World models: por qué AMI Labs y World Labs guardan silencio

Por qué los laboratorios de «world models» guardan silencio sobre lo que están construyendo

En una sesión de preguntas y respuestas en el All In Summit, los fundadores de los dos laboratorios más visibles de world models se negaron a explicar qué productos están preparando. La frase del VP de AMI Labs, Michael Rabbatt, resume el clima: «Hablaremos de ello cuando estemos listos». Según reportó TechCrunch, esa opacidad ya es la norma en todo el sector, y tiene menos que ver con el secretismo típico de Silicon Valley que con una lógica estratégica concreta: el dinero fácil para construir también financia a los rivales que aparecerán cuando el camino al mercado se aclare.

¿Qué son exactamente los «world models»?

Un world model es un tipo de modelo de IA que aprende las dinámicas del mundo a partir de observación, en lugar de limitarse a generar texto o imágenes. En lugar de predecir la siguiente palabra, predice cómo evoluciona un sistema físico: un coche autónomo que dobla, un robot que agarra una caja o un entorno 3D que se puede recorrer tras grabar unos minutos de vídeo.

La inversión en este campo se está disparando en 2026. AMI Labs, el laboratorio fundado por Yann LeCun tras dejar Meta a fines de 2025, levantó en su ronda semilla US$1,03 mil millones, co-liderada por Cathay Innovation, Greycroft, Hiro Capital, HV Capital y Bezos Expeditions, según reportó Business Insider. World Labs, la empresa de Fei-Fei Li centrada en lo que ella llama «inteligencia espacial», cerró una ronda de US$1,000 millones con Autodesk (US$200 millones), AMD, Nvidia, Emerson Collective y Fidelity, a una valoración de aproximadamente US$5,000 millones según publicó Crowdfund Insider. Google DeepMind también trabaja en esta línea con su familia Genie, capaz de generar y simular entornos 3D, de acuerdo con Time.

🤖 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

¿Por qué no quieren contar qué están construyendo?

El artículo de TechCrunch apunta a una razón concreta: la versatilidad de los propios world models. Un mismo modelo puede servir para un mapa de navegación tipo Waymo, para un robot humanoide que mueve cajas, para generar entornos de videojuego o para una herramienta de renderizado cinematográfico. Decir a cuál de esas aplicaciones te vas a dedicar es regalar la jugada.

Si AMI anunciara mañana un «OpenClaw humanoide» o un sistema de renderizado de nueva generación, otros laboratorios se interesarían de inmediato por el espacio. Y ahí están los rivales esperando: World Labs, los «neolabs», e incluso OpenAI y Anthropic, que ya tienen músculo para pivotar hacia spatial intelligence si la categoría despega. El propio artículo lo describe como un escenario del «Bosque Oscuro» que popularizó la novela de Cixin Liu: si no sabes quién más está en el bosque, lo mejor es no hacer ruido.

El argumento se sostiene también desde el lado de los proveedores. Alex de Vigan, CEO de Physicl, una empresa que vende datos a estos laboratorios, contó en el mismo All In que sabe que sus datos son útiles, pero que no tiene idea de para qué. «Ojalá nos dijeran más. Podríamos construir datos más útiles si supiéramos en qué están trabajando», declaró a TechCrunch.

El caso AMI Labs: menos de un año, US$1,030M y sin producto público

AMI Labs se fundó tras la salida de LeCun de Meta, donde fue Chief AI Scientist durante 12 años. La compañía tiene su sede en París y equipos en Nueva York, Montreal y Singapur. En marzo de 2026, Alex LeBrun (cofundador de la startup de salud Nabla) asumió como CEO, según Business Insider. LeCun dijo en diciembre que Meta colaboraría con el nuevo laboratorio, aunque no invertiría.

En apenas unos meses, AMI ya mostró aplicaciones en manufactura, biomedicina, robótica y software médico para doctores a través de su partnership con Nabla. Según TechCrunch, ese abanico es demasiado amplio para una empresa de su edad. El artículo sugiere que difícilmente perseguirá todas esas verticales a la vez; algunas destacan y otras quedarán en segundo plano.

El caso World Labs: el producto más maduro, pero sin urgencia de focalizarse

El producto más desarrollado del sector es Marble, de World Labs, lanzado en noviembre de 2025. Permite crear entornos 3D editables y descargables a partir de texto o imágenes, según TechCrunch. Ya se usa para creación de medios, entornos explorables para videojuegos y efectos CGI, con casos puntuales en robótica.

Sin embargo, Daron Green, chief scientist de Autodesk (socio estratégico), reconoció a TechCrunch que la asociación todavía está dando sus primeros pasos. Y añadió una pista relevante: tanto Google DeepMind como Runway apuntan al gaming y al entretenimiento interactivo como estrategia inicial de comercialización. El resto del iceberg (robótica industrial, simulación científica, gemelos digitales) sigue debajo del agua.

¿Qué significa esto para tu startup?

La historia que cuenta el panel del All In Summit va más allá de los nombres propios. Tres lecciones prácticas para founders:

Si construyes infraestructura horizontal, no anuncies la vertical demasiado pronto. AMI y World Labs pueden permitirse el silencio porque su tecnología sirve para múltiples mercados. Si tu startup tiene esa naturaleza, elige con cuidado qué caso de uso filtras primero: una vez publicado, se vuelve el ancla competitiva que el resto intentará copiar.
Elige clientes-sandbox antes de comunicar la estrategia. Alex de Vigan describió un problema real: los proveedores no saben qué datos construir porque los propios labs no definen el producto. Si eres comprador de datos, infraestructura o investigación, negocia cláusulas de feedback que te permitan iterar aunque el proveedor esté en «modo silencioso». Si eres vendedor, presiona por proyectos piloto antes que por hojas de términos cerradas.
El fundraising abundante es un arma, pero también es una hipoteca. El artículo señala que la opacidad es un subproducto del dinero fácil: si cualquier rival puede levantar capital, retrasar el momento en que se ve tu dirección clara es una ventaja defensiva. Para una startup temprana que aún no tiene producto, esto sugiere apuntar a inversores que entiendan fases largas de R&D y no presionen por revenue trimestral.