Transcription
大家好，这里是最佳拍档。
对于人工智能领域来说，二零二五年绝对是一个值得被深刻铭记的转折之年。硅谷的资本狂热仍在延续，大模型参数竞赛进入了千亿级后的瓶颈期，而曾经被奉为行业终极目标的通用人工智能，却悄然从主流舆论视野中淡去。
在这样的行业迷局中，一位教父级人物的动向，直接牵动了全球AI研究的脉搏。他就是图灵奖得主、深度学习三巨头之一的杨立昆。二零二五年底，六十五岁的杨立昆宣布了一个震惊行业的决定：告别效力十二年的Meta核心管理层，从零创办一家名为AMI的新公司。要知道，他一手打造的Meta FAIR，早已是全球顶级的AI实验室，手握充足的算力资源和顶尖的研究团队。为何还要在花甲之年选择从零创业呢？
今天，我们就结合杨立昆二零二五年全年的公开演讲和访谈实录，完整拆解一下他对于AI的核心洞见。从对A·G·I的彻底否定，到对大语言模型的尖锐批判，再到他眼中能够真正突破AI瓶颈的世界模型与Jepa架构。
要想理解杨立昆的创业选择，首先要读懂二零二五年AI行业的微妙处境。在多个公开场合，杨立昆都提到，这一年行业正站在范式转移的临界点。过去三年，大语言模型的爆发，让整个行业陷入到“参数堆得越大，智能就越强”的路径依赖。从GPT 4到Llama 3，参数规模从万亿级向更高维度突破。但是在实际应用中，幻觉无法根除、物理世界理解缺失、复杂任务规划能力不足等核心问题，始终无解。
更让杨立昆担忧的是，主流AI实验室的研究氛围正在发生质变。他在接受一次专访时直言，FAIR曾经坚持全公开的策略，发表所有的研究成果，开源包括PyTorch在内的核心工具和研究原型。这种开放姿态极大推动了全球AI生态的发展，也倒逼谷歌等实验室变得更加开放。但是过去几年，以OpenAI、谷歌为代表的头部机构，开始转向封闭和保密，将研究成果与商业利益深度绑定。不发表成果的研究，等同于自我陶醉。
杨立昆认为，这种封闭环境会扼杀长期主义的基础研究，而他一直深耕的世界模型相关研究，已经无法在巨头体系内获得足够的自由空间。这正是A·M·I诞生的核心动因。杨立昆希望复刻当年贝尔实验室、施乐帕克研究中心的模式，打造一个不追求短期产品KPI、专注解决AI根本问题的科研净土。
根据媒体披露的信息，A·M·I全称为先进机器智能公司。杨立昆担任执行董事长，并未出任CEO，而是聘请了AI初创企业Nabla的联合创始人亚历克斯·勒布伦担任这个职务。更值得关注的是，这家公司在还没有正式启动之际，就计划以三十亿欧元的估值进行首轮融资，目标募资五亿欧元。如此高额的融资规模，也从侧面印证了资本市场对杨立昆世界模型路线的认可。
杨立昆在领英的简短帖子中明确表示，AMI的核心方向是世界模型与规划能力的研发，目标是构建一个能像人类一样理解物理世界、进行复杂推理的智能系统，而非继续优化现有的大语言模型。而支撑这次创业选择的，是他对当前AI行业核心路线的彻底反思。
首当其冲的，就是对AGI概念的全盘否定。在二零二五年英伟达GTC大会的炉边对话中，面对英伟达首席科学家比尔·达利关于AGI是否即将到来的提问，杨立昆给出了毫不含糊的答案。他认为，AGI即将到来这种说法，完全是无稽之谈。
在他看来，AGI之所以是伪命题，核心原因在于通用智能本身就是对人类智能的误读。杨立昆的论证逻辑是这样的：人类智能的本质是高度的专业化，而非通用。我们进化出的核心能力，是适应现实世界的具身交互，比如行走、抓取物体、理解他人的情绪等等。这些看似简单的能力，其实是千万年进化的结果。但是，在很多领域，人类智能其实存在着明显的短板。比如计算速度不如计算器、记忆容量不如普通的存储设备、导航能力不如候鸟。强行要求机器具备与人类同等的通用智能，本质上是违背生物进化规律和数学逻辑的。因为智能的核心价值，在于解决特定的领域问题，而非全知全能。
正是基于这个认知，杨立昆提出了用AMI来替代AGI，作为AI研究的新目标。他在相关访谈中明确了AMI的四大核心能力：一是从感官输入中自主学习物理常识，比如通过观察来理解重力、惯性等基本规律；二是具备持久记忆能力，能够存储和调用长期积累的知识；三是拥有复杂推理与层次化规划的能力，能从宏观的目标拆解到微观的动作；四是内置安全机制与可控性，避免出现不可预测的风险行为。
杨立昆对AMI的实现时间线，也给出了相对明确的预判。最乐观的情况下，三到五年内可以在小范围内实现某种形式的高级机器智能。但要达到与人类相当的智能水平，还需要更长时间的系统性优化，大概率会遇到目前未知的理论障碍，时间线可能拉长到二十年甚至更久。他特别强调，AI的进步是渐进式的，而非突变式的。过去七十年里，每一代研究者都宣称五到十年内实现人类水平的智能，但是这些预测都没能兑现，本质上就是对智能本质的理解存在偏差。
而杨立昆对现有AI路线的批判，最尖锐的部分集中在当前行业的主流——大语言模型上。他甚至在二零二五年美国联合数学会议上直言，用预测下一个词的方法来创造AGI，就像是想用算盘登陆火星一样。这种激烈的批判，背后其实是三个层面的底层逻辑支撑。
第一个是数学层面的自回归死结，这也是幻觉无法根除的本质原因。大语言模型的核心机制是自回归生成，也就是根据前文的Token来预测下一个Token。杨立昆在数学会议上给出了一组精准的计算：假设模型单步预测的错误率仅为0.1%，词表大小按照一万个Token来计算，那么生成一百个Token后，整个序列保持逻辑正确的概率就会暴跌到37%。如果生成一千个Token，这个概率会进一步降至几乎可以忽略的0.004%。这不是可以通过优化算法、增加数据就能解决的Bug，而是自回归机制的内生属性。每一步Token预测都是一次概率赌博，只要有一个Token出现偏差，后续的预测就会像多米诺骨牌一样产生连锁错误，最终形成“一本正经地胡说八道”的幻觉。杨立昆用了一个形象的比喻，戳破了大语言模型的本质：它不是在规划思考路径，而是在每一步都掷骰子。这种机制注定无法处理需要长程逻辑连贯的任务，比如复杂数学证明、精密的物理模拟，更不可能支撑起对现实世界的理解。
第二个是信息论层面的带宽不对称，因为文本数据永远无法替代具身经验。很多人认为，只要给大语言模型投喂足够多的文本数据，就能让它掌握人类的知识。杨立昆用一组对比数据打破了这个认知：Meta的Llama 3预训练数据量大约是三十万亿Token，换算成字节大约是十的十四次方。而一个四岁儿童，清醒时间大约为1.6乘以十的四次方个小时，人类视觉系统的总带宽是每秒二十兆B，仅通过视觉摄入的数据总量就达到了十的十四次方个字节，和Llama 3的训练数据量完全相当。但是，这两者的认知差距却天差地别。四岁儿童用四年时间就能理解物理世界的基本规律，他知道物体是不可穿透的、松开的杯子会下落、物体消失后仍然存在。而Llama 3学完了一百T·B的文本，却连倒水时水流会往下流这种最基础的常识都不具备。杨立昆解释，核心问题在于数据质量的本质差异。文本是低维的离散信号，每个Token仅包含两到三个字节的信息熵，是对现实世界的高度抽象和简化，丢失了物理世界的底层约束。而视觉、触觉等具身感官数据，是高维的连续信号，其中的冗余信息恰恰是学习世界模型的关键。这种样本效率的极度差异，决定了仅靠文本训练的大语言模型，永远无法触及现实世界的本质。
第三个是在认知科学层面，系统一和系统二之间的差距，使得大语言模型缺乏真正的推理能力。心理学家丹尼尔·卡尼曼提出的双系统理论，是杨立昆批判大语言模型的的重要理论依据。系统一是直觉式、反应式的快思考，比如熟练的司机在空旷道路上开车，无需刻意去思考。系统二是需要集中注意力、分步规划的慢思考，比如初学者在拥堵的路段驾驶，需要不断的判断和调整策略。杨立昆指出，当前所有的大语言模型都只是属于系统1的智能。无论面对的问题是简单的2+2=4，还是复杂的证明P=NP，它们消耗的算力和处理逻辑完全相同，都是预测下一个Token，不会根据问题的复杂程度动态调整思考时间和资源分配。所谓的思维链，本质上只是生成更多的Token来模拟思考的过程，就像一个人解题时，必须把所有念头大声说出来一样。一旦某个念头出错，后续的推导就会全部偏离方向。而人类真正的推理，是在抽象表征空间里进行的迭代优化。比如规划一次从纽约到巴黎的行程，我们会在脑海中构建从去机场到办理登机，再到起飞，最终降落的抽象步骤，而不是逐字逐句地生成详细指令。这种能力是大语言模型所完全缺失的。
为了让这个观点更加容易理解，杨立昆多次引用了莫拉维克悖论的概念：机器擅长人类认为困难的任务，比如下棋、微积分，却难以完成人类认为简单的任务，比如收拾餐桌、开矿泉水瓶。他举了一个让人深思的例子：十岁的孩童第一次就能正确的收拾餐桌，十七岁的少年经过二十小时就能学会开车。但是耗费万亿Token训练的大模型加机器人系统，至今仍然无法稳定的完成这些简单任务。核心原因就在于，人类的这些能力依赖于对物理世界的直觉理解，而大语言模型只能进行文本层面的统计拟合，无法建立与现实世界的连接。
这一点在自动驾驶领域表现得尤为明显。行业喊了多年的L5级自动驾驶，始终停滞不前。杨立昆认为根本原因不是数据不足，因为当前自动驾驶系统已经积累了数百万小时的训练数据，而是采用的感知映射、模仿学习等方法，本质上还是基于统计拟合，没有构建真正的世界模型。一个青少年能够快速学会开车，是因为他知道不减速会撞到护栏，视线被遮挡时行人可能仍在移动。而AI只能靠穷举过往的边缘案例，这种方式在数学上是发散的，也就是你永远无法覆盖所有可能的场景，除非它能像人一样构建出“如果这样做会怎样”的内部模拟，也就是世界模型。
既然大语言模型的路线走不通，那AI的正确发展方向应该是什么呢？杨立昆给出的答案是联合嵌入预测架构（Jepa），以及基于Jepa构建的世界模型。这也是AMI公司的核心研究方向。
为了让大家深入的理解Jepa，杨立昆首先澄清了一个关键认知：为什么像Sora这样的视频生成模型，也无法构建世界模型呢？他认为，生成式模型的核心问题是在像素级别重现细节。但是在现实世界中，很多细节其实都是随机噪声，比如树叶的随机摆动、地毯的纹理变化。强迫模型预测这些不可预测的细节，只会让它要么拟合噪声，要么输出模糊的平均值，无法学到背后的因果规律。而世界模型的核心目标，不是重现细节，而是要学习抽象层面的因果结构，比如笔离开支撑会下落、物体无法穿透固体，这些才是智能的核心。
Jepa架构的设计，正是为了实现这个目标。它的核心逻辑可以概括为：放弃像素级的预测，专注抽象表征的因果学习。具体分为三个关键的步骤：
第一步是双路编码：将输入数据（比如视频的前半段），和目标数据（比如视频的后半段），分别通过两个独立的编码器，映射到同一个抽象表征空间中。
第二步是潜空间预测：模型不直接预测目标数据的像素或者Token，而是在抽象表征空间中，根据输入的表征来预测目标的表征。
第三步是信息过滤：目标编码器会主动丢弃那些不可预测的细节噪声，只保留具有语义价值的核心信息，比如物体的类别、位置、运动趋势等等。
我们可以用一个具体例子来理解：用Jepa处理杯子从桌子上掉下来的视频。输入是杯子刚离开桌面的画面，目标是杯子落地的画面。JEPA不会去预测杯子掉下来时每一个像素的变化，比如杯子上的花纹如何晃动、光影如何变化，而是在表征空间中学习杯子从失去支撑，到受到重力下落，再到接触地面的因果关系。这样一来，模型学到的就不再是像素纹理的统计规律，而是物理世界的基本法则。这正是从文本拟合到具备智能的质变。
但是这里存在一个关键的技术难题，那就是放弃像素级重建后，模型很容易出现“偷懒”行为，不管输入什么内容，都输出同一个表征，也就是模型坍塌。为了解决这个问题，杨立昆团队提出了方差、不变性、协方差正则化方法（简称VICReg）。通过三个约束项来撑开表征空间，确保模型能够学到有价值的信息。
第一个约束项是方差项：强制表征向量在每个维度的方差保持在阈值以上，避免所有样本的表征都缩成一个点，确保信息能够有效存储。
第二个是不变性项：对同一个物体的不同视图（比如从正面和侧面看杯子），要求它们的表征预测误差最小化，确保模型能够识别不同视角下的同一物体，保持信息的一致性。
第三个是协方差项：强制表征向量各维度的协方差趋近于零，让每个维度都独立承载不同的信息，最大化表征空间的信息熵，避免出现信息冗余。
这种设计的优势非常明显：不需要像对比学习那样构造海量的负样本，仅通过数学约束就能让模型学到丰富、独立的语义特征，极大提升了学习效率。杨立昆团队用基于Jepa的视频模型V·Jepa做过一个极具说服力的实验：给模型输入球凭空消失、物体穿墙而过的这种违反物理常识的视频时，模型的预测误差会瞬间飙升。这和婴儿看到反重力现象时会盯着看更久的反应完全一致，这证明V·Jepa确实学到了物理世界的基本规律，而不是在记忆视频的纹理细节。
除了Jepa架构，杨立昆还强调了能量基模型的重要性。他认为，能量基模型可以通过能量函数来衡量输入与输出的兼容性，允许系统根据问题的复杂度动态调整推理时间，更接近人类系统二的思考模式，能够有效弥补当前模型在推理能力上的不足。与需要进行概率归一化的生成式模型不同，能量基模型不需要计算复杂的配分函数，通过简单的能量高低判断就能做出决策，在处理不确定性问题时更具优势。
在讨论AI的未来方向时，杨立昆不仅关注算法架构，也对硬件发展和基础学科的重要性提出了独到见解。其中最具颠覆性的观点，是对模拟计算和神经形态芯片的批判。
随着摩尔定律逐渐放缓，行业开始探索模拟计算和神经形态芯片，认为这些技术能大幅提升AI算力的能效比。但是杨立昆用生物学证据反驳了这一观点。他以秀丽隐杆线虫为研究对象，这种一毫米长的线虫只有三百零二个神经元，神经元之间采用模拟信号通讯。因为体型小，信号传输距离短，噪声可以控制。但是当生物体型变大，比如长颈鹿的大脑到腿部、人类视网膜到视觉皮层，就进化出了动作电位，本质上是二进制的数字信号，零或一。
杨立昆由此提炼出生物计算的核心法则：那就是模拟计算、数字通讯。模拟信号在长距离传输时，信噪比会呈指数级衰减，无法保证信息的准确性。而数字信号可以通过中继器无损再生，适合长距离、大规模的信息传输。对应到AI硬件，模拟芯片的缺陷非常明显：一是通讯瓶颈，现代CMOS芯片需要跨芯片传输海量数据，模拟信号长距离传输时的衰减问题无法解决，必须进行模数和数模之间的转换，这会消耗大量能量，抵消模拟计算的能效优势。二是复用性缺失，数字芯片的乘法器等核心单元一秒能复用几十亿次，可以处理不同层的计算任务。而模拟芯片往往需要神经元与电路一一对应，要运行千亿参数的模型，就需要制造千亿个物理单元，成本和体积都不可行。
因此，杨立昆判定，通用AI硬件的未来，仍然会以数字逻辑CMOS为核心。模拟计算和神经形态芯片，只能用于边缘端的特定场景中，无法成为通用AI的主流硬件方案。他同时提到，Meta正在探索核能作为低排放能源，来支持大规模的AI计算，同时推动模型小型化与硬件优化，从而降低AI发展的能源消耗。
除了硬件，杨立昆多次强调基础学科对AI突破的关键作用。他认为，当前AI行业的很多问题，根源在于对基础理论的忽视。未来的研究者需要回归到概率论、控制理论、认知科学等基础学科，才能解决机器的物理世界理解、持久记忆、复杂规划等核心难题。比如，控制理论中的状态估计、最优控制等思想，可以为世界模型的规划能力提供理论支撑；概率论中的不确定性建模，能够帮助AI更好地处理现实世界中的随机事件；认知科学的研究成果，可以为AI架构的设计提供生物智能的参考范式。
杨立昆还回顾了深度学习工具链的演进历史，从一九八七年的SN模拟器，到后来的Caffe、Torch，再到如今的PyTorch，每一次工具链的进步，都推动了研究的爆发。而这些工具的研发，都离不开基础学科的支撑。他以二零一二年ImageNet竞赛的突破为例，当时他团队提出的卷积神经网络，之所以能取得历史性成绩，不仅是因为数据量和算力的提升，更关键的是对高维几何直觉的修正。通过卷积、池化等操作，有效提取到了图像的层级特征，这个设计思路就融合了信号处理、几何学等基础学科的知识。
在技术路线之外，杨立昆对AI行业的生态建设，也有着自己深刻的思考。其中开源，是他反复强调的一个核心主张。这个主张的背后，是对二零二二年Meta Galactica模型下架事件的深刻反思，以及对行业信息垄断风险的担忧。
二零二二年，Meta发布了专注于科学领域的大语言模型Galactica。该模型在超过四千八百万篇论文、教科书、讲义等科学语料上进行训练，能够总结学术文献、解决数学问题、生成科学代码，甚至处理化学公式和蛋白质序列等多模态任务。然而，由于模型存在严重的幻觉问题，生成了一些不严谨的内容，上线不到三天就被舆论猛烈批评，最终被迫下架。杨立昆当时就发布推文表达遗憾：“再也不能用它来找乐子了，你们都开心了吗？”
让杨立昆感到不公的是，就在Galactica下架后不久，OpenAI发布的ChatGPT也被发现存在严重的幻觉问题，但是OpenAI在发布的博客中明确指出了这个弱点，却没有受到类似的猛烈批判，反而迅速成为了行业顶流，两个月内月活用户就突破了一亿。杨立昆认为，这是典型的舆论双标。Galactica被定位为科学研究工具，用户对它的准确性的期待极高，一旦出现错误就被全盘否定。而ChatGPT被包装成聊天玩具，用户对错误的容忍度大幅提升。
但是更深层的问题是，这种舆论差异的背后，反映了行业对封闭模型和开源模型的不同态度。OpenAI的封闭模式让它获得了更多商业话语权，而Meta的开源尝试，却面临更严苛的审视。杨立昆多次在公开场合为Galactica鸣不平，他表示，Galactica的幻觉水平实际上低于当时的其他模型，因为它是在科学文献上进行的微调，对科学家来说是非常有价值的工具。而以人工智能道德为幌子的误导性批评，最终毁掉了这个有潜力的研究项目。
这次事件也让他更加坚定了开源是AI生态健康发展的核心的信念。在他看来，未来人类获取信息的入口，很可能都会被AI助手垄断。如果这个入口被少数几家美国的西海岸公司控制，就会带来严重的信息主权和文化安全问题。这些模型自带的文化偏见，会同化非英语文化圈的价值观，各国的核心数据也会被外国公司所掌控，最终导致文化多样性的丧失。
因此，杨立昆明确表示，AMI将延续开源策略，坚持公开发表研究成果，开源核心的研究原型和工具。他认为，创新不是封闭的过程，而是跨学科、跨地域合作的成果。只有保持开放，才能让全球的研究者共同参与到AI的基础研究中，避免少数公司的技术垄断。同时，开源也能让不同国家和地区基于开源基座，训练符合本土语言、文化、法律的专用AI，构建分布式的AI生态，保障各国的信息主权和文化安全。
杨立昆以Meta的Llama模型为例说明开源的价值。Llama发布时，Meta吸取了Galactica的教训，采取了相对谨慎的开源策略，在GPL v3许可证下向研究社区发布，要求研究者填写表格才能访问。而Llama的成功，直接推动了开源AI生态的爆发，让更多中小企业和研究者能够参与到大模型的研发中，打破了头部公司的算力和数据垄断。他强调，开源的核心原则是尽早发布，经常发布，通过快速迭代和社区反馈，不断优化模型，同时让研究成果更快地转化为实际价值。
在批判现有路线、提出新的技术方案的同时，杨立昆也描绘了他眼中AI的未来愿景。AI不是要替代人类，而是会成为人类智能的放大器，推动一场超越印刷术的新文艺复兴。
他预言，未来十年将是机器人的黄金十年。当前机器人的硬件技术已经相当成熟，无论是机械臂的精度、移动平台的稳定性，还是传感器的感知能力，都已经达到了商业化应用的水平。但是机器人的大脑，也就是智能系统，始终存在着短板，无法理解物理世界、进行灵活规划，这也是制约机器人普及的核心瓶颈。而随着世界模型和Jepa架构的突破，AI将具备真正的物理世界理解和规划能力，为机器人提供通用大脑，让机器人能够像人类一样灵活处理各种物理交互任务，广泛应用于家庭服务、工业生产、医疗护理等领域。
在杨立昆看来，AI的终极角色不是替代人类，而是放大人类的智能。就像工业革命用机械放大了人类的体力一样，AI将放大人类的智力。他构想了一个虚拟幕僚团的场景：科学家的AI助手能快速阅读全球所有的相关文献，提炼核心观点，提出新的研究假设，帮助科学家突破知识的边界；艺术家的AI助手能将模糊的创意具象化，生成多种创作方案，激发创作灵感；普通人的AI助手能处理日常琐事，提供个性化的医疗建议、教育指导，让每个人都能享受到专业级的服务。
这种智能放大的价值，在科学和医学领域将表现得尤为突出。杨立昆认为，AI未来在蛋白质折叠、药物设计、理解生命过程等研究中，将发挥不可替代的作用。比如AlphaFold已经在蛋白质结构预测领域取得了突破性进展，未来基于世界模型的AI系统，将能够更精准地模拟生物过程，加速药物研发和疾病治疗方案的探索。他强调，AI的发展最终是为了给人类文明增加智能供给，因为智能的稀缺性制约着人类社会的发展，而提升服务于人类的智能总量，是一项具有根本性积极意义的事业。
杨立昆也提到，AI的发展必然会带来安全和伦理问题，比如就业结构变化、隐私保护、算法偏见等等。但这些问题并非无法克服。他主张以工程思维解决这些挑战，通过内置安全机制、完善法律法规、加强行业自律等等方式，确保AI的发展方向符合人类的整体利益。
他 D不认同AI威胁论，认为只要引导恰当，AI将成为推动人类社会进步的核心力量，就像历史上的蒸汽机、电力、互联网一样，彻底改变人类的生产和生活方式。
回顾AI发展的历史，每一代研究者都有自己的技术范式和终极愿景。而杨立昆的思考，无疑为当前陷入参数竞赛迷局的行业，提供了一种清醒的纠偏。AI不应该困在文本的概率游戏中，而应该回归到对现实世界的理解和交互中；不应该追求虚无缥缈的AGI，而应该专注于构建能解决实际问题的AMI；不应该走向封闭的商业垄断，而应该保持开放的生态合作。
或许，二零二五年AGI的消失，不是AI的失败，而是行业从狂热回归理性的开始。从堆参数到学因果，从文本拟合到物理理解，从封闭垄断到开源协作，AI正在走向一条更扎实、更可持续的发展道路。而杨立昆创办的AMI，以及他提出的Jepa架构和世界模型，无疑将成为这条新道路上的重要探索者。
感谢观看本期视频，我们下期再见。