Na semana de 18 de setembro de 2026, o jornalista Russell Brandom, do TechCrunch, mediou um painel sobre modelos de mundo (world models) na conferência All In — sem qualquer relação com o podcast de mesmo nome, e saiu do palco com mais perguntas do que respostas. O setor que promete dar às máquinas uma compreensão espacial do mundo real vive um momento de fartura de capital e de expectativa.
Ninguém parece disposto a dizer, em público, o que está de fato construindo.
Um painel, poucas certezas
O convidado mais próximo de uma autoridade no assunto era Michael Rabbatt. Ele é cofundador da AMI Labs, o laboratório de Yann LeCun, e vice-presidente de World Models da empresa.
Pressionado a explicar o que a companhia desenvolve, foi evasivo. Disse que só falaria quando estivesse pronto para falar.
Por e-mail, completou que a AMI ainda está em fase de pesquisa e construção. Não há planos de produto ou cronograma que possam ser discutidos abertamente.
A justificativa tem algum peso: a AMI tem menos de um ano de vida.
O problema é que a discrição se estende a todo o segmento. A World Labs, de Fei-Fei Li, tem no Marble provavelmente o produto mais desenvolvido da área.
As demonstrações vão de criação de mídia a ambientes exploráveis para videogames e efeitos de CGI, passando por aplicações em robótica. Ainda assim, a plataforma parece mais voltada a exibir capacidades do que a resolver um problema comercial específico.
Fornecedores também estão no escuro
A névoa chega até a cadeia de suprimentos. À margem do mesmo evento, Brandom conversou com Alex de Vigan, CEO da Physicl, empresa que fornece dados para o emergente mercado de modelos de mundo.
Ele sabe que seu material tem sido útil para o que os clientes estão construindo, mas não faz ideia do que seja. Segundo de Vigan, se os laboratórios contassem mais, ele conseguiria produzir dados mais úteis.
Por que a tecnologia é tão versátil
Na essência, modelos de mundo tratam da automação da inteligência espacial, tema que Fei-Fei Li já detalhou publicamente. A versão mais simples é um mapa navegável do mundo, parecido com os modelos que alimentam carros autônomos.
Mas a mesma abordagem que ajuda um veículo da Waymo a se deslocar no trânsito pode fazer um robô humanoide carregar caixas. Também pode transformar alguns minutos de vídeo em um ambiente que pode ser explorado.
Essa amplitude explica parte do mistério. A AMI já colocou um pé em manufatura, biomedicina, robótica e até software de IA para médicos, por meio de uma parceria com a Nabia.
Dificilmente perseguirá todas essas frentes ao mesmo tempo. Talvez uma ou duas se destaquem, e é justamente isso que ninguém confirma.
A lógica do silêncio
Não há dúvida de que existem negócios viáveis a serem construídos sobre modelos de mundo. Captar recursos é fácil para os laboratórios da área, e n ão há pressão para escolher um único caminho.
Há boas razões para não escolher. Se a AMI anunciasse amanhã que construiu um robô humanoide ou um sistema de renderização de nova geração para Hollywood, muitos outros laboratórios passariam a olhar o setor com interesse imediato.
A empresa logo enfrentaria concorrência de outras apostas em modelos de mundo, dos neolabs e até de OpenAI e Anthropic.
É, de certo modo, o outro lado da facilidade de captação: os rivais também levantam capital. O mesmo dinheiro que permite construir longe dos holofotes financia potenciais concorrentes assim que o caminho para o mercado fica claro.
Mesmo que a competição seja inevitável, o melhor é adiá-la o máximo possível.
Fãs de Cixin Liu reconhecerão a estratégia: trata-se de um cenário da Floresta Sombria. Se você não sabe quem mais está na mata, o mais prudente é não chamar atenção.
Fontes e links
- TechCrunch
- Hipótese da Floresta Sombria (Wikipedia)
- From Words to Worlds: Spatial Intelligence, de Fei-Fei Li
- A new test for AI labs: are you even trying to make money?
