來源：市場資訊

（來源：圖靈人工智能）

您想知道的人工智能干貨，第一時間送達

圖圖靈獎得主公開叫板整個 AI 行業，這一票他壓了什么。

新澤西，LeCun 坐在鏡頭前，說了一句讓整個 AI 圈安靜三秒的話：

「LLM 很偉大，但它不是通往人類級智能的路，甚至不是通往動物級智能的路。」

2026 年初，OpenAI、Anthropic、Google DeepMind 燒著數百億美元，把 LLM 的參數規模一次次推向新紀錄。而提出這個反向賭注的人，正是親手參與建造了 Llama 開源體系的那個 LeCun。

這不只是技術路線的分歧。這是一個時代最大膽的異見——一個圖靈獎得主，在 LLM 最如日中天的時候，公開說這條路走不通。他為什么這么篤定？他看到了什么別人沒看到的東西？而 Meta，又為什么留不住他？

本期提綱：

· 語言很特殊，但現實世界不是語言

· LLM 為什么注定不是通用智能的答案

· JEPA 架構：預測的世界才是智能的世界

· 世界模型如何讓機器真正「理解」因果

· Meta 內部那場失落的戰爭

· 為什么我離開了

1

語言很特殊，但現實世界不是語言

LLM 的世界：離散語言

10萬 token 詞匯表

token → token → token

自回歸預測

? 完美適用

語言·代碼·數學

離散、有限、規則化

VS

現實世界：連續高維

推底→滑動

推頂→翻轉

? LLM 無法精確預測

高維·連續·噪聲·不確定

LLM 在離散語言世界如魚得水，在連續物理世界卻寸步難行

2

LLM 為什么注定不是通用智能

LLM 推理模式

Token[n]

LLM

Token[n+1]

無規劃 · 無因果 · 無行動后果預測

世界模型 Agent

觀察

世界模型

預測后果

規劃/搜索

執行行動

環境反饋

? 規劃 · 因果推理 · 零樣本泛化

LLM 的自回歸推理 vs 世界模型驅動的 Agent 規劃循環

3

JEPA：預測的世界才是智能的世界

4

為什么 Meta 留不住他

「Meta 把整個機器人 AI 團隊解散了。團隊負責人 Gita Sukhatme 現在去了亞馬遜。」LeCun 說，「Meta 關注的都是 LLM。FAIR 被告知要幫助 Llama。探索性的長期研究不再被給予高優先級。」

Llama 2 最終開源了，結果推動了整個 AI 行業的開源生態。這件事讓很多人以為 LeCun 主導了 Meta 的 LLM 戰略——但他其實只是一個力排眾議、讓 Llama 2 走向開源的副總裁。

5

AMI Labs：一場孤獨但認真的賭注

AMIE——Advanced Machine Intelligence，先進機器智能——是 LeCun 給自己的新公司取的名字。副標題是：AI for the Real World。

「去研究下一代系統。」

小結

Yann LeCun 在 2026 年初給出了 AI 圈最響亮的異見：LLM 不是通往通用智能的路徑。

他的核心邏輯是：語言是離散且有限的，而現實世界是連續、高維、充滿不確定性的。LLM 在語言任務上登峰造極，但它缺乏兩個關鍵能力——預測行動后果的能力，以及通過搜索和優化進行規劃的能力。這兩個能力，是任何智能系統與物理世界真正交互的前提。

JEPA 架構嘗試在抽象表示空間做預測，避開像素層面的不可能任務。而世界模型，是他把 JEPA 變成智能系統的核心組件——能夠推理因果、進行零樣本泛化的 Agent 系統。

他離開了 Meta，因為當公司 all-in LLM 的時候，探索性長期研究不再是優先級。他在 60 歲重新創業，押注一個他沒有 100% 理論證明的方向——但他有數十年的經驗，和一個清晰到幾乎固執的信念。

這場賭注是對是錯，需要時間來驗證。但有一點是確定的：在所有人都往同一個方向跑的時候，總需要有人往反方向認真看一眼。

LeCun 就是那個看反向的人。

你覺得 LLM 的天花板是真的存在，還是終將被 scaling 法則打破？JEPA 的路線有沒有可能被 LLM 的擴展速度甩在身后？

· 你認為 LeCun 的判斷對了還是錯了？為什么？

· 如果讓你選，你會押注 LLM 還是世界模型？

· 你覺得 AI 行業目前最大的研究方向被高估了還是低估了？

來源：Yann LeCun · Unsupervised Learning Podcast · 2026 · https://youtu.be/ngBraLDqzdI