Empresas de world models captam bilhões e evitam dizer o que estão construindo

Em um painel sobre world models na conferência ALL IN, em Montréal, Russell Brandom, editor de inteligência artificial do TechCrunch, perguntou a Michael Rabbat, cofundador da AMI Labs e vice-presidente de World Models da empresa, o que a companhia pretende colocar no mercado. A resposta foi curta: "vamos falar sobre isso quando estivermos prontos para falar sobre isso" (no original, "we'll talk about it when we're ready to talk about it").

Depois do painel, por e-mail, Rabbat completou que a empresa segue "em fase de pesquisa e construção" e, por isso, não comenta publicamente planos de produto nem prazos. O episódio está em reportagem publicada pelo TechCrunch em 20 de setembro, assinada por Brandom, que moderou a conversa.

A cena seria banal — empresa em estágio inicial evitando falar de produto — se o capital envolvido fosse compatível com o estágio. Não é.

A AMI Labs, fundada por Yann LeCun depois de sua saída da Meta, anunciou em março uma captação de US$ 1,03 bilhão, com avaliação pré-investimento de US$ 3,5 bilhões, segundo o TechCrunch. A World Labs, de Fei-Fei Li, anunciou US$ 1 bilhão em fevereiro, com Nvidia, AMD e Autodesk entre os investidores, somando US$ 1,23 bilhão levantados desde 2024.

Na mesma entrevista de março, o presidente-executivo da AMI, Alexandre LeBrun, disse ao TechCrunch: "minha previsão é que world models vai ser o próximo buzzword. Em seis meses, toda empresa vai se chamar de world model para levantar dinheiro". Seis meses se passaram. O que ficou difícil não foi encontrar empresas usando o rótulo, e sim encontrar uma que descreva o produto.

O sinal não é o sigilo. É onde ele aparece

O trecho mais informativo da reportagem não vem de quem capta dinheiro. Vem de quem fornece insumo.

Alex de Vigan, presidente-executivo da Physicl, empresa que vende dados para times de world models, disse a Brandom que não sabe em quais aplicações seus dados estão sendo usados: "eu queria que eles nos contassem mais. Poderíamos construir dados mais úteis se soubéssemos no que eles estão trabalhando" (no original, "I wish they would tell us more. We could build more useful data if we knew what they were working on").

Sigilo comercial em empresa pré-produto é comportamento esperado de startup e não diz muita coisa sobre o estágio da tecnologia. Já um fornecedor que não consegue descrever o caso de uso do cliente é outra categoria de informação. Ele revela que a especificação ainda não desceu a cadeia: não existe, do outro lado, um requisito firme o suficiente para orientar quem precisa entregar matéria-prima.

Essa é a leitura mais plausível do conjunto de declarações reunidas pela reportagem. Não é uma conclusão sobre a qualidade técnica dos modelos, e sim sobre a maturidade comercial da categoria.

O que está em jogo para quem compra

World models, ou modelos de mundo, são sistemas treinados para representar e prever o comportamento do ambiente físico — como um objeto cai, como uma peça encaixa, o que uma câmera veria depois de o robô virar à esquerda — em vez de prever a próxima palavra de um texto. A promessa comercial é servir de camada de simulação para robótica, manufatura, veículos autônomos, efeitos visuais e treinamento de sistemas que operam no mundo real.

Setores com essa cara têm ciclo de investimento longo. Uma linha de montagem repensada, uma frota reequipada ou um centro de distribuição automatizado são decisões de capital que se amortizam em anos, não em trimestres. Quando o roadmap industrial de uma empresa assume que uma camada de simulação estará disponível e barata em determinada data, essa suposição vira premissa de orçamento.

Segundo a reportagem do TechCrunch, o produto mais desenvolvido da categoria hoje é o Marble, da World Labs, apresentado em novembro de 2025 como o primeiro produto comercial da empresa e demonstrado na criação de ambientes navegáveis para videogames e efeitos visuais. Ainda de acordo com o TechCrunch, a AMI explorou manufatura, biomedicina, robótica e software de inteligência artificial para médicos; a primeira parceria divulgada pela empresa é com a startup de saúde digital Nabla.

Existe, portanto, produto vendido na ponta criativa e parceria anunciada na ponta da saúde. O que não existe é descrição pública de qual problema industrial a tecnologia resolve, em que prazo e a que custo.

A hipótese do repórter, e seus limites

Brandom oferece uma explicação para o silêncio: revelar a aplicação escolhida seria sinalizar o alvo para concorrentes — outras empresas de world models, laboratórios de fronteira, OpenAI, Anthropic — e antecipar uma disputa que o dinheiro em caixa hoje permite adiar. Ele descreve o comportamento como um cenário de floresta escura.

É a interpretação do autor. Nenhuma das empresas citadas declarou essa motivação, e a reportagem é de observação e entrevista, não de apuração documental: não há contratos, receitas ou carteira de clientes verificados no texto.

Há pelo menos duas leituras concorrentes igualmente compatíveis com os fatos disponíveis. A primeira é a que o próprio Rabbat deu, em outras palavras: ainda não há caso de uso definido para anunciar. A segunda é que haja vários candidatos e nenhum tenha sobrevivido ao teste de cliente pagante. Para quem está do lado comprador, as três hipóteses produzem a mesma recomendação prática, o que torna a escolha entre elas menos importante do que parece.

Nem toda a categoria é opaca

A generalização do título da reportagem merece um ajuste. A Nvidia distribui abertamente a família Cosmos, seus modelos de mundo para inteligência artificial física, com download disponível no Hugging Face e clientes nomeados em robótica, como Agile Robots, Doosan Robotics, LG Electronics, Samsung Electronics e Skild AI, e em veículos autônomos, como a Li Auto. A World Labs, por sua vez, cobra por um produto que já está disponível em versões gratuita e paga.

A opacidade descrita pelo TechCrunch se concentra nos laboratórios que ainda não têm produto — justamente os que mais captaram. Isso não enfraquece a observação central, mas muda o que ela significa: o comprador não precisa avaliar "world models" como bloco único, e sim fornecedor por fornecedor.

Três perguntas antes de colocar a categoria no roadmap

1. O fornecedor descreve o caso de uso em uma frase?

Não a visão, o caso de uso: qual tarefa, de qual área, medida por qual indicador. Fornecedor que responde com capacidade genérica — "simular o mundo físico" — está vendendo potencial. Potencial é legítimo em rodada de investimento e caro em contrato de fornecimento.

2. Quem paga hoje, e para quê?

A existência de um cliente pagante na aplicação específica que interessa à sua empresa vale mais que qualquer demonstração. Uso em efeitos visuais não prova viabilidade em chão de fábrica, porque o custo de um erro é diferente nos dois casos.

3. Qual é o custo de o prazo dobrar?

Essa é a pergunta que separa aposta de pesquisa de decisão de compra. Se o plano industrial só fecha com a tecnologia disponível na data prometida, o plano tem uma dependência que nem o fornecedor consegue descrever. Vale desenhar o caminho alternativo antes, não depois.

O que acompanhar

Os marcos que deslocam a categoria de pesquisa para fornecimento são conhecidos e públicos: contratos anunciados com nome de cliente industrial, preço divulgado por uso ou por licença, documentação técnica aberta e casos de implantação com resultado medido. Nenhum deles depende de as empresas revelarem estratégia — apenas de existir cliente.

Enquanto a resposta continuar sendo "vamos falar quando estivermos prontos", a conta é simples. O mercado de capital abriu uma linha de pesquisa para essas empresas, e é assim que o comprador corporativo deveria contabilizá-la: como pesquisa promissora, não como fornecedor com data de entrega.