I World Models AI (i modelli del mondo nell’intelligenza artificiale) stanno emergendo come l’archetipo destinato a superare i Large Language Model.
In parallelo a questa direzione, l’active inference applicata agli LLM viene indicata come un secondo asse teorico per superare i limiti del paradigma linguistico puro.
In meno di quattro mesi, tre operazioni miliardarie hanno ridefinito il settore: AMI Labs di Yann LeCun ha raccolto 1,03 miliardi di dollari nel seed round più grande della storia europea, Fei-Fei Li con World Labs ha chiuso un round da 1 miliardo, e NVIDIA ha presentato Cosmos 3 al GTC 2026.
Come ha dichiarato Alexandre LeBrun, CEO di AMI Labs, a TechCrunch: “La mia previsione è che ‘world models’ sarà la prossima buzzword. Tra sei mesi ogni azienda si definirà un world model per raccogliere fondi”.
In questo articolo scoprirai:
- Cosa sono i world models e in che cosa differiscono dai modelli linguistici tradizionali
- Come funziona l’architettura JEPA alla base di AMI Labs di Yann LeCun
- Le tre varianti di Runway GWM-1: Worlds, Robotics e Avatars
- Gli investimenti miliardari di World Labs e NVIDIA Cosmos 3
- Perché i modelli del mondo sono considerati il futuro dell’intelligenza artificiale
Cosa sono i World Models: definizione e funzionamento
I modelli del mondo (world models) sono sistemi di intelligenza artificiale progettati per apprendere rappresentazioni astratte della realtà fisica. A differenza dei Large Language Model, che vengono addestrati esclusivamente su testo, i world models imparano da video, dati sensoriali e osservazioni del mondo reale per costruire una comprensione interna di come funziona la realtà: geometria, illuminazione, fisica, permanenza degli oggetti.
Il principio fondamentale è la predizione in uno spazio di rappresentazione compresso. Invece di generare pixel grezzi o token, un world model opera in uno spazio latente dove le informazioni irrilevanti e imprevedibili vengono filtrate, mantenendo solo le strutture causali necessarie per simulare e anticipare gli stati futuri del mondo.
È un approccio radicalmente diverso dalla generazione autoregressiva tipica dei modelli linguistici.
Dall’immaginazione alla simulazione: il debutto di Sora e Genie
Prima dell’esplosione dei capitali nel 2026, abbiamo avuto i primi assaggi concreti di questa tecnologia con OpenAI Sora e Google DeepMind Genie. Questi modelli non sono solo generatori di immagini spettacolari; rappresentano il primo vero tentativo di dare all’intelligenza artificiale un’idea di spazio e tempo.
Se Sora ha stupito il mondo mostrando come un’IA possa “prevedere” la coerenza fisica (come la luce che riflette sull’acqua o il movimento dei tessuti), Genie ha fatto un passo oltre: ha imparato a trasformare una semplice immagine in un ambiente interattivo. Senza conoscere le regole della programmazione, Genie ha dedotto da solo come ci si muove in un mondo virtuale, diventando di fatto il primo simulatore di mondi giocabili.
Questi pionieri hanno dimostrato che il futuro non è più solo parlare del mondo, ma iniziare a simularne le leggi fondamentali.
World Models e LLM a confronto
Per comprendere meglio la distinzione, consideriamo un esempio: se un LLM può descrivere a parole cosa succede quando un bicchiere cade da un tavolo, un world model è in grado di simulare internamente la dinamica della caduta, prevedere la traiettoria, l’impatto e la frammentazione.
Questa capacità di simulazione interna è ciò che rende i world models fondamentali per la cosiddetta “physical AI”: robotica, veicoli autonomi, simulazioni industriali e sanità.
L’idea non è nuova. I world models affondano le radici nella teoria dei modelli mentali della psicologia cognitiva e nei primi lavori di David Ha e Jürgen Schmidhuber (2018). Ma è solo ora, con la convergenza di potenza computazionale, dati video su larga scala e architetture neurali avanzate, che questi modelli stanno diventando concretamente realizzabili e finanziabili.
AMI Labs e l’architettura JEPA di Yann LeCun
Il 9 marzo 2026, AMI Labs ha annunciato un round seed da 1,03 miliardi di dollari con una valutazione pre-money di 3,5 miliardi, secondo quanto riportato da TechCrunch. Si tratta del seed round più grande nella storia europea. Yann LeCun, vincitore del Premio Turing e fino a poco tempo fa figura chiave della ricerca AI in Meta, ricopre il ruolo di Executive Chairman, mentre Alexandre LeBrun guida l’azienda come CEO.
Che cos’è JEPA?
Il cuore tecnologico di AMI Labs è JEPA (Joint Embedding Predictive Architecture), un’architettura proposta da LeCun nel 2022. JEPA rappresenta un cambio di paradigma rispetto ai modelli generativi: anziché predire dati grezzi (come fanno i diffusion model o i modelli autoregressivi), JEPA lavora in uno spazio di rappresentazione astratto, predicendo embedding ad alto livello. Questo approccio elimina la necessità di modellare ogni singolo dettaglio (rumore, variazioni casuali, informazioni irrilevanti) e si concentra invece sulle relazioni causali e strutturali.
L’operazione ha attirato investitori di primissimo piano: NVIDIA, Samsung, Bezos Expeditions, Toyota Ventures, oltre a figure come Eric Schmidt, Mark Cuban e Tim Berners-Lee. La prima partnership annunciata è con Nabla, una startup di sanità digitale, segnale che le applicazioni iniziali dei world models AI di AMI Labs si orienteranno verso il settore healthcare e la robotica industriale, come confermato da HPCwire.
La visione di LeCun è esplicita: i modelli linguistici, per quanto potenti, operano in un mondo simbolico disconnesso dalla realtà fisica. Per raggiungere una forma di intelligenza più generale, l’AI deve imparare a percepire, modellare e interagire con il mondo reale, esattamente ciò che i world models promettono di fare.
È una posizione che LeCun difende pubblicamente da anni e che ora ha il supporto finanziario per essere messa alla prova su scala industriale.
Runway GWM-1: tre modelli, un’unica visione
Prima ancora del clamore intorno ad AMI Labs, Runway aveva già mosso le prime pedine concrete nel campo dei world models. L’11 dicembre 2025, l’azienda ha lanciato GWM-1 (General World Model 1), costruito sull’architettura Gen-4.5 e capace di interazioni in tempo reale a 24 fps e risoluzione 720p, come documentato dalla pagina di ricerca ufficiale Runway.
Runway GWM-1 si declina in tre varianti specializzate:
- GWM Worlds
Simulazione ambientale in tempo reale. Partendo da una scena statica, genera spazi immersivi, esplorabili all’infinito, con geometria, illuminazione e fisica coerenti mentre l’utente si muove nell’ambiente. - GWM Robotics
Addestrato su dati robotici, predice rollout video condizionati sulle azioni del robot. Supporta la generazione controfattuale: permette di esplorare traiettorie alternative e i relativi esiti, rendendo possibile una forma di pianificazione basata sulla simulazione. - GWM Avatars
Modello di generazione video guidato dall’audio, che simula movimenti umani naturali: espressioni facciali, movimento degli occhi, lip-syncing e gestualità durante conversazioni prolungate senza degradazione della qualità.
La roadmap di Runway prevede la fusione progressiva delle tre varianti in un modello unificato, un singolo world model capace di gestire ambienti, robot e avatar in un unico framework.
È un obiettivo ambizioso che, se raggiunto, avvicinerebbe concretamente l’idea di un simulatore universale della realtà. Chi segue l’evoluzione dei modelli multimodali riconoscerà il pattern: la convergenza di capacità diverse in architetture sempre più unificate è un trend dominante nell’AI attuale.
World Labs di Fei-Fei Li: l’intelligenza spaziale
Il 18 febbraio 2026, World Labs, fondata da Fei-Fei Li (pioniera della computer vision e figura nota come la “madrina dell’AI”) ha chiuso un round di finanziamento da 1 miliardo di dollari, dopo un precedente round da 230 milioni. Tra gli investitori figurano AMD, NVIDIA, Fidelity e Autodesk, che da sola ha contribuito con 200 milioni, secondo quanto riportato da Bloomberg.
Il prodotto di punta è Marble, una piattaforma che genera e modifica ambienti 3D persistenti a partire da testo, immagini, video o layout tridimensionali. Il focus è sull’intelligenza spaziale: la capacità dell’AI di comprendere e generare mondi 3D con coerenza fisica e geometrica. Le applicazioni spaziano dal gaming agli effetti visivi, dalla realtà virtuale alla robotica.
L’investimento di Autodesk è particolarmente significativo: segnala che i modelli del mondo nell’intelligenza artificiale stanno iniziando a integrarsi con gli strumenti professionali già utilizzati in architettura, ingegneria e produzione cinematografica. Non si tratta più solo di ricerca accademica, ma di tecnologia pronta per workflow industriali.
NVIDIA Cosmos 3: il fondamento per la physical AI
Al GTC 2026 (16 marzo), Jensen Huang ha presentato NVIDIA Cosmos 3, descritto come “il primo world foundation model a unificare generazione di mondi sintetici, ragionamento di physical AI e simulazione delle azioni”. La piattaforma Cosmos è stata addestrata su 20 milioni di ore di dati reali e ha superato i 2 milioni di download, secondo il blog ufficiale NVIDIA.
Cosmos 3 si posiziona come infrastruttura di base per l’ecosistema dei world models, non come prodotto finale. NVIDIA sta costruendo il layer fondazionale (modelli pre-addestrati, pipeline di dati sintetici, strumenti di simulazione) su cui aziende come Toyota Research Institute, Johnson & Johnson MedTech e Skild AI possono sviluppare le proprie applicazioni verticali.
È la stessa strategia che ha reso CUDA lo standard di fatto per il deep learning: non competere sulle applicazioni, ma rendere indispensabile la piattaforma sottostante.
Durante lo stesso keynote, Huang ha presentato anche il modello robotico GR00T N2, evidenziando come world models e robotica siano destinati a convergere. Un robot che deve operare nel mondo reale ha bisogno esattamente di ciò che un world model fornisce: una rappresentazione interna dell’ambiente, la capacità di predire le conseguenze delle proprie azioni e la possibilità di pianificare in uno spazio simulato prima di agire fisicamente.
L’integrazione tra world models e hardware specializzato, dalle GPU di ultima generazione ai chip robotici dedicati, sta creando un ecosistema completo, dove la capacità di simulare il mondo fisico diventa accessibile come servizio industriale e non solo come progetto di ricerca accademica.
Perché i world models sono il prossimo paradigma
La convergenza di investimenti miliardari, AMI Labs, World Labs, NVIDIA, verso la stessa direzione tecnologica non è casuale. I modelli generativi attuali, per quanto impressionanti nella produzione di testo, immagini e video, operano senza una reale comprensione del mondo fisico. Generano output plausibili, ma non costruiscono modelli interni della realtà.
Questa limitazione diventa evidente quando l’AI deve interagire con il mondo reale. Un veicolo autonomo non può permettersi output “plausibili”, ha bisogno di previsioni accurate sulle dinamiche fisiche. Un robot chirurgico deve simulare internamente le conseguenze di ogni movimento prima di eseguirlo. Un sistema di controllo industriale deve prevedere guasti e anomalie basandosi su una comprensione profonda dei processi fisici.
I world models affrontano questo gap fondamentale. E il tempismo non è casuale: la maturità raggiunta dai modelli generativi e dalle infrastrutture computazionali rende finalmente possibile addestrare modelli su dati fisici su scala sufficiente.
Il percorso che ha portato i Large Language Model dalla ricerca accademica alla produzione industriale in pochi anni potrebbe ripetersi per i world models, con una differenza: questa volta l’impatto si estenderà ben oltre lo schermo, raggiungendo fabbriche, ospedali, strade e ogni spazio dove l’AI incontra la materia.
Per le aziende che stanno investendo nell’AI generativa per ottenere ROI, i world models rappresentano il prossimo orizzonte strategico da monitorare. Non si tratta di sostituire i modelli linguistici, ma di complementarli con una dimensione che manca: la comprensione del mondo fisico.
Dall’intelligenza spaziale all’autonomia dei processi aziendali
Se i world models rappresentano la nuova frontiera della fisica e della visione digitale, la loro applicazione più concreta nel panorama imprenditoriale attuale si traduce in una capacità fondamentale: l’autonomia operativa. Mentre i grandi laboratori addestrano modelli per simulare la realtà esterna, le imprese lungimiranti stanno già adottando architetture capaci di modellare, e ottimizzare, i propri flussi interni attraverso gli AI Agent.
In questo scenario, l’integrazione di agenti intelligenti come Mímir AI Agent emerge come la scelta più strategica per chi cerca risultati immediati, specialmente nella gestione di attività ripetitive e ad alto volume.
Un agente evoluto non si limita a rispondere a una domanda, ma presidia l’intero ecosistema aziendale:
- guida il cliente in totale autonomia dal pre-vendita fino al supporto post-vendita,
- analizza dati complessi per fornire insight
- permette la consultazione di cataloghi e informazioni tecniche direttamente in chat.
Il vero valore dell’IA oggi non risiede solo nella sua capacità di “comprendere” le leggi del mondo fisico, ma nella sua abilità di agire sui processi per eliminare le inefficienze e rendere fluida la conoscenza aziendale.
Se vuoi scoprire come Mímir AI Agent può rendere scalabile il tuo business senza aumentare le complessità, richiedi una demo gratuita.
Timeline: gli eventi chiave del 2025-2026
Ecco un breve riepilogo dei principali eventi chiave avvenuti tra la fine del 2025 e il 2026:
- Dicembre 2025: Runway lancia GWM-1 con tre varianti (Worlds, Robotics, Avatars)
- Gennaio 2026: MIT Technology Review profila AMI Labs e l’uscita di LeCun da Meta
- Febbraio 2026: World Labs di Fei-Fei Li raccoglie 1 miliardo di dollari
- Marzo 2026: AMI Labs annuncia seed round da 1,03 miliardi — record europeo
- Marzo 2026: NVIDIA presenta Cosmos 3 al GTC 2026
Fonti:
TechCrunch — “Yann LeCun’s AMI Labs raises $1.03 billion to build world models” — 9 marzo 2026
HPCwire — “Yann LeCun’s AMI secures $1B seed to develop AI world models” — 11 marzo 2026
Runway Research — “Introducing Runway GWM-1” — 11 dicembre 2025
Bloomberg — “AI Pioneer Fei-Fei Li’s Startup World Labs Raises $1 Billion” — 18 febbraio 2026
NVIDIA Blog — “GTC 2026 News” — 16 marzo 2026
NVIDIA Newsroom — “NVIDIA Expands Open Model Families” — 16 marzo 2026
MIT Technology Review — “Yann LeCun’s new venture AMI Labs” — 22 gennaio 2026
