
O conceito técnico por trás disso se chama Physics Informed Machine Learning – aprendizado de máquina informado por física.
Jensen apresentou a tecnologia NVIDIA Nemo Physics:
“É essencialmente um framework de ciência artificial que nos permite criar modelos que são treinados por simuladores de primeiros princípios ou trabalham junto com eles.”
Na prática:
- Simuladores tradicionais resolvem as equações da física (precisos, mas lentos)
- AI observa milhares de simulações
- AI aprende os padrões
- AI prevê resultados novos (rápido, mas baseado em física real)
O ganho? 10.000 vezes mais rápido que simulação tradicional.
Simulação + Emulação = Revolução
Jensen fez uma distinção importante:
“A ideia de simulação e emulação se juntar vai ser realmente revolucionária.”
| Simulação | Emulação |
|---|---|
| Resolve equações | Prevê resultados |
| Baseada em primeiros princípios | Baseada em aprendizado |
| Precisa, mas lenta | Rápida, mas aproximada |
| Bom para validação | Bom para exploração |
O futuro não é escolher um ou outro. É usar os dois juntos:
- Emulação para explorar milhares de alternativas rapidamente
- Simulação para validar as melhores opções com precisão
Case Rivian: Comportamento de Colisão em Tempo Real
O exemplo apresentado foi a Rivian, fabricante de veículos elétricos.
Eles usam Physical AI para:
- Simular comportamento de colisão durante o design (não depois)
- Otimizar aerodinâmica em tempo real
- Validar performance enquanto modelam
“Os engenheiros não apenas desenham o formato. Eles desenham o comportamento e certificam isso.”
O designer vê o impacto de cada mudança imediatamente. Não precisa esperar uma simulação rodar durante a noite. O feedback é instantâneo.
Case NIAR: Certificação de Aviões com AI
Outro exemplo impressionante: o NIAR (National Institute for Aviation Research).
Certificar um avião é um pesadelo burocrático:
- 3 a 5 anos de processo
- Mais de 10.000 requerimentos para cumprir
- Milhões de páginas de documentação
Com Physical AI:
“As recomendações poderiam ser automatizadas rapidamente, sem ter que ler milhões de páginas. E a conformidade é constantemente verificada.”
O resultado é uma mudança de paradigma:
- Antes: Compliance como processo no final
- Depois: Compliance by design (integrado desde o início)
Você não projeta e depois verifica se está em conformidade. Você projeta já em conformidade porque a AI está validando continuamente.
Design for Manufacturability Integrado
Jensen tocou num ponto que todo engenheiro de produto conhece bem:
“Hoje, design for manufacturability é integrado no processo de design. Ao invés de você vir com o design e outro time decidir se é fabricável.”
A Physical AI permite que, enquanto você modela:
- O sistema verifica se a peça é fabricável
- Alerta sobre geometrias problemáticas
- Sugere alternativas viáveis
- Considera restrições de fornecedores aprovados
Quando você termina o design, ele está pronto para ir. Não precisa de ida e volta com a manufatura.
Modelos Mundiais: A Base de Tudo
O conceito mais profundo apresentado foi o de World Models (Modelos Mundiais).
Jensen explicou:
“O modelo mundial está enraizado em biologia, física, ciências de materiais.”
Um modelo mundial não é só uma AI que sabe física. É uma AI que tem uma representação interna de como o mundo funciona.
Isso permite:
- Transferência de conhecimento entre domínios
- Generalização para situações novas
- Raciocínio causal (não só correlação)
- Predição de comportamentos complexos
Case Danone: Ciência de Alimentos
Um exemplo surpreendente: a Danone usando Physical AI para desenvolver alimentos.
“Eles querem produzir alimentos mais saudáveis, consumir menos água, e transformar proteínas animais em proteínas vegetais.”
Como funciona:
- AI aprende a “linguagem da biologia” (DNA, proteínas, células)
- Gera automaticamente formulações de novos produtos
- Valida propriedades nutricionais virtualmente
- Certifica decisões antes de testes físicos
A mesma lógica que vale para peças mecânicas vale para moléculas. As leis são diferentes, mas o princípio é o mesmo: a AI precisa obedecer a realidade.
O Que Isso Significa Para Simulação
Se você trabalha com simulação estrutural, CFD, térmica ou qualquer outra disciplina, prepare-se para mudanças:
Curto prazo:
- Pré-processamento mais rápido com AI
- Sugestões de malha otimizada
- Identificação automática de regiões críticas
Médio prazo:
- Emuladores treinados nos seus próprios dados
- Exploração de design space em minutos, não dias
- Feedback em tempo real durante modelagem
Longo prazo:
- Simulação como serviço contínuo (não evento discreto)
- Validação automática de conformidade
- Digital twins que evoluem com o produto físico
Minha Análise
Por 9 anos cobrindo esse evento, vi a simulação evoluir de ferramenta especializada para commodity. Qualquer engenheiro hoje roda uma análise básica.
O que vi hoje é a próxima evolução: simulação como camada invisível do processo de design.
Você não vai “parar para simular”. A simulação vai estar acontecendo o tempo todo, em background, informando cada decisão. Physical AI é o que torna isso possível.
E isso muda completamente o perfil do engenheiro de simulação. Menos “operador de software”, mais “arquiteto de modelos”. Menos executar análises, mais definir o que precisa ser validado e interpretar resultados.
A física não muda. Mas a forma como interagimos com ela está mudando radicalmente.
📍 Acompanhe nossa cobertura completa: 3dxw26.blogdaengenharia.com
