Yann LeCun新公司AMI融资10亿美元：基于JEPA架构构建世界模型

基本信息

来源: Latent Space (blog)
发布时间: 2026-03-11T06:46:30+00:00
链接: https://www.latent.space/p/ainews-yann-lecuns-ami-labs-launches

摘要/简介

World Models are what next generation AI needs.

导语

Yann LeCun 刚刚宣布成立 AMI Labs，并获得 10 亿美元种子融资，估值达 45 亿美元，旨在构建基于 JEPA 架构的世界模型。这一动向标志着业界正加速从单纯的生成式语言模型向具备物理常识的下一代 AI 演进。本文将详细解读 AMI Labs 的技术路径与资金用途，帮助读者理解为何“世界模型”被视为通向 AGI 的关键拼图，以及它将如何重塑未来的 AI 竞争格局。

摘要

简明总结：

知名 AI 专家、图灵奖得主 Yann LeCun 创立的AMI Labs 正式成立，并获得巨额启动资金。该公司完成了一笔10亿美元的种子轮融资，投后估值达到45亿美元。

AMI Labs 的核心使命是构建**“世界模型”**（World Models），并围绕 LeCun 提出的 **JEPA（联合嵌入预测架构）**技术路线进行研发。LeCun 认为，以大语言模型（LLM）为主的当前 AI 技术存在局限，而“世界模型”是实现下一代人工智能、让 AI 具备真正理解和模拟物理世界能力的关键所在。

核心评价

这篇文章虽然以突发新闻的形式呈现，但其核心实质是对当前AI发展路径的一次**“范式宣判”**：它断言单纯依靠概率预测的下一代大语言模型（LLM）已触及天花板，而Yann LeCun主导的基于JEPA架构的世界模型是通往通用人工智能（AGI）的唯一可行路径，并试图通过巨额融资来验证这一技术豪赌。

深入评价

1. 内容深度：观点的深度和论证的严谨性

深度分析：文章触及了当前AI领域最深层的技术分歧——“概率拟合”与“因果推理”的对立。LeCun长期以来批评LLM无法理解物理世界，只能通过统计下一个token来生成文本。文章通过介绍JEPA（Joint Embedding Predictive Architecture），指出了从“像素级预测”（如生成式视频）转向“抽象特征空间预测”的必要性。这在理论深度上远超一般的模型发布新闻，直指AI缺乏常识和规划能力的痛点。
严谨性质疑：文章作为融资新闻，更多是陈述愿景而非展示成果。[你的推断] 目前JEPA在真实复杂视频数据上的表现尚未完全碾压传统扩散模型，论证多基于理论优势，缺乏在同等参数规模下对比SOTA（如GPT-4o或Sora）的严格基准数据。

2. 创新性：提出了什么新观点或新方法

技术视角：核心创新点在于JEPA架构。不同于Masked Autoencoders（MAE）或Diffusion，JEPA不预测缺失的像素（细节太多，难以训练），而是预测嵌入空间的特征。这解决了“世界模型”训练效率低的问题。
行业视角：[作者观点] 文章提出了一个极具挑衅性的观点：Scaling Law（扩展定律）可能不是万能药。如果AMI Labs成功，这将标志着AI从“堆砌算力与数据”转向“架构优先”的新阶段。

3. 实用价值：对实际工作的指导意义

对于算法工程师，文章暗示了**“从生成式转向判别式/规划式”**的趋势。如果世界模型成为主流，未来的应用开发将不再局限于调用API生成文本，而是构建具备物理常识的Agent。
边界条件：[你的推断] 这种技术路径目前仅在游戏AI、自动驾驶等需要强物理交互的领域显示出迫切性。对于简单的文案写作或客服，传统的LLM依然是性价比极高的选择，世界模型属于“杀鸡用牛刀”。

4. 行业影响与争议点

行业影响：这笔融资（$1B Seed）是反共识的。通常巨额融资发生在C轮以后，种子轮即达此估值说明资本正在**“双下注”**——一边是OpenAI的Scaling Law，一边是LeCun的Architecture First。这会分流顶尖AI人才，促使更多研究机构关注非Transformer架构（如State Space Models）。
争议点：
- Scaling Law vs. 架构创新：OpenAI坚信大力出奇迹，而LeCun认为目前的架构是死胡同。
- 数据需求：[事实陈述] LeCun主张世界模型不需要像LLM那样海量的文本数据，但这引发疑问：高质量的视频/物理交互数据是否比文本数据更难获取？

逻辑支撑与反例

支撑理由：

物理常识缺失：目前的LLM经常犯基本的物理错误（如“画一只手拿着七根手指”），世界模型通过学习潜在物理状态可从根本上解决此问题。
规划能力：基于JEPA的模型具有“想象”未来状态的能力，这使得AI具备真正的推理和规划能力，而非仅仅是概率续写。
能效比：在特征空间进行预测比在像素空间预测更符合生物大脑的运作方式，理论上计算效率更高。

反例/边界条件：

Sora的崛起：OpenAI的Sora作为扩散模型（DiT），已经展现出了惊人的物理世界模拟能力。如果Sora通过单纯的Scaling就能解决物理理解问题，那么JEPA的“架构优势”可能被算力抹平。
落地难度：[你的推断] 世界模型需要处理高维感官输入，目前的端侧设备（手机、VR头显）难以支撑这种算力，可能导致其应用场景局限于云端，无法像LLM那样普及。

可验证的检查方式

为了验证文章中关于“世界模型”取代“概率模型”的论断是否成立，建议关注以下指标：

“反向物理”基准测试：
- 观察AMI Labs发布的模型是否能在PhyNet或CleverCloth等物理交互基准上，以比传统扩散模型少得多的数据量达到同等效果。这是验证JEPA“样本效率”优势的关键。
长序列规划的一致性：
- 实验：给定一个复杂的初始状态（如“桌上有一堆积木”），让模型预测100步后的操作结果。
- 指标：检查中间状态是否出现幻觉。如果世界模型有效，其中间帧应符合物理定律，而非逐渐崩坏。
“零样本”具身任务成功率：
- 观察窗口：1-2年内。
- 指标：看该模型是否能直接控制机器人完成未见过的家务任务。如果只是

技术分析

以下是对关于 Yann LeCun 的 AMI Labs 融资新闻及其背后的“世界模型”技术愿景的深度分析。

深度分析报告：Yann LeCun 的 AMI Labs 与世界模型的未来

1. 核心观点深度解读

文章的主要观点

文章的核心信息是：Yann LeCun 创立的 AMI Labs 在种子轮就获得了 10 亿美元融资，估值达到 45 亿美元，旨在构建基于 JEPA（联合嵌入预测架构） 的 世界模型。这标志着 AI 领域的投资和技术发展正在从单纯的大语言模型（LLM）和生成式内容，转向对物理世界理解、推理和规划的更高级智能形态。

作者想要传达的核心思想

这一融资事件不仅是资本市场的狂欢，更是对当前 AI 发展路径的一次“修正”或“补充”。核心思想在于：仅靠概率预测下一个token的 LLM 存在局限性，无法实现真正的通用人工智能（AGI）。未来的 AI 必须像人类一样拥有内在的世界模型，能够理解物理规律、预测因果关系，并在不确定的环境中规划行动。

观点的创新性和深度

范式转移： 从“拟合数据分布”转向“学习世界表征”。LeCun 长期批评自回归 LLM 无法进行逻辑推理和规划，AMI Labs 是他将这一理论付诸实践的里程碑。
架构创新： 强调 JEPA 架构，它不直接预测像素或 token，而是在抽象的潜在空间中进行预测，极大地提高了训练效率和鲁棒性。
目标宏大： 旨在解决 AI 的“幻觉”问题和缺乏物理常识的问题，这是通往 AGI 的关键一步。

为什么这个观点重要

目前的 AI（如 GPT-4）虽然表现出色，但在物理交互、长期规划和逻辑一致性上仍有缺陷。LeCun 的方法代表了通往 AGI 的另一条主要路径（与 OpenAI 的缩放定律路径不同）。如果成功，它将带来更安全、更节能、且具备真正认知能力的 AI 系统。

2. 关键技术要点

涉及的关键技术或概念

世界模型： 一个能够模拟环境如何对智能体行为做出反应的内部模型。
JEPA (Joint Embedding Predictive Architecture)： 核心架构。它通过将输入映射到嵌入空间，并在该空间预测未来状态，避免了像素级预测的高昂计算成本和模糊性。
V-JEPA / I-JEPA： 视频和图像的 JEPA 实现，用于学习视觉特征和世界动态。
非生成式训练： 与扩散模型或自回归模型不同，JEPA 不以生成逼真图像为目的，而是以学习正确表征为目的。

技术原理和实现方式

编码器： 将当前观察（图像、视频或传感器数据）编码为抽象的潜在表示。
预测器： 接收当前和过去的潜在表示，预测未来的潜在表示。
对比学习： 模型不仅预测未来，还会将预测的表示与真实的未来表示进行对比，优化两者在嵌入空间中的距离，同时忽略不可预测的细节（如背景中随机移动的树叶）。

技术难点和解决方案

不确定性问题： 现实世界充满随机性，预测具体的未来像素是不可能的。
- 解决方案： JEPA 预测的是抽象特征，丢弃了无关紧要的高频细节，只预测关键的语义变化。
训练数据效率： 视频数据极其庞大。
- 解决方案： 利用 JEPA 的特性，可以在较少的数据上学习更鲁棒的特征，因为它不需要重构每一个像素。

技术创新点分析

最大的创新在于放弃了“重建”。传统的自编码器试图完美重建输入，而 JEPA 允许输出在像素层面与真实值不同，只要在语义层面一致即可。这更接近人类的认知：我们不需要记住每一片树叶的颤动，就能理解树在风中摇曳。

3. 实际应用价值

对实际工作的指导意义

对于 AI 研究者和从业者，这意味着需要关注表征学习而不仅仅是生成式模型。在构建需要与物理世界交互的系统（如机器人、自动驾驶）时，引入世界模型可以显著提高系统的鲁棒性和推理能力。

可以应用到哪些场景

具身智能： 家用机器人需要理解物理规律（如杯子掉落会碎），JEPA 提供了这种常识。
自动驾驶： 预测行人和其他车辆的运动轨迹，而不仅仅是识别当前物体。
视频理解与监控： 理解视频中的事件逻辑，而非简单的物体识别。
科学模拟： 预测复杂的物理或生物系统动态。

需要注意的问题

计算资源： 虽然比生成式模型可能更高效，但构建高精度的世界模型仍需海量算力。
评估标准： 如何评估一个世界模型的好坏？目前缺乏像 LLM 那样的标准基准测试。

实施建议

在现有的项目中，可以尝试引入 JEPA 的思想作为预训练步骤，用于提取特征，然后再结合传统的监督学习进行下游任务（如分类或检测）。

4. 行业影响分析

对行业的启示

这笔巨额融资表明，资本市场开始认可**“Scaling Laws（缩放定律）”不是通往 AGI 的唯一道路**。架构创新和认知科学启发的模型同样具有巨大的商业潜力。

可能带来的变革

从“聊天机器人”到“智能体”： AI 将从对话工具转变为能够执行复杂任务的实体。
硬件需求转变： 可能会减少对文本生成专用优化的需求，转而更侧重于高效的推理和实时视频处理硬件。

对行业格局的影响

这确立了“世界模型”派系与“大语言模型”派系（OpenAI, Anthropic）的竞争格局。LeCun 的背书和巨额资金可能会吸引顶尖人才流向 Meta/AMI Labs，改变 AI 人才市场的分布。

5. 延伸思考

引发的其他思考

如果 AI 拥有了世界模型，它是否就具备了“意识”的雏形？世界模型本质上构建了一个主观的内部世界，这与人类意识的理论基础有相似之处。

可以拓展的方向

因果推断： 将 Pearl 的因果图与神经网络结合，让世界模型不仅预测“是什么”，还能理解“为什么”。
持续学习： 世界模型需要随着环境的变化不断更新，如何在不遗忘旧知识的前提下更新模型是一个挑战。

需要进一步研究的问题

如何让世界模型处理长期依赖（例如预测几个月后的天气或股市）？
如何在潜在空间中定义“语义一致性”的数学边界？

未来发展趋势

未来 5 年，我们将看到 LLM 作为“系统 1”（快思考，直觉）与世界模型作为“系统 2”（慢思考，逻辑推理）的结合体出现。

7. 案例分析

结合实际案例说明

Wayve（自动驾驶公司）： 正在利用世界模型来训练自动驾驶汽车，通过预测视频的未来帧来理解复杂的交通场景，这与 AMI Labs 的方向高度一致。
DeepMind 的 Genie： 这是一个能够根据图像生成可交互的 2D 世界模型，展示了从无监督视频学习中创建交互式环境的能力。

成功案例分析

I-JEPA (Image Joint Embedding Predictive Architecture)： Meta 早期发布的 I-JEPA 在无需大量人工标注的情况下，学习到了极具鲁棒性的图像特征，在物体检测和分割任务上取得了 SOTA 的性能，证明了 JEPA 架构的有效性。

失败案例反思

早期的基于像素预测的视频生成模型（如 RNN 做视频预测）往往生成模糊不清的图像。这反证了直接预测像素的不可行性，支持了 LeCun 关于“在潜在空间预测”的必要性。

经验教训总结

试图在原始数据空间进行精确预测往往是死胡同。引入抽象和不确定性处理是构建智能系统的关键。

8. 哲学与逻辑：论证地图

中心命题

为了实现通用人工智能（AGI），AI 系统必须构建世界模型，而不仅仅是学习语言或图像的统计相关性。

支撑理由与依据

理由 1：LLM 缺乏物理常识和规划能力。
- 依据： LLM 经常在基本的物理推理任务上失败，且无法在没有外部工具的情况下进行长期的多步规划。
理由 2：人类和动物依靠世界模型生存。
- 依据： 认知科学证据表明，大脑构建了环境的内部模拟，以预测行动后果（例如，接住飞球时无意识的物理计算）。
理由 3：生成式模型计算效率低下且易产生幻觉。
- 依据： 逐像素或逐 token 的生成需要巨大的算力，且容易产生不符合逻辑的组合（如多指手）。
理由 4：JEPA 架构已证明能更高效地学习抽象表征。
- 依据： I-JEPA 和 V-JEPA 的实验显示，其在半监督学习任务上的性能优于传统的 MAE 和自回归模型。

反例或边界条件

反例 1： 纯粹的基于逻辑的系统（如早期的符号 AI）也有世界模型，但缺乏处理不确定性和模糊性的能力。
- 反驳： 现代世界模型结合了深度学习的感知能力，弥补了这一缺陷。
边界条件： 对于纯粹的创意写作或简单聊天任务，世界模型可能是杀鸡用牛刀，简单的 LLM 已经足够且更高效。

事实、价值判断与可检验预测

事实： AMI Labs 获得了巨额融资；JEPA 架构存在并已发布论文。
价值判断： “世界模型是实现 AGI 的更好路径”（这是 LeCun 的立场，具有主观性）

学习要点

Yann LeCun 领衔的 AMI Labs 完成 10 亿美元种子轮融资，投后估值达 45 亿美元，旨在构建基于 JEPA 架构的世界模型。
该项目致力于解决自回归大语言模型（LLM）的局限性，通过 JEPA（联合嵌入预测架构）实现更高效的世界状态理解和推理。
AMI Labs 的核心目标是开发具备物理常识和规划能力的通用人工智能（AGI），而非单纯依赖概率生成的文本模型。
此轮融资规模在 AI 初创公司中极为罕见，凸显资本市场对非 Transformer 架构和世界模型技术路线的强烈信心。
LeCun 长期主张的“世界模型”路径获得重大资源支持，标志着 AI 研究正从单纯的“生成式”向“具身推理”范式转移。
JEPA 架构通过在潜在空间进行预测而非像素级预测，显著提升了训练效率和数据利用率，适合处理复杂的视频和物理模拟任务。

引用

文章/节目: https://www.latent.space/p/ainews-yann-lecuns-ami-labs-launches
RSS 源: https://www.latent.space/feed

注：文中事实性信息以以上引用为准；观点与推断为 AI Stack 的分析。

Yann LeCun新公司AMI融资10亿美元：基于JEPA架构构建世界模型