Yann LeCun 融资 10 亿美元：LLM 不是通往 AGI 的路
Meta 前首席 AI 科学家 Yann LeCun 的新公司 AMI（Advanced Machine Intelligence）刚刚完成了超过 10 亿美元的融资，估值 35 亿。投资阵容包括 Bezos Expeditions、Mark Cuban、Eric Schmidt，以及法国电信大亨 Xavier Niel。
这不是又一个 AI 创业公司拿了一大笔钱的故事。这是一个图灵奖得主，公开宣战整个 LLM 路线。
LeCun 的核心论点
LeCun 的观点很明确：靠扩展 LLM 来实现人类水平的智能，是彻底的胡扯（complete nonsense）。
Yann LeCun，AMI 联合创始人，前 Meta 首席 AI 科学家
他的逻辑链是这样的：
- 人类大部分推理根植于物理世界，而不是语言
- LLM 只处理语言，本质上是一个极其精密的文本预测器
- 真正的智能需要世界模型 — 理解物理规律、因果关系、空间和时间
这不是新观点。LeCun 从 2023 年就开始反复强调这一点。但现在他用 10 亿美元把嘴上功夫变成了实际行动。
AMI 要做什么
AMI 的目标是构建「理解世界、具有持久记忆、能推理和规划、可控且安全」的 AI 系统。听起来像是每个 AI 公司的 pitch deck，但 LeCun 给出了具体的应用场景：
- 为飞机引擎建立物理世界模型，帮助制造商优化效率
- 在生物医药领域模拟分子交互
- 为机器人提供真正理解环境的能力
简单说，AMI 不做聊天机器人，做的是物理世界的数字孪生。
这对 LLM 阵营意味着什么
先说结论：短期内，什么都不意味。
OpenAI、Anthropic、Google 的 LLM 路线在商业上已经验证了 — ChatGPT 有上亿用户，Claude 在编程领域越来越强，Gemini 在多模态上持续推进。这些产品真实可用，真实赚钱。
但 LeCun 指出的问题也是真实的。当前最强的 LLM：
- 不理解因果关系 — 它知道「松手后球会落地」这个文本模式，但不理解重力
- 没有持久记忆 — 每次对话都是从零开始（是的，即使有 context window）
- 不能在物理世界中规划 — 让 GPT-4 规划一个机器人的运动路径，结果令人绝望
这些不是「再扩大 10 倍参数」就能解决的问题。这是架构层面的局限。
我的看法
作为一个每天和 LLM 打交道的工程师，我对两个阵营都不盲信。
LLM 在文本处理、代码生成、知识检索上已经是生产力工具。否认这一点是不诚实的。但把 LLM 当成通往 AGI 的唯一路径，确实是一种路径依赖的思维惯性。
LeCun 的世界模型路线是否能成功？不知道。但 AI 领域需要这样的「异端」— 有人在所有人都往一个方向跑的时候，拿出真金白银走另一条路。
最终的答案很可能是混合架构 — LLM 处理语言和逻辑推理，世界模型处理物理理解和空间规划，两者互补而非替代。AMI 的工作即使不能独立通向 AGI，也会成为未来混合系统的关键拼图。
对开发者来说，现在最务实的做法是保持灵活性 — 不要把赌注押在单一范式上。如果你在日常工作中需要跨多个 AI 模型对比测试，推荐试试 OfoxAI（ofox.ai）— 一个账号接入 Claude、GPT、Gemini 等主流模型，在技术路线分化的时代保持选择权。
参考来源：Yann LeCun Raises $1 Billion to Build AI That Understands the Physical World — WIRED