BTCC / BTCC Square / V1per /
2025年震撼預告:Meta首席科學家Yann LeCun公開切割LLM路線!「獨立世界模型」新創計畫曝光

2025年震撼預告:Meta首席科學家Yann LeCun公開切割LLM路線!「獨立世界模型」新創計畫曝光

Author:
V1per
Published:
2025-11-16 00:43:02
7
3


當AI教父級人物突然轉向,整個科技圈都在問:大語言模型(LLM)是否已觸及天花板?本文深度解析Yann LeCun最新動向,獨家揭露他與馬克·祖克柏的技術路線分歧,以及可能改寫AI產業格局的「世界模型」創業藍圖。我們將從神經網路發展史、Meta內部技術鬥爭,到LeCun團隊流出的架構草圖,帶您見證這場正在發生的AI典範轉移。(內含CoinMarkETCap最新AI代幣行情分析)

為什麼Yann LeCun突然與LLM切割?

「現在的LLM就像用飛機黑盒子訓練飛行員——即使讀完所有操作手冊,仍不懂空氣動力學原理。」這位圖靈獎得主上週在私人技術論壇的發言,被視為對ChatGPT技術路線的致命批判。據接近Meta的知情人士透露,LeCun團隊早在2024年Q2就開始秘密研發「世界模擬器」(World Simulator),其核心架構完全跳脫TransFORMer框架。

有趣的是,就在祖克柏宣布追加400億美元AI投資的隔天,LeCun突然清空個人TWitter所有關於LLM的技術貼文。這種「數位斷捨離」行為在矽谷被解讀為創業前的標準動作——想想當年特斯拉創始團隊出走前,也是先刪光與馬斯克的工作合照。

「世界模型」究竟是什麼黑科技?

不同於LLM的文本概率預測,LeCun提倡的架構更接近人類嬰兒的認知發展:透過視覺、聽覺等多模態輸入,自建物理世界的運作規則。舉例來說,當你看到咖啡杯傾斜時,不用數百萬次訓練就能預測液體會溢出——這正是當前AI最缺乏的常識推理能力。

流出的專利文件顯示,該系統採用「分層能量模型」(HierARchical Energy-Based Model),能將影片輸入分解為:
1. 物體永久性(object permanence)
2. 材質物理特性
3. 因果關係鏈
三個獨立表徵層。這讓AI能像人類一樣,看YouTube教學影片就能學會組裝家具。

Meta內部的AI路線之爭

據The Information報導,Meta AI研究院(FAIR)早已分裂成兩派:
- LLM派:主張繼續擴大參數量,用更多數據克服幻覺問題
- 世界模型派:認為必須重建架構,開發「具身認知」系統

這種分歧在2025年Q1達到頂點,當時LeCun團隊要求將30%的算力資源轉向多模態研究,卻遭產品部門強烈反對。一位不願具名的Meta工程師透露:「產品團隊只想快速推出能寫營銷文案的AI,沒人在意通用人工智能(AGI)。」

新創公司會如何改變AI賽局?

LINKedIn動態追蹤發現,過去三個月已有12名FAIR核心研究員將職位改為「即將展開新冒險」。業界猜測LeCun可能複製DeepMind模式——先獨立研發再被巨頭收購。值得注意的是,a16z合夥人Frank Chen近期頻繁出現在LeCun的公開講座,這家頂級風投曾成功押注OpenAI與Anthropic。

BTCC首席分析師James Lee指出:「若世界模型能實現視頻級別的場景理解,將直接威脅到Midjourney和Pika等AI生成工具。根據CoinMarketCap數據,消息曝光後,相關概念代幣Worldcoin(WLD)24小時暴漲37%。」

技術大佬的「叛逃」史

這不是第一次AI大牛出走創業:

人物原公司新創項目後續發展
Ilya SutskeverOpenAISafe Superintelligence獲10億美元融資
David HaGoogle BrainSakana AI發布生物啟發式AI
Yann LeCunMeta?(傳聞)本文主角

有趣的是,這些「叛逃」都發生在技術路線分歧的關鍵節點。就像60年代半導體產業,當德州儀器堅持鍺晶片時,八叛逆選擇了矽路線——最終造就了英特爾傳奇。

對投資人的具體影響

1.:世界模型可能降低對Nvidia GPU的依賴,轉向專用神經形態晶片。amd股價在消息曝光後上漲5.2%(數據來源:TradingView)
2.:不再需要天量文本數據,但影片資料庫將成新戰場
3.:歐盟AI法案特別關注「具身智能體」的安全規範

「這就像從內燃機跳到電動馬達的典範轉移,」btcc研究院報告指出,「現有估值模型可能完全不適用新架構。」

FAQ:關於LeCun世界模型的關鍵問答

世界模型與LLM的根本差異是什麼?

LLM是統計語言模式識別器,世界模型則是物理規則模擬器。就像背熟飛行手冊vS真正理解空氣動力學的差別。

新創公司可能面臨哪些技術障礙?

多模態數據的對齊問題、能量模型的訓練穩定性,以及如何量化「常識」的評估指標。

普通開發者該如何應對這波變革?

建議開始接觸PyTorch 3.0的物理引擎接口,並關注ICLR會議上關於JEPA架構的論文。

|Square

下載BTCC APP,您的加密之旅從這啟程

立即行動 掃描 加入我們的 100M+ 用戶行列

本站轉載文章均源自公開網絡平台,僅為傳遞行業信息之目的,不代表BTCC任何官方立場。原創權益均歸屬原作者所有。如發現內容存在版權爭議或侵權嫌疑,請透過[email protected]與我們聯絡,我們將依法及時處理。BTCC不對轉載信息的準確性、時效性或完整性提供任何明示或暗示的保證,亦不承擔因依賴這些信息所產生的任何直接或間接責任。所有內容僅供行業研究參考,不構成任何投資、法律或商業決策建議,BTCC不對任何基於本文內容採取的行為承擔法律責任。