"我们不会通过大型语言模型（LLMs）实现通用人工智能（AGI）。" 扬·勒昆（Yann LeCun）多年来一直在说这句话。现在他离开Meta来证明这一点。 勒昆发明了卷积神经网络——如今每部智能手机相机和自动驾驶汽车背后的技术。他在2018年获得了图灵奖，AI界的诺贝尔奖。 现年65岁的Meta FAIR研究实验室负责人正在放弃6000亿美元的AI基础设施，反对整个行业：Meta、OpenAI、Anthropic、xAI、谷歌。 @ylecun是谁？他为什么离开，他的下一步行动为何重要？故事是这样的：

Yann LeCun是谁？ - 在1980年代创建了卷积神经网络（CNN）——现在是计算机视觉的基础 - 在贝尔实验室构建了LeNet → 深度学习的第一个大规模应用（银行支票阅读） - 与Hinton和Bengio共同获得图灵奖（2018年） - 2013年加入Meta，创立了FAIR（基础AI研究） - 建立了开放研究的文化：自由发布，发布开放模型 他是深度学习的“教父”之一。

LeCun的核心技术立场 自2022年以来，LeCun一直保持一致：大型语言模型存在根本性局限。它们预测文本模式，但缺乏： - 对物理世界动态的理解 - 持久记忆 - 因果推理 - 目标导向的规划 他著名的类比是：“我们甚至无法重现猫的智力或老鼠的智力，更不用说狗的智力了。” 他提倡“世界模型”——通过观察物理世界而不仅仅是阅读文本来学习的AI系统。这并不是对大型语言模型的无用拒绝，而是认为它们作为通用智能的路径是不够的。

扩展论点：Meta为何不同意 行业的大规模计算投资基于一个观察：更大的模型表现始终更好。GPT-3到GPT-4展示了在规模上出现的能力，而较小的模型完全缺乏这些能力。 赌注：如果仅靠扩展就能达到AGI，那么谁建立最大的基础设施，谁就赢。 LeCun的反驳：规模改善文本预测，而不是实际推理或对物理世界的理解。

Meta的组织变革 2013–2024：FAIR在相当大的自主权下运作 - 公开发布，获得了大量计算资源，保持学术文化 2025年4月：Llama 4发布，评价褒贬不一 - 基准测试未能与GPT-4.5、Gemini 2、DeepSeek-R1相匹配 - 有报告称内部施加压力以加快进度 Meta的领导层得出结论，他们需要重组AI工作。

2025年夏季：Meta启动激进的人才招聘 - 首席执行官马克·扎克伯格亲自拜访位于帕洛阿尔托和湖塔霍的研究人员 - 签约奖金高达2亿美元（来自苹果的庞若铭） - 从OpenAI、DeepMind、苹果、Anthropic招募 - 重点转移：从长期研究转向更快的商业部署

2025年6月：亚历山大·王的举动 Meta投资143亿美元获得Scale AI（数据基础设施公司）49%的股份。 将创始人亚历山大·王（28岁）引入担任首席AI官，领导新的“Meta超级智能实验室”。 关键背景： - 王将Scale AI从数据标注初创公司发展到290亿美元的估值 - 与主要AI实验室（OpenAI、谷歌、国防部）有广泛的关系 - 以运营执行而非学术研究而闻名 这改变了Meta AI组织的报告结构。

组织重组（2025年6月至8月） Meta 创建了 "Meta 超智能实验室"（MSL），设有四个部门： 1. 下一代模型（待定实验室） 2. FAIR（基础研究） 3. 产品与应用研究 4. 基础设施 FAIR 被整合到更广泛的结构中，失去了一些之前的自主权。 一些重视 FAIR 学术文化的研究人员离开了： - Joelle Pineau → Cohere - 2025年10月裁减约600个职位

前所未有规模的基础设施投资 2025年资本支出：660亿–720亿美元 主要项目： - Prometheus（俄亥俄州）：1吉瓦集群，2026年 - Hyperion（路易斯安那州）：多吉瓦设施 长期：Meta计划在2028年前投资6000亿美元用于AI基础设施。 这代表了行业对扩展当前架构的最大赌注——LeCun公开质疑的做法。

2025年11月：LeCun的计划离职 根据消息来源： - 计划在未来几个月内离开 - 针对世界模型初创公司的早期筹款讨论 - 预计研究时间线为10-20年 - 专注于替代架构而非扩展现有架构 这意味着将放弃访问： - 6000亿美元的计划基础设施 - 130万GPU部署 - 世界上最大的AI计算资源之一

接下来会发生什么 在1980年代到1990年代，LeCun在这个领域已经放弃神经网络时仍然坚持使用它们。他的逆向赌注成为了今天AI革命的基础。 现在他又在进行另一个逆向赌注：认为扩展会遇到根本限制，而真正的智能需要理解物理世界，而不仅仅是预测文本。 Meta、OpenAI和谷歌正在押注超过6000亿美元，认为他错了——当前的架构可以仅通过规模达到AGI。 LeCun的技术判断会再次证明是先见之明，还是扩展者会赢？ 答案将定义下一个十年的AI。