World model-bedrijven halen miljoenen op, maar zeggen niet waarvoor

Er is een nieuwere video over dit onderwerp: Hoe AI leert begrijpen dat een object nog bestaat

Liever nieuwe posts als video? Abonneer op het aiMattie YouTube-kanaal — of bekijk alle video's in de playlist.

TL;DR

  • Wat: Startups die aan 'world models' werken halen fors kapitaal op, maar houden hun productplannen en toepassingen bewust geheim — zelfs voor hun eigen dataleveranciers.
  • Waarom relevant: Als ondernemer kun je straks te maken krijgen met AI die de fysieke wereld simuleert (denk aan robotica, logistiek, productontwerp), maar het is nu lastig inschatten welke spelers serieus zijn.
  • Wat je ermee kunt: Volg de ruimte, maar investeer nog geen tijd of geld in integraties zolang er geen concreet product op tafel ligt.

Ik viel over een artikel van TechCrunch dat beschrijft hoe een hele tak van de AI-industrie — de zogenaamde world models — opvallend stil is over wat ze eigenlijk bouwen. Veel geld, veel buzz, maar niemand die zegt wat het product wordt. Dat vond ik het uitzoeken waard.

Wat zijn world models eigenlijk?

De term 'world model' klinkt abstract, dus laat ik het even vertalen. Een gewoon taalmodel zoals ChatGPT werkt met woorden en zinnen. Een world model probeert iets fundamenteel anders: het wil de fysieke wereld begrijpen. Hoe objecten bewegen, hoe zwaartekracht werkt, wat er gebeurt als je een glas van tafel stoot.

Stel je een digitale simulatie voor die weet dat water naar beneden stroomt, dat een deur open moet voordat je erdoor kunt lopen, en dat een doos zwaarder is als er spullen in zitten. Dat is waar world models naartoe werken. De toepassingen die genoemd worden: robotica, zelfrijdende auto's, interactieve video, game-omgevingen en CGI-effecten.

Nvidia-CEO Jensen Huang besteedde tijdens CES 2026 al een flink deel van zijn keynote aan dit onderwerp, en Nvidia heeft met Cosmos al een eigen world model. Het idee leeft dus niet alleen bij kleine startups — de grote spelers zien hier ook iets in.

Veel geld, weinig transparantie

Wat mij opvalt aan het TechCrunch-stuk van journalist Russell Brandom: de bedrijven in deze ruimte doen bewust vaag over hun plannen. Twee namen die steeds terugkomen zijn World Labs (opgericht door AI-professor Fei-Fei Li) en AMI Labs (met Yann LeCun, hoofd AI bij Meta, als oprichter).

Michael Rabbat, medeoprichter van AMI Labs en VP of World Models, wordt geciteerd met: "We'll talk about it when we're ready to talk about it." Het bedrijf zit naar eigen zeggen in een "research and building phase" — zonder publieke productplannen of tijdlijn.

Ik vind dat op zich niet gek voor een onderzoeksfase. Maar wat het bijzonder maakt: zelfs de dataleveranciers weten niet precies waarvoor hun data wordt gebruikt. Alex de Vigan, CEO van dataleverancier Physicl, zegt in het artikel: "I wish they would tell us more. We could build more useful data."

Dat is een opvallend signaal. Als je eigen toeleveranciers niet weten wat je bouwt, dan is de geheimhouding behoorlijk ver doorgevoerd.

Waarom het stilzwijgen?

Brandom vergelijkt de situatie met het 'Dark Forest'-concept uit de sciencefictionboeken van Liu Cixin. Het idee: zodra je je positie bekendmaakt, word je een doelwit. Vertaald naar de AI-markt: zodra een world model-startup laat zien welke commerciële richting ze op gaat, storten concurrenten — inclusief reuzen als OpenAI en Anthropic — zich op datzelfde terrein.

Zolang investeerders bereid zijn geld te geven zonder concreet productplan, is er voor deze bedrijven weinig reden om open kaart te spelen. Dat is de logica, althans.

Ik snap die redenering, maar ik denk dat er ook een keerzijde aan zit. Want als een hele deelsector achter gesloten deuren opereert, wordt het voor iedereen — onderzoekers, toezichthouders, potentiële klanten — lastig om hype van werkelijke voortgang te onderscheiden. En dat is precies het punt waar het voor ondernemers relevant wordt.

Wat betekent dit als je een bedrijf runt?

Kun je je voorstellen dat je als ondernemer een samenwerking aangaat met een technologiepartij die niet kan of wil vertellen wat hun product doet? Dat is in de praktijk wat er nu speelt in de world model-ruimte.

Nu zul je als gemiddelde MKB-ondernemer niet morgen een world model integreren in je bedrijfsvoering. Maar de toepassingsgebieden — robotica, simulatie van fysieke processen, visuele AI — raken sectoren die dichterbij liggen dan je misschien denkt:

Logistiek en warehousing

Een world model zou in theorie een magazijn kunnen simuleren om efficiëntere looproutes of robotbewegingen te plannen. Bedrijven als Waymo gebruiken vergelijkbare technologie al voor zelfrijdende voertuigen.

Productontwerp en prototyping

Stel dat je als fabrikant een nieuw product digitaal kunt testen in een simulatie die begrijpt hoe materialen zich gedragen — zonder fysiek prototype. Dat bespaart tijd en geld.

Training en instructie

Interactieve 3D-omgevingen voor het trainen van personeel, van machinebediening tot veiligheidsprocedures.

Maar — en dit is belangrijk — geen van de genoemde bedrijven heeft een concreet product op de markt. Het zijn toepassingsrichtingen die onderzoekers en investeerders noemen. Of en wanneer die werkelijkheid worden, en tegen welke prijs, is precies het deel dat geheim wordt gehouden.

De vraag die ik zou stellen

Als ondernemer zou ik het volgende willen weten: wanneer verschuift dit van onderzoeksproject naar iets dat ik daadwerkelijk kan gebruiken? En hoe voorkom ik dat ik te vroeg instap bij een partij die nog niet weet wat ze verkoopt, of te laat als de technologie wél klaar is?

Wat mij betreft is het antwoord nu vrij nuchter: volg de ruimte, maar doe nog niets. Er is geen product om te evalueren, geen API om te testen, geen prijsmodel om door te rekenen. Wat er wél is: veel geld, grote namen, en een opvallend gebrek aan concrete uitspraken.

Ik vind het eerlijk gezegd fascinerend dat een tak van de AI-wereld die zo zwaar gefinancierd wordt, zo weinig laat zien. Het zegt iets over de fase waarin de technologie zit — maar misschien ook over hoeveel van de huidige waardering op verwachtingen is gebaseerd in plaats van op resultaten.

Voor mij is dit vooral een signaal om scherp te blijven op het verschil tussen potentieel en product. Die twee worden in AI-land vaak door elkaar gehaald — en als ondernemer wil je daar niet in meegaan.

80% van de AI-projecten haalt productie nooit.

Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.