机器人在工厂里拧螺丝、搬货等，可通过特定任务训练实现，但让它们在家中叠衣服、倒水、理解人的意图，还很难。

他将这种差距，比作「窄智能」和「通用智能」的鸿沟。

而突破的核心，在于打造一款真正可以规划的「世界模型」架构，即能够学习理解和预测物理世界系统。

谁曾想，LeCun这番话再次捅了「马蜂窝」，直接给这场狂热泼了一盆冷水，引机器人界大佬上阵怒喷。

特斯拉Optimus AI负责人Julian Ibarz直言，我不同意LeCun的观点。

在内部，特斯拉对于如何快速实现通用人形机器人，已经有了非常明确的思路。

Figure创始人Brett Adcock直接喊话，「谁去和LeCun说一声，让他别端着了，亲自下场干点实事吧」！

Yann LeCun：

LLM只是记忆力好，智商还不如猫

Yann LeCun一直领先于时代的主流认知，但好像每次都是对的。

在1987年，他在现在的索邦大学（Sorbonne）获得博士学位，论文英文标题是《Connectionist Learning Models》「连接主义学习模型」。

论文的核心是建立了神经网络中反向传播算法的理论基础。

而在当时，大多数人还在研究专家系统。

他怎么想到这个研究方向的？这又如何影响了他以后的职业发展？

在MIT演讲中，Yann LeCun回顾了他如何踏上人工智能研究之路。

上大学时，他有点偶然地发现，原来早在50-60年代，包括1981年诺奖得主David H. Hubel和Torsten N. Wiesel等人，就已经开始思考「自组织」的问题——也就是系统如何自我组织学习。

这一方向后来催生了「机器可以学习」的早期想法。

他觉得这个想法特别迷人，而且当时他「初生牛犊不怕虎」——

我一直认为，生物学给工程提供了很多灵感。在自然界中，所有活着的东西都有适应能力，只要有神经系统就能学习。

所以，我当时想，也许我们人类没那么聪明，构建智能系统最靠谱的方法，可能是让它自己学会变聪明。

也许，正是这种「愣头青」的心态让他走上了机器学习这条路。

他坦言，当时「机器学习」不是AI研究的主流。

由于当时几乎无人从事相关研究，他一度难以找到博士导师。

之后，他与Geoffrey Hinton合作，随后进入贝尔实验室Bell Labs与纽约大学NYU任职。

人工智能领域在1990至2000年代经历「寒冬」，但2013年LeCun加入Facebook，创立FAIR（Facebook AI Research），并推动「深度学习」这一术语取代「神经网络」，标志着产业界开始系统性地接受这一范式。

2018年，因在概念与工程领域的突破性贡献，他让深度神经网络成为计算技术的关键组成部分，和Bengio、Hinton共享图灵奖。

顺便提一句，Yann LeCun访问清华大学时，确定了自己的中文名「杨立昆」。

但这次，Yann LeCun直言：「LLM就是一条死胡同，世界模型才是正道」。

他指出，文本属于「低带宽」数据源，「仅靠文本训练永远无法实现人类水平智能」。真正的智能来源于高带宽的感知输入——视觉、听觉、触觉等多模态经验，而非低维度的离散符号。

他将大语言模型训练所需的数万亿标记词元，与儿童处理的海量感官数据进行对比：

四岁儿童通过视觉接收的数据量，已相当于所有公开文本训练的最大规模LLM的数据量。

他进一步指出，LLM有时虽能提供实用的结果，甚至让人误以为其「智商堪比博士」，但这些系统只是「回忆」训练中的信息。

LeCun指出，大语言模型（LLM）存在本质瓶颈——虽然形式上通过「学习」取代了显式编码，但仍依赖人类知识的间接转移。

LLM不具备任何真实意义上的智能——甚至不如一只猫。

他强调，即便猫的大脑仅含约2.8亿个神经元，其对物理世界的理解与行动规划能力仍远超当前AI系统。

猫能感知三维空间、判断物体稳定性、规划复杂动作，而目前的所有生成式模型恰恰无法企及这些能力。

因此，他真正关注的问题是：如何让机器学会物理世界的模型？

有点脑子的人，不再用LLM

世界模型，已成为LeCun的代名词。

对谈中，他再次给「世界模型」下了一个定义——

给到一个时刻t的世界状态，再给定一个智能体可能的动作，预测动作执行后的环境。

就好比，让一个机器人冲一杯咖啡，它需要想象一系列动作——拿起杯子、倒水、搅拌，并预测每一步的结果。

一旦系统配备了这样的世界模型，就可以进行规划：

设想一系列连续的动作，并利用模型预测这些动作所导致的结果。

同时，系统可结合一个「代价函数」（cost function），用于评估特定任务的完成情况。

在此基础上，可运用优化方法，搜索能够优化任务目标的最优动作序列，这一过程即为「规划与最优控制」。

LeCun称，团队所采用的「环境动力学模型」完全通过自监督学习的，也是当前方法的核心所在。

实验已证明，可以用世界状态的表示——来自现有模型DINO，无论是从零开始学习，还是基于V-JEPA 2等框架，都可以做到这一点。

机器人不用针对特定任务反复训练，只需从模拟数据或真实操作中学习「动作-结果」的关系，就能零样本完成新任务。

这种训练完全是自监督的。

当系统有足够好的世界模型，便能「想象」如何完成一个它从未被训练过的任务。

这一概念，在2016 NeurIPS大会主题演讲中，LeCun早已向世界传输——

世界模型，会成为未来AI系统的关键组件。

LeCun预测，「未来3-5年内，这会成为AI架构的主流模型」。

这话可让我在硅谷得罪了不少人，包括某些巨头公司。

到那时候，但凡头脑清醒的人，都不会再用现在这种生成式LLM的路子了。

主持紧接着问道，所以这能推动机器人技术，让未来这十年真正成为机器人的时代？

LeCun直言不讳，过去几年，打造「类人机器人」的初创公司如雨后春笋般涌现。

但行业的一大秘密是——它们还不知道如何让机器人真正「聪明」到实用级别。

所以很多估值数十亿公司的未来，基本上取决于是否能在「世界模型+规划」的架构上取得显著进展。

LeCun越说越激动，观点显然有些「生猛」。

主持人一听，马上话锋一转打了个圆场，「没关系，我们不担心那些公司。而且说真的，我们非常信奉创业精神」。

产业界在行动：机器人的世界模型

Yann LeCun的「冷静」，与多位行业领袖所鼓吹的激进时间表形成了鲜明对比。

Figure AI表现得尤为激进，其CEO Brett Adcock近期宣称：

明年就能实现通过语音指令，让人形机器人在陌生环境（比如从未进入的家庭）完成各类通用工作。

这位创始人解释称，其信心源自公司对软件与智能难题的攻关。

人形机器人拥有40个自由度（关节），可能产生的位姿组合数量甚至超过宇宙原子总数。

Brett Adcock强调「这个问题无法通过编程解决，唯一途径是神经网络」。

他将Figure的技术路径与同行对比，直言某些公开演示只是「戏剧表演」或预设程序。相反，Figure机器人的所有操作都「由神经网络驱动」。

耐人寻味的是，在一个关键问题上的判断与Yann LeCun不谋而合：他也否认制造业是主要突破方向，并指出「人形机器人当前的竞争焦点在于谁能攻克通用机器人技术」。

双方的核心分歧似乎在于——这个目标离我们究竟有多近。

与此同时，特斯拉正从另一个角度攻克难题。

马斯克始终聚焦「极其艰巨」的制造挑战，指出人形机器人规模量产「所需的供应链尚不存在」。

据报道，特斯拉正在建设年产百万台Optimus机器人的生产线，目标在2026年初推出具备「量产意向」的V3原型机。

然而专注制造并不意味特斯拉忽视AI难题。

在最近的计算机视觉顶会ICCV，特斯拉AI负责人Ashok Elluswamy详细介绍了公司的「神经世界模拟器」——一个通过车队视频数据训练的端到端系统。

不同于传统模型根据状态预测动作，神经世界模拟器能够基于当前状态与后续动作，直接合成未来状态。

这种机制使得模拟器可与智能体或策略AI模型形成闭环连接，从而实现对系统性能的精准评估。

Elluswamy确认，这套被视作世界模型问题直接解决方案的架构，将「无缝迁移」至Optimus机器人。

Yann LeCun的论断看似否定了整个人形机器人领域，但已有企业公开将其研发方向与他倡导的「世界模型」概念对齐。

获得OpenAI投资的挪威公司1X Technologies，近期发布了自研「世界模型」。

传送门：https://www.1x.tech/1x-world-model.pdf

如图所示，1X世界模型包含视觉编码器、动作编码器、核心网络，以及视频与状态价值解码器。通过对成功标签进行监督学习生成的状态价值预测，可对输入动作的质量进行量化评估。

1X世界模型的独特优势在于：允许从相同初始条件出发，并行部署不同策略进行直接对比。

1X团队在现实部署方面的审慎态度与LeCun不谋而合。

首席执行官Bernt Børnich在播客中坦言，让机器人进入家庭存在「理想与现实的落差」，指出「现实环境复杂得离谱」，甚至「Wi-Fi连接问题比机器人技术本身更棘手」。

这种务实立场，结合其轻量级肌腱驱动设计所带来的安全性优势，暗示着行业清醒认识到：Yann LeCun所说的「突破性进展」仍需要持续探索。

Yann LeCun的警告，最终重新定义了人形机器人竞赛的维度：胜利者，或许不属于推出最炫酷demo或设定最激进量产目标的厂商，而将属于那个率先攻克机器理解物理世界这一根本性难题的探索者。

彩蛋：Llama与我无瓜

全程半小时演讲中，还有一个大彩蛋。

Meta血裁AI部门研究员掀全网风暴之外，LeCun却一直对外撇清自己和Llama的关系。

几天前，他曾表示，自己并未参与任何Llama项目。

这一次，LeCun在演讲中再一次强调，「我并没从技术层面上，参与Llama的项目」。

搞笑的是，主持人前一句还在夸「Llama的诞生让世界AI民主化」，话音还没落，LeCun就在旁边急着插话——

我要坦白！

接着，他分享了幕后故事，「第一代Llama，其实有一点像『海盗』项目（pirate project），与官方LLM并行开发」。

大概2022年中后期，巴黎一个十来人的小组，决定做一个轻量高效的LLM，结果真做出来了。

没想到，它后来成为了「主力选手」。

最后，在2023年初，小扎下定决心组建了一个GenAI团队，也就如今的「超级智能实验室」（MSL）的前身，主要就是为了把它产品化。

但在技术上，我个人确实没怎么插手。

LeCun最后再一次重复——Llama与我无瓜，就差把它写在脸上了。

现场，主持人再次圆话，「但最后能跑出来的，往往还是『臭鼬工厂』（Skunk Works）这种模式」。