无可就是九头鸟1. 欧洲AI界地震：杨立昆10.3亿美元种子轮背后的技术革命
2026年3月，AI领域发生了一件足以载入史册的事件——"卷积神经网络之父"杨立昆(Yann LeCun)创立的AMI Labs完成了10.3亿美元种子轮融资，创下欧洲科技创业公司种子轮融资的最高纪录。这个数字不仅令人咋舌，更值得玩味的是投资方名单：英伟达、贝索斯家族基金、淡马锡，以及万维网之父Tim Berners-Lee等科技巨头。这些正是当前大语言模型(LLM)浪潮的最大受益者，如今却集体押注一位公开宣称"LLM是死胡同"的叛逆者。
这绝非简单的资本游戏。作为Meta(原Facebook)前首席AI科学家，杨立昆在过去的12年里见证了深度学习从边缘走向主流，也亲历了LLM的爆发式增长。但与其他AI领袖不同，他始终坚信：仅靠文本训练的大模型永远无法实现真正的智能。这次创业，是他用真金白银下的赌注——世界模型(World Models)才是通向AGI(通用人工智能)的正确路径。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 世界模型 vs LLM：两种AI路线的根本分歧
2.1 LLM的先天局限
大语言模型在过去三年席卷全球，从ChatGPT到Gemini，这些系统展现出了惊人的语言能力。但它们有一个与生俱来的缺陷：所有的"知识"都来自文本训练数据。就像一个从未离开过图书馆的学者，LLM能流畅地讨论"苹果落地"的物理现象，却从未真正体验过重力。
这种局限体现在几个关键方面：
- 缺乏物理直觉：无法理解物体之间的相互作用力
- 因果推理薄弱：难以预测动作带来的连锁反应
- 时空概念模糊：对三维空间和时间的认知停留在符号层面
2.2 世界模型的本质突破
世界模型采取了截然不同的训练路径。它不依赖文本语料，而是通过视觉、听觉、触觉等多模态传感器直接学习物理世界的运作规律。其核心能力是预测：给定当前状态和动作，预测下一时刻的世界状态。
这种范式与人类婴儿的学习过程惊人地相似：
- 通过感官输入建立对物理世界的基本认知
- 在互动中发现因果关系（如"推倒积木会发出声响"）
- 形成对物体持久性、重力等物理规律的内在理解
关键区别：LLM学习的是语言统计规律，世界模型学习的是物理规律。前者擅长对话，后者擅长行动。