全文 4,000字 | 閱讀約25分鐘

（賓大工程學院，對話Meta首席AI科學家Yann LeCun）

最近的一兩周時間里，72 歲圖靈獎得主 、Meta首席AI科學家Yann LeCun（楊立昆） 先后出現在新加坡國立大學與賓大工程學院的講臺。他沒有談參數，也沒有夸算力，而是拋出一句讓全場安靜的反問——

“當模型連‘杯子在桌子上’都可能答錯，為什么我們敢說它懂世界？”

隨后，LeCun把今天的大模型困境歸結為 3 道“認知墻”：

1. 世界模型缺席——讀了億級文本，卻沒真正“看過”世界

2. 持久記憶短缺——對話稍微拉長就“失憶”，更別提常識沉淀

3. 因果推理斷裂——只會預測下一個詞，卻推不出“如果…那么…”

他直言：“算力再翻十倍，也翻不出常識。”

這場“現場追問”并非學術爭鳴，而是對整條 AI 產業鏈的敲鐘：

• 如果世界模型仍是空白，下一輪突破靠什么？

• 長時記憶補不上，企業數據如何轉化為生產力？

• 因果推理不成型，何談真正的通用智能（AGI）？

本文基于兩場對話的完整實錄與 Q&A 記錄，拆開 LeCun 提到的 3 道墻各自的技術癥結、產業影響與破局路線，讓你在 5 分鐘內畫出下一代 AI 的真正起跑線。

?? 第一節｜第一道墻：看不懂物理世界

“我們最聰明的 AI 系統，連貓都不如。它們不能理解物理世界的常識?！?——Yann LeCun

LeCun 在演講一開始，拋出了一個令人不安的比喻。

他舉了個簡單例子： 如果你把一個球在桌上滾出去，人類——哪怕是三歲的孩子，或者你的寵物狗——都知道球會出現在桌子的另一側。

但今天的大語言模型不行。

它們不懂“物體永久性”這個簡單的概念。甚至不會意識到一個物體在離開視野后，并沒有從世界上消失。這是人類發展心理學中兒童18個月大時就能掌握的基本常識。LeCun直言：

“我們現在的 AI 系統，在這方面連狗都不如。”

問題不在于數據，而在于“看世界的方式”

聽起來不可思議：訓練了30萬億個 token 的 LLM，居然理解不了一個掉下去的杯子？

但 LeCun 提醒我們：語言，不等于理解；token，不等于世界。

“我們可以喂它幾十萬億個token，它依然不知道物體會掉落、會滾動、會被遮擋后再次出現。”

這是第一道認知墻：當前主流的 AI 系統，是從語言出發的，而不是從世界出發的。

它看到的是文字，不是實體。它預測的是下一個詞，不是下一個狀態。

它沒有感知，沒有因果，也沒有具身經驗。只是在文字世界里“猜下一步”。

LeCun的解法：預測真實，而非生成語言

LeCun認為，越過這堵“物理常識缺失”的墻，關鍵不在于調模型、堆算力，而在于：

讓系統具備對現實的抽象建模能力，而不是只是生成語言。

他指出，真正的路徑不是生成語言，而是預測現實的狀態變化。

這個方向，我們將在下面詳細展開。

為什么這堵墻最難，但也最值得跨越？

如果說第一代AI是識別圖像，第二代AI是生成語言，那第三代AI，就必須是理解現實本身。

LeCun提醒我們：大語言模型很實用，但它們解決的，是表達，不是理解。

今天的AI，可以告訴你‘這個杯子掉了’，但它不知道‘為什么會掉’。

而真正的智能，正是從“因果理解”開始的。

不是讓AI變得更能“說”，而是更能“懂”。

?? 第二節｜第二道墻：沒有長時記憶

“大語言模型并不真正擁有記憶。它們只是看得更多，但記不住任何事?！?——Yann LeCun

如果說第一道墻讓我們發現 AI 看不懂現實，那第二道墻揭示的是：它根本記不住自己看過的東西。

這不是工程問題，而是結構性缺陷。

當前主流模型使用的是窗口式上下文機制：你告訴它一段話，它在這個窗口內預測輸出。但一旦窗口過去，它就什么都忘了。

LeCun打了個數據比喻：

“我們一個4歲的孩子在成長過程中大概接收了?101??字節的信息。而一個 GPT 級別的模型，也訓練了?101??字節的 token?！?/blockquote>

數據量看起來相似，但差別巨大。

人類不是只“看”這么多——而是整合、抽象、積累并持續更新。而大模型只是“掃一遍，然后忘掉”。

這就是為什么模型越大，輸出卻越來越“無主體感”

LeCun指出，大模型沒有“持久的世界表征”：

• 它沒有長期記憶去形成一個“世界狀態”；

• 它也無法在一次對話中持續建立角色、目標、意圖等抽象信息；

• 它只是在短期輸入上反復壓縮、臨時預測。

這也是你為什么和一個 AI 聊天，常常感到“它好像聰明，但又不穩定、沒邏輯”。它不是邏輯崩塌了，它只是從來沒有建立起邏輯。

記憶機制，才是下一代智能系統的核心突破口

LeCun并沒有回避難題。他明確指出，要跨越這道墻，AI系統必須具備：

長期可更新的記憶結構（persistent memory）+ 抽象表征系統（abstract representation）

這不是把上下文窗口加長那么簡單，而是：

• 系統要能“記得住概念”；

• 要能形成“角色、關系、目標”等非語言性模型；

• 更重要的是，要能在未來使用這些記憶進行推理與判斷。

這已經不是NLP范疇的問題了，而是認知科學的問題。

所以，它可以生成一千種方案，但無法回憶昨天哪一種成功。

這是第二道墻。

?? 第三節｜第三道墻：沒有推理結構

“我們今天的大語言模型，不是在思考，而是在猜下一個詞?！?——Yann LeCun

大語言模型能一口氣寫出一篇合格的新聞稿，卻寫不出推理鏈。不是因為它邏輯差，而是根本就沒有邏輯結構。

LeCun指出：當前 LLM 的核心機制，本質是“自回歸生成”—— 它看一串詞，預測下一個詞。 再看這串詞，再繼續猜。

這就是第三道認知墻：語言模型沒有推理結構，只有續寫機制。

這是一種語言壓縮機制，不是推理過程。

推理，意味著目標導向的結構展開

真正的推理不是“接下來該說什么”，而是：

• 面對一個從未遇見的問題；

• 在腦中調用規則、模型和假設；

• 一步步演繹、分解、驗證。

LeCun強調，大語言模型在結構上根本不具備這套能力：

“語言模型不是問題求解器，它只是一個自編碼器，以預測為本能?！?/blockquote>

他公開反對“獎勵足夠了”這類路徑幻想

在一次回答中，他直接點名：“我完全、百分之百不同意《獎勵足夠了》這篇論文的觀點?！?/strong>

這篇由 David Silver 和 DeepMind 團隊撰寫的文章主張：智能可以純粹通過強化學習、獎勵信號逐步涌現。

LeCun認為，這種想法過于理想化——

強化學習或獎勵機制可以塑造行為，但不能構建結構化世界模型； 更不能解釋人類解決問題時，所依賴的抽象、因果、歸納等能力從何而來。

沒有內部模型，AI 只能“碰運氣”

這也是為什么，當前 LLM 在處理復雜任務時需要：

• 提示詞編排；

• Chain-of-Thought 提示引導；

• 工程師人為干預。

換句話說，它不是在“理解”問題，而是在“配合”提示。

真正的智能，不是靠提示生出來的。

?? 第四節｜破解路徑：JEPA 架構登場

“我們要讓系統預測現實，而不是續寫句子。” ——Yann LeCun

面對三道認知墻，LeCun沒有回避，而是給出了解決路徑。

不是訓練更大的語言模型，也不是堆更多GPU， 而是——重新設計智能系統的基本架構。

他提出的方向叫做：JEPA，全稱 Joint Embedding Predictive Architecture，中文可譯為“聯合嵌入預測架構”。

JEPA 的核心思想：不是生成內容，而是預測狀態

LLM 是語言驅動的，JEPA 是感知驅動的。

LeCun強調，它不依賴 token，不生成句子，也不進行語言建模。 它的目標，是在抽象的“世界表示空間”中，預測下一種狀態的潛在表示。

我們不是讓系統在像素層面重建視頻，而是在高層抽象空間中預測接下來會發生什么。

為什么要預測表示，而不是還原原始數據？

LeCun指出：視頻、音頻等連續信號高度復雜，預測像素幾乎不可能。 但我們可以先學習一個低維度的、抽象的“潛在表示空間”，再在這個空間中進行預測。

這類似人腦在看見一段動作后，不是還原每一幀，而是形成一個動態理解模型。

JEPA 的區別在哪里？

JEPA 是 LeCun 概念中的“高級機器智能”（AMI）架構的底座。

JEPA 不是商業上的“下一代模型”，而是方向上的重新定向。

LeCun的回答很清晰：如果我們不改變底層架構，就永遠造不出真正懂世界的 AI。

?? 第五節｜重定義：AMI 取代 AGI？

“AGI 是偽命題，我們需要的是 AMI——高級機器智能。” ——Yann LeCun

LeCun并不回避“通用人工智能”這個話題。但他的態度很明確：他不信 AGI，也不追 AGI。

他認為這個概念存在兩個根本問題：

1. 誤判了人類智能的本質

2. 掩蓋了真正的系統設計路徑

人類智能，從來不是“通用”的

人類智能是非常專門化的，只是在我們擅長的任務上看起來很強。

LeCun提出一個看似挑釁，實則深刻的觀點：我們之所以覺得自己“通用”，是因為我們無法意識到那些我們永遠無法理解的事物。

所以我們誤以為：我們能理解的，就是全部。

而 AGI，恰恰建立在這種錯覺之上。

AMI：比“通用”更現實的目標

LeCun提出一個替代概念：AMI（Advanced Machine Intelligence）

它的特征不是“無所不能”，而是具備以下核心能力：

• 對現實有抽象建模能力（世界模型）

• 有持久記憶和狀態追蹤機制

• 能規劃、分解任務、做中長期推理

• 能通過多模態感知和環境互動逐步學習

AMI 不是試圖“模擬人類”，而是構建適合機器自身的智能系統架構。這是一種系統理性，而非幻想超越。

為什么 AMI 更重要？

AGI是一個故事，AMI是一個系統。

前者吸引投資，后者真正推進能力邊界。

LeCun的選擇很明確：他不站在 hype 上，他站在架構底層。

?? 第六節｜行動建議：別卷模型，卷架構

“學術界不該再追 LLM，應該去做工業界沒時間做的事?！?——Yann LeCun

LeCun的這句話，像是對整個AI創業圈潑下的一盆冷水。

所有人都在調模型、堆RAG、煉提示詞。 但在他看來，這種熱鬧的局面，本質上是資源錯配。

LLM 已是產業路線，創新窗口正迅速關閉

LeCun點出一個現實：“LLM 已經掌握在工業界手里，幾家公司用幾千張 GPU，配幾百名工程師在打磨。學術界很難再貢獻突破性的東西?！?/p>

這話也適用于大多數 AI 初創公司。

如果你做的，是“訓練大模型”或“在大模型上包皮”，那么你面臨的，不是技術門檻，而是資源壟斷與同質化淘汰賽。

真正的“空白地帶”，藏在三道認知墻之后

LeCun給出了新的方向：

• 具身智能（Embodied AI）

• 多模態感知（視覺+觸覺+動作）

• 表示學習與預測建模（JEPA架構）

• 長期記憶與推理能力

這些并不是市場熱點，但它們有一個共同特征：

沒人有現成方案，沒人規模化做，沒人壟斷 GPU。

這才是技術創業者最應該押注的地方。

創業機會，不在模型后綴，而在架構前提

不是 GPT-Next、Claude-Plus、LLaMA-Max， 而是：

• 誰能構建新一代“表示系統”；

• 誰能讓 AI 理解連續世界；

• 誰能讓系統從行動中自主學習。

LLM 是終點，JEPA 是起點。

真正的下一代 AI，不是能說得更順，而是能想得更深。

你以為AI在進化，其實是認知還沒進化

Yann LeCun 這場公開對話，拋出的不是技術路線圖，而是一個基本問題：

我們理解的“智能”，到底是什么？

當全世界都在追求更大的模型、更低的token成本、更快的輸出速度， LeCun卻回到起點，追問了三件事：

• AI 看得見世界，但看得懂嗎？

• 它能說一段話，但能記住剛才那句話嗎？

• 它能接得上節奏，但知道要往哪去嗎？

如果這些都不能，智能不過是算法的幻覺。

在這場由 OpenAI 引爆的大模型競賽中， 越來越多的人誤把 token 的生成能力，當成智能的全部。

但真正的競爭力，可能藏在這些不被注意的角落里：

• 能不能建構世界模型？

• 能不能規劃行動？

• 能不能擁有自己的“認知系統”？

LeCun 的提問，像是一道延遲引爆的火線—— 它讓所有從業者都必須重新思考：

你是在提升模型能力，還是在放棄對智能的定義權？

未來真正值錢的，不是會生成的模型，而是能理解問題的人類。

本文由AI深度研究院出品，內容獨家整理基于Yann LeCun在新加坡大學演講和賓夕法尼亞大學訪談。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=fncinfwS6f0&t=1152s&ab_channel=PennEngineering

https://www.youtube.com/watch?v=m3H2q6MXAzs&t=4106s&ab_channel=NUScast

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈