融资10亿美金，杨立昆押注LLM是死路

图灵奖得主，撂挑子了

2025年11月，Yann LeCun（杨立昆）正式从Meta离职。

在Meta待了十二年，首席AI科学家，图灵奖得主。这种人离职，本身就是大新闻。但真正让AI圈炸锅的，不是他走了，而是他走的时候说了一句话：

You certainly don’t tell a researcher like me what to do.

你不能告诉像我这样的研究者什么该做。

这句话的背景是——Meta把一个更年轻的高管Alexandr Wang调来管他的部门。一个图灵奖得主，被一个年轻人"管理"。

额，换你你也受不了吧。

话说回来，这个97年生的Wang同学也是人中龙凤了。从MIT辍学，在2016 年与合伙人共同创立了 Scale AI（一家提供 AI 数据标注和数据基础设施服务的公司 —— 这条路选的多对啊！）21年，该公司的估值就超过 70 亿美元…… Wang同学成为了最年轻的白手起家亿万富翁之一（self-made billionaire）

小扎在2025 年 6 月宣布以约 143 亿美元的价格收购 Scale AI 49% 股权。 但关于wang同学和meta的流言也蛮多的。一直有传言说他和小扎不对付，还说现在已经差不多算是离职状态了。最近小扎还特意发照片出来辟谣。

Anyway 这些都是背景和瓜了。不过LeCun离开的原因肯定不止是面子问题。真正的裂痕在更深的地方，从他的各种发言和论断就能看出来：他和扎克伯格在AI的方向上产生了根本性的分歧。

扎克伯格要all in大语言模型。LeCun觉得那是一条死路。

“自回归LLM注定失败”

2025年9月10日，LeCun在NYU数据科学中心的研讨会上，放了一张幻灯片，第一句话就是五个字母组成的判决：

“Auto-Regressive LLMs Are Doomed.”

自回归大语言模型，注定失败。（其实标题更加……

这不是他第一次说这种话了。我仍然记得第一次听到他这类言论的时候，带给我的极大的震撼。

可能很多人和我一样，不是程序员出身，也没有科技背景，不过就是对AI领域感兴趣和喜爱罢了。所以LLM——大语言模型，似乎就是近年来好不容易发现的一条阳光大道。有了LLM，有了各种对话窗口，我们开始了和GPT、豆包、Gemini等等的对话和合作。

所以才有了prompt工程，有了“如何写好提示词”的技巧，有了结构化输出。

但是会不会从头就错了？人类的语言，真的能够完整地表达出自己的所思所想吗？语言是不是被高估了？会不会用语言和AI沟通，从头就是一条死路？

马斯克一直也这么看，所以他很积极地推进“脑机接口”——人的想法直接输出，不通过语言描述。

LeCun把逻辑拆得非常清楚：

第一，LLM不能理解世界。

LeCun的论点很直接：大语言模型的本质是"预测下一个token"。它在统计层面上学会了语言的模式，但它不理解语言背后的物理世界、因果关系和常识。

他举了一个著名的例子：一个四岁小孩从出生到现在，通过视觉、触觉、听觉处理的感官数据量，远远超过所有LLM训练数据的总和。但那个四岁小孩已经拥有了基本的物理世界认知——知道东西会掉下来，知道推一个球它会滚。

而GPT-4？它连"如果我把一杯水倒扣在桌子上会怎样"这种问题都不一定答得对。

第二，token生成的数学陷阱。

LeCun指出了一个核心的数学问题：自回归模型每一步生成一个token，每一步都有犯错的概率。随着输出序列变长，生成一个完全正确的答案的概率呈指数级下降。

简单来说就是——越说越多，越容易胡说八道。

这不是模型不够大的问题，是架构本身的数学缺陷。

第三，LLM不会规划、不会推理。

真正的智能需要什么？需要能够预测自己行为的后果，需要能够做多步推理，需要能够制定长期计划。

LeCun说：LLM在这三件事上全部不及格。它做的是System 1式的快速反应——类似人类的直觉反应。但人类真正强大的是System 2——深思熟虑的、有意识的推理。LLM没有System 2。

（顺便说一下，这里的两个系统概念来自于一本书：诺贝尔经济学奖得主 丹尼尔·卡尼曼（Daniel Kahneman） 的经典著作 《思考，快与慢》(Thinking, Fast and Slow) ，绝对是最值得阅读的书籍之一）

LeCun在演讲最后甚至直接喊话：

IF YOU ARE INTERESTED IN HUMAN-LEVEL AI, DON’T WORK ON LLMs.

如果你对人类级别的AI感兴趣，不要做LLM。

全场大写。没有委婉。

一个人挑战整个行业

额，这个场景有多疯狂呢。

2025年，全球AI行业几乎所有的头部公司——OpenAI、Google DeepMind、Anthropic、xAI——都在all in大语言模型。数千亿美金的资本在追逐更大的模型、更多的算力、更长的上下文窗口。整个行业的共识是：Scaling Law没有尽头，只要模型够大、数据够多，AGI就在前方。

然后LeCun站出来说：你们全错了。

这可不是一个普通人在网上发牢骚。这是一个图灵奖得主——AI领域的"诺贝尔奖"获得者——公开对整个行业路线宣战。

而且他不是随便说说。他和AI领域另外两位教父级人物——Geoffrey Hinton和Yoshua Bengio——有着持续多年的公开辩论。

LeCun vs Hinton：AI会毁灭人类吗？

Hinton从Google离职后，成了AI安全的头号代言人。他认为超级智能AI可能失控，可能被武器化，人类必须认真对待这个威胁。

LeCun觉得这种说法"荒谬"（他用的原词是"preposterous"）。他认为只要在AI系统中嵌入正确的目标函数和护栏，AI就是安全可控的。末日论不仅没有根据，反而给那些想要封杀开源AI的游说力量送了子弹。

有意思的是，两人虽然在风险评估上针锋相对，但在一个点上达成了共识：AI需要被内置"服从人类"和"共情"的基本指令。Hinton叫它"母性本能"，LeCun叫它"目标驱动AI"。

殊途同归，但过程中的火药味一点不少。

LeCun vs OpenAI：开源 vs 闭源

LeCun是开源AI最激烈的倡导者。他公开抨击OpenAI从开源转向闭源的做法，说"秘密搞研究不叫研究"。

他说：“研究界已经不太关注OpenAI了。因为他们不发论文，不公开成果。”

这话说得相当狠。而且他也不只是嘴上说说——在Meta期间，他主导了Llama系列模型的开源发布，用行动践行了"AI应该属于所有人"的信念。

AMI Labs：10亿美金"世界模型"

离开Meta之后，LeCun没有退休。业界也一直关注他的动向。

2026年1月，他正式创立了Advanced Machine Intelligence Labs，简称AMI。3月10日——就在昨天——AMI宣布完成了10.3亿美元的种子轮融资。

10.3亿美元。种子轮。

这是欧洲创业史上最大的种子轮融资。公司估值35亿美元。

投资人名单读起来像AI版的《复仇者联盟》：Jeff Bezos的个人投资基金Bezos Expeditions、英伟达、丰田、三星、淡马锡，还有Eric Schmidt和Mark Cuban。

AMI的名字来自法语"ami"，意思是"朋友"。总部在巴黎，同时在纽约、蒙特利尔和新加坡设有办公室。CEO是Alexandre LeBrun，LeCun本人担任执行主席。

那么AMI要做什么？

世界模型（World Models）。

不是预测下一个词，而是理解物理世界。不是从文本中学习，而是从视频、图像、传感器数据中学习。不是生成语言，而是构建对现实世界的抽象表征。（哎好像就是李飞飞一直在说的……）

LeCun为此提出了一个技术框架：JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）。

JEPA：不预测像素，预测"抽象"

JEPA的核心思路和LLM截然不同。

LLM的逻辑是：给你一串文字，预测下一个字。 JEPA的逻辑是：给你一段视频，预测接下来会发生什么——但不是预测具体的像素变化，而是预测「抽象表征」的变化。

这个区别很关键。

人类大脑不是靠记住每一帧画面来理解世界的。你看一个球从桌子边缘滚过去，你不需要精确预测球的每个像素在下一秒的位置。你只需要知道：球会掉下去。

这就是"抽象表征"——忽略不重要的细节，抓住底层规律。

Meta在LeCun的主导下，已经开源了几个JEPA系列模型：I-JEPA（处理图像）、V-JEPA（处理视频）、V-JEPA 2（改进版）。这些模型不生成图片也不生成文字，它们学习的是——如何理解场景。

AMI要在这个基础上，构建真正的"通用智能系统"。LeCun给出的时间表是三到五年。

他到底是先知还是赌徒？

说实话，我对LeCun的观点有一种很复杂的感受。

一方面，他说的很多东西，逻辑上是通的。LLM确实存在幻觉问题，确实不理解物理世界，确实不会真正推理。你用ChatGPT越多，越能感受到它的"聪明"和"理解"之间的那道裂缝——它不是真的懂你在说什么，它只是在统计意义上给你一个"看起来正确"的回答。

另一方面，这哥们真的太敢说了。

全世界最聪明的一群人——Ilya Sutskever、Sam Altman、Dario Amodei——都在押注LLM路线。数万亿美金的资本在支撑这条路线。而LeCun一个人站出来说：你们全错了，我有更好的方案。

这要么是历史级别的先见之明，要么是学术圈最贵的一次执念。

我自己每天都在用LLM。写这篇文章的时候，我的皮皮虾（OpenClaw）就在旁边帮我查资料、整理素材。它基于LLM，确实好用。

但我也确实感受到了LeCun说的那些局限——

它不会完整记得上周我跟它聊过什么（除非我手动写进记忆文件）。它不理解我桌上的咖啡杯和我手边的键盘之间的空间关系。它不能帮我规划一个真正复杂的、需要预测五步之后结果的行动方案。

它很像一个极其博学但没有生活经验的人——什么都知道，但什么都没真正经历过。

写到这里，难免想要提一嘴这两天在GitHub上霸榜的、被全世界关注的项目MiroFish。一个中国大四学生 BaiFu（本名郭航江） 仅用了10 天时间Vibe Coding出的一个“新一代群体智能预测引擎”。盛大陈天桥已经投了3000万人民币来做商业化了。

虽然最大的感想是"同样是vibe coding你看看人家"，但是这种预测引擎，似乎又隐隐地在暗示着什么。

写在最后

Yann LeCun今年75岁了。

大多数这个年纪的图灵奖得主，要么在大学里做名誉教授，要么在顾问委员会上挂名，偶尔出来做个主题演讲收收出场费。

而他选择了离开Meta、创办公司、融10亿美金、和整个行业对赌。

这件事本身，就还挺酷的。

因为这说明他不是在发牢骚，他是真的相信LLM是死胡同。信到愿意押上自己的声誉、时间和一切来证明。

他可能是对的——世界模型可能真的是通往AGI的正确道路。 他也可能是错的——LLM继续进化，世界模型变成学术论文里的脚注。

但无论如何，一个75岁的人还愿意把一切推倒重来，这件事本身就值得尊敬。

AI的未来不会只有一条路。而那些敢于逆着所有人走的人，往往是那些最终改变世界的人。

感谢观看。