當硅谷全行業(yè)都在大語言模型的賽道上狂奔，拼命堆砌算力、擴充數(shù)據、加碼強化學習時，一位重量級人物卻公開喊出“這是胡扯，根本行不通”。他就是圖靈獎得主、前Meta首席AI科學家Yann LeCun。65歲的年紀，本是功成身退享受退休生活的時刻，LeCun卻選擇告別深耕12年的Meta，創(chuàng)辦新公司AMI重啟征程。近日，在《The Information Bottleneck》訪談中，他不僅尖銳批判了當前AI發(fā)展的主流路徑，更拋出了一套以“世界模型”為核心的全新AI愿景。這場看似逆勢而為的創(chuàng)業(yè)，背后藏著對人工智能未來的深刻思考，也預示著AI領域可能迎來的范式變革。

主流AI路線的“死胡同”：沉迷大模型，錯失核心問題

“通往超級智能的那條路——無非是不斷訓練大語言模型、喂更多合成數(shù)據、雇上幾千人做后訓練、再在強化學習上搞點新花樣——在我看來完全是胡扯。”LeCun的這番表態(tài)，毫不留情地戳破了當前硅谷的AI狂熱。在他眼中，全行業(yè)對大語言模型規(guī)?；膱?zhí)念，正把人工智能引向一條看似高速、實則封閉的死胡同。

為什么主流路線走不通？核心問題在于方向跑偏。LeCun提出了一個顛覆性判斷：真正制約AI進步的，不是如何更快逼近“人類級智能”，而是如何跨越“狗的智能水平”這一被嚴重低估的門檻。這一觀點直接挑戰(zhàn)了當前以語言能力和知識覆蓋面為核心的AI評估體系。在他看來，現(xiàn)實世界中的理解、預測和行動能力，遠比生成流暢文本復雜得多，而現(xiàn)有大語言模型恰恰沒觸及這一本質——它們只是擅長復述學到的文本信息，卻無法真正理解物理世界的運行規(guī)律。

更關鍵的是，大語言模型存在天然的局限性。它們需要海量文本數(shù)據訓練，本質是“記憶型”模型，靠存儲孤立事實來完成任務；而對于視頻這類高維度、連續(xù)且含噪聲的真實世界數(shù)據，大語言模型幾乎無能為力。LeCun做過一個直觀對比：訓練一個像樣的大語言模型需要30萬億token的文本數(shù)據，相當于101?字節(jié)；而同樣體量的視頻數(shù)據，僅相當于1.5萬小時內容，還不及YouTube半小時的上傳量，卻包含著遠比文本更豐富的世界結構信息。“僅靠文本訓練，永遠不可能達到人類水平的智能”，這是他堅定的結論。

破局之道：“世界模型”重構AI認知基礎

批判主流路線的同時，LeCun也給出了自己的解決方案——構建能夠理解和預測世界的“世界模型”，這也是他新公司AMI的核心使命。與主流生成模型直接在像素或文本層面輸出不同，世界模型的核心思路是在抽象表征空間中對世界運行規(guī)律進行建模和預測。簡單來說，它關注的不是“生成看起來像什么”，而是“世界將如何演化”，這才能為機器提供接近真實認知的基礎能力。

很多人誤以為世界模型是對現(xiàn)實世界的完整復刻，比如《星際迷航》里的全息甲板，但LeCun強調這是嚴重誤解。真實的世界模型不需要復現(xiàn)每一個細節(jié)，而是要建立“抽象層級”——就像計算流體力學模擬氣流時，不會逐分子建模，而是關注速度、密度等核心變量。比如預測100年后木星的位置，不需要木星的全部信息，只需6個關鍵坐標和速度數(shù)據即可。這種抽象能力，正是當前AI缺失的核心。

為了實現(xiàn)這一目標，LeCun團隊深耕“聯(lián)合嵌入預測架構（JEPA）”，核心是讓模型學習過濾掉無關細節(jié)的抽象表征空間，再在這個空間內做預測，而非直接預測像素。這一思路源于他近20年的探索：從早期的稀疏自編碼器，到后來的對比學習，再到Barlow Twins、VICReg等方法，最終形成了一套成熟的技術路徑。他認為，未來一兩年內，這一領域還會有顯著進展，成為通往真正智能系統(tǒng)的關鍵。

65歲創(chuàng)業(yè)的初心：跳出硅谷單一化，押注長期價值

放棄Meta的安穩(wěn)職位，65歲重新創(chuàng)業(yè)，LeCun的選擇背后既有對行業(yè)現(xiàn)狀的不滿，更有強烈的使命感。他坦言，硅谷的極端競爭催生了“技術單一化”現(xiàn)象——所有公司都被迫扎堆大語言模型賽道，生怕“掉隊”，卻沒人敢走差異化路線。OpenAI、Meta、Google等巨頭都在做同樣的事，結果就是大家在同一條戰(zhàn)壕里內卷，卻可能被完全不同方向的技術突破顛覆。

選擇跨地域布局公司（巴黎、紐約等），也是為了跳出這種單一化環(huán)境。他計劃通過AMI推動開放研究——在他看來，真正的研究必須公開發(fā)表接受學界檢驗，否則很容易陷入內部自我滿足的錯覺。同時，AMI最終會推出基于世界模型和規(guī)劃技術的產品，目標是成為智能系統(tǒng)的主要供應商之一?！爸悄苁鞘澜缟献钕∪?、最被需要的資源，提升世界的智能總量是內在正確的事”，這一信念支撐著他繼續(xù)前行。

對于AI安全問題，LeCun也提出了不同于“暫停研發(fā)”的思路。他認為安全必須與發(fā)展同步，而非先追求“絕對安全”。就像噴氣發(fā)動機通過不斷工程改進實現(xiàn)可靠性，AI也可以通過底層硬性約束保障安全——比如家用機器人必須避開人類、限制危險動作。他反對靠微調大語言模型解決安全問題，主張構建“目標驅動”的AI架構：通過世界模型預測后果、規(guī)劃行動，同時用硬性約束確保不傷害人類，從結構上杜絕“逃逸”可能。

結語：AI的未來，在“理解世界”而非“復述文本”

LeCun的批判與堅守，為狂熱的AI行業(yè)潑了一盆冷水，也指明了另一條可能的出路。當全行業(yè)都在追逐大模型的參數(shù)規(guī)模時，他提醒我們：智能的核心不是記憶和復述，而是理解和預測；AI的突破點不在文本層面，而在對真實世界的抽象認知。

65歲的他，用創(chuàng)業(yè)的選擇踐行著對科學的執(zhí)著——不隨波逐流，不畏懼爭議，專注于長期正確的事?；蛟S正如他所說，科學思想的價值不在于最早提出，而在于把想法變成可工作的系統(tǒng)。未來幾年，隨著世界模型技術的推進，AI行業(yè)可能迎來一場深刻的范式變革。而LeCun的這場“晚年創(chuàng)業(yè)”，不僅是個人學術遺產的押注，更是對人工智能未來方向的一次重要探索。