Modelos de mundo viram a nova corrida da IA, da Niantic à Wayve

O que são modelos de mundo

Um modelo de linguagem↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI → (LLM) recebe uma sentença e prevê a próxima palavra. Um modelo de mundo (world model) faz algo parecido, mas com imagens: recebe um estado visual do ambiente e prevê o próximo estado visual, incluindo física, causa e efeito. É a definição dada por Oliver Cameron, CEO da Odyssey, um laboratório de IA dedicado ao tema, em entrevista à Wired.

Com um modelo de linguagem, você tem uma frase, e ele vai prever a próxima palavra da frase. Com um modelo de mundo, você dá a ele um estado visual do mundo, uma imagem, e ele vai prever o próximo estado visual do mundo.

Oliver Cameron, CEO da OdysseySo with a language model, you have a sentence, and it will predict the next word in the sentence. With a world model, you give it a visual state of the world, an image, and it will then predict the next visual state of the world.

A saída desses sistemas não é texto nem rótulo: é um ambiente 3D navegável, gerado a partir de fotos ou vídeo, que se comporta como se fosse real. Cameron resume assim: "são simulações, mas parecem e se sentem reais". Para quem programa, isso muda o tipo de dado de treino que entra no pipeline: em vez de corpus de texto, vídeo, dados de sensor e trajetórias espaciais.

Da caça ao Pokémon aos robôs domésticos

A Niantic, criadora do Pokémon Go↳Go23 conteúdosEntendendo o Green Tea GC do Go 1.26Dev (Back & Front) · mai 2026Função recursiva em Go para acessar valores em mapas aninhadosDev (Back & Front) · set 2025Publicando projeto desenvolvido em Golang em um server grátisDev (Back & Front) · mar 2025Ver tudo em Dev (Back & Front) →, vendeu o jogo no ano passado e redirecionou o negócio para modelos de mundo, batizando a nova empresa de Niantic Spatial. A aposta é reaproveitar o acervo de escaneamentos de ambientes reais coletados pelos jogadores do jogo para treinar robôs a reconhecer obstáculos e interagir com objetos.

Somos muito focados em reconstruir o mundo real.

Brian McClendon, CTO da Niantic SpatialWe're very much about reconstructing the real world.

Segundo McClendon, o fluxo de trabalho proposto é relativamente direto: alguém fotografa o ambiente onde um robô vai operar, o software gera um modelo 3D daquele espaço e, a partir dele, rodam-se "milhões de simulações" para treinar o robô nos parâmetros daquele local específico, sem precisar de movimentação física real durante boa parte do ciclo de treino. Para equipes de robótica, isso reduz o custo de iteração: testar variações de layout, iluminação e obstáculos em simulação é mais barato do que repetir o teste físico a cada ajuste de código.

Carros dirigem em simulações de estradas perigosas

Carros autônomos dependem do mesmo princípio, mas com urgência maior: sem motorista humano, a reação do software em frações de segundo é crítica. Jamie Shotton, cientista-chefe da Wayve (startup britânica que constrói modelos de mundo voltados a veículos), explica o requisito técnico central.

É importante que um modelo de mundo seja capaz de reagir às ações que tomamos no mundo, e por isso ele precisa entender física, causa e efeito, e como outros objetos e pessoas mudam suas ações em resposta às nossas.

Jamie Shotton, cientista-chefe da WayveImportantly, a world model must be able to react to the actions that we take in the world, and so it must understand physics, cause and effect, and how other objects and people change their actions in response to our own.

O modelo generativo da Wayve é alimentado, em parte, por imagens de câmeras de bordo (dashcam). A empresa usa essas gravações para recriar estradas perigosas e condições inseguras que seria inviável testar na vida real com um carro de verdade. É um padrão que se repete em todo o setor: o dado bruto vem do mundo físico captado em vídeo, e o modelo aprende a reconstruir e extrapolar variações daquele cenário.

Dinheiro pesado migrando para o setor

O interesse comercial em modelos de mundo tem crescido rápido. Yann LeCun, ex-cientista-chefe de IA da Meta, levantou mais de um bilhão de dólares para financiar sua nova startup, a Advanced Machines Intelligence, focada no tema. Fei-Fei Li, cientista da computação conhecida por seu trabalho em visão computacional em Stanford, fundou em 2024 a startup World Labs; a empresa foi adquirida pela AMD neste ano por mais de 8 bilhões de dólares.

Google segue divulgando melhorias em seus próprios modelos de mundo, e a Tencent também investe na tecnologia aplicada a jogos, já que física e renderização 3D são o núcleo de qualquer motor gráfico de videogame. O padrão de investimento sinaliza que world models deixaram de ser pesquisa de nicho e viraram linha de produto com orçamento de infraestrutura dedicado.

O que muda pra quem constrói software

Em resumo: se modelos de mundo saem do laboratório para produção em robótica doméstica e carros autônomos, o tipo de infraestrutura que sustenta IA aplicada muda de perfil. Alguns pontos concretos que decorrem do que as fontes descrevem:

• Pipeline de dados vira vídeo e sensor, não texto. Equipes que hoje organizam datasets de texto para fine-tuning vão lidar cada vez mais com vídeo bruto, dashcam footage e escaneamento 3D, com exigências de armazenamento e pré-processamento bem diferentes.
• Simulação física entra no ciclo de CI/CD↳CI/CD23 conteúdosCI/CD Mobile: o caos invisível que separa times comuns de times de alta performanceDev (Back & Front) · abr 2026Lambda: implementando com GitLab CI/CD e Terraform para Integração SFTP, S3 e Databricks em GoDev (Back & Front) · nov 2023Publicando sua aplicação Web Python no WebApp do Azure e configurando o CI/CD da sua aplicaçãoDevSecOps · abr 2019Ver tudo em DevSecOps → de robótica. Rodar "milhões de simulações" antes de qualquer deploy físico, como descreve McClendon, exige pipelines de teste assíncronos pensados para ambientes 3D, não só testes unitários de código.
• Demanda por GPU muda de forma. Treinar e rodar inferência em modelos que geram estados visuais contínuos tende a pesar mais em computação do que LLMs de texto equivalentes, o que pressiona ainda mais a já apertada oferta de capacidade de data center para quem opera infraestrutura de IA no Brasil.
• Aquisições bilionárias concentram tecnologia proprietária. A compra da World Labs pela AMD por mais de 8 bilhões de dólares sugere que parte relevante dessa pilha técnica vai nascer fechada, dentro de big techs, e não como ferramenta aberta disponível para qualquer equipe de engenharia.

O mercado de trabalho que já está mudando

Para existir, um modelo de mundo precisa de gente real gravando o mundo real. A reportagem da Wired relata que o próprio autor, mais cedo neste ano, prendeu um iPhone na testa e gravou horas de vídeo em seu apartamento, dobrando roupa e lavando louça, vendendo os dados por um aplicativo com pagamento "bastante modesto". É um indício de que, conforme mais laboratórios tentam construir modelos de mundo melhores, mais trabalho gig de captura de dados cotidianos deve surgir, uma camada de mão de obra barata e pouco visível sustentando a infraestrutura de IA física.

O que ainda está em aberto

A Wired aponta 2027 como possível ano de expansão relevante para robótica doméstica e carros autônomos, ambos turbinados por avanços em modelos de mundo, mas isso ainda é previsão, não fato consumado. Questões como proveniência dos dados de vídeo usados no treino, remuneração justa de quem grava esse material e padronização de benchmarks entre laboratórios concorrentes (Niantic Spatial, Wayve, Odyssey, World Labs sob a AMD) seguem sem resposta pública. Para quem decide hoje em que pilha de IA investir tempo de engenharia, o sinal mais claro é o volume de capital migrando para a área, não ainda um conjunto de ferramentas maduras e abertas para adoção imediata.

Fonte: Wired