L’intelligenza artificiale che ha imparato a scrivere testi, generare software e produrre immagini sta entrando in una fase più difficile: imparare ad agire nel mondo fisico. Robot, veicoli autonomi e altri sistemi devono capire dove si trovano, prevedere che cosa accadrà dopo un movimento e scegliere un’azione in pochi istanti. Un errore non produce soltanto una risposta sbagliata sullo schermo: può significare urtare un oggetto, far cadere un carico o compromettere un’intera sequenza operativa.
È su questa frontiera che stanno convergendo investimenti, ricercatori e nuove società. Il 22 agosto 2026 il Wall Street Journal ha descritto l’accelerazione dei cosiddetti world model, modelli progettati per rappresentare ambienti tridimensionali e prevedere come questi cambiano in seguito a determinate azioni. Tra le società citate c’è General Intuition, laboratorio nato dall’ecosistema della piattaforma di videogiochi Medal, che secondo il quotidiano statunitense sta finalizzando un finanziamento a una valutazione superiore a 6 miliardi di dollari.
La corsa riguarda una posta economica più ampia della robotica. Se i large language model hanno trasformato il rapporto tra persone e software, i world model potrebbero diventare una componente di base dell’intelligenza artificiale applicata a fabbriche, logistica, veicoli, droni e macchine autonome.
Indice degli argomenti:
Dai large language model ai modelli che prevedono azioni
I large language model apprendono relazioni statistiche partendo soprattutto da enormi quantità di testi e, nelle versioni multimodali, da immagini, audio e video. Sono molto efficaci quando il problema può essere rappresentato come una sequenza di token.
Il mondo fisico pone un problema diverso. Una macchina deve tenere conto contemporaneamente di geometria, profondità, velocità, permanenza degli oggetti, attrito, ostacoli e conseguenze delle proprie azioni.
Un world model costruisce una rappresentazione dell’ambiente e cerca di prevederne gli stati futuri. Un action model, invece, sceglie quale azione eseguire. I due concetti sono collegati ma non coincidono: la stessa General Intuition distingue sul proprio sito i modelli che “decidono quali azioni intraprendere” da quelli che “prevedono gli esiti delle azioni”.
L’obiettivo industriale consiste nell’unire queste capacità. Un robot deve osservare una scena, stimare che cosa potrebbe accadere se si muovesse in una certa direzione e trasformare la previsione in un comando.
La ricerca non parte da zero. I sistemi robotici utilizzano da anni simulatori basati sulla fisica. La differenza è che questi ambienti sono normalmente costruiti per macchine e compiti specifici. I nuovi modelli puntano invece alla generalizzazione: trasferire conoscenze tra ambienti e dispositivi diversi senza ricominciare l’addestramento da capo.
Una rassegna scientifica pubblicata nel 2025 individua proprio nella generalizzazione, nella coerenza temporale e nella capacità di funzionare abbastanza rapidamente per il controllo in tempo reale alcuni dei problemi centrali ancora aperti.
General Intuition scommette sui videogiochi
General Intuition utilizza una fonte di dati insolita: milioni di ore di videogiochi accompagnate dai comandi effettuati dai giocatori.
Medal, il servizio collegato alla società, spiegava il 19 marzo 2026 che i filmati di gioco acquistano un valore particolare quando possono essere associati al comportamento del giocatore. Il modello non osserva soltanto un personaggio che svolta a destra: può collegare quella svolta al comando che l’ha provocata e al risultato successivo.
È una differenza importante rispetto all’addestramento attraverso video passivi. Un filmato mostra che cosa è successo. Una sequenza composta da immagini, comandi e conseguenze permette di apprendere una relazione tra decisione e risultato.
Il patrimonio di dati è anche una delle ragioni dell’interesse degli investitori. A giugno 2026 General Intuition ha raccolto 320 milioni di dollari in un round di serie A guidato da Khosla Ventures, con una valutazione post-money di 2,3 miliardi. Axios ha indicato tra gli altri investitori General Catalyst, Hedosophia, Bezos Expeditions e Innovation Endeavors.
Due mesi dopo il Wall Street Journal ha riferito che la società stava finalizzando un nuovo investimento capace di portarne la valutazione oltre 6 miliardi. Se il round verrà concluso nei termini riportati, la rivalutazione sarebbe avvenuta nell’arco di poche settimane.
La tecnologia viene sperimentata anche su robot quadrupedi, veicoli a ruote e droni controllabili attraverso interfacce simili a quelle utilizzate nei videogiochi. Per queste macchine il passaggio dal mondo virtuale a quello reale è più immediato perché spazio delle azioni e flusso video assomigliano ai dati di partenza.
Il limite, almeno per ora, è significativo: questa impostazione non si trasferisce automaticamente ai robot umanoidi, che devono coordinare gambe, braccia, mani, equilibrio e contatto con oggetti diversi.
World Labs compra SceniX e porta la simulazione sui robot
Un’altra società che sta muovendo capitale verso l’intelligenza spaziale è World Labs, fondata da Fei-Fei Li, professoressa di Stanford ed ex dirigente di Google.
Il 18 febbraio 2026 World Labs ha annunciato un nuovo round da 1 miliardo di dollari, con investitori tra cui AMD, Autodesk, Fidelity, Nvidia, Emerson Collective e Sea.
La società sviluppa Marble, un modello capace di creare ambienti tridimensionali persistenti partendo da immagini, video o testo.
Il 21 luglio è arrivato un passaggio ulteriore: World Labs ha acquisito SceniX, società specializzata nella simulazione per robot. L’operazione punta a collegare mondi generati digitalmente, addestramento delle policy e test sull’hardware fisico. I termini economici dell’acquisizione non sono stati comunicati.
Una settimana dopo World Labs ha descritto un sistema “real-to-sim-to-real”: un ambiente o un compito reale viene ricostruito in simulazione, moltiplicato in numerose varianti e utilizzato per addestrare e valutare il robot prima di riportare il comportamento sulla macchina fisica.
Il vantaggio economico è immediato. Addestrare robot nel mondo reale costa tempo, richiede supervisione e comporta usura o danni all’hardware. Una simulazione può produrre molte più esperienze e includere casi rari o pericolosi senza doverli riprodurre materialmente.
Yann LeCun raccoglie quasi un miliardo per AMI
Anche Yann LeCun, per anni chief AI scientist di Meta e tra i critici più noti dell’idea che gli llm possano da soli condurre a sistemi intelligenti di livello umano, ha spostato il proprio lavoro verso modelli capaci di rappresentare il mondo.
Nel marzo 2026 la sua startup Advanced Machine Intelligence, AMI, ha raccolto circa 890 milioni di euro nel primo round, secondo Le Monde, raggiungendo una valutazione indicata dal quotidiano francese in circa 3 miliardi di euro. Tra i finanziatori figurano gruppi e investitori europei, statunitensi e asiatici.
L’obiettivo dichiarato comprende memoria persistente, pianificazione e modelli del mondo applicabili anche a manifattura, robotica e settori industriali.
La presenza contemporanea di World Labs, General Intuition e AMI mostra come il capitale di rischio stia iniziando a finanziare architetture alternative o complementari ai tradizionali large language model. Non significa che gli llm siano destinati a scomparire. Una delle ipotesi più studiate è invece una struttura ibrida: il modello linguistico interpreta obiettivi e istruzioni, mentre un world model gestisce previsioni spaziali e conseguenze fisiche.
Google DeepMind trasforma i mondi generati in ambienti interattivi
Google DeepMind lavora da anni sulla stessa direzione. Nell’agosto 2025 ha presentato Genie 3, un world model capace di generare da una descrizione testuale ambienti interattivi navigabili in tempo reale.
Secondo i dati pubblicati da DeepMind, Genie 3 produce ambienti a risoluzione 720p, opera a circa 24 fotogrammi al secondo e può mantenere una certa coerenza per alcuni minuti. Il sistema può inoltre modificare gli ambienti introducendo eventi attraverso prompt, per esempio cambiamenti del meteo oppure nuovi oggetti.
Queste caratteristiche hanno una funzione che va oltre la generazione di scenari visivamente plausibili. Un agente può essere sottoposto a migliaia di condizioni diverse e imparare come reagire senza dover sperimentare ogni situazione nel mondo reale.
DeepMind riconosce tuttavia limiti precisi: la durata delle interazioni rimane ridotta, lo spazio delle azioni è ancora circoscritto e la simulazione di più agenti indipendenti resta difficile.
Nvidia costruisce l’infrastruttura della “physical AI”
La crescita dei world model apre un mercato anche per chi vende potenza di calcolo, simulatori e strumenti di addestramento. Nvidia utilizza l’espressione physical AI per indicare sistemi intelligenti destinati a robot e veicoli autonomi e ha costruito intorno a questa strategia la piattaforma Cosmos.
Cosmos comprende world foundation model capaci di generare dati sintetici e ambienti utili per l’addestramento. Nvidia ha indicato tra gli utilizzatori o sperimentatori aziende come 1X, Agility Robotics, Figure AI, Skild AI e Uber.
Ad agosto 2026 il gruppo ha inoltre comunicato che i modelli Cosmos avevano superato i 2 milioni di download. La piattaforma collega generazione di mondi, ricostruzione tridimensionale e infrastrutture Omniverse per produrre dataset destinati alla robotica.
Per Nvidia il passaggio dall’AI generativa alla robotica presenta una caratteristica favorevole: l’addestramento e l’esecuzione dei world model richiedono grandi risorse computazionali, mentre la simulazione su larga scala aumenta ulteriormente la domanda di Gpu.
Il vero ostacolo è l’errore nel mondo fisico
L’entusiasmo finanziario non elimina il problema principale. Un chatbot può produrre un’informazione falsa e venire corretto. Un robot industriale che sbaglia la posizione di un oggetto può interrompere una linea produttiva o creare un rischio per persone e macchinari.
George Konidaris, professore di robotica alla Brown University e cofondatore di Realtime Robotics, ha ricordato al Wall Street Journal che il mondo reale contiene un numero enorme di casi particolari e limiti rigidi: una macchina non può permettersi di “sbagliare approssimativamente” una collisione.
È anche il punto indicato dalla ricerca accademica. La qualità visiva di una simulazione non basta: servono coerenza fisica, stabilità su sequenze lunghe e capacità di verificare che le previsioni del modello corrispondano agli effetti reali.
Per questo la competizione sui world model si giocherà meno sulle dimostrazioni spettacolari e più sui risultati ottenuti da robot, veicoli e macchine in condizioni operative. Gli investimenti del 2026 mostrano che una parte rilevante dell’industria tecnologica considera ormai quella verifica abbastanza vicina da giustificare valutazioni da miliardi di dollari.
Partecipa alla community