杨立昆辞职Meta创立AMI Labs，完成10亿美元融资挑战现有AI范式

图灵奖得主的新赌注：离开Meta，押注"世界模型"

2026年3月，一则震动AI学术界和投资圈的消息同时传来：图灵奖得主、"深度学习三巨头"之一的杨立昆（Yann LeCun），在2025年11月正式卸任Meta首席AI科学家职务后，以其新创立的**Advanced Machine Intelligence（AMI Labs）**完成了超过**10亿美元**（约合人民币77亿元）的种子轮融资。

本轮融资估值**35亿美元**，被业界确认为**欧洲创业公司有史以来最大的种子轮融资**纪录。

这不是一笔普通的创业投资——它代表着全球AI研究圈对"现有AI路径的根本性反思"投下了信任票。

为何离开Meta？一场酝酿已久的分道扬镳

杨立昆在Meta任职超过十年，主导建立了Meta AI研究院（FAIR），并将其打造为全球顶尖的AI基础研究机构之一。但近年来，他与主流AI发展路径之间的分歧日益公开化。

杨立昆长期公开质疑以GPT系列为代表的自回归大语言模型：他认为这类模型本质上是"文本压缩机"，具有高度的统计模式匹配能力，却缺乏真正的因果推理、物理直觉和自我规划能力。他曾在多次公开演讲中明确表示：

> "大型语言模型永远无法实现人类级别的智能，因为它们缺少对世界的内在模型。"

在Meta内部，随着"Avocado"等项目越来越强调短期内与GPT-5、Gemini竞争，以及资源向应用层倾斜，杨立昆坚持的基础研究方向获得的支持日益减少。2025年中期，多名知情人士透露，杨立昆与Meta AI部门领导层就技术路线产生了重大分歧。

2025年11月，杨立昆正式宣布离职，并随即创立AMI Labs，选址巴黎（总部）、纽约、蒙特利尔和新加坡四地。

AMI Labs的核心使命：世界模型

AMI Labs成立的核心使命，是构建杨立昆多年来反复倡导的**"世界模型"（World Models）**。

"世界模型"是一种与当前主流大语言模型（LLM）存在根本性差异的AI架构理念。用杨立昆自己的话来解释：

> "人类婴儿不需要阅读海量文本就能理解'玻璃掉落会碎'、'不能把积木推到墙外'。这种对物理世界的直觉，来自于大脑对现实的内在建模——这正是LLM所缺少的。"

对比两种范式的核心差异：

主流LLM（GPT/Claude/Gemini类）

• 学习方式：通过预测海量文本中的下一个词来学习
• 知识形式：统计相关性，擅长模式匹配
• 局限：缺乏因果推理，无时序感知，分布外泛化能力弱
• 能耗：极高，需要千亿参数级模型和海量算力

AMI的世界模型目标

• 学习方式：通过与环境的主动交互，建立对物理和社会规律的内在表示
• 知识形式：因果结构，支持跨域推理和规划
• 目标：真正的跨领域泛化，能在新环境中快速适应
• 长期目标：接近人脑的能耗效率

技术底座：JEPA架构的大规模延伸

AMI Labs的技术路线，建立在杨立昆在Meta FAIR期间提出并验证的**联合嵌入预测架构（Joint Embedding Predictive Architecture，JEPA）**之上。

JEPA的核心创新在于：让AI在**抽象的嵌入空间**（而非像素或词元空间）中进行预测，从而迫使模型学习世界的结构性规律，而非表面特征。这一架构在计算机视觉领域已经展现出显著的数据效率优势——相比传统方法，JEPA需要少得多的标注数据就能达到竞争性性能。

AMI Labs的目标，是将JEPA扩展到多模态感知、时序预测和行动规划等维度，最终构建一个能够在开放环境中**自主学习新技能**的智能系统——无需针对每项任务重新进行大规模训练。

AMI Labs的技术白皮书（摘要版）提出了一个大胆的五年目标：开发出第一个能够在真实物理环境中通过少量交互习得复杂操作技能的AI系统。

投资者阵容：硬件巨头+科技传奇+主权资本

10亿美元融资背后，是一个反映AMI Labs战略定位的多元投资者组合：

科技巨头与硬件企业

• **NVIDIA**：全球AI芯片霸主，押注下一代AI计算范式的基础研究
• **Samsung**：在端侧AI和传感器领域的战略布局
• **ARM Holdings**：边缘AI芯片架构的潜在技术合作

科技界传奇人物

• **Jeff Bezos**（通过Bezos Expeditions）：亚马逊创始人的个人投资
• **Eric Schmidt**：前Google CEO，长期AI战略投资人
• **Mark Cuban**：科技企业家兼NBA达拉斯独行侠队老板
• **Tim Berners-Lee**：万维网发明者，个人背书意义深远

机构与主权资本

• **Temasek**：新加坡主权财富基金，战略意义重大（对应新加坡研究中心）
• **Cathay Innovation**：中法双边科技基金
• **HV Capital、Daphni、Hiro Capital、SBVA**：欧洲及亚洲顶级风投

值得特别关注的是，本轮融资**没有美国科技巨头（Google、Microsoft、Amazon）**参与。多名分析师将此解读为AMI Labs有意保持技术独立性和战略自主性的明确信号——Anthropic背后有Google，OpenAI背后有Microsoft，而AMI Labs则选择了"去巨头化"的融资结构。

欧洲AI主权的旗帜

AMI Labs的融资，被欧洲政界和产业界广泛解读为欧洲AI主权建设的重要里程碑。

法国政府对此给予了高调支持。马克龙总统在社交媒体发文，称AMI Labs的融资是"欧洲科技雄心的有力证明"，并强调法国AI生态系统的培育是国家战略的核心。巴黎大区政府也宣布，将为AMI Labs在巴黎总部提供一系列税收优惠和研究资源支持。

这一背景并非偶然。欧洲长期面临AI人才和资本外流的困境——欧洲培养的顶尖AI研究员，往往最终流向硅谷或加入Google DeepMind的英国团队。杨立昆选择以巴黎为总部，对欧洲AI生态具有重要的标志性意义。

英国《金融时报》评论称，AMI Labs的出现填补了欧洲在**基础AI研究**领域的空白——Mistral AI代表了欧洲的应用型LLM路线，而AMI Labs则代表了欧洲在更基础、更长期的AI研究方向上的战略押注。

争议：世界模型，下一个圣杯还是学术乌托邦？

并非所有人都对AMI Labs的愿景抱有同等信心。

主要质疑声音：

"架构优势尚未验证"：JEPA在视觉任务上的优势已有实验支持，但能否真正扩展到开放世界的多模态推理和规划，目前缺乏可靠实证。批评者认为，从视觉预测到"理解物理世界"之间存在巨大的概念跳跃。

"五年目标极度乐观"：五年内实现在开放环境中自主学习新技能，被多名AI研究界人士评价为"比AGI更难实现的目标"，因为它要求的不仅是性能突破，更是范式层面的革命。

"算力鸿沟依然存在"：构建世界模型所需的算力和数据规模，可能并不比训练GPT-5量级的LLM少。在算力获取上，欧洲相比美国仍有系统性劣势。

"竞争对手并非无备"：Google DeepMind、OpenAI等公司实际上也在进行世界模型相关研究，并非没有竞争力量。AMI Labs的先发优势仅限于学术品牌和创始人声望，而非技术壁垒。

支持方的反驳：

支持者则指出，杨立昆的学术权威使他能吸引到真正信仰这一路径的顶尖研究人才；欧洲的监管环境和数据使用规范反而可能有助于构建更可信、更可解释的训练数据集；即便世界模型的完整愿景难以在五年内实现，JEPA相关技术突破也可能在机器人、自动驾驶、具身智能等高价值领域产生巨大应用价值。

对行业格局的潜在影响

顶尖人才的吸引力测试

AMI Labs宣布将首年招募500名研究员和工程师，在巴黎、纽约、蒙特利尔、新加坡四地同步扩张。这将直接与Meta FAIR、Google DeepMind欧洲团队、及Mistral AI竞争欧洲最稀缺的AI研究人才，预计将进一步推高欧洲AI人才市场的薪酬水平。

长期主义资本的示范效应

10亿美元种子轮的示范效应，可能引发新一轮对"基础研究型AI公司"的资本关注。在过去两年"AI代理""AI应用层"几乎垄断投资叙事的背景下，AMI Labs提供了一种更长期、更基础、风险更高但潜在回报也更大的投资逻辑。

开源承诺

杨立昆明确表示，AMI Labs将延续其一贯的开源理念，部分研究成果将以开源形式发布。这可能在欧洲掀起新一波面向世界模型和非LLM路径的开源研究浪潮。

结语：一场关于AI正确路径的豪赌

杨立昆和AMI Labs的故事，在当前AI行业的脉络中，是一个独特的存在。

当整个行业都在"更大的模型、更多的数据、更快的迭代"轨道上全速狂奔时，AMI Labs选择了停下来，问一个更根本的问题：**这条路，真的能通向智能的本质吗？**

10亿美元，是这个问题得到的答案——至少有一批最聪明、最有资源的人相信，这个问题值得认真去答。

世界模型是否会成为AI的下一次范式革命？这个答案，我们可能需要等待五年、十年乃至更长时间。但它代表的精神——不满足于现有范式，敢于在确定性之外寻找更深的真相——或许本身就是AI研究最宝贵的驱动力。