图灵奖得主杨立昆最新演讲：生成式AI 是一条死胡同，世界模型才是真正的未来

本文来自微信公众号： AGI 2050 ，作者：AGI 2050，原文标题：《图灵奖得主杨立昆最新演讲：生成式 AI 是一条死胡同，世界模型才是真正的未来》1956年盛夏，达特茅斯学院的那场学术研讨会，正式开启了人类探索“人工智能”的历史。七十年后，在这座见证AI诞生的礼堂里，图灵奖得主、纽约大学教授、Meta前首席AI科学家、AMI Labs创始人兼董事长杨立昆（Yann LeCun）获颁“AI七十年杰出贡献奖”。获奖后，杨立昆发表了长达一小时的演讲。演讲中他指出，通用智能的真正钥匙不在语言里，而在对物理世界的抽象建模中。他系统性阐述了基于“联合嵌入预测架构”（JEPA）的分层世界模型，呼吁整个行业彻底推倒现有范式，迈向由真实物理常识驱动的下一代自主机器智能。本期内容来自达特茅斯学院AI@70大会，2026年10月29日演讲，原视频时长64分钟。以下为精选演讲内容，全文约7600字，阅读时长约5分钟。今天，我想聊聊AI的未来，也会穿插谈谈现状与历史。我的核心判断是：AI若想取得实质突破，必须依赖全新的理论概念。现有的技术路线根本没有解决问题。尽管硅谷一些极其乐观的CEO天天高调吹捧，但我们距离真正的人类水平智能——也就是某些人所谓的AGI——还差得十万八千里。我很讨厌AGI这个说法，稍后我会解释原因。至于“什么必须保留给人类”这类哲学问题，除非待会儿提问环节有人专门问起，否则我今天就不展开回答了。一、现在的AI到底有多弱？开门见山地说：目前的AI其实很差劲。过去七十年里，我们确实让机器变得更聪明、更实用。现在的系统能写代码、能过司法考试、能在国际奥数竞赛中拿金牌，甚至能证明悬而未决数十年的数学难题。可我们的家务机器人呢？L5完全自动驾驶汽车又在哪里？一个都没有。这恰恰说明：现有AI能熟练处理离散符号、语言、代码和数学，可一旦面对真实物理世界，便立刻手足无措。真实世界复杂、混乱且充满噪声，当前的AI架构对此基本束手无策。它根本无法消化图像、视频、音频这类高维连续信号。虽然有些系统能处理一部分图像或声音，但所用技术完全不能同日而语。当前各家AI公司的标准做法，无非是在大语言模型（LLM）周围生搬硬套各种外挂模块：加个工具调用插件，焊上几个视觉编码器，再拼装一层语音识别。LLM依旧稳居核心。我们手里根本没有一种通用的学习机制，能让系统自主理解高维、连续且混乱的现实信号。再看那些所谓的智能体。它们主要依赖“模仿学习”来复刻人类行为，动辄需要吞下海量样本，或者依赖算力堆砌的模拟环境。更致命的是，它们完全不具备预判自身行为后果的能力。这在现实中极其危险——如果你连自己迈出一步会导致什么都无法预判，便随时可能闯下大祸而不自知。这引出了一连串问题：为什么AI无法在没有海量训练样本的情况下，零样本解决新问题？为什么机器至今没有常识？答案很简单：语言是高度抽象、被高度简化的符号，而真实世界极其复杂。别说达到人类智能了，如今的机器人连猫狗对物理世界的理解水平都达不到。一个十岁小孩第一次听大人吩咐就能把餐桌收拾利落，没有任何AI能做到这一点。自动驾驶领域积累了人类数十亿小时的行车视频，照理说用神经网络模仿人类驾驶早该成功了，但事实证明，纯粹的“模仿学习”在这条路上彻底走不通。目前最先进的自动驾驶依旧卡在第四级（L4），必须依赖特定区域、严苛工程系统、高精地图以及激光雷达的辅助，根本实现不了全场景通用的L5自动驾驶。我们一再撞上“莫拉维克悖论”——这是机器人专家汉斯·莫拉维克在1988年提出的洞见：对人类和动物极其简单的本能，对AI而言宛如天堑；反倒是人类觉得极难的事情，AI处理起来轻而易举。这就逼着我们重新审视一个根本问题：究竟什么是智能？我们日常接触各类AI助手，很容易产生它们具有智能的错觉。但实际上，除了在编程和纯数学领域偶有亮点，它们并不算真正聪明。它们擅长的是知识检索与记忆拼贴——囤积海量的陈述性知识，并在恰当时候“反刍”出来。可记忆不等于智能。有一句流传甚广的话算在发展心理学家皮亚杰名下，其实他本人从没明确这么说过，但这确实是他的意思：“智能，不是看你掌握了多少既有知识，而是看你面对完全未知的境况时如何应对。”我很喜欢这句话。当你身处全新境遇，没有任何历史训练数据供你照搬，你必须调动全部心智去推理、去寻找破局路径。现在的AI只会把已有知识“反刍”出来，除了代码、数学这类很窄的领域，并不能真正创造新知识。因此，衡量智能的尺度，绝不该是一堆技能列表，也不该是回答问题的流利度，而是系统学习一项新技能或掌握新任务的速度——甚至能否无需预先训练，直接零样本搞定。再来看看人类和动物是如何学习的。人类婴儿在出生后几个月内便能迅速建立起对世界的基础认知。两个月大时，婴儿就能区分生物与非生物，并懂得“物体恒存”的概念；他们很早就明白桌子与椅子的类别差异，即…