图灵奖得主离开 Meta，种子轮融了 10 亿美元去做「世界模型」

QUOTE

硅谷整条行业都在挖同一条壕沟。

—— 杨立昆，RAISE Summit（媒体复述）

三月里有条新闻，当时我刷过一眼，后来又反复看到：图灵奖得主、前 Meta AI 掌门人杨立昆（Yann LeCun），离开大厂不到四个月，就为新公司 AMI Labs 拿下了约 10.3 亿美元种子轮——按欧元算约 8.9 亿，报道里写的是欧洲有史以来最大的种子轮量级，投前估值大约 35 亿美元。

钱多本身不算新闻。真正让我停下来的，是他押的方向——他喊了好几年的 world models（世界模型），还有那套叫 JEPA 的架构。不是再做一个更大的聊天机器人。

这两天又有媒体翻出他在巴黎 RAISE Summit 上的说法：聊天机器人很有用，但不是通往人类级智能的路；整条行业都在挖同一条壕沟。我想把故事、数字和他做事的顺序理一遍——不是为了站队，是看看一个拿过图灵奖的人，在「全行业都在做同一件事」的时候，怎么选择自己的路。

本文看点

— 从实验室到自立门户

杨立昆在 Meta 待了大约十二年，做过 FAIR，当过首席 AI 科学家。卷积神经网络这套东西，今天手机拍照、医学影像、辅助驾驶里到处都是，他是最早把这条线做扎实的人之一。2018 年，他和 Bengio、Hinton 一起拿了图灵奖——圈子里常说的「深度学习三巨头」，他是其中那个一直怼「只靠语言模型不够」的人。

按多家报道的说法，2025 年 11 月，他走进扎克伯格的办公室，说自己要走。原因写得很直白：那一年 Meta 全力追赶大语言模型赛道，而他认定该押的是世界模型。双方对「近端该卖什么」也谈不到一块——世界模型更近的落地，报道里常举工厂、复杂系统控制这类工业场景；Meta 的主业是连接人、做消费级助手。

他后来对媒体说得很干脆：公司支持过他的研究，但追 LLM 不是他的兴趣；在外面他能做得更快、更便宜、更好。客观讲，方向和短期战略对不上号时，大厂里这种分手并不少见。报道里也提到，对方对他的世界模型研究并不反对，只是公司那一年必须把资源砸向追赶赛道。

公司名叫 Advanced Machine Intelligence，缩写 AMI，读音故意贴近法语里的「ami」（朋友）。总部在巴黎，纽约、蒙特利尔、新加坡也有办公室计划。他自己当执行董事长，日常运营交给前医疗 AI 公司 Nabla 的创始人 Alexandre LeBrun。核心班底里，不少人来自 Meta 的 AI 研究体系——研究副总裁、欧洲业务高管、首席科学官等岗位，公开名单里都能对上名字。

— 一张支票，换的是做研究的时间

2026 年 3 月 10 日前后，AMI 宣布种子轮完成：约 10.3 亿美元（约 8.9 亿欧元），投前估值约 35 亿美元。领投名单很长，报道里常见的有 Cathay Innovation、Greycroft、Hiro Capital、HV Capital，以及贝索斯个人投资载体 Bezos Expeditions；英伟达、丰田、三星、淡马锡等也在参投名单里。个人投资人一侧，媒体还写到过 Eric Schmidt、Mark Cuban、Tim Berners-Lee 夫妇等名字。

有意思的是节奏。多家媒体写到：他一开始大约想融 5 亿欧元，需求远超预期，最后融到 8.9 亿欧元，还能挑投资人。公司成立才大约四个月。对创业圈来说，这几乎是反常识的种子轮——钱的量级像 C 轮，阶段却还写着 seed。

更有意思的是，钱进来之后，他们并不急着秀产品。杨立昆对记者承认：第一年会偏研发，近端谈不上产品、也谈不上收入。CEO LeBrun 对媒体说得更直：这不是那种一个季度出货、半年报收入的应用型创业；他甚至预计，「world models」很快会变成融资话术，人人都自称在做。

他们规划的时间表也写在公开报道里：一到两年内开始和企业伙伴谈合作；三到五年，希望做出能在多领域部署的「相当通用」的智能系统。这句话听起来野心很大，但至少把「什么时候开始谈客户」和「什么时候吹 AGI」拆开了。

— 四岁小孩看过的世界，和全网文本

杨立昆的核心论点，这几年反复讲，最近在 RAISE Summit 上又讲了一遍。大语言模型擅长预测下一个词，考试、写邮件、摘要都能做；但它们并不真正理解物理世界。没有真正的 L5 无人驾驶，没有能像十岁小孩或家猫那样自如行动的家用机器人——他用这些「还做不到」的事，说明问题不在算力口号，而在表示方式：模型主要从文本（或切成 token 的图像）里认识世界，漏掉了大部分物理约束。

举个他爱用的例子：瓶子掉下去，你会知道它会落、可能会溅，但你预测不了每一滴水花的位置——而这恰恰是重点。语言里「下一个词」的选项是有限的；视频里「下一帧每个像素」的选项几乎无限。硬要逐像素预测，模型只能糊成一团平均答案。

他的备选方案叫 JEPA（Joint Embedding Predictive Architecture），2022 年就提出来了。大意是：别去逐像素、逐词地生成未来；先学场景的抽象表示，在表示空间里预测「接下来会发生什么结构上的事」，把噪声丢掉，把结构留下。这更接近人和动物理解世界的方式——脑子里有个模型，无关细节直接忽略。带动作条件的世界模型，还可以用来预演「我这么做会怎样」，再规划一串动作，并加上安全约束——这类说法出现在 AMI 自己的融资声明里。

他最爱用的一个比喻，媒体也反复复述：全网文本加起来大约是 10 的 14 次方字节，人读完要大约四十万年；一个四岁小孩，光靠眼睛看世界，已经摄入了大概同等量级的数据。小孩学到重力、物体怎么动，不靠贴标签。AMI 做的视频模型，按他的说法，已经能发现画面里「不可能发生」的事——那是从观看里长出来的常识。

— 能抄走的几步

当然，他也有立场。他刚拿到大规模融资，说话自然会强调自己那条路。JEPA 和世界模型最终能不能兑现「人类级智能」，现在谁也没有成绩单。把赌注写成已成事实，是媒体和粉丝常犯的错；我更愿意把它写成一场可核对的高价实验——金额、时间表、团队来源，报道里都对得上；结果，要几年后再看。

杨立昆这件事里，最值得看的是：当几乎所有人都在同一条壕沟里挖的时候，他带着旧主张出走，并用一张对得上口径的支票，把主张变成公司。

你未必需要融十亿美元。你需要的是：对自己方向的判断写清楚、和合作方预期对齐、用「还做不到的事」当尺子，而不是用热闹当尺子。

往期相关

演过蝙蝠侠的阿弗莱克，会写Python，还把AI公司卖给了Netflix

皮查伊转发的诊所AI试验