超越 LLM：AMI Labs 十亿美元世界模型押注

当图灵奖得主 Yann LeCun——卷积神经网络的共同发明人、AI 史上最具影响力的研究者之一——以 10.3 亿美元押注反对他协助建立的主流范式时，值得我们认真关注。2026 年 3 月 10 日，AMI Labs 正式启动，筹得欧洲史上最大种子轮资金，并以一个直接挑战硅谷主要 AI 实验室核心假设的创始论点：大型语言模型并非通用智慧的正确路径。

LeCun 不同意这个假设。他多次公开表明这一立场，且论述日益具体。他的论点并非 LLM 毫无用处——事实上它们在语言任务上表现卓越——而是对于需要在物理世界中推理和运作的 AI 而言，LLM 是错误的架构。无论多么复杂的文字预测，都无法教导 AI 物体如何下落、流体如何运动，或机器人应如何在不确定地形中移动。

AMI Labs 的核心论点是：下一个十年的变革性 AI 不会来自进一步扩展 LLM，而是来自世界模型——被训练理解和预测物理环境因果结构的 AI 系统。这是对主导架构的直接挑战，而由 Bezos Expeditions、Eric Schmidt 及一批顶级投资人支持的 10 亿美元种子轮，正是在押注 LeCun 是正确的。

什么是世界模型？为什么它如此重要？

世界模型是构建环境运作内部表示的 AI 系统——学习支配状态随时间变化的物理规则——让它能够相应地规划、预测和采取行动。

与预测序列中下一个 token 的语言模型不同，世界模型学习模拟其环境的动态。给定系统的当前状态（机器手臂、车辆、流体容器），世界模型预测该系统未来的样貌，并利用预测来规划行动。

AMI Labs 方法的核心洞察是：生成模型（无论生成文字或像素）本质上是不精确的，因为它们试图重建世界的全部复杂性。JEPA 改以在抽象表示空间中学习，预测世界变化中重要的部分，而非试图重现每个无关的表面细节。

什么是 JEPA？它如何运作？

JEPA（联合嵌入预测架构）由 LeCun 于 2022 年论文中提出，是 AMI Labs 的核心架构。这是一个自监督学习框架，旨在从未标注数据中学习丰富的抽象世界表示。

在标准生成模型中，系统被训练重建输入——预测被遮蔽图像的每个像素或被遮蔽句子的每个 token。JEPA 改为训练预测器，预测给定当前状态嵌入下的未来状态嵌入（抽象表示）。模型从不尝试重建原始输入；它只学习表示之间的关系。

flowchart LR
    A[原始传感器输入<br>视频 / 雷达 / 摄像机] --> B[情境编码器]
    A --> C[目标编码器]
    B --> D[预测器网络]
    C --> E[目标表示]
    D -->|预测| E
    E --> F[世界状态规划]
    F --> G[行动输出<br>机器人 / 车辆 / 无人机]

这个架构具有关键的实际优势：样本效率。由于 JEPA 不浪费容量重建无关细节，它学习有意义表示的速度更快。AMI Labs 的 V-JEPA 2 原型仅以 62 小时视频训练，就展现了零样本机器人规划能力——远少于同类系统所需的数据量。

为何现在是世界模型的正确时机？

AMI Labs 的启动时机并非偶然。多个结构性力量汇聚，使 2026 年成为世界模型的可能拐点：

timeline
    title 世界模型成熟时间线
    2022 : LeCun 发表 JEPA 论文
    2023 : V-JEPA 1 展示视频预测
    2024 : 自动驾驶与机器人产业扩大数据收集
    2025 : V-JEPA 2 实现零样本机器人规划
    2026 : AMI Labs 以 10.3 亿美元种子轮启动

硬件成熟度。 推理优化芯片（包括 Meta 在 AMI Labs 启动同周公布的 MTIA 系列）使在机器人和车辆内部边缘运行复杂世界模型成为可能，无需依赖云端往返。

数据丰沛。 机器人和自动驾驶车辆产业花了五年构建仪器化车队，产生大量真实世界视频和传感器数据——正是世界模型所需的训练信号。

LLM 成长趋缓信号。 多位研究人员注意到，扩展 LLM 在常识性物理推理基准上产生的边际效益递减。语言能力与物理理解之间的差距依然巨大。

谁在支持 AMI Labs？

这轮创下欧洲创业历史纪录的 10.3 亿美元种子轮，不仅反映了投资人对 LeCun 愿景的信心，也是一个战略判断：LLM 范式在物理世界应用上存在结构性天花板。

Eric Schmidt 和 Tim Berners-Lee 的参与尤为值得注意。这两位都曾处于过去计算范式转移的中心。他们的支持传递了一个隐含信息：这不是边缘研究。

AMI Labs 如何与现有 LLM 实验室相比？

AMI Labs 并非在语言任务上与 OpenAI 或 Anthropic 正面竞争。其架构、训练数据和目标应用完全位于不同领域——具身智慧对比文字生成。两者在每个关键维度上的战略差异都非常显著。

这不是对同一市场的正面竞争——至少目前尚非如此。LLM 和世界模型可能共存多年，LLM 主导以文字为中心的任务，而世界模型则赋能新一代物理智慧系统。更长远的问题是：具有真正物理理解的系统最终是否会在抽象推理任务上优于纯文字模型？

LeCun 的押注认为答案是肯定的。

这对 AI 产业意味着什么？

AMI Labs 的启动是一个信号，不仅仅是一个融资事件。它标志着对 LLM 正统观念的一次可信、资源充足的挑战的开始。

对企业买家而言，世界模型可能解锁 LLM 真正无法实现的 AI 应用：可靠地在动态工厂车间操作机器人、在新条件下为自动驾驶车辆规划路线、实时预测设备故障。

对 AI 研究社区而言，10.3 亿美元的种子资金购买了大量算力和人才。AMI Labs 将吸引相信下一个前沿是物理智慧的研究人员，加速大型 LLM 实验室未优先考虑的方向。

对投资人而言，AMI Labs 轮次为投前 AI 融资树立了新基准，并确立世界模型作为合法机构投资类别——而非仅是学术好奇心。

LLM 时代尚未结束。但它可能不再是唯一的选项。

常见问答

AMI Labs 是什么？它在做什么？ AMI Labs 是由图灵奖得主 Yann LeCun 共同创办的巴黎 AI 创业公司。它使用 JEPA（联合嵌入预测架构）构建世界模型——让 AI 学习物理世界的运作方式，而非预测文字 token。首款产品 AMI Video 以无人机、自动驾驶车辆和工业自主系统为目标市场。

世界模型与大型语言模型有何不同？ LLM 从文字中学习并预测下一个 token；世界模型则学习表示并预测环境随时间的变化，在压缩的潜在空间中运作，而非重建每个像素或词语。世界模型专为物理推理与具身任务设计，而非文字生成。

什么是 JEPA？LeCun 为何认为它优于 LLM？ JEPA（联合嵌入预测架构）训练 AI 在抽象表示空间中预测世界的未来状态，而非在原始像素或 token 空间。LeCun 认为这使学习更具样本效率，因为它聚焦于重要的事物，而非重建无关细节。V-JEPA 2 仅用 62 小时训练数据即实现零样本机器人规划。

谁资助了 AMI Labs？估值为何？ AMI Labs 在种子轮融得 10.3 亿美元，由 Cathay Innovation、Greycroft、Hiro Capital、HV Capital 和 Bezos Expeditions 共同领投，估值达 35 亿美元。支持者包括 Eric Schmidt、Mark Cuban、Jim Breyer 和 Tim Berners-Lee。

AMI Labs 的世界模型将服务哪些产业？ AMI Labs 瞄准制造业、航空航天、生物医学与制药等复杂物理系统产业，以及消费性机器人、自动驾驶车辆和无人机物流等核心应用场景。

AMI Labs 认为 LLM 已走向死路吗？ AMI Labs 并非预测 LLM 将消失，而是主张对于具身、物理世界任务而言，以 JEPA 为基础的世界模型在架构上更为优越。两种方法可能在不同应用领域共存。

参考资料

• Yann LeCun 的 AMI Labs 筹得 10.3 亿美元构建世界模型 — TechCrunch
• AMI Labs 官方网站 — AMI Labs
• Yann LeCun 的新创事业对大型语言模型的逆向押注 — MIT 科技评论
• 世界模型时代终于到来了吗？ — Futurum Group