2026年3月10日，图灵奖得主、深度学习三巨头之一的Yann LeCun宣布，他创办的巴黎AI公司AMI Labs完成了10.3亿美元的种子轮融资——这是欧洲历史上最大的种子轮，投前估值35亿美元。

这不是一次普通的创业融资。LeCun在Meta担任了12年首席AI科学家，一手创建了影响深远的FAIR实验室，却在2025年11月选择离开；他公开称当今AI行业最热门的大语言模型（LLM）是"死胡同"；他的新公司不做聊天机器人，不做文本生成，而是押注一个绝大多数人还没听过的技术路线——"世界模型"（World Models）。Bezos、Nvidia、Eric Schmidt、Mark Cuban排着队给他投钱。

最关键的判断是：LLM永远无法达到人类水平的智能，真正的突破将来自能理解物理世界的AI系统。而他已经有了能展示"常识"的原型产品。

以下是基于MIT Technology Review独家专访、达沃斯AI峰会演讲及多方报道的核心内容编译。

一、离开Meta：一个图灵奖得主的"出走"

Yann LeCun在Meta的12年，几乎定义了这家公司的AI基因。

2013年，他创建了FAIR（Fundamental AI Research），这个实验室后来成为全球最具影响力的AI研究机构之一，产出了大量被整个行业广泛使用的开源模型和研究成果。LeCun本人则在2018年获得图灵奖——计算机科学的"诺贝尔奖"——表彰他在神经网络领域的奠基性贡献。

但2025年，事情开始变了。

ChatGPT的爆发重写了大厂AI实验室的游戏规则。扎克伯格决定全力加速Llama大模型的开发，并引入了29岁的Scale AI创始人Alexandr Wang来领导新成立的"Meta超级智能实验室"（MSL）。LeCun对此并不认同，他公开批评Wang"缺乏经验"，认为不适合掌舵前沿研究。

更深层的分歧在于技术路线。LeCun在MIT Technology Review的独家专访中坦言：

"FAIR在研究层面非常成功，但Meta在把研究推向实际技术和产品方面做得不够好。Mark做了一些他认为对公司最好的决策，我不一定都同意。比如，FAIR的机器人团队被裁掉了，我认为这是一个战略性的错误。"

但他没有激烈对抗，而是选择了平静离场："人们做出理性的决策，没有理由去生气。"

有趣的是，当被问到Meta是否可能成为AMI的客户时，LeCun笑着说：

"Meta可能会是我们的第一个客户！我们做的事情跟他们并不直接竞争。我们专注物理世界的世界模型，他们专注生成式AI和LLM，这是完全不同的方向。"

一场分手，留下了合作的余地。

二、"LLM是幻觉"：为什么他要跟整个行业唱反调

LeCun对LLM的批评，不是情绪化的"唱衰"，而是持续了数年的系统性论述。在达沃斯AI峰会上，他把话说得更加直白。

"在LLM的基础上构建Agent系统，是一场灾难。"

他说，"一个系统如果无法预测自己行为的后果，怎么可能规划一系列动作？"

他用了一个绝妙的类比来解释这个问题：

"一个17岁的孩子学开车，10个小时就能上路。我们给自动驾驶AI提供了数百万小时的训练数据，到今天还没有实现L5级别的完全自动驾驶。这说明什么？说明基础架构就不对。"

在MIT Technology Review的专访中，他进一步阐述了这个观点：

"LLM操纵语言确实很厉害。但人们产生了一种幻觉，甚至是妄想——觉得只要把模型不断扩大，迟早能达到人类水平的智能。这完全是错误的。"

核心问题在于莫拉维克悖论（Moravec's Paradox）：对人类轻而易举的事情——感知、导航、理解物理世界——对计算机来说极其困难，反之亦然。LLM被限制在文本的离散世界里，它们无法真正推理和规划，因为它们没有一个"世界模型"来预测行为的后果。

LeCun强调：

"我们将拥有具备人类水平智能的AI系统，但它们不会建立在LLM之上，也不会在明年或两年内实现。还需要一段时间。在此之前，必须发生重大的概念性突破。"

他在达沃斯给出了更具体的时间线：非零概率在未来10年内实现，但不会像某些乐观派预测的那样在1-2年内到来。"很多人脑子里想的是，会有一个AGI的秘密被发现，然后第二天计算机就接管世界了。这太荒谬了。它从来不会以这种方式发生。"

三、世界模型到底是什么？一个比喻就能懂

如果LLM的核心是"预测下一个词"，那世界模型的核心是"预测下一刻世界会发生什么"。

LeCun在MIT Technology Review中这样解释他的技术路线——JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）：

"世界是不可预测的。如果你试图构建一个生成模型来预测未来的每一个细节，它一定会失败。JEPA不是生成式AI。它是一个学会很好地理解视频的系统。关键在于：学习一个抽象的世界表征，在这个抽象空间中做预测，忽略那些你无法预测的细节。"

用更通俗的话说：一个婴儿看到球被扔到空中，他知道球会落下来。他不需要预测球的每一个像素在每一帧的位置，他只需要理解"引力"这个抽象规则。JEPA就是在学习这种抽象规则。

而且，LeCun在达沃斯透露，AMI已经有了能展示"常识"的工作原型：

"我们现在有系统可以在无标注视频上完全自监督训练，这些系统能理解视频、很好地表征视频、预测视频中缺失的部分。它们还获得了某种程度的常识——如果给它们看一个视频，里面一个球被扔到空中然后停住了或消失了，预测误差会飙升，因为系统会说：不，这跟我训练时观察到的完全不兼容。"

这个系统不是用文本训练的。它训练的数据是视频、音频和各种传感器数据——从机器人手臂的位置到激光雷达数据。LeCun的愿景是让这套方法论"适用于任何模态、任何数据、任何传感器数据"，构建从工业流程到化学反应再到生物细胞的现象学模型。

应用场景非常广泛：想象一个拥有数千个传感器的喷气发动机、钢铁厂或化工厂，目前没有任何技术能构建这些系统的完整模型。世界模型可以从传感器数据中学习并预测系统行为。或者想象智能眼镜——它能观察你正在做的事，识别你的动作，然后预测你接下来要做什么来辅助你。

这就是为什么他说Agent系统建在LLM上是灾难——一个要在真实世界采取行动的Agent，如果没有世界模型来预测行动后果，就不可能可靠运行。

四、10亿美元种子轮：谁在押注"反LLM"路线

10.3亿美元，欧洲历史最大种子轮，投前估值35亿美元。投资人名单读起来像是一份科技界的"名人录"：

· Jeff Bezos（Bezos Expeditions）：领投方之一

· Nvidia：GPU帝国的掌门人黄仁勋亲自押注

· Eric Schmidt：前Google CEO

· Mark Cuban：连续创业者和投资人

· 丰田、三星：亚洲产业巨头入局

· Cathay Innovation、Greycroft、Hiro Capital、HV Capital：联合领投

值得注意的是，这轮融资不是孤例。就在一个月前，斯坦福教授、"ImageNet之母"李飞飞创办的World Labs也完成了10亿美元融资。世界模型赛道在一个月内吸引了超过20亿美元，信号再明确不过。

AMI的创始团队同样豪华：

LeCun在专访中谈到招聘时说：

"我们招人没有任何问题。AI研究社区中有很多人认为AI的未来在世界模型。这些人不管薪资多少，都愿意来我们这里工作，因为他们相信我们正在构建的技术未来。我们已经从OpenAI、Google DeepMind和xAI招到了人。"

公司总部设在巴黎，在纽约、蒙特利尔和新加坡设有办公室。当被问到为什么不去硅谷时，LeCun说了一句意味深长的话：

"硅谷有点太单一文化了。"

五、"机器人没人做得好"：对AI热门赛道的冷水

LeCun对当下几乎所有的AI热门赛道都给出了冷静到冰点的判断。

关于人形机器人——这可能是2025-2026年最火的AI赛道之一，中国公司尤其活跃。LeCun的评价毫不留情：

"那些让机器人打功夫或跳舞的公司，秘密在于全部都是预先规划好的。坦率地说，没有人——绝对没有人——知道怎么让那些机器人足够聪明到真正有用。相信我。"

他解释说，当前的做法需要为每一个任务提供海量遥操作训练数据，而且环境稍微变化一点，就不能很好泛化。"这告诉我们，我们缺少了一些非常重要的东西。"

那个缺少的东西，在他看来，就是世界模型。

"17岁的孩子20小时就能学会开车，是因为他们已经理解了这个世界是怎么运转的。如果我们想要一个真正有用的家用机器人，就需要系统具备对物理世界的深度理解。在拥有好的世界模型和规划能力之前，这不可能实现。"

关于AI毁灭人类的末日论，LeCun在达沃斯直接说：

"这是胡扯，原谅我的法语。"

他认为真正的风险不是杀手机器人，而是权力集中——如果未来每个人的数字信息消费都由AI中介，而这些AI系统只来自美国西海岸的几家公司或中国，"那对民主的健康、文化多样性、语言多样性和价值体系来说，我们就有大麻烦了。"

关于学术界的角色，他给出了一个反直觉的建议：

"不要研究LLM。没有意义。你不可能跟工业界竞争。去研究别的东西，发明新技术。"

他的逻辑是：LLM现在是技术开发，不是研究了——就像2010年代初的语音识别，是已经解决的问题，进展在工业界手里。学术界应该聚焦超越当前系统能力的长期目标。

"最激动人心的世界模型研究来自学术界，而不是困在LLM世界里的大型工业实验室。"

六、开源危机：中国模型正在"赢"

在达沃斯，LeCun发出了一个令人警醒的信号。

当被问到过去十年AI进步最大的驱动因素是什么，他没有提任何技术突破，而是说：

"是AI研究的开放性。人们做了一项研究，写论文，发到arXiv上，开源代码。这让整个领域以极快的速度进步。"

但现在，这个引擎正在熄火。

"让我绝望的是，OpenAI、Anthropic和Google都转向了更封闭的模式，甚至Meta的FAIR——原本非常开放的——现在也面临'方向偏移'，可能会改变运作方式。"

他把这个趋势称为"灾难性的"——因为它将减缓西方、特别是美国的AI进步速度。

而与此同时：

"目前最好的开源模型来自中国——它们真的很好，所以全球研究社区都在使用中国模型。"

这是一个惊人的逆转。LeCun指出了一个让很多人不舒服的现实：美国公司在变得越来越封闭的同时，中国全面拥抱了开源路线。结果是，除美国以外的学术界和创业公司，基本都在用中国模型。

他提出的解决方案是：建立一个联盟模式，让全球各地区共同贡献，训练一个全球性的开源LLM，作为"全人类知识的仓库"。他认为AI系统的多样性和新闻媒体的多样性一样重要，"而这只有通过开源才能实现。"

这也解释了为什么AMI选择总部设在巴黎：

"欧洲有非常高的人才集中度，但并不总是给予他们合适的环境来发展。而且很多国家对AI有主权需求——他们需要一个既不是中国的也不是美国的可信前沿AI公司。"

七、给年轻人的忠告："学量子力学，别学App开发"

LeCun在达沃斯演讲的最后，给了年轻人一段出乎意料的建议。

"如果你要在移动App编程和量子力学之间选一门课，选量子力学——即使你是计算机科学专业。"

他说，"因为你在这个过程中学到的方法论，会让你学会如何学习。"

他解释说，机器学习背后几乎所有的数学基础都来自统计物理学，"这就是为什么现在有这么多物理学家在做AI。"

他的核心信息是：

"现在正在学习的每个人，将来都不得不换工作，因为技术进化太快了。所以学生需要学的是基础性的东西——那些保质期很长的知识。"

对于AI将如何影响就业，他引用了诺贝尔经济学奖得主Philippe Aghion和斯坦福大学Eric Brynjolfsson的研究：AI将以每年约6%的速度提升生产力——这很显著，但不足以造成大规模失业，部分原因是"限制技术在经济中传播速度的因素，是人们学会使用它的速度。"

写在最后

在整个AI行业疯狂追逐更大的LLM、更强的Agent、更多的GPU时，一个图灵奖得主带着10亿美元走向了相反的方向。

对AI从业者来说，LeCun的观点值得认真对待——不是因为他一定是对的，而是因为他可能指出了一个被集体忽视的盲区：我们是否把太多资源押在了一条路上？

对创业者来说，世界模型赛道一个月内吸引了超过20亿美元（AMI Labs + World Labs），这不是巧合。当聪明钱开始集体行动，新的机会窗口可能正在打开。

对所有人来说，最值得记住的也许是LeCun在巴黎公寓里说的那句话：

"我们将拥有人类水平的AI，但它不会建立在今天大家在追的东西上。"

未来10年，这句话要么被证明是先见之明，要么成为AI历史上最昂贵的误判。无论如何，这10亿美元的赌注本身，已经足够让整个行业停下来想一想。

原文参考来源：

· 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演讲"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）