Szeptember 2026-ban az All In konferencián egy világmodellekről szóló kerekasztal-beszélgetést moderáltam, ami rávilágított az AI egyik titokzatosabb területére. A legnagyobb szereplők közé tartozik Yann LeCun AMI Labs nevű csapata és Fei-Fei Li World Labs nevű laborja. Mindkettő jelentős figyelmet és finanszírozást kapott, ugyanakkor láthatóan kevésbé fókuszálnak az azonnali pénzkeresésre.
Mi az, amit "világmodell" jelent?
A világmodellek alapvetően a térbeli intelligencia automatizálásáról szólnak. Ez a megközelítés számos alkalmazási területre ad lehetőséget: robotika, interaktív videók, bonyolultabb önvezető rendszerek, illetve médiateremtés vagy videojátékok számára építhető felfedezhető környezetek. Ez a sokoldalúság részben magyarázza a titkolózást: a koncepció könnyen adaptálható sokféle, potenciálisan jövedelmező piaci irányba.
Közvetlen kérdésekre kevés válasz
A panelen Michael Rabbat, az AMI Labs társalapítója és a vállalat VP of World Models pozícióját betöltő vezetője is részt vett. Amikor rákérdeztem, hogy pontosan min dolgoznak, került a válasz: „Beszélünk róla, amikor készek vagyunk beszélni róla.” E-mailes megjegyzésében Rabbat azt írta, hogy az AMI „még kutatási és építési fázisban van, ezért nem beszélünk nyilvánosan terméktervekről vagy idővonalról.”
Ennyi idő alatt — különösen, hogy az AMI kevesebb mint egy éve létezik — érthető a visszafogottság. Ugyanakkor ez a titkolózás a teljes világmodellező szektorra jellemző: World Labs Marble nevű megoldása a terepen vélhetően a legfejlettebb termék, demoanyagai pedig egyszerre mutatnak be médiakészítési lehetőségeket, videojátékok számára építhető felfedezhető környezeteket és CGI-hatásokat. Robotikai felhasználások is szerepelnek a bemutatók között, de a platform összhatása inkább a képességek demonstrálására van hangolva.
Titok még az adatszállítóknál is
A konferencián kívül Alex de Vigan, a Physicl vezérigazgatója — aki adatokat szolgáltat a világmodellezési projektekhez — elmondta, hogy bár tudja, az adataik hasznosak a megrendelők munkájához, ő maga nem ismer minden részletet a felhasználási területekről. „Bárcsak többet mondanának nekünk. Hasznosabb adatokat tudnánk építeni, ha tudnánk, min dolgoznak” — mondta de Vigan.
Verseny, finanszírozás és a sötét erdő analógia
A titkolózás stratégiai oka az is, hogy a világmodellezésen alapuló üzletekből sokféle életképes vállalkozás építhető. Amíg könnyű forrást találni, kevés az ösztönzés a korai specializációra. Ugyanakkor, ha egy labor nyíltan bejelentené például, hogy humanoid robotot vagy egy hollywoodi renderelő rendszert fejlesztett, az gyorsan versenytársak figyelmét keltené — más világmodell laborok, újonnan alakult cégek, de akár olyan nagy szereplők is, mint az OpenAI vagy az Anthropic.
Ez a dinamika a könnyű finanszírozás fordított hatása: az a pénz, amely lehetővé teszi a fejlesztést rejtve, ugyanakkor finanszírozza a lehetséges versenytársakat is. A legtöbb szereplő számára ezért érdemes a piaci útvonalak nyilvánosságra hozatalát minél tovább késleltetni.
Cixin Liu sci-fi-rajongói ismerős metaforával élnek: ez egyfajta „sötét erdő” helyzet — ha nem tudod, ki más van a fák között, jobb nem felhívni magadra a figyelmet.
Következtetés
A világmodellező kutatás és fejlesztés intenzív érdeklődést és befektetést kap, de a cégek taktikusan őrzik meg a konkrét termékterveket. A technológia sokoldalúsága és a versenytársak könnyű finanszírozhatósága miatt a rejtőzködés logikus lépés: amíg a laborok kutatási fázisban vannak, a nyilvánosság előtt kevés konkrétumot osztanak meg, és a beszállítók sem mindig tudják pontosan, mire használják az adatokat.
(Először közzétéve: 2026. szeptember 18.)
