World models entram em produção: Fei-Fei Li levanta US$ 1,2 bi, LeCun US$ 1 bi, Runway pivota — e a próxima fronteira da IA sai da tela e vai para o espaço 3D

Resumo: Em 2026, world models — modelos que aprendem uma representação interna do mundo físico, em vez de gerar apenas texto ou pixels — deixaram de ser aposta acadêmica e viraram tese central de investimento. Fei-Fei Li levantou cerca de US$ 1,2 bilhão para a World Labs (rodada de US$ 1 bi com Autodesk, NVIDIA e AMD), Yann LeCun captou US$ 1,03 bi em seed para a AMI Labs (focada em JEPA e robótica), e a Runway fechou Série E de US$ 315 mi a US$ 5,3 bi de avaliação para redirecionar capital para pretrain de world models. Google DeepMind avança com o Genie, e a NVIDIA joga com Cosmos. É a nova corrida — e a próxima fronteira da IA já não cabe em uma janela de chat.

O que é um world model, afinal

Um LLM aprende a distribuição estatística de sequências de tokens (linguagem). Um modelo de geração de vídeo aprende sequências de frames. Um world model vai além: aprende uma representação interna do mundo tridimensional — geometria, física, causalidade — que pode ser navegada, editada, e usada para prever consequências de ações.

Na prática, isso significa que um agente equipado com world model pode simular mentalmente “se eu empurrar essa cadeira, ela cai?” antes de agir. Para robótica isso é revolucionário: em vez de bilhões de horas de coleta real, o robô treina em ambientes virtuais fisicamente consistentes gerados por um world model. Fei-Fei Li defende que world models são a peça faltante para resolver o problema fundamental da robótica moderna: escassez de dados.

Os três polos

World Labs (Fei-Fei Li) — inteligência espacial

Fundada em 2024, com o produto Marble como carro-chefe. Marble gera ambientes 3D consistentes, editáveis e reutilizáveis a partir de prompts ou imagens. O foco não é gerar vídeo bonito, mas objeto espacial navegável — pense em uma primitiva computacional que substitui o “mundo” em jogos, treinamento de robôs e simuladores CAD.

AMI Labs (Yann LeCun) — arquitetura JEPA

LeCun sempre defendeu que geração pixel-a-pixel é um beco sem saída para inteligência. A AMI Labs constrói em cima de JEPA (Joint Embedding Predictive Architecture): em vez de prever pixels, o modelo prevê representações abstratas do próximo estado do mundo. Aplicação prioritária: máquinas autônomas — veículos, drones, robôs industriais.

Runway — de vídeo generativo a world modeling

Historicamente foco em texto-para-vídeo, a Runway agora usa seu caixa para pretreinar world models. A hipótese: a mesma equipe que treinou Gen-4 para gerar vídeos pode treinar modelos que “entendem” cena — útil em cinema, publicidade, gêmeos digitais industriais e educação.

Por que importa

Três aplicações concretas justificam o hype:

1. Robótica humanoide e autônoma. Sem world models, robôs precisam de dados reais escassos. Com world models, o treinamento vira “sim-to-real” barato e infinito.
2. Ciência computacional. Simular experimentos físicos, químicos, biológicos com fidelidade suficiente para descartar hipóteses antes de gastar em laboratório.
3. Realidade misturada e educação. Ambientes virtuais persistentes, consistentes, personalizados — uma “internet 3D” onde cada usuário pode navegar cenários gerados sob demanda.

Status no Brasil

Do lado acadêmico, laboratórios do IME-USP, UFRGS e UFMG têm publicações em modelos de mundo para robótica, especialmente em veículos autônomos e agricultura de precisão. Do lado industrial, o interesse ainda é incipiente: empresas de agtech (Solinftec, Ceres) e mineração (Vale, Nexa) começam a explorar gêmeos digitais como substrato para futuros world models. Startups brasileiras como a Manda (defesa) e Umbler (nuvem) monitoram o espaço, mas ainda não têm produtos comerciais próprios. Para o desenvolvimento nacional, a oportunidade está em datasets: geografia amazônica, tipologia arquitetônica local, biomas tropicais — informação que gigantes americanos não têm em qualidade.

Riscos e limitações

World models são caros. Um único ambiente 3D navegável demanda ordem de grandeza mais compute que geração de vídeo equivalente. Segundo: falta métrica consensuada — como medir “qualidade de mundo”? Fotorrealismo? Consistência física? Utilidade em treinamento downstream? Sem benchmark padrão, comparações são anedóticas. Terceiro: alucinação espacial. Modelos podem gerar geometrias impossíveis (paredes que se cruzam, gravidade inversa) sem sinal explícito de erro — problema análogo ao das alucinações em LLMs, mas em 3D.

SWOT econômica

.pn-swot{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin:22px 0}
.pn-swot .box{padding:14px 16px;border-radius:10px;color:#fff;font-size:.95em}
.pn-swot .box h4{margin:0 0 8px;font-size:1.05em;color:#fff}
.pn-swot .f{background:#1b7a3e}
.pn-swot .fr{background:#c86a1e}
.pn-swot .o{background:#1e5aa8}
.pn-swot .a{background:#a83232}
.pn-swot ul{margin:0;padding-left:18px}
.pn-swot li{margin:4px 0;line-height:1.35}

Cenário e indicativo de futuro

Em 12 meses, dois marcos merecem atenção: (a) primeiro benchmark aceito internacionalmente para world models — provavelmente com métricas de física, coerência espacial e utilidade em transferência sim-to-real; (b) primeira grande implantação industrial fora do laboratório — provavelmente em fábricas de eletrônicos ou linhas automotivas usando robôs treinados 100% em mundos virtuais. Em 24 meses, é plausível que world models estejam integrados em quase todo agente com corpo físico — desde drones até assistentes de shopping.

Conclusão prática

Se você lidera um time de robótica, agtech, aviação, cinema, arquitetura, jogos ou treinamento profissional imersivo, comece a experimentar hoje com Marble (World Labs), Genie (DeepMind) e Cosmos (NVIDIA). Não como brinquedo, mas como pipeline candidato para 2027–2028. Se você é pesquisador, o momento de contribuir para os primeiros benchmarks é agora — a comunidade que definir a métrica define o campo. E se você é gestor público, vale mapear ativos brasileiros de dados espaciais (LiDAR, cartografia, ortomosaicos) como matéria-prima soberana para world models nacionais.

Fonte: Fortune — Why the AI field’s biggest names are betting billions on ‘world models’