與扎克伯格決裂后，AI教父LeCun帶著10億美元和一個瘋狂賭注回來了

2026年3月10日，圖靈獎得主、深度學習三巨頭之一的Yann LeCun宣布，他創辦的巴黎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業融資。LeCun在Meta擔任了12年首席AI科學家，一手創建了影響深遠的FAIR實驗室，卻在2025年11月選擇離開；他公開稱當今AI行業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人還沒聽過的技術路線——"世界模型"（World Models）。Bezos、Nvidia、Eric Schmidt、Mark Cuban排著隊給他投錢。

最關鍵的判斷是：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。而他已經有了能展示"常識"的原型產品。

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研究機構之一，產出了大量被整個行業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——計算機科學的"諾貝爾獎"——表彰他在神經網絡領域的奠基性貢獻。

但2025年，事情開始變了。

ChatGPT的爆發重寫了大廠AI實驗室的游戲規則。扎克伯格決定全力加速Llama大模型的開發，并引入了29歲的Scale AI創始人Alexandr Wang來領導新成立的"Meta超級智能實驗室"（MSL）。LeCun對此并不認同，他公開批評Wang"缺乏經驗"，認為不適合掌舵前沿研究。

更深層的分歧在于技術路線。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在把研究推向實際技術和產品方面做得不夠好。Mark做了一些他認為對公司最好的決策，我不一定都同意。比如，FAIR的機器人團隊被裁掉了，我認為這是一個戰略性的錯誤。"

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唱反調

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

"在LLM的基礎上構建Agent系統，是一場災難。"

他說，"一個系統如果無法預測自己行為的后果，怎么可能規劃一系列動作？"

他用了一個絕妙的類比來解釋這個問題：

"一個17歲的孩子學開車，10個小時就能上路。我們給自動駕駛AI提供了數百萬小時的訓練數據，到今天還沒有實現L5級別的完全自動駕駛。這說明什么？說明基礎架構就不對。"

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劃，因為它們沒有一個"世界模型"來預測行為的后果。

LeCun強調：

"我們將擁有具備人類水平智能的AI系統，但它們不會建立在LLM之上，也不會在明年或兩年內實現。還需要一段時間。在此之前，必須發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年內實現，但不會像某些樂觀派預測的那樣在1-2年內到來。"很多人腦子里想的是，會有一個AGI的秘密被發現，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"預測下一個詞"，那世界模型的核心是"預測下一刻世界會發生什么"。

LeCun在MIT Technology Review中這樣解釋他的技術路線——JEPA（Joint Embedding Predictive Architecture，聯合嵌入預測架構）：

"世界是不可預測的。如果你試圖構建一個生成模型來預測未來的每一個細節，它一定會失敗。JEPA不是生成式AI。它是一個學會很好地理解視頻的系統。關鍵在于：學習一個抽象的世界表征，在這個抽象空間中做預測，忽略那些你無法預測的細節。"

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"這個抽象規則。JEPA就是在學習這種抽象規則。

而且，LeCun在達沃斯透露，AMI已經有了能展示"常識"的工作原型：

"我們現在有系統可以在無標注視頻上完全自監督訓練，這些系統能理解視頻、很好地表征視頻、預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，預測誤差會飆升，因為系統會說：不，這跟我訓練時觀察到的完全不兼容。"

這個系統不是用文本訓練的。它訓練的數據是視頻、音頻和各種傳感器數據——從機器人手臂的位置到激光雷達數據。LeCun的愿景是讓這套方法論"適用于任何模態、任何數據、任何傳感器數據"，構建從工業流程到化學反應再到生物細胞的現象學模型。

應用場景非常廣泛：想象一個擁有數千個傳感器的噴氣發動機、鋼鐵廠或化工廠，目前沒有任何技術能構建這些系統的完整模型。世界模型可以從傳感器數據中學習并預測系統行為。或者想象智能眼鏡——它能觀察你正在做的事，識別你的動作，然后預測你接下來要做什么來輔助你。

這就是為什么他說Agent系統建在LLM上是災難——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：連續創業者和投資人

• 豐田、三星：亞洲產業巨頭入局

• Cathay Innovation、Greycroft、Hiro Capital、HV Capital：聯合領投

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吸引了超過20億美元，信號再明確不過。

AMI的創始團隊同樣豪華：

LeCun在專訪中談到招聘時說：

"我們招人沒有任何問題。AI研究社區中有很多人認為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建的技術未來。我們已經從OpenAI、Google DeepMind和xAI招到了人。"

公司總部設在巴黎，在紐約、蒙特利爾和新加坡設有辦公室。當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對當下幾乎所有的AI熱門賽道都給出了冷靜到冰點的判斷。

關于人形機器人——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先規劃好的。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，當前的做法需要為每一個任務提供海量遙操作訓練數據，而且環境稍微變化一點，就不能很好泛化。"這告訴我們，我們缺少了一些非常重要的東西。"

那個缺少的東西，在他看來，就是世界模型。

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

關于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。"

他認為真正的風險不是殺手機器人，而是權力集中——如果未來每個人的數字信息消費都由AI中介，而這些AI系統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。"

關于學術界的角色，他給出了一個反直覺的建議：

"不要研究LLM。沒有意義。你不可能跟工業界競爭。去研究別的東西，發明新技術。"

他的邏輯是：LLM現在是技術開發，不是研究了——就像2010年代初的語音識別，是已經解決的問題，進展在工業界手里。學術界應該聚焦超越當前系統能力的長期目標。

"最激動人心的世界模型研究來自學術界，而不是困在LLM世界里的大型工業實驗室。"

六、開源危機：中國模型正在"贏"

在達沃斯，LeCun發出了一個令人警醒的信號。

當被問到過去十年AI進步最大的驅動因素是什么，他沒有提任何技術突破，而是說：

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

但現在，這個引擎正在熄火。

"讓我絕望的是，OpenAI、Anthropic和Google都轉向了更封閉的模式，甚至Meta的FAIR——原本非常開放的——現在也面臨'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，所以全球研究社區都在使用中國模型。"

這是一個驚人的逆轉。LeCun指出了一個讓很多人不舒服的現實：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。結果是，除美國以外的學術界和創業公司，基本都在用中國模型。

他提出的解決方案是：建立一個聯盟模式，讓全球各地區共同貢獻，訓練一個全球性的開源LLM，作為"全人類知識的倉庫"。他認為AI系統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。"

這也解釋了為什么AMI選擇總部設在巴黎：

"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境來發展。而且很多國家對AI有主權需求——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："學量子力學，別學App開發"

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編程和量子力學之間選一門課，選量子力學——即使你是計算機科學專業。"

他說，"因為你在這個過程中學到的方法論，會讓你學會如何學習。"

他解釋說，機器學習背后幾乎所有的數學基礎都來自統計物理學，"這就是為什么現在有這么多物理學家在做AI。"

他的核心信息是：

"現在正在學習的每個人，將來都不得不換工作，因為技術進化太快了。所以學生需要學的是基礎性的東西——那些保質期很長的知識。"

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

在整個AI行業瘋狂追逐更大的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從業者來說，LeCun的觀點值得認真對待——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：我們是否把太多資源押在了一條路上？

對創業者來說，世界模型賽道一個月內吸引了超過20億美元（AMI Labs + World Labs），這不是巧合。當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，已經足夠讓整個行業停下來想一想。

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）