Crear 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 de una frase.
Resumen
Los modelos de lenguaje predicen palabras. Los modelos del mundo predicen lo que ocurre 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 su desarrollo: Google DeepMind lanzó un modelo del mundo interactivo en tiempo real basado en difusión de vídeo; 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 1.030 millones de dólares —la mayor de la historia en 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 se entrena 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 el lenguaje, los conceptos y los patrones.
Un modelo del mundo hace algo estructuralmente distinto. Dado el estado actual de un entorno físico, predice qué ocurre a continuación: cómo se comportan los objetos bajo una fuerza, qué aspecto tiene un espacio desde otro punto de vista, cuáles son las consecuencias de una acción concreta. Los datos de entrenamiento no son texto, sino vídeo, lecturas de sensores y simulaciones.
El objetivo es una IA capaz de simular antes de actuar. En lugar de describir un plan con palabras y confiar en 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 notablemente distintas.
Google DeepMind: de vídeo a simulación interactiva
En agosto de 2025, DeepMind lanzó un modelo del mundo interactivo en tiempo real que convierte vídeo en simulación jugable. La entrada es cualquier vídeo: imágenes de una habitación, un entorno exterior, el mundo de un videojuego. La salida es una versión interactiva de ese vídeo: el usuario puede moverse por él, realizar acciones, y el modelo genera en tiempo real el siguiente fotograma físicamente plausible.
El enfoque de DeepMind evita por completo las reglas físicas programadas a mano. El modelo aprende la dinámica física entrenándose con enormes conjuntos de datos de vídeo, infiriendo en la práctica 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 en robótica: generar escenarios novedosos ilimitados a partir de material de referencia en lugar de recopilar nuevos datos físicos
- Desarrollo de videojuegos: generar entornos de prototipo interactivos a partir de material de referencia
- Anclaje de agentes de IA: probar planes en simulación antes de ejecutarlos en el mundo real
Implicación a largo plazo: el modelo del mundo de DeepMind es una base para agentes autónomos capaces de razonar sobre las consecuencias antes de actuar, en lugar de actuar y observar los resultados después.
World Labs: Marble, el mundo 3D navegable
Fei-Fei Li —codirectora del Instituto de IA Centrada en el Ser Humano de Stanford y exresponsable de IA de Google Cloud— fundó World Labs para comercializar el modelado del mundo 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 vídeo existente en simulación interactiva, Marble genera mundos 3D completamente nuevos a partir de una descripción o un boceto aproximado. Estos entornos pueden explorarse desde cualquier ángulo con una geometría espacial y una física coherentes: una escena generada por Marble mantiene la coherencia estructural a medida que te desplazas por ella, algo que los sistemas generativos anteriores no lograban de forma fiable.
Dónde se está utilizando Marble:
| Aplicación | Qué permite |
|---|---|
| Entrenamiento en robótica | Entornos de entrenamiento ilimitados y variados sin recopilación de datos físicos |
| Prototipado de videojuegos y XR | Prototipar diseños de mundos y entornos sin artistas 3D |
| Arquitectura y diseño | Simulaciones de edificios recorribles 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 coste 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 1.030 millones de dólares por JEPA
Advanced Machine Intelligence Labs, cofundada por Yann LeCun (científico jefe de IA de Meta), cerró una ronda semilla de 1.030 millones de dólares —la mayor ronda semilla europea de la historia— procedente de un consorcio de inversores tecnológicos europeos.
AMI Labs no está construyendo un modelo de lenguaje más grande ni un mejor sistema de difusión de vídeo. Está construyendo una IA basada en la Arquitectura Predictiva de Incrustación Conjunta (JEPA) de LeCun, que funciona con principios fundamentalmente distintos a los de los modelos del mundo actuales.
En lugar de predecir píxeles o tokens de texto en bruto, JEPA entrena a la IA para predecir representaciones abstractas: la estructura significativa de una escena más que su apariencia literal. El argumento de LeCun: el sentido común humano no se construye memorizando observaciones del mundo, sino aprendiendo modelos abstractos de causa y efecto, dinámica física 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 vídeo, porque no intentan reconstruir cada píxel, sino modelar la estructura conceptual que genera esos píxeles.
La tesis de AMI Labs, en palabras de LeCun: escalar los modelos de lenguaje no puede producir una IA general. El ingrediente que falta es un modelo del mundo que entienda la física desde primeros principios, no a partir de patrones estadísticos en texto o vídeo.
Comparación de los tres enfoques
| Google DeepMind | World Labs (Marble) | AMI Labs (JEPA) | |
|---|---|---|---|
| Enfoque principal | Difusión de vídeo: aprender física observándola | Síntesis generativa de entornos 3D | Predicción de representaciones abstractas |
| Datos de entrenamiento | Imágenes de vídeo | Datos ambientales multimodales | No publicados; entrenamiento conceptual |
| Resultado | Simulación interactiva a partir de vídeo de referencia | Mundos 3D novedosos a partir de una descripción | Modelo del mundo abstracto para el razonamiento |
| Fase | Lanzado (agosto de 2025) | Comercializado (2026) | Investigación / desarrollo inicial |
| Uso previsto | Entrenamiento en robótica, anclaje de agentes | Robótica, desarrollo de videojuegos, arquitectura, XR | Base a largo plazo para la IA general |
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 están construyendo en 2026 y 2027 dependerán cada vez más de las capacidades de modelado del mundo que se están estableciendo ahora:
Robótica a escala: toda empresa que construye IA física —automatización de almacenes, fabricación, entrega— necesita entrenar robots en escenarios diversos. Los modelos del mundo generan entornos de entrenamiento variados e ilimitados sin el coste de recopilar datos físicos. DeepMind y World Labs están construyendo la capa de generación de entornos de entrenamiento que utilizará toda la industria de la robótica.
Agentes de IA con anclaje físico: los agentes de IA actuales, incluidos los sistemas más capaces basados en modelos de lenguaje, alucinan sobre las restricciones físicas porque razonan sobre el mundo físico únicamente a partir de descripciones textuales. 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 en órdenes de magnitud los plazos y costes de producción de contenido 3D, 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 ocurre a continuación tras 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 1.030 millones de dólares (la mayor 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 en bruto, 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 sostiene que JEPA es la arquitectura necesaria para una IA capaz de 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 vídeo existente en simulación, Marble crea entornos 3D novedosos con física y geometría espacial coherentes. Sus aplicaciones incluyen entornos de entrenamiento en robótica, prototipado de videojuegos y RA/RV, y visualización arquitectónica.
¿Cómo funciona el modelo del mundo de Google DeepMind? El modelo del mundo de DeepMind, lanzado en agosto de 2025, toma vídeo como entrada y lo convierte en una simulación interactiva. El usuario puede navegar y actuar dentro del entorno simulado, y el modelo genera en tiempo real los siguientes fotogramas físicamente plausibles. En lugar de codificar reglas físicas a mano, el modelo aprende la dinámica física entrenándose con grandes conjuntos de datos de vídeo, infiriendo cómo se comporta el mundo a partir de su observación.
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 1.030 millones de dólares y resumen de la arquitectura JEPA, 2026
- Yann LeCun — Artículos de investigación sobre JEPA y presentaciones públicas, Meta AI, 2025–2026
