AMI Labs y World Labs: el secreto de los modelos del mundo

El «bosque oscuro» de los modelos del mundo

La conversación en la conferencia All In dejó una imagen potente: los dos nombres más rimbombantes de los modelos del mundo —AMI Labs, de Yann LeCun, y World Labs, de Fei-Fei Li— son también los más opacos del sector. Acumulan buzz y rondas enormes, pero nadie —ni siquiera sus propios proveedores de datos— sabe con certeza qué producto están a punto de sacar al mercado.

Un modelo del mundo es, en esencia, un sistema de IA entrenado para entender y razonar sobre entornos tridimensionales: no solo qué hay en una escena, sino cómo se comporta físicamente. La misma arquitectura que ayuda a un Waymo a circular por tráfico denso puede servir para que un robot humanoide mueva cajas, para generar un videojuego explorable a partir de un vídeo, o para asistir a un médico interpretando una imagen médica. Esa versatilidad es la razón por la que inversores y founders miran el espacio con codicia.

Por qué AMI Labs y World Labs callan (y sus socios también)

En el panel de All In, Michael Rabbat, cofundador y VP de World Models de AMI Labs, fue directo cuando le preguntaron por el producto: «Hablaremos cuando estemos listos para hablar». Por correo, aclaró que la compañía está «en fase de investigación y construcción, así que no hablamos públicamente de planes de producto ni de plazos».

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El hermetismo no se queda en los fundadores. Alex de Vigan, CEO de Physicl (proveedor de datos para varios laboratorios del sector), reconoció que sabe que sus datos están siendo útiles, pero no tiene idea para qué: «Ojalá nos contaran más. Podríamos construir datos más útiles si supiéramos en qué están trabajando». Si hasta el proveedor está a ciegas, la opacidad es sistémica.

AMI Labs tiene menos de un año de vida y acaba de anunciar una ronda semilla de US$1.030 millones co-liderada por Cathay Innovation, Greycroft, Hiro Capital, HV Capital y Bezos Expeditions, con Alex LeBrun como CEO. World Labs, fundada en 2024 por Fei-Fei Li junto a Justin Johnson, Christoph Lassner y Ben Mildenhall, salió del stealth con US$230M a valoración de US$1.000M, ha presentado su producto Marble (mundos 3D persistentes a partir de texto, imagen o vídeo) y estaría negociando una nueva ronda a valoración cercana a US$5.000M, según fuentes citadas por Bloomberg. En uno de los reportes más recientes, World Labs habría captado US$1.000M adicionales con AMD, Autodesk, Emerson Collective, Fidelity, NVIDIA y Sea entre los inversores.

La paradoja del funding fácil

Aquí está el nudo del asunto. Cuando recaudar fondos es barato, callar es una ventaja competitiva. Si AMI Labs anunciara mañana que tiene un robot humanoide tipo OpenClaw o un sistema de renderizado para Hollywood, una horda de otros laboratorios —incluidos OpenAI y Anthropic, además de los neolabs— se interesaría ría de inmediato en el espacio.

El reportero de TechCrunch que moderó el panel lo resumió con una analogía tomada del escritor chino Cixin Liu: estamos ante un escenario de bosque oscuro. Si no sabes quién más acecha en el bosque, lo mejor es no atraer atención. Tu señal más prometedora también es tu mayor vulnerabilidad: el mismo dinero que te permite construir bajo el radar financia a tus rivales cuando el camino al mercado se aclara.

Hay además un incentivo negativo a focalizarse. AMI Labs ya ha tanteado fabricación, biomedicina, robótica y software para médicos a través de su alianza con Nabla (la startup de salud que cofundó el propio LeBrun). No va a apostar por todos esos frentes, pero cada uno requiere un tipo distinto de datos, cómputo y talento comercial. Anunciar el elegido hoy es regalarle el time-to-market al competidor que venga detrás.

¿Qué pueden construir realmente los modelos del mundo?

Lo más desarrollado que existe hoy es Marble, de World Labs, con demos que van desde creación de medios hasta entornos explorables para videojuegos y efectos CGI. AMI Labs, por su parte, prioriza investigación básica y tiene a Saining Xie (ex-NYU) como cofundador y CSO, además de equipos en París, Nueva York, Montreal y Singapur —una estructura diseñada, según LeBrun, para ser «uno de los pocos laboratorios frontera que no son ni chinos ni estadounidenses».

Las verticales realistas donde un modelo del mundo puede convertirse en producto rentable son al menos cinco:

Robótica industrial y humanoide: percepción 3D + planificación de movimiento para fábricas y almacenes.
Vehículos autónomos: extender el enfoque tipo Waymo a casos más allá del coche (logística, drones, agricultura).
Entretenimiento y videojuegos: generación de mundos persistentes para estudios indie y AAA.
Simulación y entrenamiento: gemelos digitales para industria, defensa y formación médica.
Software clínico y biomedicina: el camino que ya exploran AMI y Nabla con asistentes para médicos.

El denominador común es la inteligencia espacial: que la IA no solo procese texto e imágenes, sino que entienda espacio, física y persistencia. Si lo consigue, las implicaciones son comparables al salto de los modelos de lenguaje a los agentes actuales.

¿Qué significa esto para tu startup?

El caso AMI / World Labs no es solo una curiosidad del frontier. Es un manual de estrategia competitiva que aplica a cualquier founder que trabaje en un espacio donde el time-to-market lo decide todo.

Tres lecciones concretas que puedes aplicar hoy:

Elige qué NO comunicas, no solo qué comunicas. En categorías donde recaudar fondos es fácil y el producto tiene múltiples aplicaciones posibles, el secretismo selectivo es un moat. Antes de un teaser público, valida que tu diferenciador sea defendible una vez que el mercado sepa que vas en serio.
Construye tu data moat antes que tu product moat. El lamento de Physicl es universal: los proveedores no saben qué preparar porque los laboratorios no cuentan nada. Si tu startup depende de un socio de datos, invierte en data readiness propia —etiquetado, simuladores, datos sintéticos— para no depender de un feedback loop opaco.
Sigue los nombres, no los anuncios. En modelos del mundo, la información útil hoy no está en los press releases sino en las hojas de ruta de inversión: rondas, advisers y fichajes. Cuando veas que un laboratorio frontera anuncia un chief scientist de visión 3D o un VP of Robotics, sabrás qué verticales están a meses de un anuncio.

Para un founder hispanohablante, el espacio ofrece una ventana corta: la categoría está pre-producto, con valuations infladas y pocos playbooks comerciales. Quien logre un caso de uso vertical —agronomía de precisión en LATAM, inspección industrial en España, simulación para telemedicina— puede vender antes de que los gigantes bajen al mercado.