En noviembre de 2025, Yann LeCun — Premio Turing, cofundador del deep learning moderno, Chief AI Scientist de Meta durante doce años — renunció. En marzo de 2026, su nuevo laboratorio, AMI Labs, cerró una ronda de $1.030 millones a una valoración de $3.500 millones, la mayor ronda semilla de la historia de las startups europeas. El motivo: LeCun cree que los grandes modelos de lenguaje nunca alcanzarán la inteligencia general — y que el camino pasa por una arquitectura completamente diferente.

La Tesis: Los LLMs Son un Callejón sin Salida para la AGI

La posición de LeCun es directa y contradice el consenso dominante del campo: los modelos entrenados para predecir la siguiente palabra en secuencias de texto no pueden, por principio, desarrollar el tipo de comprensión del mundo físico necesario para la inteligencia general. "La IA de hoy es más tonta que un gato", dijo LeCun en múltiples ocasiones públicas en 2026. "Un gato entiende la física intuitiva. Sabe que los objetos sólidos no se atraviesan. Ningún LLM sabe eso de verdad."

La alternativa que propone son los world models — sistemas que aprenden una representación interna de cómo funciona el entorno, incluyendo relaciones causales, física y consecuencias de las acciones — en lugar de patrones estadísticos en texto. La arquitectura central que desarrolla es la JEPA (Joint Embedding Predictive Architecture), que aprende prediciendo representaciones abstractas de regiones de imágenes o escenas — no los píxeles en sí, sino los conceptos que representan.

Lo que Está en Juego para la Robótica y los Agentes

El caso de uso más inmediato para los world models no es el lenguaje — es la robótica y los agentes autónomos. Un robot que necesita manipular objetos físicos debe entender que un vaso de cristal se rompe si cae, que los líquidos fluyen hacia abajo, que las superficies tienen texturas que afectan el agarre. Ningún LLM actual tiene esta comprensión de forma robusta — tiene aproximaciones textuales de conceptos físicos, no modelos causales del mundo.

Si LeCun tiene razón, la próxima generación de agentes autónomos — los sistemas que laboratorios como OpenAI y Anthropic consideran el próximo gran mercado — necesitará una arquitectura que los transformers actuales simplemente no proveen. La apuesta de $1.030 millones es el mercado diciendo que la tesis tiene suficiente credibilidad para merecer el riesgo.