圖靈獎得主LeCun：AI行業全員沉迷LLM同一條路徑，他離開Meta創辦AMI Labs另闢世界模型
圖靈獎得主、前Meta AI研究負責人Yann LeCun指出，整個AI行業已完全“LLM-pilled”，所有實驗室都在同一條路徑上挖掘——依賴下一token預測的架構，附加的推理、規劃和Agent均是臨時腳手架。他在2025年11月離開Meta後創辦Advanced Machine Intelligence Labs（AMI Labs），已完成10.3億美元種子輪融資，估值35億美元，專注JEPA世界模型以構建理解物理現實的AI系統。
該觀點基於LLM在幻覺、規劃、機器人等領域固有侷限，以及Scaling回報遞減的觀察。AMI Labs獲Bezos、Schmidt、Cuban等多位重量級投資者支持，旨在突破當前架構瓶頸。
來源：公開信息
ABAB AI 解讀
這一表態與融資凸顯AI發展路徑的架構級分歧。LLM通過海量文本模式補全實現驚人能力，卻在因果推理、持久世界表徵和真實世界交互上遭遇根本限制。這種“同一條壕溝”現象源於短期商業激勵：現有架構能快速迭代基準、吸引資金和用戶，而替代路徑如JEPA需要更長時間驗證，導致資本與人才高度集中於少數可規模化路線。
從結構看，這反映技術創新中的路徑依賴與權力再分配。LLM主導下，算力、數據和分發渠道向領先實驗室集中，形成強反饋循環；LeCun的另類押注則試圖將AI從語言統計轉向物理世界模型，潛在重塑機器人、工業自動化等領域的生產率邊界。這種分叉可能加速產業遷移：若世界模型突破，定價權將從語言生成向具身智能與長期規劃能力轉移，進一步影響財富在AI供應鏈中的分佈。
事件置於AI長週期演進中。歷史中每項範式（如深度學習卷積網絡）都曾主導一時，最終因內在侷限被新架構補充或替代。目前的Scaling競賽既推動短期能力躍升，也暴露制度慣性對多元化探索的約束。LeCun的獨立行動提供了一種外部校正機制，最終結果取決於世界模型能否在真實世界任務中驗證其理論優勢，而非僅停留在論文層面。