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。
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？
