Construyendo IA que simula la realidad física
Cómo DeepMind, World Labs y AMI Labs apuestan por los modelos de mundo: una IA que predice resultados físicos en lugar del siguiente token en una oración.
Resumen
Los modelos de lenguaje predicen palabras. Los modelos del mundo predicen lo que sucede a continuación en la realidad. Esa diferencia arquitectónica es la razón por la que algunos de los nombres más destacados en la investigación de IA han convergido en los modelos del mundo como la próxima capa de capacidad esencial. En 2026, tres organizaciones lideran esta construcción: Google DeepMind lanzó un modelo del mundo interactivo en tiempo real basado en difusión de video; World Labs, de Fei-Fei Li, comercializó Marble, un simulador de entornos 3D navegables; y AMI Labs, de Yann LeCun, cerró una ronda semilla de 1.03 mil millones de dólares —la más grande en la historia de Europa— para construir IA basada en JEPA que aprende comprensión física desde primeros principios.
Qué hace realmente un modelo del mundo
Un modelo de lenguaje está entrenado para predecir el siguiente token en una secuencia. Dado un pasaje de texto, estima qué palabra, frase o carácter viene a continuación —y a través de esto, aprende a razonar sobre lenguaje, conceptos y patrones.
Un modelo del mundo hace algo estructuralmente diferente. Dado el estado actual de un entorno físico, predice lo que sucede después: cómo se comportan los objetos bajo la fuerza, cómo se ve un espacio desde un ángulo diferente, cuáles son las consecuencias de una acción en particular. Los datos de entrenamiento no son texto —son video, lecturas de sensores y simulaciones.
El objetivo es una IA que pueda simular antes de actuar. En lugar de describir un plan con palabras y esperar que la descripción sea precisa, una IA con un modelo del mundo puede simular internamente el resultado de un plan, identificar qué fallará y corregirlo antes de que se ejecute nada en el mundo real.
Tres organizaciones están construyendo esta capacidad de formas significativamente distintas.
Google DeepMind: video convertido en simulación interactiva
En agosto de 2025, DeepMind lanzó un modelo del mundo interactivo en tiempo real que convierte video en simulación jugable. La entrada es cualquier video —imágenes de una habitación, un entorno al aire libre, el mundo de un videojuego. La salida es una versión interactiva de ese video: el usuario puede moverse a través de él, realizar acciones, y el modelo genera el siguiente cuadro físicamente plausible en tiempo real.
El enfoque de DeepMind evita por completo las reglas físicas codificadas manualmente. El modelo aprende dinámicas físicas al entrenarse con enormes conjuntos de datos de video —infiriendo efectivamente cómo funciona el mundo a partir de observarlo. Las simulaciones respetan la gravedad, la oclusión, la permanencia de los objetos y la estructura básica del espacio físico sin ninguna regla explícita que codifique esas propiedades.
Aplicaciones actuales:
- Entornos de entrenamiento para robótica: generar escenarios novedosos ilimitados a partir de imágenes de referencia en lugar de recopilar nuevos datos físicos
- Desarrollo de videojuegos: generar entornos de prototipo interactivos a partir de material de referencia
- Fundamentación de agentes de IA: probar planes en simulación antes de la ejecución en el mundo real
Implicación a largo plazo: el modelo del mundo de DeepMind es una base para agentes autónomos que pueden razonar sobre las consecuencias antes de actuar —en lugar de actuar y observar los resultados.
World Labs: Marble, el mundo 3D navegable
Fei-Fei Li —codirectora del Instituto de IA Centrada en el Humano de Stanford y exdirectora de IA de Google Cloud— fundó World Labs para comercializar el modelado de mundos a gran escala. El lanzamiento de producto de la compañía en 2026 es Marble: un modelo generativo que crea entornos 3D navegables en tiempo real desde cero.
Mientras que DeepMind convierte video existente en simulación interactiva, Marble genera mundos 3D completamente nuevos a partir de una descripción o un boceto simple. Estos entornos pueden explorarse desde cualquier ángulo con geometría espacial y física consistentes —una escena generada por Marble mantiene coherencia estructural a medida que te mueves a través de ella, algo que los sistemas generativos anteriores no lograban conseguir de forma confiable.
Dónde se está usando Marble:
| Aplicación | Qué permite |
|---|---|
| Entrenamiento de robótica | Entornos de entrenamiento ilimitados y variados sin recolección de datos físicos |
| Prototipado de videojuegos y XR | Prototipar diseños y entornos de mundos sin artistas 3D |
| Arquitectura y diseño | Simulaciones de edificios transitables a partir de planos o descripciones |
| Investigación científica | Entornos físicos para experimentos demasiado peligrosos o costosos de realizar en la realidad |
La oportunidad comercial a la que apunta World Labs es el costo del contenido 3D: actualmente medido en millones de dólares y meses de tiempo de producción. La generación al estilo Marble comprime esto a horas.
AMI Labs: la apuesta de 1.03 mil millones de dólares por JEPA
Advanced Machine Intelligence Labs, cofundada por Yann LeCun (Científico Jefe de IA en Meta), cerró una ronda semilla de 1.03 mil millones de dólares —la ronda semilla más grande en la historia europea— proveniente de un consorcio de inversionistas tecnológicos europeos.
AMI Labs no está construyendo un modelo de lenguaje más grande ni un mejor sistema de difusión de video. Está construyendo IA basada en la Arquitectura Predictiva de Incrustación Conjunta (JEPA, por sus siglas en inglés) de LeCun, que funciona con principios fundamentalmente distintos a los de los modelos del mundo actuales.
En lugar de predecir píxeles crudos o tokens de texto, JEPA entrena a la IA para predecir representaciones abstractas —la estructura significativa de una escena en lugar de su apariencia literal. El argumento de LeCun: el sentido común humano no se construye memorizando observaciones del mundo. Se construye aprendiendo modelos abstractos de causa y efecto, dinámicas físicas y comportamiento de los objetos a nivel conceptual. JEPA intenta replicar ese proceso de aprendizaje.
La diferencia práctica: los sistemas basados en JEPA deberían generalizar a situaciones físicas novedosas de forma más efectiva que los modelos de difusión de video, porque no intentan reconstruir cada píxel —modelan la estructura conceptual que genera esos píxeles.
La tesis de AMI Labs, en el planteamiento de LeCun: escalar los modelos de lenguaje no puede producir IA general. El ingrediente faltante es un modelo del mundo que entienda la física desde primeros principios, no a partir de patrones estadísticos en texto o video.
Comparando los tres enfoques
| Google DeepMind | World Labs (Marble) | AMI Labs (JEPA) | |
|---|---|---|---|
| Enfoque principal | Difusión de video — aprender física a partir de observarla | Síntesis generativa de entornos 3D | Predicción de representaciones abstractas |
| Datos de entrenamiento | Imágenes de video | Datos ambientales multimodales | No publicados; entrenamiento conceptual |
| Salida | Simulación interactiva a partir de video de referencia | Mundos 3D novedosos a partir de una descripción | Modelo del mundo abstracto para razonamiento |
| Etapa | Lanzado (ago. 2025) | Comercializado (2026) | Investigación / desarrollo temprano |
| Uso previsto | Entrenamiento de robótica, fundamentación de agentes | Robótica, desarrollo de videojuegos, arquitectura, XR | Base de IA general a largo plazo |
Por qué esto importa fuera del laboratorio
Los modelos del mundo son infraestructura para la próxima generación de productos de IA, no aplicaciones de consumo a corto plazo. Pero los productos que se construirán en 2026 y 2027 dependerán cada vez más de capacidades de modelado del mundo que se están estableciendo ahora:
Robótica a escala: cada empresa que construye IA física —automatización de almacenes, manufactura, entregas— necesita entrenar robots en escenarios diversos. Los modelos del mundo generan entornos de entrenamiento ilimitados y variados sin el costo de la recolección de datos físicos. DeepMind y World Labs están construyendo la capa de generación de entornos de entrenamiento que usará toda la industria de la robótica.
Agentes de IA con fundamentación física: los agentes de IA actuales, incluidos los sistemas más capaces basados en modelos de lenguaje, alucinan sobre restricciones físicas porque razonan sobre el mundo físico únicamente a partir de descripciones de texto. Una IA con un modelo del mundo puede simular si un plan funciona físicamente antes de comprometerse con él.
Creación de contenido 3D: los sistemas de la clase de Marble comprimirán los tiempos y costos de producción de contenido 3D en órdenes de magnitud —con implicaciones directas para el desarrollo de videojuegos, la producción cinematográfica, la arquitectura y los medios inmersivos.
Preguntas frecuentes
¿Qué es un modelo del mundo en la IA? Un modelo del mundo es un sistema de IA que construye una simulación interna de la realidad física —codificando cómo se comportan los objetos, cómo funcionan la causa y el efecto, y qué sucede después de una acción determinada. A diferencia de los modelos de lenguaje que predicen el siguiente token de texto, los modelos del mundo predicen el siguiente estado de un entorno físico. Se consideran fundamentales para la robótica, los vehículos autónomos y los agentes de IA física.
¿Qué está construyendo Yann LeCun en AMI Labs? AMI Labs, cofundada por LeCun y financiada con una ronda semilla de 1.03 mil millones de dólares (la más grande en la historia de las startups europeas), está desarrollando IA basada en JEPA —Arquitectura Predictiva de Incrustación Conjunta. JEPA predice representaciones abstractas en lugar de píxeles o tokens crudos, con el objetivo de dotar a la IA del tipo de sentido común físico que los humanos desarrollan a través de la experiencia y no de la observación. LeCun argumenta que JEPA es la arquitectura necesaria para una IA que pueda razonar genuinamente sobre el mundo físico.
¿Qué es el producto Marble de World Labs? Marble es un modelo del mundo a gran escala de World Labs (fundada por Fei-Fei Li) que genera simulaciones 3D navegables en tiempo real a partir de descripciones o bocetos. A diferencia de los sistemas que convierten video existente en simulación, Marble crea entornos 3D novedosos con física y geometría espacial consistentes. Las aplicaciones incluyen entornos de entrenamiento para robótica, prototipado de videojuegos y AR/VR, y visualización arquitectónica.
¿Cómo funciona el modelo del mundo de Google DeepMind? El modelo del mundo de DeepMind, lanzado en agosto de 2025, toma un video como entrada y lo convierte en una simulación interactiva. El usuario puede navegar y actuar dentro del entorno simulado, y el modelo genera los siguientes cuadros físicamente plausibles en tiempo real. En lugar de codificar manualmente reglas físicas, el modelo aprende dinámicas físicas al entrenarse con grandes conjuntos de datos de video —infiriendo cómo se comporta el mundo a partir de observarlo.
Fuentes
- Google DeepMind — Lanzamiento del modelo del mundo interactivo en tiempo real, agosto de 2025
- World Labs — Lanzamiento del producto Marble y documentación técnica, 2026
- AMI Labs — Anuncio de la ronda semilla de 1.03 mil millones de dólares y resumen de la arquitectura JEPA, 2026
- Yann LeCun — Artículos de investigación sobre JEPA y presentaciones públicas, Meta AI, 2025–2026
