后LLM时代：超越语言，重塑AI智能的物理世界之路

TL;DR：

图灵奖得主Yann LeCun公开宣称大语言模型（LLM）是通往人类智能的“死胡同”，并转向“世界模型”这一具身智能方向。这与OpenAI前首席科学家Ilya Sutskever对“纯粹堆算力”时代的终结论调不谋而合，共同预示着AI领域正从单一的语言理解，迈向对物理世界更深层次的建模、预测与行动能力，以及对安全可控超智能的探索。

2025年11月，人工智能领域迎来了一系列震撼性的事件，如同潮汐的转折点。图灵奖得主、深度学习三巨头之一Yann LeCun宣布从Meta离职，创办一家专注于Advanced Machine Intelligence（AMI）的新公司，将研究重心明确投向了被他称为通往人类智能“死胡同”的大语言模型（LLM）之外的路径——世界模型。几乎同时，OpenAI前首席科学家Ilya Sutskever也公开指出“Just Add GPUs（拼算力）”的时代已然终结。两位AI先驱不约而同地对主流路线发出质疑，这不仅仅是个人选择，更是一个时代的信号：后LLM时代，正以全新的范式和竞赛规则，加速成形。

技术路线分歧：大模型为何走向“死胡同”？

LeCun对LLM的批判并非一时兴起，而是基于对智能本质的深刻理解。他系统性地剖析了当前大模型的固有局限：

• 理解与规模的脱节：LLM在语言流畅度上表现卓越，但这种流畅源于对统计相关性的海量堆叠，而非对世界规律的真正理解。它们缺乏常识、因果关系，无法理解物理世界的运行机制。Meta的Llama 4在真实场景中表现不及预期，印证了“语言流畅度提升，世界理解力未跟上”的论断。模型规模的持续扩大，并未带来等比例的真实智能飞跃，反而使得边际收益递减，算力成本指数上涨，而理解力的天花板却在实验室中悄然显现。¹
• 语言作为副产品而非核心：LeCun的核心观点直指智能的本质：

  语言是人类智能的副产品，不是核心机制。 他认为，真正的智能来源于对物理世界的建模、预测和行动。LLM擅长处理语言中的规律，却无法理解“杯子为什么不会穿过桌子”这样的基本物理常识。它们能够“说话”，却不能“理解”和“行动”。

• 规划与行动能力的缺失：LLM在多步骤推理、长期规划和具身交互（Embodied Interaction）中的能力骤降。LeCun举例：一个青少年20小时就能学会开车，而我们至今没有L5级自动驾驶；一个孩子能清理餐桌，而我们缺乏能做家务的机器人。这鲜明对比揭示了LLM的软肋：它们在对话中显得聪明，但在真实世界中却举步维艰。智能不只是说话的能力，更是行动的能力。

LeCun的洞察并非否定大模型本身，而是批判“预测语言”这条单一路径。他坚信，要想让AI真正具备理解、推理与行动能力，必须转换一套全新的架构。

世界模型：通往具身智能的全新架构

如果语言模型无法理解世界，那么真正的智能该如何构建？LeCun的答案是：让AI学会“看世界”，构建_世界模型_。这种能力，人类婴儿和动物通过观察、互动自然习得，而非通过语言指令。

• 何为世界模型？ 不同于LLM预测有限的离散词汇，世界模型的目标是让AI从高维、连续、混沌的多模态感官流（如视频、图像、传感器数据）中，构建出对世界的抽象内部投影。婴儿通过摔东西理解重力，猫通过跳跃理解空间与惯性——这些都无需语言，而是通过实践建立了直觉模型。LLM缺乏的正是这种世界的内部表征。

• JEPA：一种全新的学习范式 LeCun正在AMI推动的核心路径是Joint Embedding Predictive Architecture（JEPA）。JEPA与LLM在多个层面存在根本差异：

  • 输入形式：JEPA处理多模态数据，而非单一语言token。
  • 学习目标：预测抽象状态的变化，而非下一个词。
  • 学习方式：结合表征学习与因果建模，而非离散序列建模。
  • 核心优势：天然具备规划和执行接口，弥补了LLM在行动能力上的不足。

  “用LLM去理解真实世界，就像用听说来教人开车。你可以背下所有交规，但永远学不会真正驾驶。” LeCun的比喻深刻揭示了语言与物理世界理解之间的鸿沟。JEPA旨在通过模拟类似动物的学习模式，让AI在模拟环境中自主互动，提取因果关系，形成记忆，最终具备规划和行动能力。它不再依赖更多token，而是依赖更好的世界模型。

后LLM时代的双轨演进：架构创新与安全超智能

在质疑LLM这条路上，LeCun并非孤身一人。Ilya Sutskever也认为“缩放时代已经结束”，下一代智能需要新的架构基础。然而，两位先驱给出的答案却呈现出不同的侧重点：

• LeCun押注世界模型：他聚焦于AI如何获得对物理世界的理解和行动能力，通过自监督学习、表征建模、因果预测，构建真正能“看”和“理解”世界的系统，并预测10年内具身AGI原型可能出现。
• Sutskever押注安全超智能（SSI）：他关注AI系统的泛化脆弱性和可控性。他认为，当前AI系统在基准测试中表现出色，但在真实场景中容易出错，这种脆弱性在大规模部署时风险极高。他创立SSI公司，旨在确保AI能力提升的同时，其行为是安全可控的。

一言以蔽之：LeCun致力于教AI理解世界和行动，Sutskever则致力于让AI在变强的过程中保持可控。这种分歧源于他们对AGI核心问题的不同关切——一个着眼于架构创新以实现有效泛化和现实行动，另一个则强调安全优先以避免潜在风险。这标志着AI领域的竞争，正从单纯的模型规模和数据量，转向了新架构的发明与强大且可控系统的构建。

产业转向的信号与战略布局

当顶尖科学家发出转向信号，工业界的响应也清晰可见。虽然LLM仍是当前主流，但下一代AI的布局已然展开：

• OpenAI的硬件野心：与苹果前首席设计师Jony Ive合作，开发无屏幕AI硬件原型，目标在2年内发布，旨在彻底改变人机交互方式。这表明OpenAI不仅关注软件，更将目光投向了AI与物理世界的融合。²
• Google的机器人愿景：发布Gemini 3 Pro的同时，挖来波士顿动力前CTO Aaron Saunders，推动Gemini成为通用机器人控制平台，旨在让单一模型适配多样化机器人，实现“开箱即用”的具身智能。
• 生成式世界模型平台崛起：李飞飞的World Labs在融资2.3亿美元后，发布了首个商业产品Marble，一个生成式世界模型平台，预示着模拟环境与世界模型结合的商业化路径。
• 具身智能热潮：Figure AI估值高达390亿美元，特斯拉Optimus计划2026年量产。这些都指向一个明确的共识：下一代AI将不再只存在于对话框中，而是将深入物理世界，实现具身化。

这些工业界的悄然转向，表明了对未来AI形态的共同探索——从数字世界走向物理世界。无论是LeCun的世界模型还是Sutskever的安全超智能，都是长线投入，需要数年乃至十年的积累。这意味着，短期内LLM仍将是主流应用的基础，但长期的技术制高点，将由率先在_新架构_上取得突破者掌控。

长期主义的竞赛：对创业者与开发者的启示

LeCun的转向，为AI领域的创业者和开发者传递了几个关键信号：

1. 突破规模迷信：更大的模型不等于更好的智能。架构创新的空间巨大，是实现智能跃迁的关键。
2. 垂直场景机遇：世界模型和具身智能最先落地的领域，很可能不是通用AGI，而是机器人、自动驾驶、工业控制等需要与物理世界深度交互的垂直场景。这为具备特定领域知识和工程能力的小团队提供了巨大机会。
3. 开源持续赋能：LeCun一直是开源的坚定支持者，其新公司AMI也将延续这一路线。这意味着开源社区将在新范式的探索中继续发挥重要作用，降低创新门槛。
4. 拥抱长期主义：这是一场需要耐心和远见的马拉松。投资和研发回报可能不会立竿见影，但却是未来十年乃至更长时间内，塑造AI未来最重要的方向。

正如LeCun所言：“真正的智能不在语言表面，而在对世界的深层理解。” 这并非对LLM的彻底否定，而是对AGI未来更宏大、更深远的想象。大模型已经证明了规模的力量，但**下一步的突破，可能来自完全不同的架构，将AI从语言的囚笼中解放，带入能够理解世界、执行任务的真实物理空间。**这条通往真正智能的道路，探索才刚刚开始。

引用

• 世界模型
• 具身智能
• AI架构创新
• 后LLM时代
• 伦理与治理
• 产业转向