圖靈獎得主、前Meta首席AI科學家楊立昆（Yann LeCun）在結束約12年的Meta生涯后，正將其職業生涯的下一篇章押注于人工智能領域最具爭議的方向之一：世界模型。2026年5月下旬，這項豪賭迎來了首次嚴峻的技術審視。

楊立昆擔任執行董事長的巴黎初創公司AMI Labs，致力于構建一種能學習物理現實規律而非僅預測文本序列的AI系統。其核心論點在于，當前主導行業的大語言模型（LLM）無法獨立演進至人類水平的智能。隨著兩篇預印本論文的發布，AMI Labs首次公開界定了其技術架構的能力邊界，以及理想與現實之間的巨大差距。

10.3億美元種子輪：歐洲創業史最大賭注

對于關注前沿AI資本流向的市場而言，AMI Labs的估值邏輯具體而激進。2026年3月9日，該公司宣布完成10.3億美元種子輪融資，投前估值達35億美元。據報道，這是歐洲創業史上規模最大的種子輪融資。

截至6月初，AMI Labs尚無成熟產品落地，團隊規模僅十余人，研發周期以年計。因此，5月下旬發布的這兩篇論文，成為外界評估其高估值背后科學基礎是否穩固的首個嚴謹信號。

技術路線：JEPA架構對抗LLM范式

AMI（Advanced Machine Intelligence）的核心技術基石是聯合嵌入預測架構（JEPA）。這是楊立昆在2022年大語言模型熱潮前夕提出的框架。與試圖重建每個像素或令牌的生成式模型不同，JEPA將輸入編碼為抽象表示，并在潛在空間中進行預測，丟棄不可預測的表面細節，保留高層結構。

楊立昆在接受采訪時直言：“世界是不可預測的。如果你試圖構建一個能預測未來每一個細節的生成式模型，它將會失敗。”他認為，JEPA這種“預測表征而非原始輸出”的設計，理論上允許系統像嬰兒學習重力一樣掌握環境基本規則，從而進行規劃。

楊立昆對LLM的批評并非行業共識，但他立場鮮明。他指出LLM“局限于離散的文字世界”，受困于莫拉維克悖論，無法真正推理或預測行為后果。他預測，到2027年初，機器人領域將意識到必須擺脫以LLM為中心的架構。AMI Labs的日常運營由連續創業者亞歷山大·勒布倫（Alexandre LeBrun）負責，公司總部設在巴黎，并計劃在紐約、蒙特利爾和新加坡設立辦事處。

最新研究：理論可行，但現實脆弱

5月下旬發布的兩篇預印本論文，分別從理論證明和實證測試兩個維度，揭示了世界模型的現狀。

在理論層面，由楊立昆等人提交的《LeJEPA何時學到世界模型？》一文，利用Lean 4定理證明助手形式化證明了LeJEPA架構可實現“線性可識別性”。這意味著在特定條件下——如潛在變量遵循高斯分布、訓練數據廣泛且均勻地探索狀態空間時——系統能恢復出物體位置、速度等真實隱藏變量，而非僅僅捕捉統計捷徑。然而，這一保證具有嚴格的條件限制，目標導向的訓練數據可能導致系統進入保證失效的區域。

在實證層面，由米拉（Mila）研究所團隊發布的stable-worldmodel基準測試結果則更為冷峻。測試顯示，當前世界模型依然極度脆弱。在一個標準的物體推送任務中，某測試模型在清潔條件下的成功率約為50%；一旦代理顏色改變，成功率驟降至12%；背景顏色改變時，成功率僅為6%；若添加視覺干擾物，所有基線模型全面崩潰。更關鍵的是，研究發現預測準確率并非規劃成功的良好指標，模型往往依賴背景顏色而非幾何結構進行判斷。

全球競賽：李飛飛與DeepMind的同場競技

AMI Labs并非唯一看好物理世界模擬的機構。斯坦福大學教授李飛飛創辦的World Labs在結束隱身模式后估值已達50億美元，其推出的Marble系統專注于生成物理連貫的3D世界；谷歌DeepMind則通過Genie系列探索生成式交互環境。盡管路徑不同——World Labs側重空間智能與3D生成，AMI Labs側重基于JEPA的預測規劃——但各方均堅信僅靠語言模型不足以實現通用智能。

AMI Labs背后的投資者陣容豪華，包括貝索斯探險基金、英偉達、三星、淡馬錫、豐田創投，以及埃里克·施密特、馬克·庫班、蒂姆·伯納斯-李等個人。據報道，該輪實際籌集資金約8.9億歐元。

面對最新的測試結果，AMI Labs管理層保持清醒。勒布倫坦言，這是一家“始于基礎研究”的公司，而非能在三個月內發布產品的應用型初創企業。公司計劃開源大部分代碼并繼續發表論文，這與楊立昆長期倡導的開放研究理念一致。目前的結論很明確：數學上可行的路徑已現，但從可行性邁向可靠性，仍需解決嚴峻的魯棒性難題。

【星途科訊 圖文丨懷瑾】