杨立昆押注世界模型：当AI教父说大模型走错了，谁敢认真对待？

2025年11月某天，杨立昆（Yann LeCun）走进马克·扎克伯格的办公室，说了一句话："我一个人在外面，能做得更快、更便宜、更好。"

这句话背后，是他在Meta苦苦坚守了十二年的立场。在这十二年里，他亲眼目睹整个AI行业以几乎宗教般的热情，将数千亿美元砸向大语言模型，而他却始终认为这条路走不通。

"通过LLM走向超级智能，这完全是扯淡，永远不可能成功。"这是他在2025年11月一次公开演讲中说出的话，措辞之直接，连业内都为之侧目。

他的核心判断不是某个技术细节上的分歧，而是对整个范式的否定：大语言模型本质上是统计学的模式匹配器，它只是在预测下一个单词，并不真正理解物理世界。他打了一个比方，说LLM其实并不知道"玻璃杯从桌上推下去会摔碎"，它只是知道"玻璃杯"和"摔碎"这两个词经常同时出现在训练文本里。

这个区别，听起来微妙，但在杨立昆看来，这是人工智能能否真正理解世界的本质问题。

像素重建是个坏主意，他要打造"世界模型"

让杨立昆与整个行业决裂的另一个关键观点，是他对"像素重建"的彻底否定。

现在主流的生成式AI，无论是逐帧生成视频，还是逐像素还原图像，都在做同一件事：把观察到的一切，尽可能精确地在输出端重建出来。杨立昆认为这条路从根本上就错了，因为物理世界的绝大多数细节是不可预测的，比如一阵风吹过树叶的具体姿态，没有任何模型能够精准还原，而消耗大量算力去"猜"这些细节，不仅浪费资源，也无助于真正的理解和推理。

他的替代方案，叫做JEPA，即联合嵌入预测架构（Joint Embedding Predictive Architecture）。这套架构的设计思路是：不预测具体的像素或具体的文字，而是在一个更抽象的"表示空间"里预测世界的演化规律。换句话说，JEPA要学的不是"这张图长什么样"，而是"这个场景会朝什么方向变化"。

这就像一个从未学过物理的小孩，也知道把球从桌上推下去它会落地。她不是靠读书学到这一点的，而是靠持续观察世界、内化了物理规律。杨立昆希望AI也能拥有这种能力，即从观察中建立起关于因果关系的内部模型，而不仅仅是记住大量文字的共现规律。

2026年3月，他离开Meta四个月后，旗下新公司AMI Labs（Advanced Machine Intelligence，法语里"ami"恰好是"朋友"的意思）宣布完成10.3亿美元种子轮融资，估值达35亿美元。这是欧洲历史上规模最大的种子轮，投资方阵容包括英伟达、贝索斯私人投资机构、三星、前谷歌CEO埃里克·施密特以及万维网发明者蒂姆·伯纳斯-李。

押注者与质疑者，谁会是最后的赢家？

AMI的融资成功，说明资本市场并不认为杨立昆只是在发牢骚。

英伟达的参与尤其耐人寻味——这家公司的芯片几乎为全球所有LLM提供算力支撑，如今却同时押注"LLM的替代者"，这本身就是一种对冲信号：如果未来AI范式真的发生转变，英伟达不想缺席。

然而，LLM阵营并没有因此慌乱。Anthropic的达里奥·阿莫代伊在2026年1月的达沃斯论坛上，当着杨立昆的面，声称基于现有架构的AI模型将在一年内取代所有软件工程师的工作。OpenAI在同年2月完成了1100亿美元的历史性融资，押注的仍然是更大规模的语言模型。DeepMind的德米斯·哈萨比斯则在社交平台上直接回击杨立昆，称其观点"完全错误"。

面对这些，杨立昆的回应一如既往地冷静："某样东西有用，并不意味着它就是正确的路。马也很有用，但这不代表我们不应该发明汽车。"

值得注意的是，AMI Labs目前只有12名员工，没有任何产品落地，整个公司建立在一套尚待验证的学术理论之上。杨立昆本人担任执行董事长，并不负责日常运营，继续在纽约大学担任教授。真正的考验还在前方。

他预测JEPA将在3到5年内替代LLM成为主流。这句话，在2022年他发表JEPA论文时就说过了。如今资本已经站队，赌局已经开始，剩下的问题只有一个：历史会把他写成先知，还是写成输掉最贵科学实验的那个人？