2026 年 1 月，圖靈獎得主 Yann LeCun 在 Meta 工作 12 年後正式離職，在巴黎創辦 AMI Labs（Advanced Machine Intelligence），首輪融資即達 €5 億，估值 €30 億（市場傳聞美元計價估值已觸及 $35 億）。他以自己多年研究的 JEPA 架構為核心武器，公開宣稱大型語言模型「有用但根本受限」，世界模型才是通往通用智能的唯一正道。這位卷積神經網絡之父的出走，不僅是一場個人職業轉折，更是 AI 技術路線之爭白熱化的標誌性事件。
要理解 LeCun 離開 Meta 的完整邏輯，必須回到 2013 年。那一年，Zuckerberg 親自邀請 LeCun 加入 Facebook（後更名為 Meta），賦予他一個在大型科技公司中罕見的使命：創建一個以長期基礎研究為導向的 AI 實驗室。這就是 FAIR（Facebook AI Research）的誕生。LeCun 以首席 AI 科學家的身份，將 FAIR 打造成與 Google DeepMind 和 OpenAI 並駕齊驅的全球頂尖 AI 研究機構。在他的領導下，FAIR 在自監督學習、電腦視覺、自然語言處理等多個前沿領域發表了大量開創性論文，為整個 AI 社群貢獻了 PyTorch 等影響深遠的開源工具。
然而，2024 年下半年開始，Meta 的 AI 策略發生了根本性的轉向。隨着 ChatGPT 引爆的 LLM 商業化浪潮席捲全球，Zuckerberg 對 AI 的定位從「長期研究投資」急劇轉向「短期商業回報」。最具象徵意義的人事變動發生在 2025 年末——Alexandr Wang，Scale AI 的年輕創辦人，被任命為 Meta 新的 AI 業務負責人。Wang 的到來代表了一種截然不同的 AI 哲學：數據標註、模型微調、產品整合——一切以商業化效率為最高優先級。
FAIR 的定位在這場轉向中遭受了直接衝擊。LeCun 多年來堅守的研究議程——探索 LLM 之外的替代架構、深入自監督學習的理論基礎、發展能夠理解物理世界的認知系統——在 Meta 新的戰略框架中被重新分類為「非核心項目」。研究資源被大規模重新分配給 Llama 系列語言模型的訓練和商業化部署。一位在 Meta 內部擁有 12 年崇高地位的圖靈獎得主，發現自己最珍視的研究方向正在被系統性地邊緣化。
「大型語言模型是有用的工具，但它們在根本上是有限的。它們永遠無法實現真正的通用智能，因為它們對物理世界一無所知。它們只是在操縱符號，而不是在理解現實。」——Yann LeCun，2026 年 1 月
LeCun 的這番公開表態，在他仍與 Meta 存在某種過渡期關係的時刻發出，其震撼力不亞於一顆深水炸彈。它不僅是對自己前東家技術路線的直接否定，更是向整個以 LLM 為中心的 AI 產業投下的一封挑戰書。
AMI Labs 的全稱是 Advanced Machine Intelligence，這個名字本身就暗示了比「大型語言模型」更廣闊的技術視野。公司總部設在巴黎，而非矽谷或倫敦——這是一個精心計算的選擇。巴黎是 LeCun 的家鄉，他在紐約大學執教多年的同時始終保持着與法國學術界的深度聯繫。更重要的是，巴黎正在迅速崛起為歐洲乃至全球最重要的 AI 創業中心之一，Mistral AI 的成功已經為這座城市建立了強大的 AI 創業品牌效應。
AMI Labs 的領導團隊構成值得深入解讀。LeCun 本人擔任執行主席而非 CEO，這一安排反映了他的自我定位——技術願景的制定者和守護者，而非日常運營的管理者。CEO 的角色由 Alex LeBrun 擔任。LeBrun 在法國科技圈有着豐富的履歷：他創辦的醫療 AI 公司 Nabla 在臨床決策支持領域積累了將 AI 研究轉化為實際產品的寶貴經驗。LeBrun 的加入為 AMI Labs 提供了 LeCun 本人不擅長的能力——將前沿研究工程化和產品化的執行力。
Laurent Solly 的角色同樣關鍵。作為 Meta 歐洲業務的前副總裁，Solly 掌握着遍布歐洲政商兩界的深厚人脈。在歐盟《AI 法案》全面實施的背景下，一家以歐洲為基地的 AI 公司需要在監管合規和政府關係方面具備一流的能力。Solly 的加入，顯然是為了確保 AMI Labs 能夠在歐洲複雜的監管環境中順暢運作，同時為公司在政府採購和公共部門合作方面打開大門。
投資者陣容同樣值得關注。Cathay Innovation 是一家專注於歐洲和亞洲跨境科技投資的基金，其參與暗示 AMI Labs 從一開始就具有全球化的市場視野。Greycroft 是紐約老牌風投機構，長期專注於消費科技和企業軟件。Hiro Capital 則是歐洲專注於遊戲、元宇宙和數位娛樂領域的基金——這個投資者的存在，暗示世界模型技術在遊戲和互動內容領域的商業化前景是 AMI Labs 早期商業故事的重要組成部分。
AMI Labs 的核心技術是 JEPA——Joint Embedding Predictive Architecture（聯合嵌入預測架構）。這是 LeCun 在 Meta 的 FAIR 實驗室中多年研究的結晶，也是他對「AI 應該如何學習」這個根本性問題的回答。
要理解 JEPA 為什麼重要，需要先理解它與當前主流 AI 架構的根本差異。當今最強大的 AI 系統——無論是 GPT 系列、Claude 還是 Gemini——本質上都是「生成式」模型。它們的學習方式是：給定一段輸入（例如一段文字的前半部分），預測接下來最可能出現的符號（下一個 token）。這種逐符號預測的方式在處理語言時效果驚人，因為語言本身就是一個符號序列。但 LeCun 的核心論點是：真實世界不是一個符號序列。
JEPA 的學習方式從根本上不同。它不試圖在像素或 token 的層面上預測具體的輸出，而是在一個抽象的「表示空間」（representation space）中運作。具體而言，JEPA 包含兩個核心編碼器：一個處理輸入（例如影片片段的前幾幀），另一個處理目標（例如影片片段的後幾幀）。但關鍵在於——JEPA 不預測目標的原始像素，而是預測目標在抽象表示空間中的嵌入向量。
這個區別聽起來可能很技術化，但其哲學含義是深刻的。當一個人觀察一個球從桌面滾落時，大腦並不會逐像素地「渲染」球的未來軌跡。相反，大腦會形成一個抽象的預測——「球會向下掉落、彈跳、最終靜止」——這個預測捕捉了事件的本質結構，而忽略了無數的感官細節。JEPA 試圖模擬的正是這種抽象層次的預測能力。
「生成式模型試圖預測每一個像素、每一個 token。但現實世界中的大部分細節是不可預測的——一片葉子飄落的精確軌跡、一朵雲的確切形狀。真正的智能在於學會忽略那些不重要的細節，只預測世界的抽象結構。這就是 JEPA 的設計哲學。」——Yann LeCun
這兩種架構之間的差異可以從多個維度加以理解。LLM 在離散的符號空間（token space）中運作，其預測目標是下一個具體的 token；JEPA 則在連續的表示空間中運作，其預測目標是抽象的嵌入向量。LLM 的訓練數據主要是文字（以及被轉化為文字描述的圖像和影片）；JEPA 則直接從原始的視覺和感官數據中學習，不需要語言作為中介。
更深層次的差異在於對「理解」的定義。LLM 的「理解」本質上是對語言統計模式的掌握——它知道在「太陽從東方」之後最可能出現「升起」這個詞。但這是否意味着它理解了太陽升起的物理過程？LeCun 的回答是明確的否定。他認為，真正的理解需要一個能夠在內部模擬世界運行規律的模型——當你「告訴」它太陽在東方，它能夠在內部「想像」天空逐漸變亮、溫度逐漸升高的整個物理過程。這就是世界模型的核心理念，也是 JEPA 試圖實現的目標。
LeCun 創辦 AMI Labs 的時機並非偶然。2026 年正在被越來越多的業界觀察者稱為「世界模型元年」。在短短幾個月內，多個重量級的世界模型項目密集湧現，形成了一個前所未有的技術競賽格局。
Google DeepMind Genie 3：DeepMind 在 2026 年初推出的 Genie 3 是世界模型領域最具技術深度的項目之一。Genie 3 能夠從單張圖像或簡短的文字描述生成完整的、可互動的虛擬環境，且這些環境遵循基本的物理規則。與前代版本相比，Genie 3 在環境的物理一致性和互動豐富度上實現了質的飛躍，被視為 DeepMind 在後 LLM 時代佈局的重要棋子。
World Labs Marble（李飛飛）：史丹福大學教授李飛飛創辦的 World Labs 於 2026 年 2 月完成 10 億美元融資，其旗艦產品 Marble 能夠從圖像或文字生成具備物理規則的 3D 互動世界。World Labs 的「空間智能」路線與 AMI Labs 的「世界模型」路線有着深層的理念呼應——兩位全球最具影響力的 AI 學者，幾乎在同一時期、以相似的批判性立場離開或跳出 LLM 主流，各自創業追求替代路線。
NVIDIA Cosmos：NVIDIA 的 Cosmos 平台定位為世界模型的「基礎設施層」，為機器人、自動駕駛和工業模擬提供世界模型的訓練和部署工具。NVIDIA 的策略是不直接與 AMI Labs 或 World Labs 競爭，而是成為整個世界模型生態系統的基礎設施供應商——無論哪條技術路線最終勝出，都需要 NVIDIA 的 GPU 和平台。
將這些項目並列觀察，一個清晰的趨勢浮現：2026 年的 AI 前沿正在經歷一場從「語言中心」到「世界中心」的範式轉移。LeCun 的 JEPA、李飛飛的空間智能、Silver 的強化學習、DeepMind 的 Genie——這些路線雖然在技術細節上各有不同，但共享一個根本性的信念：僅靠處理和生成文字，AI 永遠無法真正理解世界。
LeCun 離開 Meta 的背後，是一場比個人職業選擇更深層的理念衝突。在過去 12 年中，LeCun 與 Zuckerberg 之間存在一種獨特的張力——前者是一位堅持學術獨立性的科學家，後者是一位追求商業回報的企業家。在 LLM 浪潮到來之前，這種張力被巧妙地平衡着：Zuckerberg 給予 LeCun 充分的研究自由，而 LeCun 的研究成果（特別是 PyTorch 和各種開源模型）為 Meta 帶來了巨大的行業聲望和技術人才吸引力。
但 ChatGPT 的出現打破了這個平衡。當 OpenAI 和 Anthropic 的語言模型開始產生數十億美元的直接收入時，Zuckerberg 再也無法容忍一個「只產出論文、不產出利潤」的研究實驗室。FAIR 被要求將更多資源投入 Llama 系列模型的訓練和商業化——這意味着 LeCun 的 JEPA 研究、世界模型探索和其他非 LLM 方向的基礎研究被系統性地降級。
Alexandr Wang 被引入 Meta 擔任 AI 業務負責人，成為了壓倒駱駝的最後一根稻草。Wang 在 Scale AI 的成功建立在一種與 LeCun 截然對立的 AI 哲學之上——數據標註、模型微調、快速商業化。他的到來標誌着 Meta 的 AI 戰略從「研究驅動」徹底轉向「產品驅動」，也意味着 LeCun 在 Meta 內部的影響力和資源分配權力被實質性地削弱。
從更宏觀的視角看，LeCun 與 Zuckerberg 的分歧折射出整個 AI 產業面臨的一個根本性張力：短期商業利益與長期技術突破之間的矛盾。LLM 在當下確實能夠產生巨大的商業價值，但如果 LeCun 的判斷是正確的——如果 LLM 確實存在根本性的能力天花板——那麼今天對 LLM 的過度投資，未來可能成為錯失下一個技術範式的代價。
AMI Labs 選擇巴黎作為總部，不僅是 LeCun 的個人偏好，更具有深層的地緣戰略含義。歐洲在前沿 AI 研發領域長期面臨「人才外流、技術依賴」的結構性困境——最優秀的 AI 研究者被矽谷的科技巨頭吸走，歐洲企業在 AI 基礎設施和核心模型上高度依賴美國供應商。
AMI Labs 的誕生為歐洲提供了一個突破這一困境的機會。一位全球最具影響力的 AI 科學家選擇在巴黎而非矽谷創業，這本身就是一個強有力的信號。如果 AMI Labs 能夠成功發展出具有全球競爭力的世界模型技術，它將成為歐洲在 AI 基礎研究和前沿技術領域的旗艦企業，為「歐洲 AI 主權」的敘事提供實質性的技術支撐。
法國政府顯然也意識到了這一點。馬克龍政府近年來在 AI 產業政策上投入巨大——從對 Mistral AI 的支持到國家 AI 戰略的制定，巴黎正在系統性地構建 AI 創業生態。LeCun 的回歸為這一生態注入了最稀缺的要素：一位具有全球頂級學術聲望和技術領導力的科學家。可以預見，AMI Labs 將在歐盟的數位主權戰略中扮演重要角色，特別是在歐盟《AI 法案》框架下發展符合歐洲價值觀的 AI 技術方面。
AMI Labs 的創立以及世界模型賽道的爆發，對香港和亞洲的 AI 生態有着多層面的啟示。
首先是技術路線多元化的信號。在大中華區和亞洲的 AI 產業中，LLM 佔據了壓倒性的資源和關注度——從百度文心到阿里通義、從 DeepSeek 到智譜 GLM，幾乎所有主要玩家都在 LLM 賽道上全力衝刺。LeCun、李飛飛、Silver 等頂級學者集體轉向世界模型的舉動，應當引起亞洲 AI 社群的深刻反思：我們是否在技術路線上過度集中？如果世界模型確實是下一個範式，亞洲是否已經開始佈局？
香港在這個問題上處於一個獨特的位置。作為連接內地與國際市場的橋樑，香港有條件成為世界模型技術在亞洲落地的重要節點。香港大學、香港中文大學和香港科技大學在電腦視覺、機器人和具身智能領域均有深厚的研究基礎——這些恰恰是世界模型最需要的學科交叉領域。值得注意的是，香港大學與字節跳動合作的 World Guidance（WoG）機器人動作模型已經在世界模型的機器人應用方向上取得了前沿成果，這表明香港的研究機構有能力在這一新興領域中佔據一席之地。
此外，AMI Labs 的投資者之一 Cathay Innovation 本身就是一家關注歐亞跨境投資的基金。這為香港和大灣區的科技企業提供了一個潛在的合作入口——無論是作為 AMI Labs 世界模型技術在亞洲市場的應用夥伴，還是在 JEPA 架構之上發展面向亞洲特定場景的應用（例如密集城市環境的機器人導航、亞洲製造業的工業模擬），都存在值得探索的機會。
從更宏觀的角度看，世界模型賽道的興起也意味着 AI 產業的價值鏈正在發生結構性變化。在 LLM 時代，競爭的核心是算力規模和訓練數據量——這些維度天然有利於資源雄厚的大型科技公司。但在世界模型時代，對物理世界的理解、特定垂直場景的深度知識、以及跨學科整合能力可能變得更加重要。這種價值轉移為中小型經濟體和研究機構打開了新的機會窗口。
儘管 AMI Labs 的故事引人入勝，但理性的分析必須正視其面臨的重大風險。
第一個風險是技術驗證的不確定性。JEPA 架構目前仍處於相對早期的學術研究階段，距離產品化還有相當長的距離。LeCun 在 Meta 的 FAIR 實驗室已經對 JEPA 進行了多年的研究，但其成果主要體現在學術論文和概念驗證中，尚未在大規模商業場景中得到檢驗。從學術概念到商業產品，中間存在一條「工程化死亡谷」——許多在理論上優雅的架構，在面對真實世界的複雜性和工程限制時往往表現不如預期。
第二個風險是團隊的執行能力。LeCun 是一位傑出的科學家，但他過去 30 年的職業生涯主要在學術界和大型科技公司的研究部門度過，缺乏從零開始構建一家商業公司的經驗。Alex LeBrun 雖然有創業經歷，但 Nabla 的規模和影響力與 AMI Labs 的野心之間存在數量級的差距。在 AI 創業的超級週期中，我們已經見證了多位頂級學者在商業化道路上的艱難——學術能力和商業執行力之間的鴻溝，依然是科學家創業的最大挑戰之一。
第三個風險是 LLM 的持續演進。LeCun 對 LLM 局限性的判斷可能是正確的，但也存在另一種可能：LLM 通過與其他技術（如多模態學習、強化學習、工具使用）的結合，在不需要根本性架構變革的情況下克服其當前的局限性。如果 GPT-6 或 Claude-6 展示出類似世界模型的物理理解能力，AMI Labs 的差異化優勢將大幅削弱。
Yann LeCun 在 Meta 工作 12 年後選擇離開，創辦 AMI Labs 並高調挑戰 LLM 的主導地位，這是 2026 年 AI 產業最具象徵意義的事件之一。它不僅僅是一位頂級科學家的職業轉折，更是一個時代信號——越來越多的 AI 領域最深刻的思考者正在質疑當前的技術主流，並以數十億美元級別的資源押注替代路線。
世界模型能否真的超越 LLM，成為通往通用智能的正確道路？這個問題的答案可能需要三到五年、甚至更長時間才能浮現。但 LeCun 做出這個選擇的勇氣——在一個幾乎所有人都在追逐 LLM 的時代，公開宣稱「皇帝沒有穿衣服」——本身就為整個行業提供了極其寶貴的知識多樣性。
回顧歷史，AI 的每一次重大突破——從符號主義到連接主義、從手工特徵到深度學習、從監督學習到自監督學習——都始於少數人對主流範式的質疑。LeCun 本人就是這種歷史的參與者和見證者：1980 年代，當整個 AI 學界沉浸在符號主義的範式中時，他是最早將神經網絡付諸實踐的先驅之一。四十年後，他再次站在了挑戰主流的位置上。無論最終結果如何，這種對既定路線的持續質疑和對替代路線的勇敢探索，正是科學進步最不可或缺的力量。