【热评】“LLM是死路“！Meta前AI首席杨立昆创业新方向，AI程序员必看的技术革命

杨立昆批评 Meta 内部对研究的管理思维，特别指出管理者不应干涉研究者的工作。

关键点一：杨立昆批评汪滔「缺乏研究经验」，并强调「不应命令研究者该做什么」，指出管理思维与科研文化的落差加深了内部张力。

关键点二：杨立昆称 Llama 4 的部分结果曾被美化（fudged），而祖克柏对此非常不满，进而「对所有相关成员失去信心」，并「边缘化整个 GenAI 组织」。

关键点三：面对 Meta 将 AI 研发重心放在大型语言模型（LLM），杨立昆重申 LLM 对「超级智能」是一条死路，并把重心转向他主张的 Advanced Machine Intelligence 路线。

AI 先驱杨立昆（Yann LeCun，Meta 前首席 AI 科学家）在《金融时报》专访直言，Meta 重金延揽的 Scale AI 共同创办人汪滔「研究实务经验不足」，并预测 Meta 的 AI 团队还会有人离开；他也点名 Llama 4 的评测曾被美化，是让祖克柏（Mark Zuckerberg）对原 GenAI 团队失去信心的关键。

杨立昆并在专访中重申，大型语言模型（LLM）不是通往「超级智能」的答案。

杨立昆于 2013 年加入当时的 Facebook／Meta AI 研究院（FAIR），并于 2025 年 11 月宣布将于年底离开 Meta，创办新公司Advanced Machine Intelligence（AMI Labs）。

究竟促使他离开一待 12 年的岗位，有何关键原因？对此，杨立昆的答案是：留在 Meta「在政治上变得很困难」。

▍内部路线碰撞：「LLM 派」彻底掌权

杨立昆认为，Meta 的新 AI 团队「完全被 LLM 洗脑」，而他对超级智能的看法与主流押注 LLM 的路线愈行愈远。他语气坚定指出：

「我很确定 Meta 里有很多人，可能包括 Alex（汪滔），希望我不要到处跟大家说 LLM 在通往超级智慧的路上是条死路。但我不会因为某个人觉得我错了就改变想法。我没有错。我作为科学家的诚信不允许我这样做。」

也因为 Meta 新团队「过度押注 LLM」，与杨立昆主张的更广义机器智能路线分歧加深，因此他预期，Meta 的 AI 部门仍会出现更多人事流动。

2025 年 6 月，Meta 以 140 亿美元投资 Scale AI，并延揽其 28 岁共同创办人汪滔（Alexandr Wang）领导新设的 Superintelligence Labs。汪滔短暂成为杨立昆的上级，但他淡然说：

「我习惯跟年轻人共事。当年 Facebook 工程师的平均年龄是 27 岁，我是平均年龄的两倍。」

汪滔（右）接受 Theo Von 播客节目专访。图／Alexandr Wang X

而当记者追问「那些 27 岁的人没有指挥你做事」时，杨立昆补上一句更直白的界线：

「Alex 也没有告诉我该做什么。你不会告诉一个研究员该做什么。你当然更不会告诉像我这样的研究员该做什么。」

杨立昆在专访中提到，汪滔的优点是「学得快、知道自己不知道什么」，但也强调研究文化与经验的缺口：

「但他没有研究经验，不知道怎么做研究，也不知道什么东西会吸引或排斥研究员。」

▍Llama 4 争议：评测「美化」后的信任危机

杨立昆谈到 Meta 开源旗舰 Llama 模型的演进：Llama 2 的开源权重曾是产业「分水岭」，但 2025 年 4 月推出的 Llama 4 表现低于期待，且被质疑在基准测试上动了手脚。

对此他直言：

「结果确实被动了一点手脚。」

团队在不同基准上使用不同模型以取得更好成绩。后果是严重的：

「Mark（祖克柏）非常生气，基本上对所有参与这件事的人失去了信心。所以基本上把整个生成式 AI 部门都边缘化了。很多人已经离开了，还没离开的人也会离开。」

对于 LLM，杨立昆的批评不在「无用」，而在其「本质受限于语言」。若要走向人类等级智慧，系统必须理解物理世界的因果、可预测性与长时记忆。

为此，杨立昆提出以影片与空间数据为基础的世界模型路线，代表性架构是 V-JEPA，目标是让模型在没有语言的情境中学会对世界的内隐规则进行预测与推理，进一步具备规划能力与持久记忆。

他用直觉例子说明：

「如果我捏你，你会感到痛。然后你对我的心智模型会受到影响。下次我的手靠近你的手臂时，你会退缩。那就是你的预测，而它唤起的情绪是恐惧或对疼痛的回避。」

杨立昆预期「12 个月内会看到婴儿版的世界模型」，并在几年内有望出现更大规模应用。

「这还不是超级智慧，但它是一条通往超级智慧的路。也许有我们还没看到的障碍，但至少有希望。」

杨立昆强调。

▍创业新章：Advanced Machine Intelligence Labs

杨立昆的新公司命名为Advanced Machine Intelligence Labs，由 Nabla 共同创办人 Alex LeBrun 出任执行长，他则担任执行董事长。

杨也坦承不当 CEO 的原因：

「我是科学家，是愿景家。我可以激励人们研究有趣的东西，我很擅长判断什么技术会成功或失败。但我不能当执行长。我太没组织了，而且太老了！」

目标：增加世界的智慧总量

1960 年出生于巴黎郊区的杨立昆，早年受《2001 太空漫游》触发对「智慧如何产生」的着迷，父亲的工程师与发明家气质让他迷上拆解与组装。

1980 年代在「AI 寒冬」中，他仍坚持神经网络研究，与 Geoffrey Hinton、Yoshua Bengio 一起奠基深度学习，并在 2018 年共同获得图灵奖。

当时被问到想留下的遗产时，他毫不迟疑：

「增加这个世界的智慧总量。」

他补上一句带有使命感的评语：

「智慧真的是我们应该拥有更多的东西……我们正在因为愚蠢而受苦。」

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。