

> 当大多数科技巨头还在大语言模型的红海中厮杀时，李飞飞已带领 World Labs 开启了“空间智能”的第二战场。一年内估值翻五倍的资本神话背后，是行业对 AI 从“理解语言”向“理解物理世界”进化的迫切押注。

## 资本热捧下的身价暴涨

在生成式 AI 的浪潮进入深水区之际，享有“AI 教母”美誉的李飞飞再次证明了其敏锐的战略眼光。据彭博社最新消息，其创办的初创公司 World Labs 正在推进一轮新的融资计划，目标筹集 5 亿美元，投后估值将高达 50 亿美元。

这距离公司成立仅过去不到一年。2024 年 4 月，World Labs 在成立之初的估值为 2 亿美元，随后迅速吸纳了 a16z、Radical Ventures 等顶级风投，以及英伟达、淡马锡和 Google 首席科学家 Jeff Dean 等行业大佬的背书，迅速跻身独角兽行列。如今身价再度翻倍，不仅是对李飞飞学术地位的致敬，更是市场对“世界模型”这一技术路线的高度认可。

![Google_AI_Studio_2026-01-26T03_04_41.675Z.png](https://static.downly.cn/images/dad2c6fae98cf34759b1cd861212efb6.png) <center>图源备注：图片由AI生成</center>

## 超越语言 此时此地的世界模型

World Labs 的核心野心在于构建“大世界模型（LWM）”。李飞飞团队认为，AI 的终极形态不应止步于生成平面的图文，而必须具备理解物理世界结构、动态演化及因果关系的能力。

目前，World Labs 已推出首款 3D 世界生成模型 Marble。该模型展现了惊人的能力，能够仅凭文本或图像输入，直接生成可交互、可探索的 3D 空间，并为物理仿真和机器人模拟提供关键的“碰撞网格”数据。在战略构想中，这是通往“空间智能”的必经之路——赋予 AI 像人类一样感知和操纵三维世界的能力。这一基础设施的完善，将对 AIGC 产业产生颠覆性影响，从 3D 资产的瞬间生成到具身智能机器人的精准操控，想象空间巨大。

## 双雄并立的路线之争

值得关注的是，在通往“世界模型”的道路上，李飞飞并非独行。图灵奖得主 Yann LeCun 创立的 AMI Labs 同样以 35 亿美元的估值在资本市场寻求支持。

两者的技术路线呈现出有趣的对立 李飞飞倾向于显式、可生成的 3D 环境构建，强调视觉与物理的统一；而 LeCun 则坚持基于 JEPA（联合嵌入预测架构）的抽象认知路径，不主张直接生成像素级的世界。这场顶级大脑之间的较量，预示着 AI 的下一个十年主战场，将正式从“语言逻辑”转移到“时空智能”。

空间智能新纪元 李飞飞World Labs估值冲刺50亿美元



> **导语**
> 前 Meta AI 核心人物杨立昆在专访中痛陈公司 Llama 系列研发乱象，并证实已离职创立新实验室。随着“世界模型”与“大语言模型”的技术路线分歧公开化，AI 领域的下一个风口之争正式浮出水面。

## 内部动荡 Llama 4 被指数据注水

在一场震动硅谷的专访中，杨立昆（Yann LeCun）打破沉默，披露了 Meta 在开发大型语言模型 Llama 4 期间的内部危机。他直言不讳地指出，为了应对激烈的市场竞争，研发团队在基准测试中采取了“非常规手段”，导致模型发布后陷入数据操控的舆论漩涡。

杨立昆对现任首席 AI 官 Alexandr Wang 提出了尖锐批评，认为其年轻且缺乏经验，未能理解基础研究的长期价值，反而将团队推向了急功近利的死胡同。扎克伯格在元宇宙战略受挫后，对 AI 部门施加的巨大落地压力，导致内部沟通机制崩塌，Llama 系列产品最终在性能与口碑上遭遇双重滑铁卢。

![Google_AI_Studio_2026-01-05T02_54_59.556Z.png](https://static.downly.cn/images/19603be37981a20f3224208c68f44847.png)
 <center>图源备注：图片由AI生成</center>

## 理念决裂 拒绝 LLM 思维定式

杨立昆的回忆充满了对早期 Facebook 研究自由度的怀念。2013 年，他曾在扎克伯格的盛情邀请下加入，并坚持保留学术职位与研究公开性。然而，随着公司全面转向大语言模型（LLM），他感到自己的研究空间被极度压缩。

他认为，Meta 的大部分团队已被 LLM 思维“洗脑”，忽视了人工智能更本质的挑战。这种对单一技术路线的过度依赖，促使他最终做出了离开的决定。尽管与新任高管没有直接的人身冲突，但对公司技术战略的失望已无可挽回。

## 另起炉灶 押注世界模型

离职后的杨立昆迅速成立了“先进机器智能实验室”，将目光投向了“世界模型”。与仅能处理概率预测的语言模型不同，世界模型旨在让 AI 理解物理世界的因果律与运作机制。

杨立昆坚信，未来的智能必须突破语言符号的局限，具备对物理实体的感知与推理能力。他的新征程，不仅是个人的职业选择，更是对当前主流生成式 AI 路线的一次严肃修正与挑战。

Meta 爆发路线之争，前 AI 掌门人自立门户剑指世界模型



> 导语：AI领域的传奇人物Yann LeCun即将开启新的创业篇章。其新公司AMI Labs计划于明年1月成立，估值高达247亿人民币。LeCun将摒弃主流LLM路线，专注于“世界模型”研发，并由前Meta老部下Alexandre LeBrun出任CEO，形成科研与商业的双核驱动。

人工智能科学界的泰斗级人物Yann LeCun即将迈出再创业的关键一步。备受瞩目的新公司Advanced Machine Intelligence Labs（AMI Labs）计划于明年1月正式挂牌成立，目标估值锁定在30亿欧元（约合247亿人民币）。

### 摒弃大模型捷径 押注JEPA架构

在Meta任职的最后阶段，LeCun便对“世界模型”抱有极大的热情，并决定在新公司中将这一理念推向极致。LeCun一直坚持认为，当前主流的自回归大型语言模型（LLM）存在本质的逻辑缺陷，它们仅能进行文本的统计概率预测，却无法真正理解物理世界的因果规律。他曾多次警告，单纯依赖LLM将是通往人工通用智能（AGI）的“死胡同”。

AMI Labs将另辟蹊径，采用一种名为JEPA（联合嵌入预测架构）的创新技术。该技术致力于通过“抽象”和“规划”来赋予AI理解和预测物理世界的能力，力求实现比现有模型更高层次的智能。

![Google_AI_Studio_2025-12-20T02_39_34.365Z.png](https://static.downly.cn/images/b9f60e5d51b5f6934234c66884ca958b.png)

<div align="center">图源备注：图片由AI生成</div>

### 师徒联手 打造双核架构

值得关注的是，65岁的LeCun虽然是公司的灵魂人物，但他并不担任CEO一职。接过商业化重任的是他的老部下 医疗AI公司Nabla的创始人Alexandre LeBrun。

LeBrun与LeCun渊源颇深，曾在Meta的FAIR实验室与LeCun并肩作战三年。在LeCun的指导下，LeBrun积累了深厚的技术底蕴，并成功转型为商业领袖。这种人事安排预示着AMI Labs将形成“LeCun主内负责科研突破、LeBrun主外负责商业运作”的稳固双核架构。

LeCun在最近的访谈中坦言，自己仍有“提升人类智能”的使命未竟。AMI Labs的成立，正是他摒弃捷径、深入探索AI终极奥秘的一次全新冒险。

LeCun新征程 AMI Labs估值247亿剑指“世界模型” 昔日部下挂帅CEO



> 导语 本周科技圈爆出猛料，曾经的“开源卫士”Meta 将于 2026 年春季发布闭源模型“牛油果”，且训练过程使用了阿里的 Qwen 模型。这一举动伴随着 Llama 4 的丑闻、高层大换血以及 FAIR 实验室的裁员，标志着扎克伯格 AI 战略的彻底转向。

## 从开源旗手到闭源“牛油果”

曾经高举开源大旗、自诩为“AI 时代的安卓”的 Meta，正悄然走上一条截然相反的道路。据彭博社最新爆料，Meta 计划于 2026 年春季发布代号“Avocado”（牛油果）的全新 AI 模型，而这款模型极有可能是闭源的。

更令人震惊的是，这款试图终结开源时代的闭源产品，其训练过程竟直接使用了阿里巴巴的开源大模型 Qwen。这一消息瞬间引爆市场，阿里巴巴美股盘前一度飙升 4%。网友戏称“硅谷闭源模型，竟是用中国开源模型喂出来的”。讽刺的是，Meta 如今不得不依赖阿里 Qwen、谷歌 Gemma 和 OpenAI 的 gpt-oss 等全球开源社区的成果来打造自己的私有护城河。

![image.png](https://static.downly.cn/images/e6bf2e39048aa02a45c69ed09036b086.png)

## 信仰崩塌与高层大洗牌

这不仅是技术路线的转变，更是一场战略信仰的崩塌。转折点源于 2025 年 4 月 Llama 4 的惨淡发布，该模型在权威评测中被曝存在“刷榜作弊”嫌疑，声誉一落千丈。扎克伯格震怒之下，迅速边缘化原 Llama 团队，并开启了“梦之队”招募计划。

在这场大洗牌中，Meta 新任首席 AI 官亚历山大·王（Alexander Wang）浮出水面。这位从 Scale AI 空降而来的高管是闭源路线的坚定支持者。他迅速掌控 AI 战略，其领导的 TBD Lab 成为公司新核心。然而，这种高压关注也带来了副作用，据传王对扎克伯格这位“贴身导师”的过度干预已显不耐。

![image.png](https://static.downly.cn/images/06278565362d9a1f3c8ebfaa57fa0e86.png)

## 开源理想主义的挽歌

随着战略转向，Meta 的开源根基被系统性瓦解。FAIR 实验室遭遇大规模裁员，连研究科学家总监田渊栋都未能幸免。更具象征意义的是，“卷积神经网络之父”杨立昆（Yann LeCun）因公司不再支持其开源方向而黯然离场。

Meta 的“大象转身”是一曲开源理想主义的挽歌。而在全球 AI 竞赛中，那个曾被低估的东方开源力量，正悄然成为他人闭源野心的基石。



Meta 放弃开源转向闭源 竟用阿里 Qwen 训练自家模型

> 近日，Meta AI 正式发布了其颠覆性的**视频联合嵌入预测架构 V-JEPA 2** (Video Joint Embedding Predictive Architecture2)。 作为其世界模型战略的关键一步，V-JEPA 2 能够通过**非生成式学习**理解和预测视频内容，不仅在视频理解任务上表现卓越，更在数据效率和泛化能力上展现出巨大潜力，特别是能赋能**机器人在陌生环境中的零样本规划**，有望推动 AI 领域向更接近人类智能的方向发展。



在人工智能领域，构建能够像人类一样理解世界、预测未来事件的“世界模型”一直是研究的圣杯。 近日，互联网巨头 Meta AI 在这一宏伟目标上迈出了关键一步，正式发布了其最新成果——**V-JEPA 2 (Video Joint Embedding Predictive Architecture2)**。 作为 Meta AI 首席科学家 Yann LeCun 倡导的联合嵌入预测架构 (JEPA) 理念在视频领域的重要实践，V-JEPA 2 的出现，预示着 AI 对复杂动态世界的理解能力将达到一个新的高度，尤其对于**机器人在陌生环境中自主执行任务**具有里程碑式的意义。

<video src="https://static.downly.cn/images/c859cc99f1929a0984f111882da40833.mp4"  title="30448618124-1-16.mp4"></video>

V-JEPA 2 的核心突破在于其**非生成式学习范式**，它避开了传统生成模型在预测像素点上的高计算成本和潜在误差累积，而是通过学习视频片段之间的抽象表示来理解和预测世界，这使其在效率和泛化能力上具有显著优势，进而支撑了其在机器人具身智能领域的重大应用潜力。
[开源地址](https://github.com/facebookresearch/vjepa2)
![image.png](https://static.downly.cn/images/e461164bcc3cf343f15061ed3b7b492f.png)

### 非生成式学习 V-JEPA 2 的核心范式

与目前流行的通过生成缺失像素或帧来预测内容的“生成式”模型不同，V-JEPA 2 采用了**非生成式**的自监督学习方法。 这种方法的核心思想是

*   **学习抽象表示** V-JEPA 2 不会试图精确地“画出”视频中缺失的部分，而是通过学习视频中不同片段的**联合嵌入 (Joint Embedding)**，来预测未来或被遮挡的视频帧的**高级抽象表示**。
*   **避免高维噪声** 生成式模型需要处理像素级别的高维细节，容易受到噪声和微小扰动的影响。 非生成式方法则专注于学习语义信息和结构关系，大大提高了学习效率和模型的鲁棒性。

这种学习方式使得 V-JEPA 2 能够高效地从海量视频数据中学习世界的动力学和因果关系，而无需耗费巨大资源去“重建”每一个像素。

### V-JEPA 2 的卓越性能与潜力

V-JEPA 2 的发布，不仅是理论上的突破，更在实际应用中展现出强大的性能和潜力

#### 1. 顶尖的视觉理解和预测能力

V-JEPA 2 在视频理解任务上表现出领先的性能，能够更好地理解视频中的动作、事件和对象之间的关系，从而在行为识别、动作检测等下游任务中提供高质量的特征表示。 其强大的视觉理解和预测能力，使其能够精准地把握动态环境中的关键信息，为高层决策提供支撑。

#### 2. 实现机器人在陌生环境中的零样本规划

这是 V-JEPA 2 最令人兴奋的应用前景之一。 凭借其卓越的视觉理解和预测能力，V-JEPA 2 能够帮助机器人在**不熟悉的环境中**进行**零样本规划 (zero-shot planning)**，即无需事先对新环境进行大量训练或编程，机器人也能规划并执行复杂任务。 这意味着，当机器人被部署到一个全新的、未曾见过的场景时，它可以通过 V-JEPA 2 对环境进行实时理解和预测，从而自主制定行动方案，大大提升了机器人的自主性和适应性。

![image.png](https://static.downly.cn/images/e3bc58ba2d3b4d80c6c93ab9f6686675.png)

#### 3. 高效的数据利用率与强大的泛化能力

由于 V-JEPA 2 不需要进行像素级别的精确生成，它在学习过程中对数据的需求更为高效。 这意味着即使面对有限的数据集，V-JEPA 2 也能学习到有用的世界知识，降低了训练成本和时间。 同时，非生成式学习使得模型能够学习到更本质、更泛化的世界规律。 当应用于新的、未见过的数据或场景时，V-JEPA 2 也能保持良好的表现，展现出优秀的泛化能力，这对于机器人从模拟环境到真实世界的迁移至关重要。


### 世界模型战略的关键一步

V-JEPA 2 的发布，是 Meta AI 推动其“世界模型”战略向前迈出的重要一步。 Yann LeCun 曾多次强调，构建能够像人类一样理解世界并进行预测的 AI 模型，是实现真正通用人工智能的关键。

*   **向人类智能靠拢** 人类智能的一个核心特征是能够预测即将发生的事情，即使没有完整的感官输入。 V-JEPA 2 试图模仿这种能力，通过学习抽象表示来预测视频中的未来事件，使其更接近人类的直觉和理解，特别是能将这种理解应用于具身智能体。
*   **赋能具身智能** 对于机器人等具身 AI 而言，能够理解动态环境并预测未来状态的能力至关重要。 V-JEPA 2 提供的顶尖视觉理解和零样本规划能力，是实现机器人自主学习、自主决策和自主行动的基础，有望加速通用机器人的实现。
*   **更安全的 AI** 相较于生成式模型，基于预测抽象表示的模型在处理错误时更具鲁棒性，也可能更容易被理解和控制，从而为构建更安全、更可信的 AI 系统奠定基础。



V-JEPA 2 的发布，不仅是 Meta AI 在深度学习基础研究上的又一里程碑，也为整个 AI 社区指明了一个激动人心的研究方向。 随着这类模型的不断发展，我们有理由相信，能够真正理解并预测世界的 AI，以及能够因此在复杂环境中自主行动的机器人，将不再是遥不可及的梦想。



搜索结果: LeCun