2026年3月10日，圖靈獎得主、深度學(xué)習(xí)三巨頭之一的Yann LeCun宣布，他創(chuàng)辦的巴黎AI公司AMI Labs完成了10.3億美元的種子輪融資——這是歐洲歷史上最大的種子輪，投前估值35億美元。

這不是一次普通的創(chuàng)業(yè)融資。LeCun在Meta擔(dān)任了12年首席AI科學(xué)家，一手創(chuàng)建了影響深遠的FAIR實驗室，卻在2025年11月選擇離開；他公開稱當(dāng)今AI行業(yè)最熱門的大語言模型（LLM）是"死胡同"；他的新公司不做聊天機器人，不做文本生成，而是押注一個絕大多數(shù)人還沒聽過的技術(shù)路線——"世界模型"（World Models）。Bezos、Nvidia、Eric Schmidt、Mark Cuban排著隊給他投錢。

最關(guān)鍵的判斷是：LLM永遠無法達到人類水平的智能，真正的突破將來自能理解物理世界的AI系統(tǒng)。而他已經(jīng)有了能展示"常識"的原型產(chǎn)品。

以下是基于MIT Technology Review獨家專訪、達沃斯AI峰會演講及多方報道的核心內(nèi)容編譯。

一、離開Meta：一個圖靈獎得主的"出走"

Yann LeCun在Meta的12年，幾乎定義了這家公司的AI基因。

2013年，他創(chuàng)建了FAIR（Fundamental AI Research），這個實驗室后來成為全球最具影響力的AI研究機構(gòu)之一，產(chǎn)出了大量被整個行業(yè)廣泛使用的開源模型和研究成果。LeCun本人則在2018年獲得圖靈獎——計算機科學(xué)的"諾貝爾獎"——表彰他在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的奠基性貢獻。

但2025年，事情開始變了。

ChatGPT的爆發(fā)重寫了大廠AI實驗室的游戲規(guī)則。扎克伯格決定全力加速Llama大模型的開發(fā)，并引入了29歲的Scale AI創(chuàng)始人Alexandr Wang來領(lǐng)導(dǎo)新成立的"Meta超級智能實驗室"（MSL）。LeCun對此并不認(rèn)同，他公開批評Wang"缺乏經(jīng)驗"，認(rèn)為不適合掌舵前沿研究。

更深層的分歧在于技術(shù)路線。LeCun在MIT Technology Review的獨家專訪中坦言：

"FAIR在研究層面非常成功，但Meta在把研究推向?qū)嶋H技術(shù)和產(chǎn)品方面做得不夠好。Mark做了一些他認(rèn)為對公司最好的決策，我不一定都同意。比如，F(xiàn)AIR的機器人團隊被裁掉了，我認(rèn)為這是一個戰(zhàn)略性的錯誤。"

但他沒有激烈對抗，而是選擇了平靜離場："人們做出理性的決策，沒有理由去生氣。"

有趣的是，當(dāng)被問到Meta是否可能成為AMI的客戶時，LeCun笑著說：

"Meta可能會是我們的第一個客戶！我們做的事情跟他們并不直接競爭。我們專注物理世界的世界模型，他們專注生成式AI和LLM，這是完全不同的方向。"

一場分手，留下了合作的余地。

二、"LLM是幻覺"：為什么他要跟整個行業(yè)唱反調(diào)

LeCun對LLM的批評，不是情緒化的"唱衰"，而是持續(xù)了數(shù)年的系統(tǒng)性論述。在達沃斯AI峰會上，他把話說得更加直白。

"在LLM的基礎(chǔ)上構(gòu)建Agent系統(tǒng)，是一場災(zāi)難。"

他說，"一個系統(tǒng)如果無法預(yù)測自己行為的后果，怎么可能規(guī)劃一系列動作？"

他用了一個絕妙的類比來解釋這個問題：

"一個17歲的孩子學(xué)開車，10個小時就能上路。我們給自動駕駛AI提供了數(shù)百萬小時的訓(xùn)練數(shù)據(jù)，到今天還沒有實現(xiàn)L5級別的完全自動駕駛。這說明什么？說明基礎(chǔ)架構(gòu)就不對。"

在MIT Technology Review的專訪中，他進一步闡述了這個觀點：

"LLM操縱語言確實很厲害。但人們產(chǎn)生了一種幻覺，甚至是妄想——覺得只要把模型不斷擴大，遲早能達到人類水平的智能。這完全是錯誤的。"

核心問題在于莫拉維克悖論（Moravec's Paradox）：對人類輕而易舉的事情——感知、導(dǎo)航、理解物理世界——對計算機來說極其困難，反之亦然。LLM被限制在文本的離散世界里，它們無法真正推理和規(guī)劃，因為它們沒有一個"世界模型"來預(yù)測行為的后果。

LeCun強調(diào)：

"我們將擁有具備人類水平智能的AI系統(tǒng)，但它們不會建立在LLM之上，也不會在明年或兩年內(nèi)實現(xiàn)。還需要一段時間。在此之前，必須發(fā)生重大的概念性突破。"

他在達沃斯給出了更具體的時間線：非零概率在未來10年內(nèi)實現(xiàn)，但不會像某些樂觀派預(yù)測的那樣在1-2年內(nèi)到來。"很多人腦子里想的是，會有一個AGI的秘密被發(fā)現(xiàn)，然后第二天計算機就接管世界了。這太荒謬了。它從來不會以這種方式發(fā)生。"

三、世界模型到底是什么？一個比喻就能懂

如果LLM的核心是"預(yù)測下一個詞"，那世界模型的核心是"預(yù)測下一刻世界會發(fā)生什么"。

LeCun在MIT Technology Review中這樣解釋他的技術(shù)路線——JEPA（Joint Embedding Predictive Architecture，聯(lián)合嵌入預(yù)測架構(gòu)）：

"世界是不可預(yù)測的。如果你試圖構(gòu)建一個生成模型來預(yù)測未來的每一個細(xì)節(jié)，它一定會失敗。JEPA不是生成式AI。它是一個學(xué)會很好地理解視頻的系統(tǒng)。關(guān)鍵在于：學(xué)習(xí)一個抽象的世界表征，在這個抽象空間中做預(yù)測，忽略那些你無法預(yù)測的細(xì)節(jié)。"

用更通俗的話說：一個嬰兒看到球被扔到空中，他知道球會落下來。他不需要預(yù)測球的每一個像素在每一幀的位置，他只需要理解"引力"這個抽象規(guī)則。JEPA就是在學(xué)習(xí)這種抽象規(guī)則。

而且，LeCun在達沃斯透露，AMI已經(jīng)有了能展示"常識"的工作原型：

"我們現(xiàn)在有系統(tǒng)可以在無標(biāo)注視頻上完全自監(jiān)督訓(xùn)練，這些系統(tǒng)能理解視頻、很好地表征視頻、預(yù)測視頻中缺失的部分。它們還獲得了某種程度的常識——如果給它們看一個視頻，里面一個球被扔到空中然后停住了或消失了，預(yù)測誤差會飆升，因為系統(tǒng)會說：不，這跟我訓(xùn)練時觀察到的完全不兼容。"

這個系統(tǒng)不是用文本訓(xùn)練的。它訓(xùn)練的數(shù)據(jù)是視頻、音頻和各種傳感器數(shù)據(jù)——從機器人手臂的位置到激光雷達數(shù)據(jù)。LeCun的愿景是讓這套方法論"適用于任何模態(tài)、任何數(shù)據(jù)、任何傳感器數(shù)據(jù)"，構(gòu)建從工業(yè)流程到化學(xué)反應(yīng)再到生物細(xì)胞的現(xiàn)象學(xué)模型。

應(yīng)用場景非常廣泛：想象一個擁有數(shù)千個傳感器的噴氣發(fā)動機、鋼鐵廠或化工廠，目前沒有任何技術(shù)能構(gòu)建這些系統(tǒng)的完整模型。世界模型可以從傳感器數(shù)據(jù)中學(xué)習(xí)并預(yù)測系統(tǒng)行為?；蛘呦胂笾悄苎坨R——它能觀察你正在做的事，識別你的動作，然后預(yù)測你接下來要做什么來輔助你。

這就是為什么他說Agent系統(tǒng)建在LLM上是災(zāi)難——一個要在真實世界采取行動的Agent，如果沒有世界模型來預(yù)測行動后果，就不可能可靠運行。

四、10億美元種子輪：誰在押注"反LLM"路線

10.3億美元，歐洲歷史最大種子輪，投前估值35億美元。投資人名單讀起來像是一份科技界的"名人錄"：

• Jeff Bezos（Bezos Expeditions）：領(lǐng)投方之一

• Nvidia：GPU帝國的掌門人黃仁勛親自押注

• Eric Schmidt：前Google CEO

• Mark Cuban：連續(xù)創(chuàng)業(yè)者和投資人

• 豐田、三星：亞洲產(chǎn)業(yè)巨頭入局

• Cathay Innovation、Greycroft、Hiro Capital、HV Capital：聯(lián)合領(lǐng)投

值得注意的是，這輪融資不是孤例。就在一個月前，斯坦福教授、"ImageNet之母"李飛飛創(chuàng)辦的World Labs也完成了10億美元融資。世界模型賽道在一個月內(nèi)吸引了超過20億美元，信號再明確不過。

AMI的創(chuàng)始團隊同樣豪華：

LeCun在專訪中談到招聘時說：

"我們招人沒有任何問題。AI研究社區(qū)中有很多人認(rèn)為AI的未來在世界模型。這些人不管薪資多少，都愿意來我們這里工作，因為他們相信我們正在構(gòu)建的技術(shù)未來。我們已經(jīng)從OpenAI、Google DeepMind和xAI招到了人。"

公司總部設(shè)在巴黎，在紐約、蒙特利爾和新加坡設(shè)有辦公室。當(dāng)被問到為什么不去硅谷時，LeCun說了一句意味深長的話：

"硅谷有點太單一文化了。"

五、"機器人沒人做得好"：對AI熱門賽道的冷水

LeCun對當(dāng)下幾乎所有的AI熱門賽道都給出了冷靜到冰點的判斷。

關(guān)于人形機器人——這可能是2025-2026年最火的AI賽道之一，中國公司尤其活躍。LeCun的評價毫不留情：

"那些讓機器人打功夫或跳舞的公司，秘密在于全部都是預(yù)先規(guī)劃好的。坦率地說，沒有人——絕對沒有人——知道怎么讓那些機器人足夠聰明到真正有用。相信我。"

他解釋說，當(dāng)前的做法需要為每一個任務(wù)提供海量遙操作訓(xùn)練數(shù)據(jù)，而且環(huán)境稍微變化一點，就不能很好泛化。"這告訴我們，我們?nèi)鄙倭艘恍┓浅Ｖ匾臇|西。"

那個缺少的東西，在他看來，就是世界模型。

"17歲的孩子20小時就能學(xué)會開車，是因為他們已經(jīng)理解了這個世界是怎么運轉(zhuǎn)的。如果我們想要一個真正有用的家用機器人，就需要系統(tǒng)具備對物理世界的深度理解。在擁有好的世界模型和規(guī)劃能力之前，這不可能實現(xiàn)。"

關(guān)于AI毀滅人類的末日論，LeCun在達沃斯直接說：

"這是胡扯，原諒我的法語。"

他認(rèn)為真正的風(fēng)險不是殺手機器人，而是權(quán)力集中——如果未來每個人的數(shù)字信息消費都由AI中介，而這些AI系統(tǒng)只來自美國西海岸的幾家公司或中國，"那對民主的健康、文化多樣性、語言多樣性和價值體系來說，我們就有大麻煩了。"

關(guān)于學(xué)術(shù)界的角色，他給出了一個反直覺的建議：

"不要研究LLM。沒有意義。你不可能跟工業(yè)界競爭。去研究別的東西，發(fā)明新技術(shù)。"

他的邏輯是：LLM現(xiàn)在是技術(shù)開發(fā)，不是研究了——就像2010年代初的語音識別，是已經(jīng)解決的問題，進展在工業(yè)界手里。學(xué)術(shù)界應(yīng)該聚焦超越當(dāng)前系統(tǒng)能力的長期目標(biāo)。

"最激動人心的世界模型研究來自學(xué)術(shù)界，而不是困在LLM世界里的大型工業(yè)實驗室。"

六、開源危機：中國模型正在"贏"

在達沃斯，LeCun發(fā)出了一個令人警醒的信號。

當(dāng)被問到過去十年AI進步最大的驅(qū)動因素是什么，他沒有提任何技術(shù)突破，而是說：

"是AI研究的開放性。人們做了一項研究，寫論文，發(fā)到arXiv上，開源代碼。這讓整個領(lǐng)域以極快的速度進步。"

但現(xiàn)在，這個引擎正在熄火。

"讓我絕望的是，OpenAI、Anthropic和Google都轉(zhuǎn)向了更封閉的模式，甚至Meta的FAIR——原本非常開放的——現(xiàn)在也面臨'方向偏移'，可能會改變運作方式。"

他把這個趨勢稱為"災(zāi)難性的"——因為它將減緩西方、特別是美國的AI進步速度。

而與此同時：

"目前最好的開源模型來自中國——它們真的很好，所以全球研究社區(qū)都在使用中國模型。"

這是一個驚人的逆轉(zhuǎn)。LeCun指出了一個讓很多人不舒服的現(xiàn)實：美國公司在變得越來越封閉的同時，中國全面擁抱了開源路線。結(jié)果是，除美國以外的學(xué)術(shù)界和創(chuàng)業(yè)公司，基本都在用中國模型。

他提出的解決方案是：建立一個聯(lián)盟模式，讓全球各地區(qū)共同貢獻，訓(xùn)練一個全球性的開源LLM，作為"全人類知識的倉庫"。他認(rèn)為AI系統(tǒng)的多樣性和新聞媒體的多樣性一樣重要，"而這只有通過開源才能實現(xiàn)。"

這也解釋了為什么AMI選擇總部設(shè)在巴黎：

"歐洲有非常高的人才集中度，但并不總是給予他們合適的環(huán)境來發(fā)展。而且很多國家對AI有主權(quán)需求——他們需要一個既不是中國的也不是美國的可信前沿AI公司。"

七、給年輕人的忠告："學(xué)量子力學(xué)，別學(xué)App開發(fā)"

LeCun在達沃斯演講的最后，給了年輕人一段出乎意料的建議。

"如果你要在移動App編程和量子力學(xué)之間選一門課，選量子力學(xué)——即使你是計算機科學(xué)專業(yè)。"

他說，"因為你在這個過程中學(xué)到的方法論，會讓你學(xué)會如何學(xué)習(xí)。"

他解釋說，機器學(xué)習(xí)背后幾乎所有的數(shù)學(xué)基礎(chǔ)都來自統(tǒng)計物理學(xué)，"這就是為什么現(xiàn)在有這么多物理學(xué)家在做AI。"

他的核心信息是：

"現(xiàn)在正在學(xué)習(xí)的每個人，將來都不得不換工作，因為技術(shù)進化太快了。所以學(xué)生需要學(xué)的是基礎(chǔ)性的東西——那些保質(zhì)期很長的知識。"

對于AI將如何影響就業(yè)，他引用了諾貝爾經(jīng)濟學(xué)獎得主Philippe Aghion和斯坦福大學(xué)Eric Brynjolfsson的研究：AI將以每年約6%的速度提升生產(chǎn)力——這很顯著，但不足以造成大規(guī)模失業(yè)，部分原因是"限制技術(shù)在經(jīng)濟中傳播速度的因素，是人們學(xué)會使用它的速度。"

在整個AI行業(yè)瘋狂追逐更大的LLM、更強的Agent、更多的GPU時，一個圖靈獎得主帶著10億美元走向了相反的方向。

對AI從業(yè)者來說，LeCun的觀點值得認(rèn)真對待——不是因為他一定是對的，而是因為他可能指出了一個被集體忽視的盲區(qū)：我們是否把太多資源押在了一條路上？

對創(chuàng)業(yè)者來說，世界模型賽道一個月內(nèi)吸引了超過20億美元（AMI Labs + World Labs），這不是巧合。當(dāng)聰明錢開始集體行動，新的機會窗口可能正在打開。

對所有人來說，最值得記住的也許是LeCun在巴黎公寓里說的那句話：

"我們將擁有人類水平的AI，但它不會建立在今天大家在追的東西上。"

未來10年，這句話要么被證明是先見之明，要么成為AI歷史上最昂貴的誤判。無論如何，這10億美元的賭注本身，已經(jīng)足夠讓整個行業(yè)停下來想一想。

原文參考來源：

· MIT Technology Review: "Yann LeCun's new venture is a contrarian bet against large language models"（2026年1月）

· Observer: "Yann LeCun's Paris A.I. Startup AMI Labs Raises Record $1B Seed Round"（2026年3月10日）

· Forbes / Davos AI Summit: LeCun演講"LLM Era Is Ending"（2026年1月28日）

· BizTechWeekly: "Yann LeCun on Leaving Meta"（2026年1月5日）

· TechCrunch: "Yann LeCun's AMI Labs raises $1.03B to build world models"（2026年3月10日）