在人工智能领域，几乎所有人都在追逐“超级智能”（superintelligence）这一终极目标，但有一位CEO却对此嗤之以鼻。他就是Yann LeCun（杨·勒昆）旗下世界模型初创公司AMI Labs的掌门人Alexandre LeBrun（亚历山大·勒布朗）。在接受媒体采访时，LeBrun直言不讳地表示，他并不认同当前业界对“超级智能”的狂热追捧，认为这一概念被过度炒作，甚至可能误导整个行业的发展方向。
LeBrun的言论在AI圈内引发了不小的震动。作为深度学习先驱Yann LeCun的合作伙伴，AMI Labs专注于构建“世界模型”（world model），这是一种试图让机器像人类一样理解物理世界运行规律的技术路径。与当前主流的基于大语言模型（Large Language Model，LLM）的AI路线不同，世界模型强调对因果关系的建模，而非仅仅依赖海量文本数据的模式匹配。LeBrun认为，真正的智能不在于能够生成多么流畅的文本，而在于能否理解并预测现实世界的动态变化。
“超级智能这个概念本身就有问题，”LeBrun在访谈中表示，“它暗示着一种超越人类认知的、近乎神化的存在，但实际的研究进展却远没有这么浪漫。我们更应该关注如何让AI系统具备常识推理能力，而不是幻想一夜之间造出一个无所不能的‘神’。”他的观点与Yann LeCun长期以来对“自回归语言模型”的批评一脉相承。LeCun曾多次指出，单纯依靠预测下一个词来训练AI，无法真正实现理解世界的目标，甚至可能陷入“统计鹦鹉”的陷阱。
从行业背景来看，近年来围绕“超级智能”的讨论确实呈现出两极分化的态势。一方面，OpenAI、DeepMind等头部公司公开宣称将“安全地实现超级智能”作为核心使命，吸引了大量资本和人才涌入；另一方面，学术界和部分产业界人士则担忧这种叙事会引发不必要的恐慌，或者导致资源过度集中在少数几个技术路线上。LeBrun的立场显然属于后者，但他并非简单的反对者，而是提出了一个更具建设性的替代方案：世界模型。
AMI Labs所探索的世界模型，本质上是一种能够模拟物理世界因果关系的神经网络。与LLM不同，它不依赖预先存储的文本知识，而是通过观察环境、执行动作并接收反馈，逐步建立起对世界的内部表征。这种学习方式更接近人类婴儿的认知发展过程——通过试错来理解物体之间的相互作用。LeBrun认为，只有具备了这种“物理常识”，AI才能真正在现实世界中可靠地执行任务，比如驾驶汽车、操作机器人，甚至进行科学实验。
“当前很多AI系统看起来很聪明，但一旦遇到训练数据中从未出现过的情况，就会犯下低级错误，”LeBrun举例说，“比如一个语言模型可以写出关于苹果的优美诗句，但如果你问它一个苹果从桌子上掉下来会发生什么，它可能无法给出符合物理规律的答案。这就是缺乏世界模型的表现。”他进一步指出，人类智能的核心在于对因果关系的直觉理解，而不仅仅是模式识别。因此，AMI Labs的目标是开发一种能够持续学习、适应新环境的通用智能系统，而非追求某个静态的“超级”水平。
从技术路径上看，世界模型并非全新概念。早在2018年，Yann LeCun就提出了“可预测世界模型”（predictive world model）的框架，强调通过预测未来状态来学习抽象表征。然而，由于计算成本高昂且训练难度大，这一方向在过去几年里并未像LLM那样获得广泛关注。直到最近，随着神经辐射场（Neural Radiance Field，NeRF）和基于能量的模型（Energy-Based Model，EBM）等技术的突破，世界模型才重新进入研究者的视野。AMI Labs的成立，正是为了将LeCun的理论构想转化为可落地的产品。
LeBrun的言论也折射出AI行业内部一条日益明显的分界线：一边是追求“大模型、大数据、大算力”的规模派，另一边是强调“结构化知识、因果推理、物理仿真”的认知派。前者以OpenAI的GPT系列和Google的Gemini为代表，后者则以LeCun、Judea Pearl（朱迪亚·珀尔）等学者的工作为旗帜。尽管目前规模派在商业应用上取得了巨大成功，但认知派认为，这种成功可能只是“浅层智能”的胜利，无法支撑真正的通用人工智能（Artificial General Intelligence，AGI）。
“我不认为超级智能会在未来五年内出现，甚至十年内也未必，”LeBrun预测道，“但如果我们能构建出可靠的世界模型，哪怕只是让AI学会像三岁小孩一样理解物理世界，那也将是革命性的进步。”他透露，AMI Labs目前正在与多家机器人公司合作，尝试将世界模型应用于机械臂的精细操作任务中。初步结果显示，基于世界模型的机器人能够更灵活地应对未知物体的形状和重量，而不需要像传统方法那样进行大量预编程。
值得注意的是，LeBrun的批评并非全盘否定超级智能的探索。他承认，如果有一天人类真的能够实现超级智能，那无疑将改变一切。但他强调，当前更应该脚踏实地，解决“智能如何从物理交互中涌现”这一基本问题。在他看来，与其被“超级”二字所迷惑，不如回归智能的本质——理解世界、适应世界、改造世界。这种务实的姿态，或许正是AI行业在喧嚣中需要的一剂清醒剂。
随着AMI Labs等初创公司的崛起，世界模型这一技术路线正在从学术论文走向产业应用。虽然它距离取代大语言模型的主流地位还有很长的路要走，但LeBrun的言论至少提醒了业界：在追逐星辰大海的同时，不要忘记脚下的路。毕竟，真正的智能，从来不是靠口号喊出来的。
