近日，AI界传来重磅消息：图灵奖得主、Meta首席AI科学家Yann LeCun即将离职。这一事件不仅标志着Meta内部AI战略的重大调整，更折射出当前人工智能领域关于技术路线的深刻分歧。LeCun作为深度学习奠基人之一，其离职背后是LLM（大语言模型）与“世界模型”两种AI发展路径的激烈碰撞，值得我们深入分析。
LeCun离职的直接导火索，是Meta内部AI组织架构的剧烈变动。今年夏天，年仅28岁的Alexandr Wang被任命为Meta首席AI官，成为LeCun的上司。Wang是大语言模型的狂热支持者，其上任标志着MetaAI战略重心向LLM快速产品化倾斜。与此同时，Meta还任命了另一位首席科学家赵晟佳（Shengjia Zhao），职位同样在LeCun之上。官方公告特别强调赵晟佳在scaling（规模化）方面的突破，而这恰恰是LeCun近年来公开质疑的方向。
Meta的AI部门组织架构一直颇为奇特，分为多个独立团队。上个月，Meta超级AI实验室裁掉数百人，包括10年老将田渊栋，这是半年内第四次AI业务调整。曾由LeCun领导、以自由探索著称的FAIR（基础AI研究）部门，如今经历了裁员、预算缩水，内部影响力明显下降。取而代之的是由Wang主导的新AI研究部门，目标明确：快速落地、产品化优先。这种转变让坚持基础研究的LeCun逐渐边缘化。
LeCun对当前主流LLM路线的批评，是其离职的深层原因。在MIT的一次研讨会上，65岁的LeCun直言：“我在硅谷、包括Meta的很多角落都不太受欢迎，因为我一直在说，3到5年内，世界模型将成为主流AI架构，没人再会愿意用现在这种LLM。”他认为，无论科技巨头如何扩大规模，当前的大语言模型都是“强弩之末”，是一条“岔路、干扰，一条死胡同”。
这种观点源于LeCun对AI本质的深刻理解。他投身AI研究40年，职业生涯跨越贝尔实验室、纽约大学和Meta。在贝尔实验室期间，他参与开发手写识别技术，该项目后来被广泛应用于银行支票自动读取。2018年，他与Geoffrey Hinton、Yoshua Bengio共同获得图灵奖，表彰三人在神经网络方面的奠基性工作。正是这样的学术背景，让他对AI发展有着独到判断。
LeCun倡导的“世界模型”与当前LLM有本质区别。所谓世界模型，类似小动物或婴儿那样，通过视觉等感知数据主动学习世界规律；而LLM只是依赖海量文本做预测的模型。LeCun估算，如果让人去读完LLM训练所需的所有文本，大概得花10万年。但人类学习的主要方式并不是读文本——我们从与世界的互动中获取的信息要多得多。一个普通的四岁小孩接触过的数据量，是目前最大LLM的50倍。大部分人类知识其实不是语言，因此纯文本训练的LLM永远不可能达到人类水平的智能。
为此，LeCun提出了“目标驱动的AI”（objective-driven AI）作为替代方案。这种系统的构建宗旨是完成人类设定的特定目标，与仅靠纯文本数据驱动不同，它们通过传感器和视频数据训练来认知物理世界。这种架构更接近人类智能的形成过程，能够处理不确定性、进行因果推理，并具备常识理解能力。
Meta的战略转向反映了整个行业的焦虑。在OpenAI的GPT系列、谷歌的Bard等模型取得商业成功后，科技巨头纷纷押注LLM赛道。扎克伯格在7月宣称“超级智能已近在眼前”，Meta用天价薪酬从对手那里挖角顶尖AI专家，全力推进Llama等大语言模型产品化。这种急功近利的氛围，让坚持长期主义、探索不同技术路径的LeCun感到格格不入。
LeCun的离职可能开启AI研究的新篇章。据报道，他正在与业内同行商议创办公司、寻找投资，组建专注世界模型的团队。这让人想起他2013年加入Facebook（当时还未更名Meta）时的情景——扎克伯格亲自邀请他组建全新的AI实验室。如今，65岁的LeCun可能再次踏上创业征程，将他40年的AI研究积累付诸实践。
这场路线之争的胜负尚未可知。LLM在自然语言处理、内容生成等领域取得了惊人成就，但其局限性也日益明显：缺乏真正的理解能力、容易产生幻觉、无法处理物理世界交互。世界模型虽然理论上更接近通用人工智能，但技术实现难度大，商业化路径不明。LeCun的老朋友Léon Bottou曾评价他“倔强得可爱”——他会听别人意见，但更有自己坚守的信念。这种信念驱动他离开资源无限的Meta，去证明自己的判断。
回顾AI发展史，技术路线的分歧往往推动领域进步。上世纪80年代符号主义与连接主义之争，最终催生了深度学习的复兴。今天LLM与世界模型的对立，可能同样会孕育下一代AI突破。LeCun的离职不是终点，而是新探索的开始。无论他未来的公司能否成功，这种对技术本质的追问都值得尊敬。
对于整个AI行业，LeCun事件提出了深刻问题：在资本压力和商业化浪潮中，基础研究该如何自处？当一种技术路径成为主流，是否应该允许甚至鼓励不同声音？Meta失去的不仅是一位图灵奖得主，更是一种多元探索的可能性。而LeCun带走的，是对AI初心的坚守——不是追逐热点，而是理解智能的本质。
未来几年，我们将看到这两种路线的并行发展。LLM会继续改进，在更多场景落地；世界模型的研究也会加速，可能在机器人、自动驾驶等领域取得突破。最终胜出的可能不是某一种架构，而是它们的融合——结合文本理解与物理认知的混合智能系统。但无论如何，LeCun的离开提醒我们：AI的未来不应只有一种声音。
— 图片补充 —
关注“鲸栖”小程序，掌握最新AI资讯
本文由鲸栖原创发布，未经许可，请勿转载。转载请注明出处：http://www.itsolotime.com/archives/11488