摘要：在麻省理工学院的一场讲座上，图灵奖得主、Meta首席AI科学家LeCun，把矛头对准了现在火得不行的人形机器人产业和大语言模型技术。

图灵奖得主LeCun引发AI技术路线之争：世界模型能否替代大语言模型？

在麻省理工学院的一场讲座上，图灵奖得主、Meta首席AI科学家LeCun，把矛头对准了现在火得不行的人形机器人产业和大语言模型技术。

他说这些公司“压根不知道怎么让机器人变聪明”，还直言大语言模型“就是条死胡同”。

这话一出来，AI圈直接炸了，特斯拉、FigureAI的负责人马上站出来反驳，一场关于AI未来该往哪走的争论，就这么摆到了台面上。

本来想觉得LLM现在这么火，聊天、写东西都挺厉害，应该是AI的主要方向。

但后来发现LeCun敢这么说，自有他的道理。

他不是光批评，还提出了自己认为对的路，构建“世界模型”。

简单说，就是让AI能理解物理世界，还能预测接下来会发生啥，而不是只靠文本数据学东西。

LeCun拿猫举例子，说普通猫的大脑也就2.8亿个神经元，却能看懂三维空间，知道东西放不稳会掉，还能规划怎么跳上桌子。

反观现在的大语言模型，就算训练数据堆得再多，也做不到这些。

我之前看GPT写文章挺惊艳，但让它判断“杯子倒了水会洒在哪”，它还真不一定能说对。

他还举了个更实在的例子，让机器人冲咖啡。

这事看着简单，可机器人得想清楚先拿杯子、再倒水、最后搅拌，每一步做完会有啥结果。

这种对物理世界的“思考”，就是他说的世界模型的核心。

而大语言模型呢？它更像个记忆力超强的学生，背了很多书，却没真正理解书里的内容。

还有个数据挺有意思，LeCun说一个四岁小孩通过眼睛看到的东西，信息量就赶上训练最大LLM的所有文本数据了。

我去查了下，还真有研究支持这个说法，有实验室算过，四岁孩子每天看的画面，信息量是LLM训练文本的好几倍。

这就说明，光靠文本教AI，根本不够它理解真实世界。

当然，也不能全怪LeCun“苛刻”。

他站在学术角度，更看重AI能不能实现“真智能”，而不是暂时能解决几个应用问题。

企业不一样，他们得先把技术落地，让市场看到价值，不然投资怎么续得上？所以这分歧，从根上看就是学术追求和商业现实的碰撞。

特斯拉Optimus项目的负责人JulianIbarz，直接说不认同LeCun的判断，还说特斯拉内部对做通用人形机器人“有明确思路”。

FigureAI的创始人BrettAdcock更直接，让LeCun“别光说，下来做点实事”。

企业这么硬气也能理解，毕竟他们都在人形机器人上砸了不少钱，肯定不想被说“走了错路”。

但有意思的是，这些反驳LeCun的企业，做的技术却悄悄往“世界模型”上靠。

特斯拉的AI负责人AshokElluswamy，之前在ICCV会议上介绍了他们的“神经世界模拟器”。

这东西能根据当前情况，算出接下来会发生啥，这不就是LeCun说的世界模型的思路吗？

FigureAI也一样，BrettAdcock承认，人形机器人有40个自由度，可能的动作组合比宇宙原子还多，没法靠编程解决，只能靠神经网络。

这话听着，不就是在支持LeCun“需要新AI架构”的观点吗？还有获OpenAI投资的1XTechnologies，直接把研发重点放在世界模型上，做出来的系统里有视觉编码器、动作编码器，跟LeCun设想的几乎一样。

我觉得这事儿特真实，企业嘴上不服软，是怕影响市场信心；但实际做技术时，还是得跟着合理的方向走。

毕竟技术这东西，光靠嘴硬没用，得真能解决问题才行。

就像1XTechnologies，拿到了OpenAI的投资，说明它的世界模型路线，也得到了行业大玩家的认可。

就算大家都觉得世界模型是个好方向，要做出来也没那么容易。

首先是计算能力的问题，处理视觉、听觉、触觉这些多模态数据，需要的算力不是一般的大。

现在最先进的芯片，处理起来也有点费劲。

其次是数据，世界模型需要大量和环境交互的数据，这些数据收集起来又贵又麻烦。

还有就是怎么判断AI做得好不好，目前还没有统一的标准。

人形机器人要走进现实，还有额外的麻烦。

马斯克就说，现在连量产需要的供应链都没有，特斯拉计划2026年推出能量产的OptimusV3原型机，能不能按时成，还不好说。

1XTechnologies的CEO更实在，他说让机器人进家庭，连Wi-Fi连接的问题都比技术本身难解决。

你想啊，家里地面有地毯有瓷砖，光照忽明忽暗，这些都得让机器人适应。

不过也不用太悲观，现在技术也在慢慢进步。

比如自监督学习方法，能降低数据收集的成本；仿真环境也越来越逼真，能帮AI先在虚拟里练手。

LeCun说“未来3-5年世界模型会成主流”，这话可能有点乐观，但大方向肯定没错。

这场争论最大的意义，不是谁赢谁输，而是让整个AI行业重新思考“智能到底是什么”。

之前大家都盯着大语言模型，觉得能聊能写就是智能；现在LeCun一提醒，才更清楚，能理解真实世界、解决物理问题，才是更关键的一步。

最后再提个小细节，LeCun特意说自己没参与Meta的Llama大语言模型项目，还说第一代Llama是巴黎团队的“海盗项目”。

这种敢和公司主流产品保持距离的态度，还挺让人佩服的。

这也说明，真正的学者，不会因为商业利益就放弃自己的判断。

这场AI技术路线之争，更像一次行业“大讨论”。

LeCun的批评敲了警钟，产业界的实践探索了路径。

不管最后是世界模型替代大语言模型，还是两者结合，对AI行业来说，都是在往更成熟的方向走。

毕竟只有不断争论、不断试错，技术才能真正进步。

来源：律行僧