A biotecnologia tem prometido há anos uma nova era de tratamentos personalizados, mas um gargalo que raramente aparece nas manchetes é a questão da fabricação. No caso das terapias celulares e gênicas, a produção ainda mais se assemelha a um trabalho artesanal do que a uma cadeia de montagem industrial: milhares de etapas estéreis, manipulação delicada de líquidos, janelas de tempo rigorosas e um inimigo constante – a contaminação – capaz de inutilizar uma dose inteira em segundos.
Nesse cenário, a Multiply Labs está impulsionando uma ideia que pode parecer radical, mas que em outras indústrias já é uma realidade: automatizar laboratórios assim como foi feita com a fabricação de semicondutores. Fundada em 2016 e localizada em São Francisco, a startup está implementando sistemas robóticos “end-to-end” para produzir terapias celulares modificadas geneticamente, já trabalhando com empresas do setor como Kyverna Therapeutics e Legend Biotech. sua proposta se fundamenta em um binômio tecnológico central: robótica e simulação em larga escala, utilizando ferramentas da NVIDIA, como Omniverse e Isaac Sim.
O ponto de partida do projeto de Multiply Labs reflete um choque cultural. Fred Parietti, cofundador e CEO, relata que a ideia surgiu durante sua passagem pelo MIT, quando, ao lado da pesquisadora Alice Melocchi, percebeu o quão manual ainda era o processo de produção dessas terapias. O contraste com a lógica industrial de outros setores era evidente e inquietante: medicamentos do futuro fabricados com processos do passado. Esse impulso acabou se concretizando no Vale do Silício, passando pelo Y Combinator, até se tornar uma empresa dedicada a automatizar uma das áreas mais delicadas da biomanufatura.
A comparação com a fabricação de chips não é apenas uma metáfora: na indústria de semicondutores, o salto em produtividade ocorreu quando a indústria reconheceu que a precisão não podia depender de combinações de habilidades humanas e variabilidade. No caso das terapias celulares, o problema é ainda mais extremo: aqui, uma respiração, um descuido ou uma microcontaminação podem comprometer o tratamento projetado para um único paciente.
O enfoque da Multiply Labs não se limita a colocar braços robóticos em uma sala limpa; sua estratégia começa ainda antes, no ambiente virtual. A empresa utiliza gêmeos digitais dos ambientes laboratoriais construídos com bibliotecas do NVIDIA Omniverse, e treina e valida os robôs utilizando o NVIDIA Isaac Sim, o framework de simulação robótica da empresa. Na prática, isso permite que sejam feitas milhares de iterações em um ambiente controlado, depurando comportamentos, detectando falhas mecânicas e ajustando fluxos sem que cada erro se torne um incidente dentro de uma instalação real.
Na biotecnologia, onde os processos são frágeis e altamente regulados, essa fase de simulação pode significar a diferença entre uma implantação lenta, com correções contínuas, e uma implementação mais rápida, com menos surpresas. Além de velocidade, trata-se de reduzir riscos e melhorar a reprodutibilidade em tarefas que até agora se apoiavam na habilidade e memória humanas.
Outro ponto interessante é como a Multiply Labs está abordando um problema comum em laboratórios: grande parte do conhecimento operacional não está documentado, sendo adquirido por meio da experiência. A empresa aposta no imitation learning, ou seja, treinar robôs para replicar tarefas especializadas com base na análise demonstrativa em vídeo.
Esse aprendizado é facilitado por modelos como NVIDIA FoundationPose (estimativa de pose) e NVIDIA FoundationStereo (visão estéreo), que ajudam a extrair trajetórias e movimentos dessas demonstrações para convertê-los em políticas de controle robótico. O objetivo é preservar o conhecimento tácito e mitigar impactos da rotatividade: quando um técnico ou cientista que domina uma etapa crítica deixa a equipe, o desempenho pode ser afetado. A automação visa transformar esse “saber fazer” em um procedimento replicável, mensurável e rastreável.
A questão econômica que sustenta toda essa iniciativa é o custo e a eficiência. O mercado de terapias celulares não apresenta estagnação por falta de pesquisa clínica; a dificuldade reside na fabricação, que é complicada e cara. A Multiply Labs alega que, atualmente, o custo de produção de uma única dose pode ultrapassar 100.000 dólares, e que a automação avançada poderia reduzi-lo em mais de 70%, situando o valor entre 25.000 e 35.000 dólares por dose. Além disso, a empresa afirma que a automação pode aumentar a eficiência do espaço da planta: até 100 vezes mais terapias por metro quadrado.
Esses números são relevantes por razões técnicas e sociais. Na esfera tecnológica, é necessária a automação de milhares de microtarefas estéreis com precisão constante. Na esfera social, se os custos diminuem e a eficiência aumenta, o acesso a tratamentos que hoje são apenas para minorias pode se expandir. Em outras palavras, a automação não se traduz em “mais robôs”, mas sim em uma via para que a terapia celular deixe de ser uma raridade industrial.
Outro detalhe que marca o caráter “Physical AI” do enfoque: a Multiply Labs sustenta que o maior caos não se concentra apenas dentro do clúster robótico, mas justo fora, onde ocorrem o carregamento e descarregamento de materiais, a movimentação de insumos e a manipulação de objetos em um ambiente menos estruturado. Essa fronteira é precisamente onde o risco de contaminação pode ressurgir.
Para essa “zona externa”, a empresa está desenvolvendo robôs humanoides utilizando modelos fundacionais como NVIDIA Isaac GR00T N, mencionando GR00T N1.5 como base para escalar habilidades e treinamento. A promessa é prática: humanoides atuariam como “operários” de carga e movimentação em áreas menos previsíveis, diminuindo a intervenção humana em pontos críticos. A visão final é a de uma planta em que as pessoas supervisam e validam, enquanto robôs e humanoides mantêm o fluxo de trabalho com consistência.
O movimento da Multiply Labs é, no fundo, um sintoma: a robótica está buscando seu grande caso de uso além das fábricas tradicionais. E a biomanufatura, com sua busca por precisão, esterilidade e rastreabilidade, parece ser um candidato natural.
