一場公開演講，LeCun毫不留情揭穿真相：所謂的機器人行業，離真正的智能還遠著呢！這番話像一枚深水炸彈，瞬間引爆了戰火，特斯拉、Figure高管紛紛在線回懟。
人形機器人，也成為了AI圈最大的騙局？
最近在MIT的一場講座中，Meta首席AI科學家LeCun一語道破了機器人界最大的秘密——
這些公司壓根不知道，如何讓機器人變得足夠「聰明」，或是說達到通用智能的程度。
家用機器人的實現，還需要AI領域取得一系列突破。
機器人在工廠里擰螺絲、搬貨等，可通過特定任務訓練實現，但讓它們在家中疊衣服、倒水、理解人的意圖，還很難。
他將這種差距，比作「窄智能」和「通用智能」的鴻溝。
而突破的核心，在於打造一款真正可以規劃的「世界模型」架構，即能夠學習理解和預測物理世界系統。
誰曾想，LeCun這番話再次捅了「馬蜂窩」，直接給這場狂熱潑了一盆冷水，引機器人界大佬上陣怒噴。
特斯拉Optimus AI負責人Julian Ibarz直言，我不同意LeCun的觀點。
在內部，特斯拉對於如何快速實現通用人形機器人，已經有了非常明確的思路。
Yann LeCun一直領先於時代的主流認知，但好像每次都是對的。
在1987年，他在現在的索邦大學（Sorbonne）獲得博士學位，論文英文標題是《Connectionist Learning Models》「連接主義學習模型」。
而在當時，大多數人還在研究專家系統。
在MIT演講中，Yann LeCun回顧了他如何踏上人工智慧研究之路。
他覺得這個想法特別迷人，而且當時他「初生牛犢不怕虎」——
我一直認為，生物學給工程提供了很多靈感。在自然界中，所有活著的東西都有適應能力，只要有神經系統就能學習。
所以，我當時想，也許我們人類沒那麼聰明，構建智能系統最靠譜的方法，可能是讓它自己學會變聰明。
也許，正是這種「愣頭青」的心態讓他走上了機器學習這條路。
他坦言，當時「機器學習」不是AI研究的主流。
由於當時幾乎無人從事相關研究，他一度難以找到博士導師。
之後，他與Geoffrey Hinton合作，隨後進入貝爾實驗室Bell Labs與紐約大學NYU任職。
人工智慧領域在1990至2000年代經歷「寒冬」，但2013年LeCun加入Facebook，創立FAIR（Facebook AI Research），並推動「深度學習」這一術語取代「神經網絡」，標誌著產業界開始系統性地接受這一範式。
順便提一句，Yann LeCun訪問清華大學時，確定了自己的中文名「楊立昆」。
他指出，文本屬於「低頻寬」數據源，「僅靠文本訓練永遠無法實現人類水平智能」。真正的智能來源於高頻寬的感知輸入——視覺、聽覺、觸覺等多模態經驗，而非低維度的離散符號。
他將大語言模型訓練所需的數萬億標記詞元，與兒童處理的海量感官數據進行對比：
四歲兒童通過視覺接收的數據量，已相當於所有公開文本訓練的最大規模LLM的數據量。
他進一步指出，LLM有時雖能提供實用的結果，甚至讓人誤以為其「智商堪比博士」，但這些系統只是「回憶」訓練中的信息。
LLM不具備任何真實意義上的智能——甚至不如一隻貓。
他強調，即便貓的大腦僅含約2.8億個神經元，其對物理世界的理解與行動規劃能力仍遠超當前AI系統。
貓能感知三維空間、判斷物體穩定性、規劃複雜動作，而目前的所有生成式模型恰恰無法企及這些能力。
因此，他真正關注的問題是：如何讓機器學會物理世界的模型？
世界模型，已成為LeCun的代名詞。
對談中，他再次給「世界模型」下了一個定義——
給到一個時刻t的世界狀態，再給定一個智能體可能的動作，預測動作執行後的環境。
就好比，讓一個機器人沖一杯咖啡，它需要想像一系列動作——拿起杯子、倒水、攪拌，並預測每一步的結果。
設想一系列連續的動作，並利用模型預測這些動作所導致的結果。
同時，系統可結合一個「代價函數」（cost function），用於評估特定任務的完成情況。
在此基礎上，可運用優化方法，搜索能夠優化任務目標的最優動作序列，這一過程即為「規劃與最優控制」。
LeCun稱，團隊所採用的「環境動力學模型」完全通過自監督學習的，也是當前方法的核心所在。
實驗已證明，可以用世界狀態的表示——來自現有模型DINO，無論是從零開始學習，還是基於V-JEPA 2等框架，都可以做到這一點。
機器人不用針對特定任務反覆訓練，只需從模擬數據或真實操作中學習「動作-結果」的關係，就能零樣本完成新任務。
這種訓練完全是自監督的。
當系統有足夠好的世界模型，便能「想像」如何完成一個它從未被訓練過的任務。
世界模型，會成為未來AI系統的關鍵組件。
LeCun預測，「未來3-5年內，這會成為AI架構的主流模型」。
這話可讓我在矽谷得罪了不少人，包括某些巨頭公司。
到那時候，但凡頭腦清醒的人，都不會再用現在這種生成式LLM的路子了。
LeCun直言不諱，過去幾年，打造「類人機器人」的初創公司如雨後春筍般湧現。
但行業的一大秘密是——它們還不知道如何讓機器人真正「聰明」到實用級別。
所以很多估值數十億公司的未來，基本上取決於是否能在「世界模型+規劃」的架構上取得顯著進展。
LeCun越說越激動，觀點顯然有些「生猛」。
主持人一聽，馬上話鋒一轉打了個圓場，「沒關係，我們不擔心那些公司。而且說真的，我們非常信奉創業精神」。
Yann LeCun的「冷靜」，與多位行業領袖所鼓吹的激進時間表形成了鮮明對比。
Figure AI表現得尤為激進，其CEO Brett Adcock近期宣稱：
明年就能實現通過語音指令，讓人形機器人在陌生環境（比如從未進入的家庭）完成各類通用工作。
人形機器人擁有40個自由度（關節），可能產生的位姿組合數量甚至超過宇宙原子總數。
Brett Adcock強調「這個問題無法通過編程解決，唯一途徑是神經網絡」。
他將Figure的技術路徑與同行對比，直言某些公開演示只是「戲劇表演」或預設程序。相反，Figure機器人的所有操作都「由神經網絡驅動」。
耐人尋味的是，在一個關鍵問題上的判斷與Yann LeCun不謀而合：他也否認製造業是主要突破方向，並指出「人形機器人當前的競爭焦點在於誰能攻克通用機器人技術」。
雙方的核心分歧似乎在於——這個目標離我們究竟有多近。
與此同時，特斯拉正從另一個角度攻克難題。
馬斯克始終聚焦「極其艱巨」的製造挑戰，指出人形機器人規模量產「所需的供應鏈尚不存在」。
然而專注製造並不意味特斯拉忽視AI難題。
在最近的計算機視覺頂會ICCV，特斯拉AI負責人Ashok Elluswamy詳細介紹了公司的「神經世界模擬器」——一個通過車隊視頻數據訓練的端到端系統。
這種機制使得模擬器可與智能體或策略AI模型形成閉環連接，從而實現對系統性能的精準評估。
獲得OpenAI投資的挪威公司1X Technologies，近期發布了自研「世界模型」。
如圖所示，1X世界模型包含視覺編碼器、動作編碼器、核心網絡，以及視頻與狀態價值解碼器。通過對成功標籤進行監督學習生成的狀態價值預測，可對輸入動作的質量進行量化評估。
1X團隊在現實部署方面的審慎態度與LeCun不謀而合。
執行長Bernt Børnich在播客中坦言，讓機器人進入家庭存在「理想與現實的落差」，指出「現實環境複雜得離譜」，甚至「Wi-Fi連接問題比機器人技術本身更棘手」。
這種務實立場，結合其輕量級肌腱驅動設計所帶來的安全性優勢，暗示著行業清醒認識到：Yann LeCun所說的「突破性進展」仍需要持續探索。
Yann LeCun的警告，最終重新定義了人形機器人競賽的維度：勝利者，或許不屬於推出最炫酷demo或設定最激進量產目標的廠商，而將屬於那個率先攻克機器理解物理世界這一根本性難題的探索者。
全程半小時演講中，還有一個大彩蛋。
Meta血裁AI部門研究員掀全網風暴之外，LeCun卻一直對外撇清自己和Llama的關係。
幾天前，他曾表示，自己並未參與任何Llama項目。
我要坦白！
大概2022年中後期，巴黎一個十來人的小組，決定做一個輕量高效的LLM，結果真做出來了。
沒想到，它後來成為了「主力選手」。
最後，在2023年初，小紮下定決心組建了一個GenAI團隊，也就如今的「超級智能實驗室」（MSL）的前身，主要就是為了把它產品化。
但在技術上，我個人確實沒怎麼插手。
LeCun最後再一次重複——Llama與我無瓜，就差把它寫在臉上了。
現場，主持人再次圓話，「但最後能跑出來的，往往還是『臭鼬工廠』（Skunk Works）這種模式」。參考資料：
https://www.humanoidsdaily.com/feed/meta-ai-chief-yann-lecun-claims-humanoid-firms-lack-path-to-general-ai https://
https://x.com/humanoidsdaily/status/1981623685459972487