文章核心观点 - 图灵奖得主Yann LeCun严厉批评当前硅谷主流的人工智能发展路径，认为仅靠扩大语言模型规模、使用更多合成数据的路径行不通，是一条“死胡同”[2] - LeCun认为，实现真正智能的关键障碍是让机器具备“狗的智能水平”，这比达到人类水平更困难，核心在于获得对现实世界的理解、预测和行动能力，而非仅仅生成流畅文本[3] - 为此，LeCun通过其新创公司AMI（先进机器智能）推动构建“世界模型”，该模型在抽象表征空间中对世界运行规律进行建模和预测，旨在为机器提供接近真实认知的基础能力[3] 对当前AI发展路径的批评 - 批评业界对大语言模型规模化的执念，认为这条路径“完全是胡扯”，无法通向超级智能[2] - 指出大语言模型架构需要海量数据模仿人类行为，且可靠性有限，其构建的智能体系统并不理想[9] - 认为仅靠文本训练永远不可能达到人类水平的智能，因为文本是“记忆型”数据，冗余度低，而现实世界的视频等数据在结构上更丰富，更有学习价值[20][21] - 认为大语言模型并不真正理解世界的基本规律，它们只是被微调到给出“看起来正确”的答案，这是复述而非理解[28] “世界模型”技术路线 - 核心思路是在抽象表征空间中对世界运行规律进行建模和预测，而非在像素或文本层面进行输出[3] - 关键技术是JEPA（联合嵌入预测架构），其思想是学习一个抽象的表征空间，滤除输入中大量无法预测的细节（包括噪声），然后在此空间内进行预测[11] - 强调世界模型不需要是现实的逐像素模拟器，而是在抽象表征空间中，只模拟与任务相关的那部分现实[24] - 认为构建世界模型的正确方法是训练能够学习抽象表征的模型，并介绍了Barlow Twins、VICReg、SigReg（Lojic-JEPA）等相关方法[18] 创业公司AMI（先进机器智能）的规划 - 公司最终目标是推出实际产品，产品将围绕世界模型和规划等核心技术展开，其雄心是成为未来智能系统的主要供应商之一[9] - 公司计划以开放的方式进行上游研究，认为公开发表成果是取得突破的必要途径[7][8] - 公司是一家全球性企业，在巴黎、纽约等地设有办公室，选择在硅谷之外启动部分业务是为了避免陷入硅谷的“技术单一化”竞争环境[55] 对AI发展现状与未来的判断 - 认为达到“狗水平智能”是AI发展中最难的部分，一旦实现，绝大多数核心要素就已具备[37] - 最乐观估计，在5到10年内，或许能看到接近人类或至少接近“狗水平”的智能系统，但历史表明可能会出现新瓶颈，可能需要20年或更久才能突破[35][36] - 不认同“通用智能”的概念，认为应以“人类水平智能”为讨论目标，且这个过程将是渐进的，而非突发事件[33][34] - 认为当前AI在游戏等领域的应用进步缓慢，部分原因在于创作者需要“可控性”，而非完全的AI自由演化[30] 对AI安全与架构的看法 - 认为安全必须与发展同步进行，而不是先停下来等待“绝对安全”[41] - 主张转向以目标驱动为核心的AI架构，该系统拥有世界模型、规划能力，并受到一套硬性约束的限制，从设计层面确保安全[42][43] - 批评当前通过微调或过滤来限制大语言模型输出的方法成本高昂、低效且不可规模化，本质上是“暴力搜索”[43][44] 对行业与其他公司的评价 - 指出硅谷因竞争极端激烈，导致几乎所有大公司（如OpenAI、Meta、Google、Anthropic）都在做同样的事情，形成了“技术单一化”[55][56] - 认为这种同质化竞争容易被来自完全不同方向的技术突破所颠覆[57] - 评价其他构建世界模型的公司：认为Physical Intelligence的方向仍是“生成像素”的思路；认可Wayve公司在自动驾驶领域构建世界模型的方法（在表示空间预测），但指出其表示空间通过重建训练获得是错误的；提及Sandbox AQ的“大型定量模型”概念与自身主张一致[52][53][54] 个人职业与Meta相关 - 解释离开Meta创业的原因：看到AI投资热潮让长期研究型创业成为可能，且认为许多实验室正转向封闭，因此选择在外部推进自己的研究方向[6] - 澄清Alex Wang在Meta的角色是统管所有AI相关的研发与产品整体运作，而非接替其科研职责，其职责涵盖FAIR（基础研究）、TBD Lab（前沿模型）、AI基础设施和产品部门[46] - 指出Meta的FAIR实验室正被推向更短期、更偏应用的研究方向，公司整体正在变得更“封闭”[48]

对当前主流AI发展路径的批判 - 图灵奖得主Yann LeCun尖锐批评当前硅谷主流的人工智能发展路径，认为单纯依靠扩大语言模型规模、喂更多合成数据、雇佣数千人进行后训练以及强化学习微调，是一条“完全胡扯”且“根本行不通”的死胡同[1] - 其观点挑战了行业以语言能力和知识覆盖面为中心的评估体系，指出现实世界中的理解、预测和行动能力远比生成流畅文本复杂，而现有以语言为核心的模型并未触及问题本质[2] - 业界对大语言模型规模化的执念，正将人工智能引向一条看似高速、实则封闭的死胡同[1] 对AI发展关键瓶颈的判断 - 真正制约AI进步的关键，并非如何更快逼近“人类级智能”，而是如何跨越一个常被低估却极其困难的门槛——让机器具备“狗的智能水平”[2] - 从“狗水平智能”到“人类水平智能”的跨越相对容易，最难的部分是达到“狗水平”，一旦达到该阶段，绝大多数核心要素就已具备[34] - 从灵长类到人类，新增的关键能力可能主要是语言，而语言在大脑中只占据极小的区域，当前技术在这方面已做得相当不错[34] 关于AGI（通用人工智能）的见解 - “通用智能”这个概念本身站不住脚，它本质是以“人类智能”为参照定义的，但人类智能本身高度专用化[30] - 与其讨论“通用智能”，不如讨论“人类水平智能”，即机器在所有人类擅长的领域达到或超过人类，这个过程将是渐进而非突发的[31] - 如果一切顺利且无根本性障碍，最乐观估计在5到10年内，或许能看到接近人类或至少接近“狗水平”的智能系统，但历史表明AI发展中总会出现新瓶颈，可能需要20年甚至更久才能突破[32][33] 新公司AMI的技术路线与愿景 - 结束在Meta长达12年的职业生涯后，LeCun通过其新公司AMI（先进机器智能）推动构建“世界模型”的技术路线，旨在让机器理解和预测世界[2][5] - 与主流生成模型在像素或文本层面输出不同，AMI的核心思路是在抽象表征空间中对世界运行规律进行建模和预测，关注“世界将如何演化”而非“生成看起来像什么”[2] - 公司最终目标是推出围绕世界模型和规划等核心技术的实际产品，并希望未来成为智能系统的主要供应商之一[7] - 公司计划以开放的方式进行上游研究，认为公开发表成果是取得突破的必要途径[5][6] 世界模型的技术原理与优势 - 世界模型旨在处理高维度、连续且含噪声的数据模态（如图像、视频），而大语言模型对此完全无能为力[9] - 有效方法是学习一个抽象的表征空间，滤除输入中大量无法预测的细节（包括噪声），然后在该表征空间内进行预测，这是JEPA（联合嵌入预测架构）的核心思想[9] - 世界模型不需要是现实的逐像素模拟器，而是在抽象表征空间中，只模拟与任务相关的那部分现实，这类似于计算流体力学等科学模拟中使用的抽象层级[20][21][22] - 视频等真实世界数据在字节层面更冗余，这种冗余结构使得自监督学习成为可能，其结构远比文本丰富，仅靠文本训练永远不可能达到人类水平的智能[18][19] 对大语言模型局限性的分析 - 当前基于大语言模型的架构构建的智能体系统并不理想，需要海量数据模仿人类行为且可靠性有限[8] - 要训练一个性能尚可的大语言模型，需使用几乎整个互联网中所有可获取的文本数据，一个典型模型的预训练规模大约是30万亿token（约10¹⁴字节），模型需要极大存储能力来记忆并复述这些事实[18] - 大语言模型并不真正理解基础世界规律（如物体会下落），它们只是被微调到给出“看起来正确”的答案，这是复述而非理解[25] - 通过微调语言模型来解决安全问题存在根本缺陷，因为它们总可以被“越狱”绕过限制[37] 对合成数据与模拟环境的看法 - 合成数据具有价值，例如孩子通过游戏在受控模拟环境中学习[24] - 需警惕某些模拟的失真（如视频游戏中为“好看”而非真实的物理效果），不加控制可能会影响模型在现实世界中的泛化能力[24] - 关键不在于是否使用模拟，而在于在哪个抽象层级上训练模型，很多基础世界规律是在非常抽象的层面上学到的[24] 对AI安全与治理的立场 - 安全必须与发展同步进行，而不是先停下来等“绝对安全”，可类比喷气发动机通过不断工程改进达到高可靠性的发展路径[37] - 应转向以目标驱动为核心的AI架构，该系统拥有世界模型预测行为后果，可规划行动序列，并受到一整套硬性约束限制，在设计层面就是安全的[38][39] - 当前LLM领域通过生成大量候选输出再进行过滤排序来限制输出的方法，计算成本高得离谱，昂贵、低效且不可规模化[39] - 强大技术必然伴随风险（如汽车早期），但那是工程和治理问题，而非不可逾越的根本障碍，AI已在医疗影像等领域挽救大量生命[35][36][50] 对行业生态与竞争格局的观察 - 当前AI投资热潮让长期研究型创业成为可能，而以前这类研究只能依托于大企业或大公司的研究院[5] - 包括谷歌、OpenAI甚至Meta在内的许多实验室正从开放研究转向封闭[5] - 硅谷因竞争极端激烈，所有公司都被迫做同一件事（大语言模型），催生了技术单一化现象，OpenAI、Meta、Google、Anthropic几乎所有公司都在做同样的事情[47] - 这种环境导致公司拼命在同一条战壕里竞争，却很容易被来自“完全不同方向”的技术突破所颠覆[48] - 在硅谷大公司内部，也有不少人私下认同当前主流路径错误，LeCun的新公司正在招募这些人[49] 对其他相关公司与技术的评价 - 对大多数试图构建世界模型的公司（如SSI）具体在做什么不太清楚，SSI甚至成了行业笑话[44] - Physical Intelligence主要做几何一致的视频生成，但这仍是“生成像素”的思路，LeCun认为这是错误方向[44] - 认可Wayve公司在自动驾驶领域构建的世界模型，认为其做对了一半（预测发生在表示空间），但问题在于其表示空间仍主要通过重建训练得到[45] - 认可NVIDIA和Sandbox AQ的类似方向，Sandbox AQ提出的“大型定量模型”与LeCun的主张高度一致[46] - Google做了很多世界模型，但主要仍是生成式路径，Danijar Hafner的Dreamer系列模型走在正确道路上，但其已离开Google创业[47] 关于Meta内部AI方向的变动 - Alex Wang负责Meta所有AI相关的研发与产品整体运作，而非科研本身，他并不是在“接替”LeCun的科研角色[40] - Meta的“超级智能实验室”体系下分为四部分：FAIR（长期基础研究）、TBD Lab（前沿大语言模型）、AI基础设施、产品部门，Alex Wang统管这四个方向[40] - FAIR目前被明显推向更短期、更偏应用的研究方向，发表论文的重要性下降，更多是为TBD Lab的大模型工作提供支持，这意味着Meta整体正在变得更“封闭”[42] - 一些研究团队（如做SAM的团队）已被重新归类到产品部门[43]

核心观点 - Meta首席AI科学家Yann LeCun离职创业 其新公司专注于开发基于“世界模型”的高级机器智能 旨在让AI理解并预测物理世界 这与当前行业过度投资大语言模型的技术路线形成鲜明对立 [1][3][11] - Yann LeCun公开批评大语言模型存在根本性局限 认为其已触及天花板 并将行业资源视为“黑洞” 阻碍了其他AI路径的发展 [6][8] - Meta公司尽管口头支持LeCun的创业 但并未进行财务投资 显示出双方在技术路线和商业兴趣上存在分歧 [1][36][38] 关键人物动态 - Yann LeCun在Meta工作12年后将于年底离职并创业 其新公司专注于开发“世界模型”以实现高级机器智能 [1][3] - LeCun表示Meta是其新公司的合作伙伴但并非投资者 暗示项目范围可能超出Meta的兴趣 [1][36][38] - 媒体报道LeCun计划离职后 Meta股价下跌了2% 据此估计LeCun对Meta的价值约为300亿美元 [38] 技术路线分歧 - Yann LeCun认为大语言模型仅是“token生成器” 缺乏对物理世界的理解、记忆和多步推理能力 几乎过时 [6] - LeCun指出大语言模型是自回归的 属于System 1 没有真正推理 不具备达到人类或狗类智能水平所需的四项能力 [6] - 他认为大语言模型像“黑洞”一样吸干了所有资源和关注 导致其他AI研究领域寸草不生 [8] - 与此相对 Meta公司正投入数十亿美元重金招揽大语言模型专家 甚至由CEO亲自参与挖角 这被视作对LeCun技术路线的一种否定 [8][11] “世界模型”技术理念 - LeCun倡导的“世界模型”是一种基于视觉等感官信息训练的非生成式AI 旨在预测物理世界 其理念可追溯至1943年的心理学概念 [3][12][14] - 他认为真正的智能需要构建“心理模型”或内部表征 以进行规划、推理和与复杂环境交互 而这大部分是通过观察和交互后天学来的 [21][22] - 过去10年 LeCun致力于此方向 前5年探索 后5年基于非生成式架构取得实质进展 并发展出联合嵌入预测架构 [16][20][21] - 世界模型不仅预测下一帧视频 更关键的是预测在不同动作下所有可能结果的分布 因此需要大量交互数据而不仅是视频数据 [25][26] - LeCun用比喻说明差异：大语言模型像盲目滚下山的雪球 而真正的智能应像能感知环境并规划路径的雪人 [27][29][30] 对当前AI发展的批判 - LeCun指出“莫拉维克悖论”依然存在：AI能在律师考试等抽象任务中表现出色 但无法让机器人具备五岁孩子的行动能力 [20][21] - 他认为理解物理世界比理解语言更难 文本只是对人类丰富感知的高度压缩和抽象描述 无法涵盖大部分关于物理世界的直觉和心理模型 [20][32][35] - 人类思考依赖心理意象而非token 因此仅通过缩放语言模型无法产生真正的智能 [20][35] - 他批评硅谷完全被生成式模型迷住 暗示其创业需在硅谷之外的非主流环境如巴黎进行 [38] 行业影响与现状 - 全球科技巨头正将数十亿美元投入大语言模型领域 并相信缩放定律能支持其通向通用人工智能 [4] - 行业围绕大语言模型迅速形成“共识” 但AI领域最顶尖的科学家对其作为智能路径的根本问题仍存在深刻分歧 [40] - 对智能本质的探索尚无定论 技术路径的竞争仍在继续 [40]