LeCun押上10亿美元的”反LLM”豪赌，交卷了——而且他把代码和权重全开源了
AI飞行客 LeCun押上10亿美元的”反LLM”豪赌，交卷了——而且他把代码和权重全开源了
如果你只关注一件事，请关注这个：一个图灵奖得主，公开宣称整个行业最热的技术是”死胡同”，然后拿了 10.3 亿美元去证明自己是对的。现在，他交卷了。
而且交卷的方式很 LeCun——全部开源，代码和权重一并发出来。
先说他赌得到底有多绝
Yann LeCun（杨立昆），深度学习三巨头之一，在 Meta 当了 12 年首席 AI 科学家，一手创建了 FAIR 实验室。去年 11 月，他离开了 Meta。
离开的原因不体面到可以写成案例：Meta 重组成立超级智能实验室后，他需要向小自己 37 岁的 Alexandr Wang 汇报。LeCun 嘴上说不介意，但技术路线的矛盾摆在那儿——他公开称当今行业最热门的大语言模型是”死胡同”，而 Meta 恰恰在全力押注 LLM。
于是他自己开了家公司：AMI Labs（Advanced Machine Intelligence），总部巴黎，成立于去年 12 月。今年 3 月官宣完成 10.3 亿美元种子轮，投前估值 35 亿美元——欧洲历史上最大的种子轮。
投资人名单读起来像科技界名人录：Jeff Bezos、Nvidia（黄仁勋亲自押注）、Eric Schmidt、Mark Cuban、丰田、三星。
注意这个时间点：就在一个月前，李飞飞创办的 World Labs 刚完成 10 亿美元融资。世界模型这条赛道，一个月内吸走超过 20 亿美元。两个最重要的 AI 科学家，用真金白银告诉你：下一个战场不在 LLM。
他到底在赌什么：JEPA，和”不预测像素”
LeCun 的核心判断只有一句：LLM 永远达不到人类水平的智能，真正的突破来自能理解物理世界的 AI 系统。
而实现路径叫 JEPA（联合嵌入预测架构，Joint Embedding Predictive Architecture）。它和当前所有主流生成式 AI 的根本区别在于：
它不生成像素，不预测下一个 token。它直接在抽象语义空间里预测世界的状态会怎么变化。
打个比方。你伸手去拿桌上的杯子，不需要在脑子里”渲染”出杯子被拿起来的每一个像素——你只需要知道”杯子会离开桌面、到我手里”这个抽象结果。JEPA 就是想复制这种能力：理解动作的后果，而不是画出后果的画面。
这也是 LeCun 讲了十年的东西。2016 年他在 NIPS 演讲时就说：AI 的未来是世界模型。四年后他写了那篇《通往自主机器智能之路》。
所以这次”交卷”，交的不是一个新概念，而是一个他喊了十年的主张，终于有了能跑起来的工程实现。
交卷的具体内容：小而快，而且全开源
这次开源的核心，是一套极简的世界模型训练方案。几个数字很说明问题：
– 参数量只有 1500 万——相比动辄几千亿参数的大模型，小得不像话； – 单张 GPU（NVIDIA L40S）就能训完，几小时搞定； – 完整规划仅需 1 秒，比大模型方案快约 48 倍； – 在推箱子、机械臂、导航等 2D/3D 任务里，超过之前的端到端方法，和大模型方案打得有来有回。
更关键的是它”懂物理”：潜空间里藏着位置、角度等物理信息，还能识别”不合物理”的怪事——比如物体突然瞬移，它会判定”很意外”。
这就是 LeCun 路线最值得琢磨的地方：它不是”更大的模型”，而是”另一种智能形态”。
用他的话说，这是 System 2 和 System 1 的区别。今天大多数机器人属于 System 1——你告诉它做什么，它直接反应，不考虑后果。而世界模型带来的，是一个能做运动规划、能预测后果的 System 2：在心里先模拟一遍”我做这个动作，世界会变成什么样”，再决定动不动。
而实现这一切的机制，本质上是一种”打分+搜索”：模型不去贪婪地吐 token，而是对外部提出的候选答案打出”能量分”，分越低说明答案越好，系统再反复搜索、优化，找出能量最低的那个解。
这套思路在概率推断里是经典套路，天然比”一个个吐 token”更强大。
但我要泼一盆冷水：喊了十年，不等于已经赢了
现在说我的判断。
第一，”全开源”是一步高明的棋，但也是背水一战。
你注意到没有——LeCun 一边说 LLM 是死胡同，一边把世界模型的代码权重全开源。为什么？
因为开源是他唯一能快速建立”世界模型标准”的方式。 LLM 那条路上，OpenAI、Anthropic、Google 已经用闭源+规模筑起了高墙；LeCun 想在自己的赛道当定义者，就得让全世界的开发者都来用他的架构。开源，是把”后发”变成”生态”的最低成本路径。
但这也意味着，他的商业模式不能靠卖模型，只能靠卖”世界模型+机器人/自动驾驶”的落地能力。 这条路比卖 API 难得多。
第二，技术路线之争，现在下定论太早。
LeCun 的判断可能对，也可能成为”AI 历史上最昂贵的误判”——媒体这句话说得很准。
世界模型现在处于一个微妙的阶段：基础模型刚出现、杀手级应用未出现。 这很像 2018-2019 年的 LLM——大家都知道方向可能对，但没人能指着某个产品说”看，这就是价值”。
它证明了”能做到”，但还没有证明”值得做”。从”相信世界模型”到”证明世界模型”，还差最后一公里。
第三，对开发者来说，机会在哪。
如果你在造 AI 应用，这两条路线给了完全不同的机会结构：
– 做基础模型：别想了。LeCun、Meta、Google、NVIDIA 都在这条线上，小实验室正面竞争没有胜算。 – 做应用：机会巨大。任何”世界模型 + 垂直行业”的组合都可能出爆款。 – 做评估：这是个被严重低估的空白。怎么量化一个模型”是真懂物理，还是只会生成好看的画面”——这类基准设计，还处于刚起步阶段。 – 做数据：具身数据采集、合成数据生成、人类视频标注——大量工程化机会。
给学生的建议更直接：本科从 Dreamer 的开源实现读起；硕士在 Dreamer V3、V-JEPA 2、GAIA-1 里挑一个复现关键模块；博士千万别选”我也训一个更大的世界模型”这个赛道，去选”世界模型 + 某垂直领域”的交叉点。
最后
把这件事的时间线串起来看，最有意思的一幕是：
一个被”LLM 催眠”的行业，正在被两位最重要的老将用钱投票拉回另一条路。 LeCun 说硅谷”深陷于 LLM，完全被它催眠了”；谢赛宁说”语言是鸦片，是智能的某种捷径，但可能让研究者丧失训练视觉大脑的机会”。
这两个人会不会对？我不知道。但我知道的是：当一个 65 岁的图灵奖得主，愿意放弃 Meta 的职位，押上 10 亿美元，去证明全行业都在嘲笑的方向——这件事本身就值得所有从业者停下来想一想。
你现在赖以吃饭的技术栈，是不是也建立在某个”所有人都觉得理所当然”的假设上？
LeCun 赌的是这个假设错了。而这次全开源的交卷，是他把赌注摆到了台面上，让全世界来验证。