Em novembro de 2025, Yann LeCun — Turing Award, cofundador do deep learning moderno, Chief AI Scientist da Meta por doze anos — pediu demissão. Em março de 2026, seu novo laboratório, a AMI Labs, fechou um aporte de $1,03 bilhão a uma avaliação de $3,5 bilhões, o maior seed round da história de startups europeias. O motivo: LeCun acredita que os grandes modelos de linguagem nunca chegarão à inteligência geral — e que o caminho passa por uma arquitetura completamente diferente.

A Tese: LLMs São um Beco sem Saída para AGI

A posição de LeCun é direta e contraria o consenso dominante do campo: modelos treinados para prever a próxima palavra em sequências de texto não podem, por princípio, desenvolver o tipo de entendimento do mundo físico necessário para inteligência geral. "A IA de hoje é mais burra do que um gato", disse LeCun em múltiplas ocasiões públicas em 2026. "Um gato entende física intuitiva. Sabe que objetos sólidos não se atravessam. Nenhum LLM sabe isso de verdade."

A alternativa que propõe são os world models — sistemas que aprendem uma representação interna de como o ambiente funciona, incluindo relações causais, física, e consequências de ações — em vez de padrões estatísticos em texto. A arquitetura central que desenvolve é a JEPA (Joint Embedding Predictive Architecture), que aprende prevendo representações abstratas de regiões de imagens ou cenas — não os pixels em si, mas os conceitos que representam.

JEPA: Prever Conceitos, Não Pixels

A distinção técnica entre JEPA e modelos generativos é fundamental. Um modelo generativo de video (como o Sora da OpenAI) prova que "entendeu" uma cena tentando recriá-la pixel a pixel. LeCun argumenta que essa abordagem é fundamentalmente equivocada: a maior parte do que acontece num video — folhas tremendo, luz cintilando, moléculas individuais de ar — é intrinsecamente imprevisível. Forçar uma rede a prever isso desperdiça capacidade e corrompe representações.

O JEPA evita o problema prevendo no espaço de representações abstratas. Em vez de "o que esse pixel vai ser", pergunta "o que esse conceito vai ser". Em maio de 2026, dois preprints do grupo de LeCun formalizaram matematicamente quando a arquitetura JEPA pode recuperar a estrutura real do mundo — e identificaram o quão longe as implementações atuais ainda estão desse padrão.

Quem Está do Outro Lado

A aposta de LeCun não está sozinha. Fei-Fei Li fundou a World Labs com foco em "inteligência espacial" — e captou $1 bilhão para desenvolver modelos que entendam o espaço tridimensional. O DeepMind lançou o Genie 3, capaz de simular mundos 3D em tempo real. A NVIDIA entrou com o Cosmos, conjunto de modelos de fundação para world models voltados a robótica — com 2 milhões de downloads até meados de 2026.

No entanto, o campo está genuinamente dividido. Em março de 2026, no Spring School AI For Impact, LeCun e um pesquisador rival protagonizaram o que foi descrito como "um desacordo forense sobre o que a inteligência serve para". A tensão central: os transformers e LLMs atuais são suficientes para AGI com mais escala e dados multimodais, ou é necessária uma mudança arquitetural fundamental?

O Peso dos Investidores

Os backers da AMI Labs incluem NVIDIA, Samsung e Bezos Expeditions — três entidades com interesse direto em saber quem está certo. A NVIDIA porque seu negócio de hardware depende de qual arquitetura dominar o próximo ciclo. A Samsung porque compete com NVIDIA em chips de memória HBM. Bezos porque é o investidor que mais tem apostado em alternativas ao OpenAI nos últimos dois anos.

$1,03 bilhão em seed — antes de qualquer produto lançado — é o mercado dizendo que a tese tem credibilidade suficiente para merecer o risco. Não é confirmação de que LeCun está certo. É confirmação de que o campo não tem certeza de que está errado.

O que Está em Jogo para Robótica e Agentes

O caso de uso mais imediato para world models não é linguagem — é robótica e agentes autônomos. Um robô que precisa manipular objetos físicos precisa entender que um copo de vidro quebra se cair, que líquidos fluem para baixo, que superfícies têm texturas que afetam o grip. Nenhum LLM atual tem esse entendimento de forma robusta — tem aproximações textuais de conceitos físicos, não modelos causais do mundo.

Se LeCun estiver certo, a próxima geração de agentes autônomos — os sistemas que laboratórios como OpenAI e Anthropic consideram o próximo grande mercado — precisará de uma arquitetura que os transformers atuais simplesmente não proveem.