杨立昆首谈AMI Labs路线图：先发论文，再做工业，最终瞄准机器人

近日，图灵奖得主、深度学习先驱杨立昆在法国媒体专访中披露其创办的AMI Labs的世界模型商业化路线：先发表科学论文，再进入工业应用，最终瞄准家庭机器人、自动驾驶等需与现实世界交互的智能系统。离开Meta约半年后，公司仍处技术研发阶段，短期内无明确产品发布计划。团队约50至60人，分布在巴黎、纽约、蒙特利尔和新加坡，已开始接触潜在客户与合作伙伴。总部设在巴黎，选择全球化布局，因硅谷研究者和资本过度集中于大语言模型。联合创始人谢赛宁坦言，硅谷大多数人并不相信该路线，但世界其他地方大多相信。今年3月，公司完成约10.3亿美元种子轮融资。

技术上，杨立昆延续2022年提出的联合嵌入预测架构（JEPA），通过学习抽象表征预测现实世界中可预测的变化，而非完整生成每个细节。今年3月提出LeWorldModel，约1500万参数，单张GPU数小时可完成训练，部分控制任务规划速度相比基于大型基础模型的世界模型最高提升约48倍。10月5日公布H-JEPA研究，在Visual AntMaze任务中三层模型成功率达73%，远高于单层模型的18%。这些成果仍处研究验证阶段。

杨立昆认为，大语言模型虽有用，但难以构建真正理解现实世界、预测行动后果的系统；AI智能体常无法准确判断操作结果。他将大语言模型比作传统单体帆船，世界模型则像水翼多体帆船，是研究范式变化。大语言模型主要提炼人类知识，数学和编程因结果可验证是例外；现实世界复杂，如自动驾驶无需预测每片树叶轨迹，JEPA通过抽象表征过滤无关细节，聚焦影响决策的信息。

商业化方面，最早成果以科学论文为主，随后通过行业合作伙伴部署企业级智能系统，重点面向工业过程控制，采用B2B模式，已接触法国工业企业等潜在客户，部分合作伙伴也是投资者。发电厂、涡轮喷气发动机、化工厂等配备大量传感器，可通过机器学习建立预测模型，提前识别异常、预测故障、优化运行。世界模型可视为自动化构建数字孪生模型的方法，无需逐一描述物理过程。该思路在生物医学也有潜力，如建立患者身体状态模型预测药物效果。AMI Labs已与医疗AI公司Nabla合作，Nabla前CEO亚历山大·勒布伦现任AMI Labs CEO。自动驾驶、物流配送机器人和家庭机器人被视为中长期方向。

机器人是更长远目标，杨立昆拒绝给出时间表。他认为判断机器人进展不能只看演示视频，而要看是否真正理解物理世界并灵活执行操作，如家庭机器人应知道推瓶子可能使其滑动或倾倒。目前不少企业包括大量中国企业正在开发家庭机器人，但如何获得足够可靠的智能仍是未解决问题。