AMI Labs, laboratorio IA fondato dal premio Turing Yann LeCun dopo la sua uscita da Meta, ha appena chiuso un imponente round di finanziamento da 1,03 miliardi di dollari. L’operazione attribuisce alla società una valutazione pre-money di 3,5 miliardi di dollari e rappresenta il più consistente investimento europeo nel campo dell’AI avanzata.

Il progetto di AMI Labs ruota attorno allo sviluppo dei cosiddetti “world models”, una classe di sistemi di intelligenza artificiale progettati per apprendere direttamente dalla realtà fisica e dalle interazioni con l’ambiente, invece di limitarsi all’elaborazione di dati testuali. L’obiettivo è costruire modelli capaci di comprendere il funzionamento del mondo reale, elaborando rappresentazioni predittive che vadano oltre le capacità attuali dei grandi modelli linguistici.

Secondo Alexandre LeBrun, amministratore delegato della startup, questo approccio potrebbe presto diventare il nuovo centro di gravità della ricerca nel settore. Il manager prevede infatti che nel giro di pochi mesi l’espressione “world models” diventerà una parola chiave ricorrente nel marketing delle aziende AI, con molte realtà pronte a rivendicare questa etichetta nel tentativo di attrarre capitali. AMI Labs, tuttavia, sostiene di distinguersi sia per l’ambizione scientifica del progetto, sia per l’intenzione di affrontare il problema alla radice partendo dalla ricerca fondamentale.

L’idea alla base dell’iniziativa nasce da una riflessione condivisa tra LeBrun e LeCun sui limiti strutturali degli attuali modelli linguistici. I sistemi basati esclusivamente sull’analisi statistica del linguaggio tendono infatti a produrre errori o “allucinazioni”, un fenomeno che in alcuni contesti applicativi potrebbe avere conseguenze particolarmente gravi. Il settore sanitario rappresenta un esempio emblematico perché qui la necessità di affidabilità e precisione rende evidente l’insufficienza di modelli che non possiedono una reale comprensione del contesto.

Non è un caso che il primo partner industriale annunciato da AMI Labs sia Nabla, startup attiva nella sanità digitale di cui LeBrun è oggi presidente del consiglio di amministrazione. L’azienda potrebbe diventare uno dei primi ambienti di sperimentazione per i modelli sviluppati dal nuovo laboratorio, anche se la trasformazione delle teorie in applicazioni commerciali richiederà probabilmente diversi anni.

La roadmap del progetto riflette questa impostazione di lungo periodo. LeBrun ha sottolineato che AMI Labs non rientra nella tipologia classica delle startup AI focalizzate su prodotti immediatamente monetizzabili. L’obiettivo non è insomma arrivare rapidamente sul mercato con una piattaforma commerciale, ma costruire un paradigma tecnologico radicalmente nuovo. Il riferimento teorico principale è la Joint Embedding Predictive Architecture (JEPA), proposta da LeCun nel 2022 come possibile alternativa agli approcci dominanti nel machine learning.

ami labs

Crediti: Shutterstock

Nonostante l’orizzonte temporale esteso, gli investitori sembrano convinti del potenziale della nuova categoria. Negli ultimi mesi, diverse iniziative legate ai world models hanno infatti attratto finanziamenti significativi. Tra queste figura World Labs, laboratorio guidato dalla ricercatrice Fei-Fei Li che ha recentemente raccolto un miliardo di dollari. Anche la startup europea SpAItial ha ottenuto un round seed da 13 milioni di dollari, cifra considerevole per una fase così iniziale.

AMI Labs ha inizialmente cercato circa 500 milioni di euro, ma l’interesse degli investitori ha portato a un finanziamento quasi doppio rispetto alle aspettative. Il round è stato guidato da Cathay Innovation, Greycroft, Hiro Capital, HV Capital e Bezos Expeditions, con la partecipazione di numerosi altri fondi e di figure di spicco del mondo tecnologico e finanziario, tra cui Tim Berners-Lee, Jim Breyer, Mark Cuban, Xavier Niel ed Eric Schmidt.

La credibilità scientifica del progetto è rafforzata da un team di alto profilo internazionale. Oltre a LeCun nel ruolo di presidente, la struttura dirigenziale include Laurent Solly, ex vicepresidente di Meta per l’Europa, come chief operating officer. La componente scientifica è guidata da Saining Xie come chief science officer e da Pascale Fung alla guida delle attività di ricerca e innovazione, mentre Michael Rabbat supervisiona il programma dedicato ai world models.

Il capitale raccolto servirà principalmente a sostenere due elementi chiave per la ricerca avanzata in intelligenza artificiale: capacità di calcolo e reclutamento di talenti. L’azienda prevede di costruire il proprio team distribuendo le attività tra Parigi, dove si trova la sede centrale, New York, città in cui LeCun insegna alla New York University, Montréal, hub canadese dell’AI, e Singapore, scelta per rafforzare la presenza nel mercato asiatico e attrarre competenze locali.

Sebbene la generazione di ricavi non rappresenti una priorità nel breve periodo, AMI Labs intende collaborare fin dalle prime fasi con potenziali utilizzatori delle tecnologie in sviluppo. Secondo LeBrun, un modello progettato per comprendere il mondo reale deve necessariamente essere testato al di fuori del laboratorio, utilizzando dati e scenari operativi concreti.

Quando i primi prototipi raggiungeranno un livello di maturità sufficiente, l’azienda prevede di avviare progetti pilota con partner industriali. Nabla sarà il primo soggetto ad avere accesso ai modelli sperimentali, ma il gruppo di investitori e sostenitori industriali suggerisce un interesse più ampio da parte di aziende tecnologiche e manifatturiere.

In linea con la visione storicamente sostenuta da LeCun, AMI Labs prevede infine di mantenere un forte impegno verso la ricerca aperta. Il laboratorio intende infatti pubblicare regolarmente articoli scientifici e rendere disponibile parte del codice sviluppato, con l’obiettivo di costruire un ecosistema accademico e tecnologico attorno alla nuova architettura di intelligenza artificiale. Questa scelta, oggi meno diffusa rispetto al passato nell’industria dell’AI, riflette la convinzione che l’innovazione proceda più rapidamente quando la conoscenza circola in modo aperto tra comunità scientifica e industria.

(Immagine in apertura: Shutterstock)