杨立昆“叛出”大模型：10.3亿美元押注“世界模型”，要让AI真正看懂物理世界

当整个AI行业还在为“下一个词预测”疯狂堆参数、卷算力时，一位亲手奠基了现代深度学习的老人，悄悄调转了船头——他不是在优化大语言模型（LLM），而是在拆除它的底层逻辑。

这位老人，就是图灵奖得主、卷积神经网络之父、前Meta首席AI科学家杨立昆（Yann LeCun）。他刚宣布：自己创立的AI初创公司 Advanced Machine Intelligence（AMI） 完成 10.3亿美元A轮融资，投前估值达 35亿美元。这不是又一家“微调LLM卖API”的新锐公司，而是一场针对当前生成式AI范式的系统性挑战。

不是“更聪明的聊天机器人”，而是“能推理的物理世界代理”

杨立昆毫不掩饰对主流大模型路径的质疑：“靠预测下一个词，永远造不出真正理解因果、能规划行动、具备常识的智能体。”在他看来，LLM本质是“高保真模式模仿器”，而非“认知引擎”。

AMI的核心技术路线，直指AI的“阿喀琉斯之踵”：世界模型（World Models）——即让机器在内部构建一个可推理、可模拟、可更新的关于物理世界（空间、时间、物体、力、约束）的动态表征。它不依赖海量文本训练，而是融合多模态感知、符号推理、分层规划与具身学习，目标是让AI像人类一样“脑中预演”：

“如果我推这台机械臂，齿轮会怎么咬合？如果药分子改变一个基团，蛋白质折叠会如何坍塌？如果无人机在暴雨中失联，下一步该升空还是迫降？”

这种能力，无法靠“续写句子”习得，却恰恰是航空航天、高端制造、新药研发、自动驾驶等硬核产业最渴求的“智能底座”。

首批战场：不是消费App，而是国家重器级场景

AMI没有急于推出To C产品，而是将首波技术落地锚定在容错率极低、决策链极长、物理约束极严的领域：
– ✈️ 航空航天：自主故障诊断与在轨任务重规划；
– 🚗 汽车制造：产线柔性调度+数字孪生闭环优化；
– 💊 生物医药：靶点发现中的分子动力学实时推演；
– 🏭 大型工业集团：跨工厂、跨供应链的韧性生产决策中枢。

这些客户不要“会写诗的AI”，而要“能扛起产线责任的AI同事”。AMI正以“核心智能供应商”身份嵌入它们的技术栈底层。

下一站：从工厂到客厅，让机器人真正“懂常识”

杨立昆透露，AMI的技术栈已预留清晰的演进路径：
➡️ 短期：赋能工业级机器人实现复杂装配与异常响应；
➡️ 中期：驱动家用服务机器人理解“杯子倒了会洒水”“冰块在室温下会融化”这类物理常识；
➡️ 远期：甚至可能登上你鼻梁上的Ray-Ban智能眼镜——通过实时构建周围环境的轻量级世界模型，让AR交互从“识别标签”升级为“理解场景意图”。

值得一提的是，AMI正与Meta就技术整合展开深入洽谈。昔日的“AI教父”与老东家，或将上演一场“师徒同台竞合”的科技寓言。

顶级资本站队：一场静默的范式革命

本轮融资由 Cathay Innovation、Greycroft、Hiro Capital、HV Capital 和 Bezos Expeditions（贝索斯个人基金） 联合领投。这支阵容罕见地横跨中美欧，且清一色聚焦“硬科技”与“长期主义”——他们押注的不是下一个爆款应用，而是下一代AI的认知范式能否真正落地。

与此同时，Meta自身也未停下脚步：去年6月，它高调成立由前Scale AI CEO Alexandr Wang执掌的“超级智能实验室”。一边是杨立昆带着AMI从外部重构AI根基，一边是Meta在内部加速追赶——AI的“下半场”，早已不是规模竞赛，而是认知架构之争。

当世界还在用“参数量”丈量AI高度时，杨立昆已在重新定义“智能”的刻度：
真正的进步，不在于它能生成多少文字，而在于它能否在真实世界的约束里，做出一个有依据、可追溯、负责任的决定。

这场始于实验室、成于工厂、终将走入日常的“世界模型”远征，才刚刚启动引擎。