No pasa un mes, prácticamente no pasa una semana sin que el mundo de la inteligencia artificial nos aporte algo nuevo. Aparte de los concursos sobre qué modelos se lanzan (p. ej. cuando el gobierno americano les da permiso para difundirse) también se están produciendo cambios cada vez más estratégicos en la naturaleza de estas tecnologías.
Esta vez le toca modelos mundialesque se están convirtiendo en el nuevo campo de batalla de la inteligencia artificial: ya no sólo chatbots capaces de hablar, sino sistemas que intentan comprender el espacio, el tiempo y las consecuencias de las acciones. De Google DeepMind a NvidiaDesde las startups más agresivas, comienza la carrera por construir máquinas capaces de simular el mundo real. Según los expertos, este es el próximo gran desafío de la IA, que podría cambiar la robótica, la automoción y la tecnología para siempre.industria en general. O al menos, inténtalo.
El muro de los modelos lingüísticos
El punto de partida de esta carrera es una comprensión incómoda: yo grandes modelos lingüísticos tienen un límite estructural que ningún aumento de parámetros puede remediar. Procesan el texto con extraordinaria fluidez, pero no tienen representación interna de la física, la geometría o consecuencias de una acción en el mundo real. La discusión, ya suscitada con fuerza por el estudio de Apple sobre los límites arquitectónicos de la IA moderna, muestra que estos sistemas reconocen patrones sin comprender realmente el espacio y tiempo fisico.
Aquí es donde el modelo mundial: sistemas diseñados para construir un representación interna del entornocapaz de predecir cómo cambiará un escenario, qué pasará si un agente se mueve de determinada manera y qué fuerzas físicas gobiernan esa transformación.
No son generadores de vídeo ni motores gráficos tridimensionales, sino algo conceptualmente más profundo: simuladores de la realidad capaces de razonar sobre causalidadsecuencias espaciales y temporales. El interés no es puramente académico, dada la miles de millones de dólares que están llegando a la industria desde todas direcciones.
Taxonomía y el debate arquitectónico.
El 3 de junio de 2026, el equipo de World Labs dirigido por Fei-Fei Li (genio de origen chino en el sector de la inteligencia artificial) ha publicado Una taxonomía funcional de modelos mundialesun marco que divide el campo en tres funciones distintas. EL renderizador producir resultados visuales optimizados para la percepción humana; el simuladores modelan transiciones de estados regidas por la física; el planificadores seleccionar acciones para alcanzar los objetivos.
el trabajo de Fei-Fei Li pretende arrojar luz sobre un término que se había aplicado indistintamente a generadores de vídeo, motores físicos y sistemas de control robóticos, generando a menudo más confusión que comprensión.
En paralelo, Yann LeCunjefe de IA en Meta, argumentó enérgicamente en el MILA World Modeling Workshop en Montreal y luego en ETH Zurich que yo modelo mundial deben adoptar la Arquitectura predictiva de integración conjunta (JEPA) en lugar de los enfoques generativos que dominan hoy. Según LeCun, una verdadera modelo mundial no genera píxeles sino que construye representaciones estructuradas del mundo que nos permiten predecir estados futuros de manera eficiente, sin tener que reconstruir toda la escena.
La división entre el escuela generativa y eso predictivo no generativo Es el debate técnico más acalorado del momento y aún no está claro qué enfoque prevalecerá a escala industrial.
La avalancha de capital
Como dicen, en estos casos hay que sigue el dinero. Es decir, la financiación: éstos indican la dirección del desarrollo mejor que cualquier manifiesto. supramundouna startup de Providence, Rhode Island que desarrolla modelo mundial difusivo compatible con hardware de consumocerró una ronda previa a la semilla de 4,5 millones de dólares liderada por Kindred Ventures en enero; el Video Renacimiento de Singapur ha recopilado 80 millones de dolares con AMD Ventures y Hyundai para construir un motor de inteligencia artificial de grado industrial para generar entornos de video.
Aún así, PhysicsX cerró el 8 de junio. Ronda Serie C de 300 millones de dólares a una valoración de 2.400 millones, con el apoyo de Temasek, Nvidia y Siemens, mientras que en ICLR 2026 en abril, el segundo World Model Workshop reunió a investigadores comprometidos con unificar el modelado generativo, la toma de decisiones y el razonamiento causal en sistemas escalables.
Los grandes nombres: Nvidia construye Cosmos, Google simula el mundo
Nvidia lo lanzó a principios de junio. Cosmos 3tercera versión de su modelo fundamental omnimodal para IA física, con una arquitectura que combina una transformador autorregresivo para el razonamiento y la planificación con uno difuso para la generación de videos físicamente precisos. Como ya surgió en el análisis de la keynote de Jensen Huang en Computex 2026, el modelo puede funcionar como un sistema de visión artificial, como generador de datos sintéticos para robots y vehículos autónomos, y como simulador para la evaluación de política de control.
El problema que Cosmos quiere resolver es estructural: Casi todo el material de vídeo disponible en el mundo es en tercera persona, mientras que entrenar robots físicos requiere datos en primera persona, y cerrar esta brecha requiere la capacidad de producir escenarios físicamente coherentes en cantidades industriales.
El interés de NVIDIA para la simulación del mundo físico no es ayer: ya en el CES 2025 de Las Vegas, Huang había presentado la primera versión de Cosmos como una plataforma capaz de crear entornos virtuales que reconstruyen Comportamiento fiel al mundo real.con aplicaciones que van desde la conducción autónoma hasta la robótica industrial.
Google DeepMind en lugar de centrarse en genio 3presentado como el primero modelo mundial interactivo en tiempo real capaz de generar entornos fotorrealistas a partir de descripciones textuales, con coherencia de las escenas garantizado por la memoria de estados anteriores, a una resolución de 720p y aproximadamente veinte fotogramas por segundo.
La plataforma Project Genie, construida sobre Genie 3, ya está disponible para desarrolladores e investigadores en Estados Unidos y permite generar caminos interactivos que simulan la física de elementos visibles en tiempo real, abriendo escenarios concretos para formación de agentes generalistas.
Las aplicaciones, los límites y lo que está en juego
Con Gemini Robotics, Google DeepMind ya ha demostrado cómo modelo mundial puede habilitar robots generalistas capaces de adaptarse a situaciones inesperadas durante el entrenamiento, realice tareas de destreza fina e interactúe con nuevos entornos sin realinear el sistema desde cero.
Las aplicaciones más inmediatas afectan a toda la cadena de suministro.inteligencia fisica: robótica, conducción autónoma, simulación industrial, producción de datos sintéticos, prueba de escenarios peligrosos o raros sin exponer a personas y máquinas a riesgos reales.
Nvidia ha declarado explícitamente que su Modelo de Fundación Mundial ellos apuntan a generar datos físicos escalables acelerar el desarrollo de la IA física, en línea con la trayectoria ya indicada en la era de la robótica generalista y los humanoides, que Jensen Huang considera la próximo mercado explosivo un billón de dólares.
Sin embargo, existen limitaciones y sería imprudente ignorarlas: Genie 3 no simula el mundo con perfecta precisión físicala interacción continua solo dura unos minutos y el texto generado dentro de las escenas puede ser inconsistente. Como destaca el campo de los agentes de IA que operan en bucles autónomos, la robustez de los sistemas que deben actuar en el mundo real requiere un nivel de fiabilidad que los modelos actuales aún no han alcanzado, ei modelo mundial no son una excepción.
La comunidad científica aún no tiene uno. taxonomía compartidaLeCun insiste en que confundir modelo mundial con los generadores de vídeo es un error conceptual capaz de desviar años de investigación, y la cuestión de qué arquitectura prevalecerá sigue abierta en todos los frentes: quien lo solucionara controlará la plataforma sobre la que se construirá IA encarnada de la próxima década.
Todas las noticias y conocimientos sobre inteligencia artificial están disponibles en la sección dedicada de aatma.