Yann LeCun 新公司 AMI Labs 获 10 亿美元融资：世界模型能否成为 AI 下一个风口？
融资新闻速递
图灵奖得主、深度学习先驱 Yann LeCun 离开 Meta 后创立的 AI 公司 AMI Labs 近日完成了 10.3 亿美元 的巨额融资，投前估值达到 35 亿美元。这笔融资由 Cathay Innovation、Greycroft、Hiro Capital、HV Capital 和 Bezos Expeditions 联合领投，参投方包括 NVIDIA、Samsung、Temasek、Toyota Ventures 等产业资本，以及 Tim Berners-Lee（万维网发明者）、Mark Cuban、Eric Schmidt 等知名投资人。
值得注意的是，AMI Labs 最初计划融资 5 亿欧元，但最终超额认购至 8.9 亿欧元（约合 10.3 亿美元），显示出资本市场对”世界模型”概念的强烈信心。
什么是世界模型？
世界模型（World Models）是 Yann LeCun 近年来大力倡导的 AI 新范式。与当前主流的大语言模型（LLM）不同，世界模型的核心目标是 让 AI 理解真实世界的运行规律，而不仅仅是学习语言模式。
当前 LLM 的局限性
LeCun 多次公开指出，现有大语言模型存在根本性缺陷：
- 幻觉问题：LLM 会生成看似合理但完全错误的信息，这在医疗、法律等高风险领域可能是致命的
- 缺乏因果推理：LLM 擅长模式匹配，但难以理解因果关系和物理规律
- 无法规划：LLM 难以进行多步骤推理和长期规划
JEPA 架构：世界模型的技术核心
AMI Labs 的技术基础是 LeCun 在 2022 年提出的 JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）。JEPA 的核心思想是：
- 预测表征而非像素：不直接预测下一帧图像的像素，而是预测抽象表征
- 多尺度预测：在不同时间尺度和抽象层次上进行预测
- 自监督学习：无需人工标注，从视频等连续数据中自主学习世界规律
这种架构理论上可以让 AI 像人类一样，通过观察世界来学习常识和物理规律，而不是仅仅记忆训练数据中的统计关联。
为什么现在是世界模型的时机？
行业趋势
AMI Labs 并非唯一押注世界模型的创业公司。近期该领域融资活跃：
- World Labs（李飞飞创立）：2026 年 2 月单轮融资 10 亿美元，专注于 3D 世界模型
- SpAItial：2025 年 5 月完成 1300 万美元种子轮融资，是欧洲 AI 初创公司中罕见的大额种子轮
AMI Labs CEO Alexandre LeBrun 预测：“我的预测是’世界模型’将成为下一个流行词。六个月后，每家公司都会自称是世界模型公司来融资。”
产业资本的押注
AMI Labs 的投资人名单反映了产业界对世界模型的期待：
- NVIDIA：GPU 巨头，AI 算力的核心供应商
- Samsung、Toyota：消费电子和汽车制造商，期待世界模型在机器人和自动驾驶中的应用
- Nabla：数字医疗初创公司，将成为 AMI Labs 的首个合作伙伴
AMI Labs 的商业化路径
长期主义策略
与典型的 AI 初创公司不同，AMI Labs 不急于商业化。LeBrun 明确表示：
“AMI Labs 是一个非常雄心勃勃的项目，因为它从基础研究开始。这不是那种可以在三个月内发布产品、六个月内产生收入、12 个月内实现 1000 万美元年度经常性收入的典型应用型 AI 初创公司。”
世界模型从理论到商业应用可能需要数年时间，但 LeBrun 认为这是必要的投入。
首个合作伙伴：Nabla
AMI Labs 已宣布与数字医疗公司 Nabla 合作，后者 LeBrun 目前担任 CEO。选择医疗领域作为切入点很有战略意义：
- 高风险场景：医疗领域的幻觉问题可能导致生命危险，世界模型的准确性优势明显
- 数据丰富：医疗记录、影像数据等提供了丰富的学习素材
- 商业价值：成功的医疗 AI 应用具有巨大的市场潜力
开放研究承诺
尽管是商业公司，AMI Labs 承诺将保持开放研究传统：
- 发表论文：随着研究进展持续发表学术论文
- 开源代码：大量代码将开源，建立研究社区和生态系统
LeBrun 曾在 Meta 的 FAIR 实验室工作，他相信”开放能让事情发展得更快”。
团队阵容：顶级研究者云集
AMI Labs 汇聚了 AI 领域的顶尖人才：
- Yann LeCun：董事会主席，图灵奖得主，深度学习三巨头之一
- Alexandre LeBrun：CEO，连续创业者，曾创立 Wit.ai（被 Facebook 收购）
- Laurent Solly：COO，前 Meta 欧洲副总裁
- Saining Xie：首席科学官，纽约大学助理教授，计算机视觉专家
- Pascale Fung：首席研究与创新官，香港科技大学教授，AI 伦理专家
- Michael Rabbat：世界模型副总裁，麦吉尔大学教授
团队将在四个地点招募人才：巴黎（总部）、纽约（LeCun 在 NYU 任教）、蒙特利尔（Rabbat 所在地）和新加坡（靠近亚洲客户）。
世界模型 vs 生成式 AI：技术路线之争
AMI Labs 的融资成功反映了 AI 行业对当前技术路线的反思。生成式 AI（尤其是 LLM）在过去三年取得了巨大成功，但其局限性也日益显现：
| 维度 | 生成式 AI（LLM） | 世界模型 |
|---|---|---|
| 学习方式 | 从文本中学习统计模式 | 从多模态数据中学习世界规律 |
| 推理能力 | 模式匹配，缺乏因果理解 | 支持因果推理和规划 |
| 幻觉问题 | 严重，难以根除 | 理论上可大幅减少 |
| 应用场景 | 内容生成、对话、代码 | 机器人、自动驾驶、科学发现 |
| 商业化进度 | 成熟，已有大量产品 | 早期，需长期投入 |
对开发者的启示
虽然世界模型距离大规模应用还有距离，但开发者可以提前关注：
- 学习 JEPA 架构：理解世界模型的基本原理，为未来技术转型做准备
- 关注多模态学习：世界模型依赖视频、传感器等多模态数据，相关技能将更有价值
- 参与开源社区：AMI Labs 承诺开源代码，早期参与可能带来技术优势
- 思考应用场景：哪些场景需要 AI 理解物理规律而非生成内容？机器人、自动驾驶、科学模拟等
结语：AI 的下一个十年？
Yann LeCun 曾多次表示，当前 AI 的发展仍处于”婴儿期”，真正的智能需要 AI 理解世界而不仅仅是语言。AMI Labs 的 10 亿美元融资是资本市场对这一愿景的投票。
无论世界模型最终能否成为 AI 的主流范式，这种对基础研究的投入和对开放科学的坚持，都值得行业尊重。对于开发者而言，保持对新技术的敏感度，同时脚踏实地解决实际问题，或许是最好的应对策略。
参考资料：