Worldmodeldata de Cambridge recauda £7 millones para entrenar IA en videojuegos

Worldmodeldata, una red neuronal para videojuegos, ha atraído £7 millones de inversión para entrenar IA: la empresa transforma la jugabilidad en datos para entrenar una nueva clase de inteligencia artificial — modelos mundiales que no solo describen el mundo, sino que entienden cómo responde a las acciones.

Por qué los modelos mundiales necesitan datos diferentes

Los grandes modelos de lenguaje — ChatGPT, Claude, Gemini — fueron entrenados principalmente en texto. Han dominado el lenguaje, el conocimiento y la lógica del razonamiento. Pero este enfoque tiene un límite fundamental: estos sistemas no tienen comprensión integrada de la física.

"Modelos mundiales" — la siguiente frontera. Estos son sistemas de IA capaces de predecir las consecuencias de acciones físicas: qué sucede si empujas un objeto, tiras de una palanca o lanzas un objeto desde una altura. Tal comprensión es necesaria para robots, agentes industriales y cualquier sistema que opere en espacio real, en lugar de virtual.

La dificultad principal es los datos. Registrar interacciones físicas reales a escala es muy costoso: requiere robots con sensores, laboratorios, operadores calificados y miles de horas de experimentos en condiciones diversas. Worldmodeldata ha encontrado un camino alternativo.

Por qué los videojuegos son una fuente de datos para la IA

Los motores de juego son esencialmente simuladores de física. Modelan gravedad, colisiones, dinámica de fluidos, elasticidad de materiales y comportamiento de objetos bajo carga en tiempo real. Cada hora de jugabilidad contiene millones de pares "acción → reacción del entorno": un coche choca contra una pared — se deforma según las leyes de la física, un personaje salta — aterriza a velocidad predecible, líquido se derrama — se expande según la hidrodinámica simulada.

La diversidad también es importante: los juegos modernos crean miles de tipos de entornos y objetos — desde simuladores de conducción hasta estrategias con sistemas físicos. Esta es una base de datos lista para usar de interacciones con el entorno físico, ya estructurada por la lógica del juego mismo.

Datos clave de la ronda:

• Cantidad: £7 millones (~€8 millones)
• Tipo de financiación: ronda inicial
• Inversor principal: Iona Star Capital, Londres
• Startup: Worldmodeldata, Cambridge, Reino Unido

Qué significa esto

El mercado de datos de entrenamiento para IA se está transformando. Después de años de eras de corpus de texto y conjuntos de datos multimodales, laboratorios importantes — Google DeepMind, Meta, OpenAI — están investigando activamente modelos mundiales para robots y sistemas de agentes. La demanda de datos de entrenamiento físicamente precisos e interactivos crecerá junto con el mercado de robots humanoides y agentes autónomos.

La apuesta de Worldmodeldata es simple: décadas acumuladas de jugabilidad — esta es una fuente escalable de datos sobre interacción física que no existe en ningún lugar en volumen comparable. Si el pronóstico es correcto, los videojuegos se transformarán de entretenimiento a infraestructura para entrenar la próxima generación de IA.

*Meta es reconocida como una organización extremista y está prohibida en Rusia.

¿Qué son los modelos mundiales en IA?

Estos son una nueva clase de redes neuronales que no solo describen el mundo, sino que entienden cómo responde a las acciones. A diferencia de los grandes modelos de lenguaje (ChatGPT, Claude, Gemini) entrenados en texto, los modelos mundiales deben reproducir la física y la lógica de la interacción entre objetos en el mundo circundante.

¿Por qué la IA necesita datos de videojuegos?

Los videojuegos contienen miles de millones de fotogramas de jugabilidad con física mundial conocida y reacciones del entorno a las acciones del jugador. Esta es una fuente ideal de datos de entrenamiento para que las redes neuronales aprendan relaciones causales y predigan la progresión de eventos.