Nomura: preço dos dados de vídeo para IA incorporada cai, enquanto dados de contato mantêm prêmio no curto prazo

Por que o preço dos vídeos cai enquanto as compras de dados aumentam?

A pesquisa setorial do Nomura indica que um laboratório americano líder gastou cerca de 1 bilhão de dólares em dados em 2026 e planeja gastar em 2027 aproximadamente 5 vezes o valor deste ano. Mas um orçamento maior de compras não significa que todos os tipos de dados possam subir de preço.
A coleta de vídeos em primeira pessoa tem barreiras relativamente baixas, e a nova oferta pressionou os preços para baixo: a pesquisa mostra que o preço era de cerca de 40–50 dólares por hora no início de 2026 e, na data do relatório, havia caído para perto ou abaixo de 10–15 dólares. O Nomura espera que esses vídeos brutos gradualmente passem a ser precificados pelo custo acrescido de margem.
As participações no total de horas e nos gastos também diferem. Segundo a análise do Nomura, vídeos em primeira pessoa representam cerca de três quartos das horas visadas pelo laboratório; dados de teleoperação representam apenas um percentual de um dígito intermediário das horas, mas mais de um quarto dos gastos.

Os vídeos ajudam principalmente os modelos a aprender a perceber e compreender o mundo; a teleoperação registra os movimentos reais dos robôs, incluindo sinais de força e contato, e pode ser usada para treinar habilidades de manipulação mais refinadas.
O Nomura estima que o preço mediano por hora dos dados brutos de teleoperação seja mais de 7 vezes o dos vídeos em primeira pessoa. Mas apenas 20%–30% dos vídeos comprados são aproveitáveis após a triagem, contra cerca de três quartos dos registros de teleoperação; por hora útil, o prêmio da teleoperação diminui para cerca de 2–4 vezes.
A expansão da oferta é limitada pela capacidade efetiva de coleta. A pesquisa do Nomura indica que uma instalação própria de teleoperação, equipada com 45–55 conjuntos de equipamentos e operando em três turnos durante todo o ano, produz cerca de 250 mil horas de dados úteis por ano; nesse ritmo, seriam necessários vários anos para atingir a meta do laboratório, e a maior parte da demanda ainda teria de ser atendida por fornecedores externos ou instalações maiores.
A confiabilidade dos equipamentos também é uma restrição: a taxa de falhas das luvas hápticas continua alta e elas ainda não foram implantadas em larga escala; o Nomura estima que os dispositivos de coleta, ao custo de cerca de 4000 yuans por unidade, frequentemente quebram em dois ou três meses.

O Nomura acredita que a integração e a validação de dados e a coleta de dados de contato mais próximas dos compradores oferecem maior espaço para precificação, enquanto a simples coleta em campo tem margens estreitas. Usando como exemplo vídeos brutos baratos do Sudeste Asiático, o banco estima que um fornecedor de primeiro nível retenha cerca de 5 dólares por hora, enquanto os coletores recebem 1–2 dólares.
O pós-processamento pode elevar o preço de venda dos dados. Um caso de laboratório na pesquisa do Nomura mostrou que, após o pós-processamento, o preço por hora dos dados em primeira pessoa subiu de cerca de 60 yuans para 150–200 yuans; o banco também afirmou que capacidade de processamento, anotação automática e acesso a clientes são mais defensáveis do que a coleta em campo.
O espaço para fornecedores chineses entrarem nas cadeias de suprimentos centrais dos principais laboratórios americanos está diminuindo. Segundo a pesquisa do Nomura, o laboratório exclui fornecedores com vínculos chineses em sua licitação por etapas; por isso, os negócios relacionados à China dependem principalmente de compradores domésticos e de canais indiretos no exterior.

A capacidade dos vídeos de substituir a teleoperação está avançando. O pré-print EgoScale usa 20854 horas de vídeos de humanos para o pré-treinamento, enquanto o treinamento intermediário exige apenas cerca de 50 horas de dados humanos alinhados e 4 horas de dados de robôs. Com base no artigo correspondente, o Nomura avalia que vídeos podem substituir a maior parte dos dados de teleoperação no pré-treinamento no primeiro semestre de 2027.
No entanto, o Nomura prevê que uma substituição semelhante no pós-treinamento envolvendo contato intenso talvez só ocorra depois de 2028. Sua pesquisa setorial recente estimou uma taxa de sucesso nas tarefas de cerca de 60%, enquanto o uso doméstico exige 98%–99%; os dados de contato continuarão tendo valor até que essa diferença diminua.
O Nomura reavaliaria os prêmios dos dados e a distribuição de valor na cadeia se a taxa de aproveitamento dos vídeos após a triagem superasse significativamente o nível atual de 20%–30%, se os preços da teleoperação caíssem ou se a confiabilidade das luvas hápticas melhorasse.