在过去的几年里，人工智能行业一直在朝着一个非常明确的方向发展：更大的模型、更多的数据、更多的计算和更强的基于语言的推理。
Yann LeCun 的新初创公司 AMI Labs 代表了与当前大型语言模型竞赛不同的赌注。虽然人工智能行业的大部分重点关注更大的模型、更多的数据和更多的计算，但 LeCun 正在推动世界模型的理念——学习物理世界如何运作、预测后果和计划行动的人工智能系统。本文探讨了为什么 AMI 可能预示着超越基于语言的智能的下一个人工智能范式。
从 GPT 和 Claude 到 Gemini、DeepSeek、Mistral 和许多其他模型公司，人们普遍认为扩展大型语言模型将使我们更接近通用人工智能。这种信念创造了现代历史上最大的技术投资浪潮之一。大型科技公司在 GPU、数据中心、基础模型和人工智能基础设施上花费了数十亿美元。
然而，尽管大多数行业仍在竞相构建更强大的语言模型，但 Yann LeCun 却做出了不同的选择。
LeCun 是现代人工智能领域最重要的人物之一。他是图灵奖获得者、深度学习的先驱，也是经常被称为“人工智能教父”的研究人员之一。离开 Meta 后，他与他人共同创立了 AMI Labs，这是一家专注于世界模型和迈向先进机器智能的不同道路的初创公司。
这就是为什么他的新创业公司很有趣。它不仅仅是另一家试图构建更好的聊天机器人的人工智能公司。它代表了一个更深层次的问题：如果下一个人工智能范式不仅与语言有关，而且与理解世界有关怎么办？
当前的人工智能竞赛是围绕扩展而展开的
当前的人工智能竞赛主要围绕扩展展开。逻辑很简单：用更多的数据训练更大的模型，给它们更多的计算能力，它们的能力就会不断提高。
这种方法产生了令人印象深刻的结果。大型语言模型可以撰写论文、总结文档、生成代码、回答问题、翻译语言、分析业务想法并支持许多知识工作任务。对于许多人来说，这一进步已经是革命性的。
但这一成功也引发了行业的强烈共识。许多投资者、创始人和公司现在认为，通往更先进智能的道路就是不断扩展相同的架构。
对于某些功能来说可能是这样。更大的模型可能会在语言、推理模式、编码、多模式任务和工具使用方面变得更好。但 LeCun 一再辩称，这可能不足以实现真正的智能。
他的批评并不是大型语言模型没有用。它们显然很有用。他的观点是，语言预测可能与世界理解不同。
语言模型可以产生看起来正确的答案，因为它从大量文本中学习了模式。但它理解世界为何如此运作吗？它理解物理因果关系吗？它可以预测现实世界中行为的后果吗？它能否像人类或动物一样通过与环境的直接互动进行学习来进行计划？
这些都是比较难的问题。
为什么语言可能还不够
语言是强大的，但人类的智慧不仅仅建立在语言之上。
在孩子能够流利地说话之前，孩子已经了解了很多关于世界的知识。孩子知道物体会掉落，即使隐藏起来，事物仍然存在，行为会产生后果，空间具有结构，并且某些事件是可以预测的。
这种智力主要不是通过阅读文本来学习的。它来自视觉、动作、触觉、互动和体验。
这就是为什么球从桌子上滚下来的例子如此有力。年幼的孩子可以预测，如果一个球不断滚向桌子边缘，它就会掉下来。孩子不需要阅读物理教科书就能理解这一点。孩子已经建立了物理世界的直观模型。
大的语言模型可以谈论这种情况，但它们的理解是不同的。他们从文本和模式中学习。他们可以说球会掉下来，因为他们的训练数据中的许多例子都支持这个答案。但 LeCun 的观点是，真正的智能需要的不仅仅是预测下一个单词。它需要一个关于世界如何变化的内部模型。
这是世界模型背后的核心思想。
什么是世界模型？
世界模型是一个学习世界如何运作的人工智能系统。
世界模型不只是预测句子中的下一个单词，而是尝试学习现实的表示：物体、空间、运动、因果、时间、动作和后果。目标不仅是描述世界，而且是预测接下来可能发生的事情并相应地计划行动。
AMI Labs 将其工作描述为开发世界模型，学习现实世界传感器数据的抽象表示并在表示空间中进行预测。它还强调了以行动为条件的世界模型，其中人工智能系统可以预测其自身行动的后果，并在安全约束下规划行动序列。
这是与纯语言建模截然不同的方向。
如果说大型语言模型在生成和操作文本方面很强大，那么世界模型的目标就是建立对现实的更深入的理解。它们对于机器人、自动驾驶汽车、工业自动化、物理模拟、科学发现以及任何需要在现实世界中发挥作用的人工智能系统可能尤其重要。
简单来说，法学硕士擅长通过语言回答、写作和推理。世界模型应该帮助人工智能理解如果它做了某事将会发生什么。
这种差异很重要。
为什么 Yann LeCun 的赌注很重要
Yann LeCun 的新创业公司很重要，因为他不仅仅是一个随机进入人工智能市场的创始人。他帮助塑造了深度学习革命，特别是通过他在卷积神经网络和计算机视觉方面的工作。当具有这种背景的人创办一家专注于不同人工智能架构的公司时，人们就会关注。
TechCrunch 报道称，AMI Labs 以 35 亿美元的投前估值筹集了约 10.3 亿美元，使其成为人工智能领域最大的早期融资轮之一。该公司专注于世界模型，即从现实而不是仅从语言中学习的人工智能。
这表明硅谷不仅仅把赌注押在更大的法学硕士上。一些投资者也在寻找下一个人工智能范式。
这并不意味着 AMI 一定会成功。世界模型仍然很困难。构建真正理解物理现实的人工智能比构建演示要困难得多。它需要数据、架构、计算、研究突破、安全设计和现实世界的验证。
但赌注的规模告诉我们一些重要的事情：许多人认为当前的人工智能竞赛可能不是人工智能的最终形式。
下一个人工智能范式可能是关于理解现实
每一次重大技术浪潮最终都会达到一个点，即仅仅使当前的方法变得更大是不够的。
谷歌不仅仅是一个更大的雅虎。 iPhone 不仅仅是一款更好的诺基亚手机。 ChatGPT 不仅仅是一个更好的搜索引擎。这些产品中的每一个都代表了不同的范例。
人工智能可能会经历同样的模式。
现代人工智能的第一波浪潮是深度学习。第二波浪潮是大型语言模型和生成式人工智能。下一波浪潮可能涉及结合语言、视觉、行动、记忆、计划和世界理解的系统。
这并不意味着法学硕士将会消失。它们可能仍然是人工智能堆栈的重要组成部分。但它们可能不是整个系统。未来的人工智能可能会使用语言模型进行通信，使用世界模型进行预测和规划，使用记忆系统进行长期上下文，以及使用代理进行工具使用和行动。
从这个意义上来说，LeCun 的赌注并不一定是“LLM 没用”。一种更平衡的观点是，法学硕士可能是智力的一个组成部分，而不是完整的答案。
下一个人工智能范式可能需要系统不仅能够很好地说话，而且能够理解他们的行为对世界意味着什么。
为什么物理理解如此重要
许多有价值的人工智能应用需要对现实世界的理解。
自动驾驶汽车需要了解道路、车辆、行人、不确定性和后果。机器人需要理解物体、空间、力和运动。工业自动化需要预测机器和流程的行为方式。医疗保健人工智能可能需要理解生物因果关系，而不仅仅是医学文本。科学人工智能可能需要提出并测试有关物理世界的假设。
这些问题不仅仅是语言问题。
聊天机器人可以回答有关驾驶的问题，但自动驾驶系统必须在不断变化的环境中做出决策。语言模型可以编写有关机器人的内容，但机器人必须在物理空间中安全移动。模型可以总结一篇科学论文，但发现引擎必须对实验和结果进行推理。
这就是世界模型很重要的原因。
如果人工智能要从屏幕进入物理世界，它需要的不仅仅是文本预测。它需要一种理解动态、因果关系和行动的方法。
这也是为什么这个方向可能变得非常有价值。人工智能最大的市场可能不仅是聊天机器人和生产力工具。它们可能包括机器人、自主系统、制造、物流、医疗保健、国防、能源和科学研究。
批评：世界模型是否太遥远？
与此同时，我们应该注意不要过度夸大世界模式。
有些人认为生物大脑也从统计模式中学习，因此说语言模型不理解任何东西可能太简单了。其他人则认为，大型语言模型已经获得了多模态能力、工具使用、记忆和推理能力，因此法学硕士和世界模型之间的差距可能会随着时间的推移而缩小。
还有一个实际的批评：世界模型听起来很漂亮，但距离广泛的商业用途还很远。 LeCun 对法学硕士的批评可能很尖锐，但将替代架构转变为有用的产品要困难得多。
我认为这个批评是公平的。
很容易说当前的人工智能范式是不完整的。建造下一个要困难得多。人工智能行业有许多精美的研究想法的例子，这些想法花了数年时间才变成现实，有些从未成为主流。
因此，看待 AMI 的正确方法并不是将其视为必然的赢家。最好将其视为对不同人工智能未来的认真研究和初创企业押注。
这对人工智能初创公司意味着什么
对于人工智能初创公司来说，这个故事提醒我们人工智能市场还没有结束。
如今，许多创始人正在现有的大型语言模型之上构建应用程序。那还是有用的。将会有许多采用当前模式建立的优秀企业。
但更深层次的问题是：下一个平台转变将来自哪里？
如果下一个人工智能范式转向世界模型、代理、物理人工智能、记忆系统和现实世界规划，那么最大的机会可能不是法学硕士的简单包装。它们可能涉及基础设施、垂直系统、机器人工作流程、模拟、数据收集、人工智能安全和现实世界部署。
这与我不断看到的一个更广泛的模式有关：人工智能正在从对话转向行动。
人工智能的第一阶段是提问和回答。下一阶段是行动、计划、观察和改进。为此，人工智能需要对其运行环境有更深入的了解。
这就是为什么世界模型值得关注，即使它们还处于早期阶段。
我的个人反思
对我来说，这篇文章不仅是关于 Yann LeCun 或 AMI Labs。这也是关于如何思考技术浪潮的问题。
当一项技术流行起来时，大多数人都会关注可见层。在当今的人工智能市场中，可见层是聊天机器人、内容生成、编码助手和人工智能工具。这些很重要，但它们可能并不代表人工智能的全部未来。
更深一层是架构。什么样的系统才能真正创造智能？语言就够了吗？我们需要记忆、计划、感知、行动和世界理解吗？人工智能能否在物理世界中发挥作用，而不仅仅是在数字文本中？
这些问题很重要，因为它们决定了下一个机会可能出现的位置。
作为从事 SEO、网站、内容和数字业务工作的人，我不需要成为人工智能研究员。但我确实认为理解这些更深层次的转变很重要。如果我们只关注今天的工具，我们可能会错过明天的平台。
这也是我觉得LeCun的举动很有趣的原因。它提醒我，真正的技术革命并不总是让当前的产品变得更大。有时，它们来自于询问当前的道路是否缺少一些根本性的东西。
结论：人工智能可能需要的不仅仅是语言
Yann LeCun 的新创业公司很重要，因为它代表了对人工智能未来的不同信念。
当今人工智能竞赛的主要焦点是扩展大型语言模型。 AMI 实验室认为，下一个人工智能范式可能需要世界模型：能够理解现实、预测后果并根据世界运作方式规划行动的系统。
这并不意味着法学硕士将会消失。它们已经很有用，并且可能仍然很重要。但它们可能会成为更大的情报系统的一部分，而不是最终的答案。
人工智能的未来可能不仅仅属于能够更好说话的模型。它可能属于能够理解、预测和行动的系统。
这就是 AMI 值得关注的原因。
并不是因为它已经解决了智能问题，而是因为它提出了人工智能中最重要的问题之一：
机器能否真正理解世界，而不仅仅是描述世界？