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]