¡Los principales fondos de Silicon Valley apuestan colectivamente! Morgan Stanley explica en detalle la siguiente frontera de la IA: "Modelos del Mundo"

Los grandes modelos han llevado el camino de la “lengua” hasta hoy, y sus límites son cada vez más claros: son expertos en escribir, buscar, modificar y programar, pero cuando los problemas involucran espacio tridimensional, evolución temporal y restricciones físicas, los paradigmas existentes empiezan a mostrar sus limitaciones. Morgan Stanley apuesta a la próxima fase de crecimiento en los “modelos del mundo”—hacer que la IA aprenda a entender, simular y tomar decisiones en entornos físicos, aplicándose no solo en robots y conducción autónoma, sino también en la transformación de juegos, diseño, producción audiovisual y otras industrias de contenido digital.

Según WindTrader, en el último informe, el analista de acciones del equipo de Morgan Stanley en Norteamérica, Adam Jonas, escribió claramente: “La IA va más allá del lenguaje hacia modelos que entienden, simulan y navegan en el mundo físico.” La implicación subyacente es: en la próxima competencia, no será quién tenga un chat más humano, sino quién pueda comprimir las leyes del mundo real en una representación interna usable y convertirla en un “motor de imaginación” interactivo.

Las evidencias presentadas en el informe no se basan en narrativas futuristas, sino en prácticas de ingeniería ya realizadas: Waymo ha realizado “decenas de miles de millones de millas” de pruebas virtuales usando un modelo del mundo basado en DeepMind Genie 3; Microsoft ha transformado “Quake II” de 1997 en una versión renderizada y jugable completamente por IA con Muse; Roblox ha divulgado investigaciones sobre generación de entornos inmersivos mediante modelos del mundo propios y la iteración de juegos mediante lenguaje natural. Grandes empresas como DeepMind, Meta, Microsoft, Tesla, Nvidia están en ello, y nuevas startups también compiten por talento y fondos.

Lo que llama más la atención es que Morgan Stanley enfoca la mirada en dos nuevas startups: World Labs, liderada por Fei-Fei Li, que se centra en “generar mundos 3D navegables”, y AMI Labs, dirigida por Likun Yang, que busca “aprender representaciones latentes eficientes para predicción y razonamiento”. Detrás de ambas rutas está la misma cuestión: ¿en qué forma debe entender la IA el mundo?, y ¿cuándo esa comprensión podrá pasar de ser un demo a convertirse en una verdadera productividad?

De lenguaje a física: lo que los modelos del mundo necesitan complementar son las deficiencias duras de los LLM

El informe describe el “mundo físico” como un campo aún más desafiante: sometido a leyes de materia, termodinámica, fluidos, iluminación, que operan en un espacio tridimensional en constante cambio. Los LLM se entrenan principalmente con textos y sus variantes, son muy fuertes en tareas de oficina (codificación, búsqueda, escritura), pero para responder a preguntas como “¿qué pasará en la próxima segunda?” o “¿qué consecuencias tendrá esta acción?”, lo que falta no son datos, sino capacidades de mantener representaciones coherentes del entorno a largo plazo y de realizar inferencias en ellas.

Por ello, los modelos del mundo se definen como una “representación interna del entorno usable”: no solo deben reproducir lo que ven, sino también proyectar el estado hacia adelante, y ofrecer diferentes ramas futuras cuando cambian las condiciones de “acción”—una metáfora recurrente en los informes: el “motor de imaginación” de la IA.

Los modelos del mundo no son una sola cosa: cinco rutas principales en paralelo

Morgan Stanley clasifica las prácticas actuales en varias categorías (y enfatiza que los límites se difuminarán con el tiempo):

• Modelos del mundo interactivos y condicionales a acciones: como “motores de juego aprendidos”, donde el entorno cambia en tiempo real según las acciones del agente (ejemplo: DeepMind Genie).

• Generadores coherentes de mundos 3D: que aseguran consistencia geométrica espacial y permiten exploración desde múltiples perspectivas (ejemplo: Marble de World Labs).

• Representaciones abstractas/no generativas: que no buscan generar imágenes pixel por pixel, sino predecir estructuras y dinámicas en espacios latentes más altos, priorizando eficiencia y razonamiento (ejemplo: Meta V-JEPA, AMI Labs).

• Modelos predictivos de mundos generativos: que predicen la siguiente “cuadro” o “estado” para planificación, predicción y razonamiento en conducción (ejemplo: Wayve GAIA, NVIDIA Cosmos Predict).

• Motores de datos simulados con restricciones físicas: combinan modelos del mundo con simuladores, motores físicos y pipelines de datos para generar datos sintéticos más coherentes físicamente para entrenamiento de robots (ejemplo: Transfer de NVIDIA Cosmos).

Esta clasificación tiene un significado práctico: aunque todos se llaman “modelos del mundo”, algunos buscan “generar un mundo navegable”, otros “comprimir el mundo en un estado computable”; sus formas de producto, estructuras de cálculo y caminos comerciales son diferentes.

Primero en juegos y producción de contenido: la sustitución de motores es tentadora, pero aún no es rápido

El ejemplo más “visual” en el informe son los juegos: los modelos del mundo pueden generar entornos interactivos a partir de pocas indicaciones, acelerando la producción de contenido a otro nivel. La versión jugable de “Quake II” creada por Microsoft con Muse es un ejemplo claro: ya no dependen de motores tradicionales para renderizar cuadro por cuadro, sino que el modelo predice cada cuadro según la entrada del jugador.

Pero el equipo de analistas de videojuegos de Morgan Stanley (que cita el marco de Matt Cost) no es optimista: a largo plazo, hay dos escenarios posibles—los gigantes actuales integran IA en sus cadenas de herramientas para “adaptarse”, o son reemplazados/seriamente perturbados por nuevos paradigmas. La sustitución parece más sencilla, porque los modelos actuales ya pueden “generar mundos jugables en lenguaje natural”.

El reto está en lo que viene después: la velocidad y el costo computacional quizás tengan soluciones, pero problemas como “sistemas meta, latencia” serán más difíciles, y cuestiones como “determinismo, memoria, actualización” podrían ser obstáculos duros en el paradigma de modelos del mundo. Esto significa que las restricciones a corto plazo dan una ventana a los jugadores tradicionales, pero las amenazas a largo plazo siguen siendo reales.

Conducción autónoma y robots, más pragmáticos: usar mundos virtuales para “ampliar datos” y “pensar antes de actuar”

El enfoque en conducción autónoma es más claro: trasladar a entornos virtuales escenarios peligrosos, raros y costosos en la realidad. El informe menciona que Waymo ha realizado “decenas de miles de millones de millas” de pruebas virtuales usando un modelo del mundo basado en Genie 3, para entrenar y validar el rendimiento en situaciones límite que en la calle real son difíciles de encontrar o peligrosas.

Para robots, la lógica es más de ingeniería: los modelos del mundo pueden resolver dos problemas principales—cantidad de datos de entrenamiento y razonamiento previo a la ejecución. Estudios muestran que entrenar robots con datos generados por modelos del mundo puede ser tan efectivo como con datos reales de interacción. Pero Morgan Stanley también delimita el uso: a corto plazo, los modelos del mundo y los datos simulados complementarán los datos reales, no los reemplazarán.

Los detalles que realmente importan, vienen de “contacto y fricción”: el informe enfatiza que las pequeñas cantidades físicas, como la fuerza sutil aplicada por los dedos, las diferencias entre estados nuevos y viejos de actuadores, la fricción superficial y las propiedades del material, incluso la fricción estática en las articulaciones, pueden causar grandes discrepancias entre simulación y realidad.

Lo más difícil es la “estabilidad a largo plazo” y el “control”: hay varias barreras

El informe detalla estos desafíos con precisión y sin rodeos:

• Acumulación de errores y deriva temporal: cuanto más interactúa, mayor la probabilidad de desplazamiento de objetos, deformaciones geométricas y desviaciones en las reglas físicas. Genie 3, considerado avanzado, solo soporta unos minutos de interacción continua.

• Falta de control: por muy realista que sea la visual, si las acciones solo permiten movimientos básicos, el valor del producto será limitado.

• Multiagentes y dinámicas sociales: la interacción simultánea de varias personas, vehículos o robots es mucho más compleja que con una sola cámara, y DeepMind señala que esto es uno de los mayores retos de Genie 3.

• Escalabilidad y diversidad de datos: en robótica, la recolección de datos reales con sensores es costosa y lenta.

• Falta de estándares unificados: ¿cómo medir la calidad de interacciones prolongadas? No hay criterios aceptados, y los avances dependen mucho de demos y pruebas específicas.

Estas limitaciones marcan un ritmo práctico: los modelos del mundo probablemente primero se expandirán en el ámbito del contenido digital, donde la tolerancia a errores y la velocidad de iteración son altas, y luego se filtrarán hacia industrias que requieren mayor precisión física.

La apuesta de Fei-Fei Li: que la IA “comprenda” el espacio tridimensional

Morgan Stanley sitúa a World Labs, fundada en 2023 por Fei-Fei Li y su equipo, en la categoría de “generar mundos 3D coherentes”. La compañía salió de modo sigiloso en 2024; su producto insignia, Marble, fue lanzado en noviembre de 2025, con el objetivo de “generar entornos 3D duraderos y explorables a partir de texto, imágenes, videos cortos o entradas 3D básicas, y soportar edición y expansión”.

Las funciones que presenta parecen más una plataforma de creación y producción: permite eliminar o modificar objetos, usar “Chisel” para esculpir modelos gruesos y agregar detalles, expandir selecciones, componer múltiples mundos en escenarios mayores, exportar a software o motores 3D externos, y ofrece API para integración por desarrolladores.

También destaca su compatibilidad con cadenas de herramientas industriales: exportación a Unreal Engine y Unity, integración con plataformas de simulación como NVIDIA Isaac Sim, y ejemplos de uso en diseño arquitectónico y simulación robótica.

El interés del capital también está reflejado en el informe: PitchBook estima que World Labs ha recaudado aproximadamente 1,29 mil millones de dólares, y tras una ronda en febrero de 2026, su valoración post-inversión sería de unos 5,4 mil millones de dólares.

Otra vía de Yang Likun: sin renderizar imágenes, solo predecir estructuras

La historia de AMI Labs tiene un enfoque más “de paradigma de investigación”: fundada en marzo de 2026 por Yann LeCun, su camino se inclina hacia el marco JEPA—no reconstruir cada píxel, sino predecir las representaciones latentes de las partes ocultas o futuras, usando estructuras más abstractas para aprender las leyes de evolución del mundo. Morgan Stanley la clasifica en “representaciones abstractas/no generativas”, destacando su potencial en razonamiento, planificación y sistemas de IA física (especialmente en robots).

La información sobre productos específicos de AMI es limitada, pero se mencionan posibles aplicaciones: robótica, conducción autónoma, comprensión y análisis de videos, AR/VR con cámaras y asistentes inteligentes. En financiamiento, el informe indica que AMI Labs levantó más de 1,0 mil millones de dólares en una ronda semilla, con una valoración post-inversión superior a 4,5 mil millones de dólares según PitchBook.

El capital y el talento ya se están concentrando: la carrera por la inteligencia espacial se acelera

El mensaje más importante de este informe de Morgan Stanley no son detalles técnicos o demos específicos, sino la transformación de la estructura del campo: desde DeepMind, Meta, Microsoft, Tesla y Nvidia, hasta nuevas startups, los modelos del mundo están convirtiéndose en el “lenguaje común de la próxima etapa”. Esto explica por qué en juegos, cine y diseño se experimentan saltos en productividad, y también por qué la conducción autónoma y los robots trasladan cada vez más su entrenamiento, validación y planificación a entornos virtuales.

Los modelos del mundo no son un componente plug-and-play universal. La conclusión del informe es más una hoja de ruta: los escenarios funcionales ya existen, pero los verdaderos desafíos están en la estabilidad a largo plazo, el control, la interacción multiagente, los detalles físicos y los sistemas de evaluación. La próxima frontera será quién pueda convertir estos problemas duros en un ciclo de ingeniería completo, determinando cuánto puede avanzar el viaje de “de lo digital a lo físico”.