AMI Labs di Yann LeCun: cosa sono i world model e perché il laboratorio da un miliardo è a Parigi

AMI Labs è il nome breve di Advanced Machine Intelligence, il laboratorio di ricerca fondato a Parigi il 15 dicembre 2025 da Yann LeCun, premio Turing e per dodici anni chief AI scientist di Meta, dove aveva creato il gruppo di ricerca FAIR. Il 10 marzo 2026 la società ha chiuso un seed round da 1,03 miliardi di dollari, circa 890 milioni di euro, a una valutazione pre-money di 3,5 miliardi: il più grande seed nella storia delle imprese europee. Il 27 agosto TIME ha inserito LeCun nella lista dei cento nomi più influenti dell’AI per il 2026, e l’attenzione sul progetto è tornata alta.

Questo deep mette in fila cosa AMI Labs sta costruendo, chi la finanzia, cosa dicono i critici e, soprattutto, cosa dovrebbe trarne chi in Europa deve decidere oggi su quale AI investire. Una precisazione utile per chi cerca in rete: AMI Lab del KAIST, in Corea del Sud, è un laboratorio universitario di visione artificiale e AI multimodale guidato da un altro gruppo di ricerca, distinto dalla società parigina di LeCun.

Il progetto in una frase, poi nei dettagli

La tesi di LeCun è nota da anni e codificata nel paper del 2022 A Path Towards Autonomous Machine Intelligence: i grandi modelli linguistici eccellono nella manipolazione del linguaggio e hanno un limite strutturale nella comprensione del mondo fisico, perché il testo è un canale di informazione povero rispetto alla percezione. Un bambino di quattro anni, nel suo esempio ricorrente, ha ricevuto attraverso la vista una quantità di dati paragonabile all’intero corpus testuale su cui vengono addestrati i più grandi LLM.

La risposta tecnica si chiama JEPA, Joint Embedding Predictive Architecture. Invece di prevedere il prossimo token o il prossimo pixel, un world model in stile JEPA impara rappresentazioni astratte dei dati dei sensori, ignora i dettagli imprevedibili e fa previsioni nello spazio delle rappresentazioni. È un’architettura dichiaratamente antigenerativa, in un mercato in cui «AI generativa» è diventato sinonimo di AI. Sotto la guida di LeCun, Meta aveva già pubblicato I-JEPA per le immagini nel 2023, V-JEPA per il video nel 2024 e V-JEPA 2 nel giugno 2025, con i primi risultati promettenti nella pianificazione robotica.

Un world model impara guardando cosa succede quando un oggetto viene spostato, appoggiato, lasciato cadere: la scommessa di AMI Labs è che l’intelligenza utile all’industria cominci lì, e il linguaggio arrivi dopo.

Il sistema che AMI Labs descrive è modulare: un world model specifico del dominio, un modulo percettivo tarato sui sensori del caso d’uso, una memoria a breve termine, un attore che propone le azioni, un critico che le valuta contro regole codificate e un configuratore che orchestra il flusso. Il CEO Alexandre LeBrun lo riassume con un’immagine: un LLM prevede la prossima parola, un world model prevede il prossimo stato del mondo, la stessa intuizione con cui una persona sa che un bicchiere spinto oltre il bordo del tavolo cadrà. La conseguenza economica, sottolineata da diversi osservatori, è che moduli specializzati da qualche centinaio di milioni di parametri possono girare con una frazione del calcolo di un LLM generalista, anche su dispositivo.

Chi c’è dietro e chi paga

La governance racconta il progetto quanto la tecnologia. LeCun è executive chairman e si è tenuto fuori dal ruolo operativo per restare sulla scienza. Il CEO è Alexandre LeBrun, imprenditore francese che aveva venduto Wit.ai a Facebook nel 2015 e poi fondato Nabla, la startup di AI clinica di cui oggi è presidente. Laurent Solly, già vicepresidente Meta per l’Europa, è COO; Saining Xie è chief science officer; Pascale Fung guida ricerca e innovazione; Mike Rabbat, da Meta Canada, è VP dei world model. Quattro sedi dal primo giorno: Parigi, New York, Montréal e Singapore.

Il round è stato co-guidato da Cathay Innovation, Greycroft, Hiro Capital, HV Capital e Bezos Expeditions, con la partecipazione di Nvidia, Samsung, Temasek, Toyota Ventures, SBVA e Sea sul fronte industriale e asiatico, e di Bpifrance, Groupe Industriel Marcel Dassault, Association Familiale Mulliez, Publicis, Xavier Niel su quello francese. Fra gli angel: Eric Schmidt, Jim Breyer, Mark Cuban, Tim Berners-Lee. La società cercava 500 milioni di euro e ne ha raccolti quasi il doppio. L’elenco è una mappa: capitale statale francese, industria automobilistica e dell’elettronica, e il primo fornitore mondiale di acceleratori, tutti seduti attorno a un laboratorio che promette zero ricavi per anni.

Il calendario, che è la parte più delicata

Al lancio LeBrun è stato esplicito: AMI Labs parte dalla ricerca fondamentale ed è lontana dalla startup applicata che rilascia un prodotto in tre mesi e fattura in sei. LeCun ha parlato di un orizzonte di circa cinque anni prima di un prodotto vendibile; a luglio, alla BBC, ha indicato che il modello sarà rifinito fino a fine 2026 con la speranza di applicazioni industriali nel 2027. Il primo partner dichiarato è Nabla, con un accordo esclusivo per l’AI clinica agentica; LeBrun, intervistato da TechCrunch a Seoul a luglio, ha detto di cercare partner nella robotica, nella manifattura e nell’elettronica, e ha spiegato perché guarda alla Corea: là ci sono i robot, i chip e le fabbriche, cioè il mondo reale su cui un world model deve allenarsi.

Gli analisti indipendenti sono più cauti dei fondatori. FutureSearch, nell’aggiornamento del 29 agosto, colloca la mediana del primo rilascio pubblico (prodotto, modello o API) a febbraio 2028, con un intervallo che arriva al 2031, e assegna il 16 % di probabilità che un world model batta gli LLM di frontiera su un benchmark riconosciuto prima del 2028. La pagina «Updates» del sito aziendale conta ancora una sola voce, quella del lancio. Il 5 agosto LeCun è entrato come partner nel fondo 224 Ventures, restando presidente: un segnale letto dal mercato come una ricerca condotta con calma.

Le critiche che meritano spazio

Tre obiezioni circolano fra ricercatori seri. La prima, di Stuart Russell, è di merito: l’AI usa modelli del mondo dagli anni Cinquanta, la novità sta tutta nell’implementazione a scala, e quella resta da dimostrare. La seconda è epistemologica: la contrapposizione LLM contro world model potrebbe essere una falsa dicotomia, visto che i sistemi più avanzati già combinano ragionamento, percezione e linguaggio. Lo stesso LeBrun, a luglio, ha ammorbidito la posizione definendo i due approcci «complementari». La terza riguarda la governance: un sistema che agisce nel mondo fisico sbaglia nel mondo fisico, e i suoi errori sono meno ispezionabili di un testo allucinato. Per un deployer europeo è l’obiezione più concreta, perché l’AI Act e la responsabilità da prodotto chiedono proprio tracciabilità e auditabilità.

La terza via europea, letta dal lato di chi compra

LeCun ha scelto Parigi con una tesi esplicita: industria e governi chiedono un laboratorio di frontiera credibile che sia europeo, alternativo tanto ai modelli chiusi americani quanto agli open-weight cinesi. Con Mistral e Black Forest Labs, AMI Labs completa un triangolo europeo che oggi copre linguaggio, immagine e, in prospettiva, mondo fisico. Per un’impresa italiana la notizia va letta con un doppio registro.

Il primo è di attesa attiva. Un world model industriale arriverà, nella migliore delle ipotesi, nel 2027, e attraverso partner di dominio prima che attraverso un’API pubblica. Chi guida oggi la trasformazione in una fabbrica, un ospedale o una utility ha davanti almeno diciotto mesi in cui la scelta corretta resta costruire su ciò che esiste, con architetture che permettano di sostituire un componente quando quello nuovo sarà disponibile.

Il secondo è di metodo, ed è la lettura che questa sala stampa considera più utile. Il progetto di LeCun, spogliato del suo carisma, dice una cosa semplice: il modello è un componente, il valore sta nella percezione tarata sul caso d’uso, nella memoria, nei vincoli di sicurezza e nell’orchestrazione. È lo stesso ordine di priorità che chi progetta un sistema AI enterprise dovrebbe seguire a prescindere dall’architettura del momento, un principio che Synthos Logic formalizza nella propria AI Methodology, parte dei fondamentali metodologici dell’azienda che pubblica queste pagine: prima l’economia del caso d’uso e il capitale umano che lo governa, poi la scelta del modello. Un’impresa che ha impostato così i propri progetti sugli LLM sarà pronta ad accogliere un world model quando arriverà; una che ha comprato l’architettura prima del problema dovrà ricominciare.

Lo scenario da qui a sei mesi

Tre segnali diranno se AMI Labs sta convertendo il capitale in tecnologia. Il primo è un rilascio: un checkpoint aperto accanto a un paper, nello stile di FAIR, sposterebbe di colpo le stime degli analisti; una sequenza di soli paper teorici le confermerebbe. Il secondo è un partner industriale europeo dichiarato oltre Nabla, in manifattura, energia o automotive: il round è pieno di candidati, e la scelta di Seoul come primo terreno di caccia dice che la competizione per ospitare quei pilot è aperta. Il terzo è normativo: quando un sistema che pianifica azioni nel mondo fisico entrerà in un impianto europeo, la domanda su chi risponde di un errore fisico troverà la prima risposta in un contratto, prima che in una norma. Il laboratorio che ha scelto Parigi per ragioni di sovranità sarà anche il primo a dover dimostrare che quella scelta regge sul piano della responsabilità.

Autore

Pablo Liuzzi

Founder, Synthos Logic