OptAI®
ZH

文章 世界模型

难的不是语言

杨立昆的新公司融资 10.3 亿美元,要造世界模型。李飞飞和谷歌 DeepMind 也在做。下一代 AI 光读懂句子不够,还得看懂厨房。

浅蓝色背景上,一只玻璃杯正在倾倒,溅出的水定格在半空

语言模型是靠阅读来了解世界的。这是一条绝妙的捷径,让它们走得出奇地远。可它也让模型在一杯水面前莫名地束手无策。一个能讲解流体力学的模型,没法可靠地预测杯子倾倒时水往哪里流,因为它从没看过杯子倾倒。世界模型就是要补上这个缺口:让 AI 学会物理世界如何运转,在行动之前就能预测这个动作会带来什么结果。

杨立昆讲这个道理已经好些年了,听众往往更想听聊天机器人。2025年11月,他表示将离开 Meta,去巴黎创办 Advanced Machine Intelligence Labs。此前他在 Meta 领导 AI 研究十多年。2026年3月,AMI 以 35 亿美元的投前估值融资 10.3 亿美元,是欧洲公司有史以来最大的一笔种子轮融资。公司称,它要做的 AI 从现实中学习,而不只是从语言中学习。

造一个世界的三种办法

他并不孤单。李飞飞打造了 ImageNet,由此帮助开启了深度学习热潮;2024年9月,她创办的 World Labs 公开亮相。2025年11月,World Labs 推出首款商业产品 Marble,能把文字、照片或视频变成持久存在、可编辑、可导出的 3D 世界。2026年2月,World Labs 又融资 10 亿美元。谷歌 DeepMind 走了另一条路:2025年8月展示的 Genie 3,只要用一句话描述一个地方,就能生成一个可交互的世界,你可以在里面实时移动,每秒 24 帧,几分钟内保持一致。自2026年1月起,美国的 Google AI Ultra 订阅用户可以在名为 Project Genie 的原型里试用,每次 60 秒。

三者路数不同。杨立昆要的模型,先学会世界如何运转,再据此做计划。他提出的 JEPA 架构在对感知内容的抽象表示里做预测,不逐个 token 生成。World Labs 构建显式的 3D 空间。DeepMind 逐帧生成世界。三者有一个共同信念:要在物理世界里行动的 AI,需要一个关于这个世界的内在模型,就像孩子远在会说这些词之前,就知道球会滚、蛋会碎。

为什么实验室之外也该关心

世界模型听起来还停留在研究阶段,但它们进入企业会比想象的快。AMI 把工业、机器人和医疗列为首批领域。一台能在行动前预测结果的机器,可以在仿真中训练,出错更少,也能在人身边工作。如今大多数机器人只会重复别人编好的动作。有了世界模型,它们才能应付那只不在昨天位置上的杯子。

它们还需要互联网上没有的数据:物体在真实的手里如何表现,包括受力、打滑和破碎。这些数据得先采集下来。

我们在做什么

OptAI® 的实验室两头都在做:一头是世界模型和把预测变成动作的世界动作模型,另一头是它们学习所用的数据。现在还早,很多尝试会失败。但方向是清楚的。语言之所以容易,是因为我们早已把它全写了下来。世界,得演示给它们看。

资料来源

  1. TechCrunch: Yann LeCun's AMI Labs raises $1.03 billion to build world models, 9 March 2026
  2. Futurum: Yann LeCun's AMI raises $1bn seed round
  3. heise: World model instead of LLM, Yann LeCun's startup receives 890 million euros
  4. Maginative: World Labs emerges from stealth with $230 million, 13 September 2024
  5. SiliconANGLE: World Labs launches Marble, 12 November 2025
  6. World Labs: Marble, our frontier multimodal world model, 12 November 2025
  7. World Labs: Funding, 18 February 2026
  8. Google DeepMind: Genie 3, a new frontier for world models, 5 August 2025
  9. Google: Project Genie, experimenting with infinite, interactive worlds, 29 January 2026

更多文章