AMI Labs apuesta por los modelos del mundo tras los LLM y ve en los VLA el camino hacia el producto

Tras el auge de los LLM, AMI Labs propone desplazar el centro de gravedad de la IA del lenguaje a la comprensión del entorno físico. A una máquina no le basta con saber continuar un texto si debe actuar de forma segura en el mundo real, planificar pasos y anticipar las consecuencias de sus decisiones.

AMI Labs es la empresa de investigación de Yann LeCun, uno de los pioneros clave del aprendizaje profundo. El proyecto ha captado 1,03 mil millones de dólares con una valoración de 3,5 mil millones de dólares antes de la inversión, lo que demuestra que el interés por los world models ha trascendido el debate académico.

La compañía parte de una idea sencilla: los datos de cámaras, sensores y detectores no se parecen al texto. Son continuos, ruidosos y multidimensionales, y encajan mal con la lógica de «predice el siguiente token». Por eso, en lugar de adaptar los LLM a cualquier escenario, AMI apuesta por otra capa base: el modelo del mundo.

Aquí, un modelo del mundo no es un generador de vídeo ni un simple sistema multimodal que recibe imágenes, texto y acciones. Se trata de un modelo que construye una representación interna latente del entorno, identifica relaciones estables y descarta los detalles aleatorios. No importa cada píxel del siguiente fotograma, sino la estructura de lo que ocurre: dónde están los objetos, cómo se mueven, qué restricciones impone el entorno y qué cambiará tras la acción del agente. Una arquitectura así debe responder no solo a «qué veo», sino también a «qué pasará si hago esto».

Por eso el enfoque gira en torno a JEPA, Joint Embedding Predictive Architecture. En esta lógica, el modelo no predice datos en bruto ni una secuencia de tokens, sino un estado en el espacio de representaciones. Así evita gastar cómputo en ruido y variaciones aleatorias y aprende de los rasgos realmente relevantes de la escena.

Las investigaciones sobre V-JEPA 2 ya aportan un argumento práctico a favor de este enfoque. El sistema se preentrenó primero con más de un millón de horas de vídeo de internet y después se ajustó una versión action-conditioned con menos de 62 horas de vídeos de robótica sin etiquetar. Tras ello, el modelo pudo funcionar en modo zero-shot con brazos robóticos Franka en laboratorios nuevos: agarró y desplazó objetos sin recopilar datos específicos para cada entorno y sin función de recompensa.

Pero un modelo del mundo, por sí solo, todavía no es un agente completo. Sabe predecir cómo evolucionará una situación, pero alguien tiene que traducir esa comprensión en una acción concreta. Ahí entra VLA, la capa visual-language-action que conecta la percepción, el objetivo del usuario, la orden en lenguaje natural y las acciones permitidas del sistema.

Una tesis importante de AMI y de trabajos afines es que VLA y world model no compiten. Al contrario: sin una predicción interna, un VLA resulta demasiado reactivo. Puede proponer la acción correcta «para el momento», pero rinde peor en escenarios largos, frágiles y físicamente delicados, donde hay que simular mentalmente las consecuencias de un contacto, un desplazamiento, una colisión o un error.

Por eso los mercados más evidentes para este enfoque no son las interfaces de chat, sino los sectores donde equivocarse sale caro: automatización industrial, robótica, dispositivos wearables y sanidad. Si un modelo de texto se equivoca al resumir un artículo, el daño es limitado. Si un sistema inteligente interpreta mal el estado de un equipo, evalúa erróneamente los riesgos en medicina o calcula mal la trayectoria de un robot, las consecuencias ya son físicas.

Resulta significativo que el primer socio de AMI sea Nabla, del ámbito de la medicina digital. Esto no significa que la compañía haya resuelto ya el reto de una IA fiable para el entorno clínico, pero sí marca la dirección: menos foco en demos vistosas y más en controlabilidad, previsibilidad y simulación interna del entorno antes de actuar.

La conclusión principal es que, tras la era de los LLM, el debate sobre la IA se desplaza poco a poco de la descripción lingüística del mundo a su modelado interno. El enfoque de AMI sigue siendo, por ahora, un programa de investigación y no un sustituto listo de los grandes modelos de lenguaje: el término «modelo del mundo» ya empieza a diluirse y la transferencia a entornos nuevos aún está por demostrar. Pero si esta línea funciona, el próximo avance práctico en IA podría no llegar de otro chatbot, sino de sistemas que primero entienden la realidad física y solo después actúan en ella.