图灵奖得主LeCun创立世界模型AI实验室AMI，完成10.3亿美元种子轮融资创欧洲纪录

图灵奖得主LeCun创立AMI：挑战大语言模型的世界模型之战

2026年3月10日，人工智能领域迎来一则重磅融资消息——图灵奖得主Yann LeCun联合创立的世界模型AI实验室**Advanced Machine Intelligence**（AMI，先进机器智能）正式宣布完成**10.3亿美元种子轮融资**，成为欧洲初创公司有史以来规模最大的种子轮融资，也是全球AI领域近期最引人注目的投资事件之一。

此次融资后，AMI估值达到**35亿美元**，总部位于法国巴黎，将在纽约、蒙特利尔和新加坡设立研发中心，全球化布局由此成型。

---

谁是Yann LeCun？从深度学习先驱到LLM最大质疑者

Yann LeCun是深度学习领域公认的"三巨头"之一，与Geoffrey Hinton、Yoshua Bengio共同于2018年获得计算机科学最高荣誉**图灵奖**，以表彰他们对神经网络与深度学习的奠基性贡献。LeCun长期担任Meta（前Facebook）AI研究总监，是卷积神经网络（CNN）的奠基人，其研究直接催生了今天图像识别、自动驾驶等众多应用的技术基础。

然而，近年来LeCun却成为大型语言模型（LLM）最高声别的质疑者之一。他多次公开表示，以GPT为代表的生成式AI架构虽然强大，但本质上是在做「token预测」，这种方式只适合处理离散、低维的任务，无法真正理解世界——尤其无法应对现实物理世界的连续性、噪声和高维复杂性。

LeCun的核心论断：LLM理解不了真实世界

LeCun将自己的批评浓缩为一个关键论点：

> "生成架构通过自监督学习模拟智能，但它们并不真正理解世界。预测token固然强大，却只在离散、低维任务中表现最佳，比如信息检索、文本摘要、编程和数学。但工厂、医院和在开放环境中运行的机器人需要的AI，是能够把握现实的AI。而现实是不可被token化的——它是连续的、嘈杂的、高维的。"

这一判断促使他在离开Meta后转向创业，创立AMI，以实际行动为他长期倡导的「世界模型」路线押注。

---

什么是世界模型？超越LLM的下一代AI范式

「世界模型」（World Model）这一概念并非新鲜事物，但近年随着AI应用场景向具身智能、机器人、自动驾驶延伸，重新引发广泛关注。

与大语言模型不同，世界模型的目标不是预测下一个token，而是构建一个内在的**世界表征**——能够理解空间、物理规律、因果关系，并在此基础上进行推理、规划和行动。简单来说，世界模型让AI像人一样「想象」——在脑海中模拟不同场景的后果，再选择最优行动路径。

世界模型的核心能力

• **三维空间理解**：理解物体的位置、形状和运动，而非仅处理文字或图片
• **因果推理**：理解"如果我这样做，会发生什么"
• **规划能力**：在采取行动前，在内部模拟多种可能性
• **泛化能力**：面对从未见过的场景，也能依据物理常识作出合理判断

AMI CEO Alexandre LeBrun对此有一个颇为自信的预言："我预测'世界模型'将成为下一个行业流行词。六个月内，每家公司都会自称世界模型公司来融资。"

---

10.3亿美元：明星阵容的巨额押注

此次种子轮由多家知名机构联合领投，投资者阵容可谓星光熠熠：

领投方

• **贝佐斯探险**（Bezos Expeditions）——亚马逊创始人Jeff Bezos的个人投资机构
• **Cathay Innovation**——欧美亚跨境风险投资机构
• **Greycroft**——专注消费与技术的美国知名VC
• **Hiro Capital**——专注游戏和数字体育的欧洲VC
• **HV Capital**（前Holtzbrinck Ventures）——欧洲老牌互联网投资机构

跟投方

• **英伟达**（NVIDIA）
• **三星**（Samsung）
• **丰田创投**（Toyota Ventures）
• **淡马锡**（Temasek）
• 个人投资者：前谷歌CEO **Eric Schmidt**、互联网企业家 **Mark Cuban**

英伟达与三星的入局尤为引人注目——这两家公司分别是AI芯片和硬件生态的核心玩家，其战略投资意味着他们看好世界模型在具身AI、边缘计算等硬件密集型场景中的潜力。

---

AMI与LLM路线的本质差异

理解AMI的意义，需要将其放在更大的AI发展叙事中来看待。

自2022年ChatGPT横空出世以来，生成式AI的主旋律一直是「做更大的语言模型」——更多参数、更多数据、更长上下文。OpenAI、Anthropic、Google、Meta等巨头在这条赛道上投入数以千亿计的资金，构建起以Transformer架构为核心的LLM生态。

但随着模型规模不断扩大，边际收益递减的信号也愈发明显。模型在考试、编程、文本分析等任务上表现出色，但在需要真正理解物理常识、进行长程规划的场景中仍频繁出错。这正是LeCun所批评的本质局限。

两种路线的对比

| 维度 | LLM路线 | 世界模型路线 |

|------|---------|------------|

| 核心任务 | Token预测 | 世界表征建模 |

| 输入形式 | 文本/图像/音频（离散化后） | 连续、多模态、三维输入 |

| 推理方式 | 自回归生成 | 内部模拟+规划 |

| 典型应用 | 聊天机器人、代码生成 | 机器人、自动驾驶、具身AI |

| 代表机构 | OpenAI、Anthropic | AMI、World Labs |

值得注意的是，AMI并非孤军奋战。斯坦福AI教授**Fei-Fei Li**（李飞飞）创立的**World Labs**也在世界模型赛道上深耕，并于2月底完成10亿美元新一轮融资。世界模型已从学术探讨走向资本竞技场。

---

首个合作伙伴：医疗AI Nabla

AMI宣布的首个合作项目来自医疗领域。CEO Alexandre LeBrun曾创立并领导医疗AI公司**Nabla**，后者专注于临床文档自动化和医患交互AI。

这一合作并非偶然——医疗场景对AI的要求极高：需要理解复杂的物理-生理因果关系，处理连续生理信号，并在高风险环境中作出可靠判断。这恰恰是世界模型理论上的优势所在，也让AMI的第一步落地显得颇具说服力。

---

影响与展望

AMI的成立和巨额融资，在AI业界引发的不仅是对融资金额的讨论，更是对**AI技术路线**的深层反思。

如果说过去三年是「LLM竞赛」的时代，那么2026年开始或许将是「路线之争」正式打响的年份：以Transformer和token预测为基础的生成式AI，与以世界建模和物理推理为核心的世界模型AI，将在接下来的五到十年中展开真正的较量。

LeCun本人对此保持乐观而清醒的态度。他并不认为世界模型会在短期内完全取代LLM，而是更倾向于将其视为AI走向真正通用智能的必要补充——让机器不只会「说」，更能「理解」和「行动」。

10.3亿美元的种子轮，既是资本对这一方向的信心投票，也是整个AI行业正在发生深刻范式转移的最新注脚。