（關注公眾號設為標，獲取AI深度洞察）

全文 6,000字 | 閱讀約24分鐘

在剛剛落幕的2025英偉達GTC大會上，一場關于AI未來發展路徑的激烈辯論引爆了整個技術社區。Meta首席AI科學家、圖靈獎得主Yann LeCun與英偉達首席科學家Bill Dally在主會場的對談環節中，針對"類人AI發展路徑"展開了前所未有的思想碰撞。

當Bill Dally委婉地詢問LeCun對當前主流大語言模型是否能在3-5年內實現類人智能時，現場氣氛瞬間凝固。LeCun直言不諱地表示："類人AI確實比許多人想象的更近，但目前整個行業都走在一條錯誤的道路上。"隨后，這位被譽為卷積神經網絡之父的科學家詳細闡述了為何現在的大語言模型雖然表現出色，卻本質上是個"華麗的預測機器"，無法真正理解物理世界、缺乏持久性記憶，更無法進行真正的推理和規劃。

"所有人都在為一場錯誤的競賽投入數十億美元，"LeCun毫不留情地指出，"無論你把大模型規模擴大多少倍，用再多的數據訓練它，現有架構的固有缺陷都無法突破。真正的突破需要全新的思路。"

文稿整理

主持人Bill Dally：大家好，我們今天就來隨意聊聊一些關于 AI 的話題，希望你們會覺得有意思。

嘉賓Yann LeCun：好的，

一、當前AI發展的看法

Bill Dally：Yan，在過去一年里，AI 領域發生了很多有趣的事情。在你看來，過去這一年里最讓你激動的進展是什么？

Yann LeCun：其實太多了，不過我可以提一件可能會讓一些人驚訝的事：我對大型語言模型（LLM）的興趣已經沒有那么大了。它們的階段已經相對成熟，正在被各種產品團隊用來做一些邊際上的改進，比如更多數據、更多算力、用模型自己生成的合成數據等等。但對我來說，有其他四個問題更吸引人：

• 1、如何讓機器真正理解物理世界——黃仁勛在今早的主題演講里也提到了這個問題。

• 2、如何讓機器具備持久性記憶（persistent memory）——很少有人討論這個。

• 3、如何讓機器學會推理（reason）和規劃（plan）。

• 4、當然，現在也有人想讓 LLM 去做推理，但我認為那種嘗試還非常初級，遠遠不夠。

對我而言，目前最令人興奮的東西，其實是那些也許要再過五年才會被業界廣泛重視的學術論文里說的東西。眼下它們看起來似乎有點“曲高和寡”，可我覺得它們才是未來所在。

Bill Dally：如果我們想要一個不會在“語言”層面去做推理、理解物理世界、擁有持久記憶，還能做規劃的系統，那么底層的模型應該是什么樣的呢？

Yann LeCun：現在很多人都在研究所謂的“世界模型（world model）”。所謂“世界模型”，就是我們大腦里都有的那種內部模型。比如你知道，如果我從瓶子頂端推它，它可能會翻轉；如果我從底部推，它可能會滑動；如果我用力過猛，它可能會彈起來。我們對現實世界有很多認知，這些認知都是在生命最初的幾個月里學到的。正是因為有了這些內在模型，我們才可以在世界中行動自如。而要讓機器像人一樣掌握這些東西，可比處理純語言要難多了。

因此，我認為真正能應對現實世界的系統架構，跟我們現在用在 LLM 上的那些完全不同。現在的 LLM 都是在預測下一個“token”（離散符號），可世界是連續的、高維度的，預測“token”并不適合拿來做物理世界建模。

Bill Dally：可我們也經常聽到人們用“token”去處理視覺，比如“vision transformer”之類，它們的效果似乎也不錯啊。

Yann LeCun：我不是說不能用 Transformer。我是說，如果你想讓機器真正理解世界，就不能只做簡單的“下一個離散符號”預測，尤其是用來處理視頻之類的連續數據的時候。重構像素級或者離散 token 級的視頻效果都很差，因為真實世界里存在太多不可預測的細節，模型會在那些其實無法預測的像素上浪費大量算力。反觀另一種思路：我們可以只在抽象層面做預測，而不是在原始像素層面。這稱之為“joint embedding predictive architecture”，簡稱 JEPA。做法是：把視頻或者圖像輸入到一個編碼器里，讓它輸出一個抽象的表征；然后把同一個視頻的后續部分（或者經過某些擾動、掩蓋的版本）也輸入另一個編碼器，再讓模型去預測后者在抽象空間里的表征會是什么，而不是去預測具體像素。這種方法要高效得多，因為它不需要在細節不可預測的地方浪費資源。

Bill Dally：如果我們想要一個能在物理世界中“采取行動”的智能體，那它必須要有一個預測器：給定當前世界狀態和一個假想的動作，預測執行這個動作之后會發生什么，這樣才能規劃出實現目標的那條行動路徑。可現在大多數做“推理”的 LLM，其實是用大規模隨機生成，然后再從一堆序列里選一個最優解，類似隨機寫代碼再做篩選的做法。這你怎么看？

Yann LeCun：是的，我覺得這種“先隨機生成大量token，再用第二個模型去評分篩選”的辦法實在太粗糙了。如果哪天有人要寫個很短的程序，或許可以用這種方法，但程序稍微一長，搜索空間就會爆炸，根本沒法做。

二、AI的未來發展

Bill Dally：現在很多人都在說 AGI（或者你稱之為 AMI——Advanced Machine Intelligence）“快要來了”。你對此怎么看？到底還有多遠？

Yann LeCun：我不喜歡“AGI”這個說法，因為很多人用它指代“具有人類水平智能的系統”，可人類智能其實相當“專一化”，說它“通用”并不準確。所以我更愿意用“AMI”（高級機器智能）。我覺得那種會構建物理世界模型、擁有持久記憶、會推理和規劃的系統，我們大概會在三到五年里先在小規模上搞出一些眉目，然后再花時間把它做大、做強，最終或許能到達類似人類的智能水平。歷史上一波又一波的 AI 研究者，一發現新范式就會說：“再過五年、十年就能做出超越人類的通用智能！” 已經 70 年了一直都是這樣，每過十年就有一波。現在這波熱潮里也有人這么說，但我認為還是錯誤的。純靠規模化 LLM 或者大規模生成加篩選 token 來沖擊所謂“人類水平”，這根本不現實。但并不是說它會無限遠。也許十年之內，AI 在許多任務上會變得很強，甚至有人說它能像一群博士一樣工作，這些可能在一些具體應用上有道理。但若你說要在所有領域都全面超越人類，那還遠遠不夠。

Bill Dally：AI 的應用已經在很多方面改善人們的生活，比如醫療、交通等。你覺得哪些應用是最能造福人類的？

Yann LeCun：顯而易見就是在科學和醫學領域的應用，我覺得這會比我們現在想象的還要重大。從蛋白質折疊到藥物設計，再到對生命機制的研究，都很有前景。再比如，醫療影像里就大量用到深度學習，現在做乳腺 X 光檢測、MRI 重建，甚至只是減少病人在 MRI 里停留的時間，都已經依賴 AI。在交通方面，很多汽車現在都配備了駕駛輔助、自動緊急制動等系統，在歐洲是強制要求的。它們能減少 40% 的碰撞概率，就能挽救許多生命。這些都不是生成式 AI 或 LLM，而是感知類的深度學習。當然，LLM 也有它的價值，能應用到不少產品或服務中，但在真正部署時，需要達到某種可靠度，尤其在安全和責任要求高的場景，比如自動駕駛，你必須非常精確才行，這比人們想象的要難，也要花更長時間。但如果場景對錯誤率沒有那么苛刻，比如有人類在做復查，或者只是娛樂、教育，那就更容易發揮價值，也能很快提升生產力。

Bill Dally：是的，在對安全性有極高要求的自動駕駛上面，一點差錯就很嚴重，但在一些其他領域只要整體上能帶來好處，就值得去做。談到“讓人類變得更高效”這個角度，的確有不少這類輔助應用，比如程序員的代碼生成工具。如果它不能代替人類也無所謂，只要它能讓人更有效率就好，對吧？

Yann LeCun：完全同意。現在最實用的就是提高效率，讓人類能夠擁有“更強力的工具”。要說取代人類，目前我覺得多數情況下還是“不可能”，更可能的是把那些工作方式改變，讓我們成為決策者。換句話說，未來我們會擁有一批比我們更聰明的“虛擬員工”為我們服務；我很喜歡和比我聰明的人一起工作，這種感覺最好了。

Bill Dally：AI 也有潛在的負面用途，比如深度偽造、虛假信息傳播等，還可能帶來各種情感傷害。你最擔心的是什么？我們該如何應對這些風險？

Yann LeCun：在 Meta，我們對安全和對抗攻擊非常熟悉。令人驚訝的是，直到現在，我們也沒有看到人們大規模用生成式 AI 去攻擊社交平臺，或者用深度偽造在平臺上大肆搞破壞。并不是說沒有這種內容，而是我們還沒有看到一個大規模泛濫、令所有人都束手無策的局面。回想 2022 年秋季，Meta 有個小團隊做了一個叫 Galactica 的大型語言模型，它訓練了幾乎所有能搜集到的科學文獻。我們當時開源了代碼，也寫了長文介紹原理，還在線上放了一個可以試玩的 demo。結果很多人在社交媒體上怒斥，說這會毀掉科學交流體系，“現在任何傻子都能用它寫一篇看似專業的論文，宣揚吃碎玻璃的好處”，之類的負面評價。那個小團隊被嚇得連覺都睡不好，最后索性把 demo 下線了，但保留了代碼和論文。當時我們就想：“世界還沒準備好接納這種技術，大家都不感興趣。”結果三周后，ChatGPT 出來了，人們卻好像迎接救世主一樣狂熱贊美。我們都懵了，不明白為什么此前 Galactica 遭到全面的口誅筆伐，可 ChatGPT 就成了香餑餑，OpenAI 自己似乎也對這種現象感到意外。很多時候，這只是公眾的認知和印象問題。回到你說的風險，我覺得對付風險的手段同樣是更好的 AI。至于那些極端“世界末日”論調，我不太信。歷史上很多技術也都被預測會給世界帶來毀滅，但人類都會慢慢適應。

三、技術挑戰與展望

Bill Dally：你是一個在歐洲和美國都有生活的人，對全球視角可能比較敏銳。你認為未來的 AI 創新主要會來自哪里？

Yann LeCun：全球各地都有聰明人，好點子可以來自世界任何地方，沒有人能壟斷創新。要想有好創意，你需要和不同的人交流，這也是為什么我一直倡導開源平臺、倡導共享代碼。過去十幾年，我們在深度學習上之所以能突飛猛進，很大程度就是因為大家的互相交流和互相貢獻代碼。一個生動例子是 2015 年在微軟亞洲研究院北京實驗室完成的 ResNet 工作。這篇論文是過去十年全科學領域被引用次數最多的論文，作者是一批中國科學家，第一作者是何愷明（Kaiming He）。后來他到 Meta 的 FAIR 部門工作了八年，現在到 MIT 當教授了。你看，這就是創新會到處流動的例子。

Bill Dally：那像 Meta 的開源策略——比如說 Llama，你們花了大量資源去訓練、微調，再免費開源給所有人用。這樣做的利弊是什么呢？

Yann LeCun：如果你的公司純粹想靠“賣模型”來掙錢，那肯定不愿意開源。但如果你像 Meta 或 Google 這樣有其他收入來源，比如廣告，那么你的目標就不是直接在 LLM 上賺錢，而是要把它融入你的產品，或者推動產業生態發展，吸引全球人才共建。事實就是，大家都在做開源，大家都在發論文，碰撞想法，各種工具也都越來越開放。你如果想去壟斷，那基本上難以持久。開源給整個領域打下很好的生態環境。就像當年 PyTorch 出來之后，加速了無數項目，Llama 出來以后也是一樣。

從更宏大的角度看，我們最后會需要各種不同的“大模型”，因為世界那么多語言、文化、價值觀、政治立場，不可能靠一兩個封閉大模型就囊括所有需求。所以我們必須要有一個開放的平臺，讓世界各地的人都能在上面搭建自己的“助手”，就像我們需要一個多元的媒體環境，而不是所有人都只看同一家媒體的新聞，否則這對民主是有害的。這就需要開源來保證多元化。另外，有了開源，你還可以在自己公司里拿到模型回來做私有微調，比如有些數據你根本不想上傳到別人服務器，這些在開放模型上都能輕松實現。所以開源在商業上也很有吸引力。

Bill Dally：我印象很深的是，黃仁勛在主題演講中舉了一個例子，說用一個“代理式（agentic）”的 LLM 幫忙規劃婚禮座位，會在推理階段跑許多推斷迭代，這個過程其實是把算力更多地用在“推斷時的搜索”，而不是把一切都擠進訓練階段。你怎么看訓練和推斷之間的這種取舍？

Yann LeCun：我同意黃仁勛所說的“在推斷階段進行推理”會非常重要。不過，我對目前 LLM 用“多次生成 + 搜索篩選”那種做推理的方式還不太認可，因為人類真正的“推理”并不是在離散 token 上完成的，而是在大腦某個抽象空間里完成的。比如想象一個立方體漂浮在你面前，然后讓它圍繞垂直軸旋轉 90 度——這不是靠語言符號來思考的。貓也會在跳躍前想象軌跡，去推理能否跳到某個家具上，這明顯也不是“憑語言”完成的。所以我認為我們需要的是一種新架構，讓系統能在內部的表征空間里做推理，而不是在輸出 token 這一步完成所有推理。我們把這種結構稱為“JEPA 世界模型”，也就是前面提到的那種 joint embedding predictive architecture。它能讓機器在抽象的表征層面去理解物理世界，并做計劃、推理。

Bill Dally：你之前說，這套思路可能需要更強的硬件支持。過去十年來，GPU 在深度學習訓練和推理方面的性能提升了 5,000 到 10,000 倍；再加上集群擴展，算力就更夸張。你覺得接下來會發生什么？還需要什么？

Yann LeCun：我們確實需要越來越強的硬件，尤其是如果我們要做那種基于“抽象世界模型”的推理。在心理學里有“系統一”和“系統二”的概念：系統一負責已經熟練化、可自動化的任務，而系統二則涉及比較費腦子的推理、規劃。對一個新手司機來說，最初幾小時開車，你要動用“系統二”去仔細琢磨每一個動作，可老手開車則依賴“系統一”，幾乎是下意識完成。所以我設想的智能體，也需要先用“系統二”去做抽象推理，但做同樣的事情多了，就會把它編譯進類似“策略網絡（policy）”里，下一次就能直接反應，不用每次都調動推理能力。現在多數的 LLM 都只做“系統一”，有的努力想往“系統二”那邊擴展，但我覺得最終還是需要更“正統”的系統二架構。

Bill Dally：也有不少人想做類腦硬件，比如脈沖神經網絡（SNN），或者模擬大腦突觸的模擬電路，你覺得這些會替代或補充 GPU 嗎？

Yann LeCun：短期內我不看好。上世紀 80 年代末和 90 年代初，我在貝爾實驗室就是在做模擬電路的神經網絡，當時試了各種模擬、混合模擬-數字的方案，最終還是數字 CMOS 走到了現在，已經形成了極為成熟的技術生態，讓其它路徑追趕非常困難。即便是大腦，其實在神經元間的通訊也是離散的“脈沖”式，只有在非常微小的生物里才是模擬信號。再加上硬件復用的問題——模擬芯片無法“多次復用”去跑不同的模型，就需要大量芯片拼接，得不償失。當然，你要是做特別小的設備，比如一款超級低功耗的微控制器，拿來給吸塵器或割草機做一點視覺感知，那也許還有一些空間。但整體來看，大規模通用 AI 計算還是離不開當前的數字芯片。

四、量子計算

Bill Dally：那你對其他新技術，比如量子計算或超導計算怎么看？它們能在 AI 上帶來重大突破嗎？

Yann LeCun：超導我不是很了解，不敢下定論。光學技術我見證過好多代了，從 80 年代開始就有人在說用“光學計算”來實現神經網絡，但都沒能真正落地。量子計算我也比較懷疑，除了用來模擬量子系統（比如量子化學）這種非常特定的場景外，我看不出它對通用計算或者 AI 推理有多大幫助。

Bill Dally：你一直強調，要讓 AI 學會像嬰兒那樣從觀察中學習，這對硬件需求可不小。你覺得我們還需要哪些關鍵突破？

Yann LeCun：主要還是要找到對的訓練方法。在卷積神經網絡從沒法穩定訓練，到后來大家熟練掌握各種技巧（比如殘差連接、Adam 優化、合適的激活函數、正則化等等）之間，花了好長時間摸索，才有了如今的成功。自然語言處理也經歷過類似過程，從最初的“去噪自編碼器”方法（如 BERT）到后來的 GPT 風格，才出現了指數級的進步。我們現在對 JEPA 這種架構的訓練還沒有非常成熟的“完整配方”。一旦有了合適的技巧，讓我們可以大規模訓練、穩定收斂，而不會出現各種崩潰或無效，那就會迎來又一次巨大飛躍。

Bill Dally：我們現在收到提示，說時間快到了。在結束前，你還有什么想跟大家分享的嗎？

Yann LeCun：我想再次強調，AI 的進步、乃至于發展到所謂“人類水平智能”，不太可能是“某個時刻一蹴而就”，而會是持續不斷的累積過程，需要全球各地研究者的貢獻。不會出現那種“有人在暗中做研究，突然在某一天放出一個毀天滅地的超級智能”這種事。如果真有一天出現了“比人更聰明的 AI”，我們也不會在一小時內就被滅絕，因為這不可能是一個瞬間事件，而是一個漸進過程。與此同時，我們要認識到，這種大規模的進步需要更多的人才和開放協作，包括開源平臺、大規模訓練等等。最后，在未來，我們會有各種各樣的 AI 助手，真正融入我們的日常生活，也許通過智能眼鏡或者別的穿戴設備時刻陪伴我們。我們就像他們的“老板”一樣——讓這些比我們聰明的系統為我們干活。大家都會變成“管理者”，是不是有點可怕（笑）？但事實就是，我們大多數人并不排斥與比自己更聰明的人共事，這其實挺好的。

Bill Dally：哈哈，那我們就以這個愿景為結束語吧。非常感謝你帶來的深度見解，希望以后還能和你繼續交流。

Yann LeCun：謝謝，謝謝大家！

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=UYnm_h6EPFg

排版：Atlas

編輯：深思

主編：圖靈