种子轮融资创纪录：一个转折点
2026年3月9日，Yann LeCun 的初创公司 AMI 完成了10.3亿美元的种子轮融资，创下了欧洲公司的纪录。 这笔资金不仅仅是一笔财务事件，更是一个分水岭：LeCun 提出的“世界模型”（world models）人工智能模型与目前主流的大型语言模型 (LLM) 形成了直接对立。 这种专注于物理行为预测，而非语言处理的方法，揭示了一种不同的技术策略，对认知架构和计算效率具有重要影响。
LeCun 的声明：“我们刚刚完成了我们有史以来最大的种子轮融资，可能是有史以来欧洲公司最大的种子轮融资”，不仅仅是一个财务公告。 它表明了一种重新定义人工智能技术参数的意愿，挑战了大型语言模型的霸权。 这种优先考虑对物理世界理解的方法，需要重新思考训练和部署范式，并对系统的可扩展性和安全性产生影响。
替代模型的生理机制
LeCun 的“世界模型”基于一种认知架构，该架构将物理预测和环境交互相结合。 与处理文本时基于统计模式的 LLM 不同，这些模型试图模拟对象和代理在特定环境中的行为。 这需要不同的计算处理，重点是传感器数据和物理模拟，而不是语言分词。
LeCun 对 LLM 的批评不仅仅是理论上的。 尽管功能强大，但大型语言模型在能源效率和与物理世界交互方面存在局限性。 “世界模型”旨在克服这些限制，为需要上下文理解和与环境直接交互的任务提供更合适的解决方案。 然而，这种方法需要不同的计算基础设施，并对数据分发和管理产生影响。
研究与市场的共生关系
LeCun 的愿景并非孤立。 OpenAI 的研究员 Andrej Karpathy 证明，自主 AI 代理可以通过测试 700 个实验，提高语言模型训练效率 11%。 这表明 AI 代理不仅可以执行任务，还可以自主优化学习过程。 Karpathy 的关键声明是：“AI 代理现在可以自主进行研究”，这标志着自主优化能力的重大突破，可能减少对人工干预的依赖。
“AI 代理现在可以自主进行研究。”
Andrej Karpathy, OpenAI
这一发展对市场和研究具有重要意义。 如果 AI 代理可以自主优化学习过程，那么可能会出现一类新的智能系统，不仅可以执行任务，还可以自我改进。 然而，这种自主性需要强大的支持基础设施，并对人工智能的安全性与伦理产生影响。
3-5 年后的情景：张力的沉淀
我认为，未来十年将逐渐看到大型语言模型和替代模型之间的张力。 LeCun 的“世界模型”可能在需要上下文理解的关键领域（如机器人和工业自动化）中得到应用。 然而，大型语言模型的霸权不会立即被取代，因为这些模型拥有成熟的支持基础设施和庞大的用户基础。
主要挑战在于计算基础设施的适应和数据管理。 “世界模型”需要不同的处理，重点是传感器数据和物理模拟。 这可能会导致人工智能生态系统的多样化，不同的模型会适应特定的环境。 可扩展性和能源效率将是评估这些模型成功的关键标准。
照片由 Andrey Matveev 提供，来自 Unsplash
文本由人工智能模型自动生成