文｜融中财经

2026年3月10日，65岁的杨立昆（Yann LeCun）在家乡法国创办的AMI Labs宣布完成10.3亿美元（约70.8亿元人民币）种子轮融资，公司投前估值达35亿美元（约240.7亿元人民币）。这是欧洲史上规模最大的种子轮融资。

这位图灵奖得主、纽约大学Courant研究所教授、Meta前首席AI科学家，用这笔巨额融资向全世界宣告：当前以ChatGPT为代表的大语言模型（LLM）路线走错了，真正的AI应该学会"理解世界"，而不是只会"预测下一个词"。

从Meta出走：一场关于AI路线的根本性分歧

要理解杨立昆为何在65岁选择重新创业，还要从他在Meta的十二年说起。

2013年，杨立昆加入Facebook（后更名为Meta），牵头创立Facebook AI Research（FAIR），这支团队后来成为了Meta旗下最具影响力的AI实验室。作为首席AI科学家，他带领团队打造出卷积神经网络（CNN）、JEPA架构等核心技术，为Meta的AI版图奠定了坚实基础。在他的带领下，FAIR产出了大量高影响力论文，培养出大批顶尖AI人才，与Google DeepMind、OpenAI并称为全球三大AI研究实验室。

但双方的路线分歧，从2022年就开始逐渐显现。当年11月OpenAI的ChatGPT正式推出，迅速引爆全球大语言模型热潮，这让Meta CEO马克·扎克伯格立刻调整战略，将公司资源大举投向LLM领域：2023年推出首款开源大语言模型Llama，后续迭代的Llama 2以开放权重的形式向公众发布，成为行业标杆；2025年4月推出的Llama 4却遭遇滑铁卢，因性能不及预期且被指“数据造假”，让扎克伯格对原有团队失去信心。

为全力押注LLM路线，Meta在2025年6月官宣重组AI业务，成立“超级智能实验室”（Meta Superintelligence Labs），由Scale AI创始人Alexandr Wang（汪韬）出任负责人，整合了公司现有基础模型团队及多个核心AI部门；同月，Meta进一步斥资143亿美元收购Scale AI 49%的股份，还开出最高1亿美元的天价薪酬，从OpenAI、Google等竞争对手处挖角顶尖人才。

杨立昆对这一系列战略调整始终持强烈反对态度，双方的分歧也随之彻底公开化。他直言不讳：“大语言模型虽然在语言任务上表现出色，却从根本上缺乏对物理世界的真实理解。它可以描述一把椅子，却无法理解坐在椅子上、在椅子上保持平衡，或是接住一把正在掉落的椅子究竟意味着什么。”

他进一步表达了对LLM路线的否定：“在实现超级智能（superintelligence）的道路上，大语言模型本质上就是一条死路。我确定Meta里很多人希望我不要把这句话公之于众，但作为科学家，我的职业操守不允许我为了迎合而改变想法，我坚信自己的判断。”

在杨立昆看来，当下的LLM本质只是“统计幻觉”——靠预测下一个词生成流畅文本，远算不上真正的智能。想要实现人类水平的AI，必须让机器像人和动物一样，通过感知与体验，理解物理世界的因果规律、空间逻辑和物体恒存性。他打过一个很生动的比方：四个月大的婴儿看到物体被遮挡后会主动寻找，因为婴儿懂得“物体恒存性”——即便看不见，物体也依然存在。而今天的大语言模型，完全不具备这种能力。

2025年11月，杨立昆走进扎克伯格的办公室，正式提出离职。“我告诉他，在Meta之外，我能更快、更省、更好地做成这件事，也能和其他公司一起分摊研发成本。”杨立昆后来回忆道。扎克伯格的回应也很干脆：“好的，我们可以合作。”

离开Meta后，杨立昆并没有和老东家彻底决裂。相反，他透露AMI Labs正在与Meta洽谈合作，未来AMI的技术有望用于Ray-Ban Meta智能眼镜的AI助手。这种亦竞亦合的关系在硅谷并不少见，OpenAI CEO山姆·奥特曼与微软的合作模式，就是一个典型的例子。

AMI Labs：一支全明星阵容的"世界模型"战队

2025年12月，杨立昆正式官宣创立Advanced Machine Intelligence Labs（简称AMI Labs）——名字和法语里的“ami”（朋友）相近。2026年1月，AMI Labs在巴黎正式启动，自成立之初就定下了全球化布局，在巴黎、纽约、蒙特利尔和新加坡均设有办公室。

杨立昆并未出任公司CEO，而是担任执行主席，他对此的解释是：“我是科学家，擅长判断技术的可行性，但做不了CEO。”他在接受金融时报采访时笑称自己既缺乏条理，也“年纪太大”，更希望专注于核心的科研工作。

AMI Labs的创始团队堪称“全明星阵容”：

CEO亚历山大·勒布伦（Alexandre LeBrun）是杨立昆在Meta的老部下，曾创办医疗AI公司Nabla并筹得1.2亿美元融资，投资方包括iPod发明者托尼·法德尔（Tony Fadell）、HV Capital、Highland Europe等顶级机构；

COO劳伦特·索利（Laurent Solly）曾任Meta欧洲副总裁；

首席研究与创新官帕斯卡莱·冯（Pascale Fung）是Meta前AI研究高级总监，同时担任香港科技大学电子与计算机工程系教授；

世界模型副总裁迈克尔·拉巴特（Michael Rabbat）则是Meta前研究科学总监。

团队中最引人注目的当属首席科学官谢赛宁（Saining Xie）。这位30多岁的华人科学家是全球计算机视觉与多模态AI领域的顶尖青年学者，曾在Facebook AI Research（FAIR）任职四年，之后加入Google DeepMind担任研究科学家。

他2023年提出的Diffusion Transformers（DiT）架构，后来成为OpenAI开发Sora视频生成模型的核心技术基石；如今其Google Scholar引用量已接近10万次，他还曾入选MIT Technology Review“35岁以下创新者”榜单。此次谢赛宁加盟AMI Labs，为团队注入了顶尖的视觉理解与生成技术实力。

AMI Labs的技术核心，源于杨立昆2022年提出的JEPA（联合嵌入预测架构，Joint Embedding Predictive Architecture）。和传统生成式AI专注于预测下一个词或像素不同，JEPA会学习世界的抽象表示，主动过滤掉随机且不可预测的细节，在“表示空间”中进行预测。若将“行动”纳入输入条件，模型还能提前模拟动作后续结果，进而规划完整的行动序列。

杨立昆将这套系统命名为“世界模型”（World Models），并指出其四大核心特征：理解真实世界、具备持久记忆、能够推理规划、可控且安全——这与当前大语言模型（LLM）的“幻觉”问题形成鲜明反差，尤其在医疗、工业控制、自动驾驶等对可靠性要求极高的场景，LLM的不可预测性可能引发致命风险，而世界模型恰好能弥补这一短板。

杨立昆表示，AMI计划与制造、生物医学、机器人等数据丰富的行业企业展开合作。例如，AMI可以为航空发动机构建逼真的世界模型，与制造商合作优化发动机效率、减少排放并保障可靠性。

AMI Labs的首个合作伙伴，正是CEO勒布伦此前创办的医疗AI公司Nabla。Nabla将获得AMI早期模型的优先使用权，携手探索世界模型在医疗场景的落地应用。医疗领域对AI的可靠性要求极高，一旦AI在诊断中出现“幻觉”，后果可能不堪设想——而这正是世界模型“确定性”与“可审计性”优势的用武之地。

本轮AMI Labs融资的投资方阵容同样星光熠熠。

领投方涵盖法国的Cathay Innovation、Greycroft、Hiro Capital、HV Capital，以及亚马逊创始人贝佐斯的家族投资公司Bezos Expeditions；

战略投资者包括英伟达、丰田（Toyota Ventures）、新加坡淡马锡、首尔SBVA、三星、阳狮集团（Publicis Groupe）等；

个人投资者中则有万维网发明者蒂姆·伯纳斯-李（Tim Berners-Lee）及其夫人、知名风投家吉姆·布雷耶（Jim Breyer）、马克·库班（Mark Cuban）、前Google CEO埃里克·施密特（Eric Schmidt）、法国亿万富翁泽维尔·尼尔（Xavier Niel）等一众行业大佬。

一场AI未来路线的终极对决

杨立昆不是唯一押注世界模型的人。

就在上个月（2026年2月），斯坦福大学教授李飞飞创立的World Labs宣布完成10亿美元融资，投后估值达到了50亿美元。这轮融资由Autodesk领投2亿美元，其他投资方包括英伟达、AMD、Fidelity、Emerson Collective等。

World Labs成立于2024年，比AMI Labs早一年。李飞飞是计算机视觉领域的泰斗级人物，她创建的ImageNet数据集被誉为"深度学习革命"的基石。2017年至2018年，她担任Google Cloud首席科学家。目前她是斯坦福大学计算机科学教授、斯坦福以人为本人工智能研究院（HAI）联合主任。

早在2024年9月，World Labs就完成了2.3亿美元种子轮融资，投后估值10亿美元，投资方包括Andreessen Horowitz、Nvidia风投部门、Radical Ventures等。2025年11月，World Labs推出首个商业产品Marble，可以从图片或文字提示生成可编辑、可下载的3D环境。在2026年1月的CES展会上，李飞飞与AMD CEO苏姿丰同台演示了Marble如何将几张照片转化为可导航的3D办公空间。

李飞飞同样认为，AI的下一波浪潮是"空间智能"（Spatial Intelligence）。她曾说："如果AI要真正有用，它必须理解世界，而不仅仅是文字。世界由几何、物理和动态规律支配，协调语义、空间和物理信息是AI的下一个伟大前沿。"

除了AMI Labs和World Labs，这条赛道上还有其他玩家。欧洲初创公司SpAItial在2025年完成了1300万美元种子轮融资——对于一家欧洲初创公司来说，这已经是一笔巨大的早期融资。虽然与杨立昆和李飞飞的融资规模相比显得微不足道，但它表明世界模型这个概念正在吸引更多创业者和投资者的关注。

更宏观地看，世界模型的兴起代表着AI行业正在经历一场深刻的范式转移。过去三年，从大语言模型到多模态模型，AI的发展主要围绕"Scaling Law"展开——模型越大、数据越多、算力越强，性能就越好。但杨立昆、李飞飞等人认为，这条路线已经触及天花板，真正的突破需要从根本上改变AI的架构，让它们像人类一样"理解"世界，而不是简单地"记忆"和"模仿"。

这种分歧也反映在资本市场上。2025年，AI初创公司融资总额超2250亿美元，但资金正在分化：一边是继续押注大语言模型的玩家，如OpenAI（3000亿美元估值）、Anthropic（1700亿美元估值）、Mira Murati的Thinking Machines Lab（120亿美元估值）；另一边则是押注新架构、新范式的"反叛者"，如AMI Labs和World Labs。

从更宏观的视角看，顶尖科研背景人才主导创业正在成为AI领域的主流叙事。这种“科研基因+产业落地”的创业浪潮，本质是AI技术门槛持续提升的必然结果：当模型训练、算法创新、跨领域应用的复杂度越来越高，只有那些既懂前沿研究逻辑、又能整合算力与数据资源的人才，才有机会在这场AI革命中脱颖而出。

对于欧洲来说，AMI Labs的崛起也具有特殊意义。长期以来，欧洲在消费互联网领域落后于美国和中国，但在AI基础研究和开源生态方面仍有一定的积累。Mistral AI（法国，117亿欧元估值）、Black Forest Labs（德国，Flux图像生成模型）、Synthesia（英国，21亿美元估值）等公司正在证明欧洲在AI领域的竞争力。

AMI Labs选择的开源路线也值得关注。CEO勒布伦表示："我们将发布大量开源代码。虽然开放研究越来越罕见，但我们仍然相信它。我们认为当事情开放时，进展会更快，建立社区和研究生态系统符合我们的最大利益。"这与杨立昆长期以来对开源的倡导一脉相承——他曾多次批评OpenAI和Google的封闭策略，认为开源是确保AI安全和促进创新的最佳途径。

结语

杨立昆认为，当前的大语言模型只是"聪明的鹦鹉"，真正的AI需要像人类一样理解物理世界、进行因果推理、制定长期计划。这条路能否走通，可能需要三到五年甚至更长时间才能见分晓。

但无论结果如何，这场“世界模型”之争已经深刻改变了AI行业的格局。它提醒我们，即使在技术飞速发展的今天，关于“什么是智能”、“如何构建智能”这些根本性问题，仍然没有标准答案。而正是这些分歧和探索，推动着人类不断向真正的通用人工智能（AGI）迈进。

对于杨立昆来说，65岁创业是新起点。AMI Labs核心深耕基础研究，不同于那些急于推出产品、快速变现的常规人工智能应用初创企业——其主攻的“世界模型”，核心是弄清物理世界的构成与运行规律，这类技术从理论构想走向实际应用，本身就需要经过长时间的技术打磨和多场景的实践检验。

但资本市场已经用真金白银表达了态度：他们愿意等待。因为在AI这个领域，有时候相信一个正确的愿景，比追逐短期的风口更重要。

从更宏观的角度看，杨立昆、李飞飞等顶级科学家的创业浪潮，标志着AI行业正在进入一个新的阶段——从“工程驱动”转向“科学驱动”，从“快速迭代”转向“长期主义”。这些科学家带来的不仅是技术能力，更是一种对AI本质的深刻理解和坚定信念。无论最终谁能率先实现真正的通用人工智能，这场竞争本身就已经在推动整个行业向前发展。

在AI的世界里，科学家们从未停止追问：到底什么才是真正的智能？