一场公开演讲，LeCun毫不留情揭穿真相：所谓的机器人行业，离真正的智能还远着呢！这番话像一枚深水炸弹，瞬间引爆了战火，特斯拉、Figure高管纷纷在线回怼。
人形机器人，也成为了AI圈最大的骗局？
最近在MIT的一场讲座中，Meta首席AI科学家LeCun一语道破了机器人界最大的秘密——
这些公司压根不知道，如何让机器人变得足够“聪明”，或是说达到通用智能的程度。
家用机器人的实现，还需要AI领域取得一系列突破。
机器人在工厂里拧螺丝、搬货等，可通过特定任务训练实现，但让它们在家中叠衣服、倒水、理解人的意图，还很难。
他将这种差距，比作“窄智能”和“通用智能”的鸿沟。
而突破的核心，在于打造一款真正可以规划的“世界模型”架构，即能够学习理解和预测物理世界系统。
谁曾想，LeCun这番话再次捅了“马蜂窝”，直接给这场狂热泼了一盆冷水，引机器人界大佬上阵怒喷。
特斯拉Optimus AI负责人Julian Ibarz直言，我不同意LeCun的观点。
在内部，特斯拉对于如何快速实现通用人形机器人，已经有了非常明确的思路。
Yann LeCun一直领先于时代的主流认知，但好像每次都是对的。
在1987年，他在现在的索邦大学（Sorbonne）获得博士学位，论文英文标题是《Connectionist Learning Models》“连接主义学习模型”。
而在当时，大多数人还在研究专家系统。
在MIT演讲中，Yann LeCun回顾了他如何踏上人工智能研究之路。
他觉得这个想法特别迷人，而且当时他“初生牛犊不怕虎”——
我一直认为，生物学给工程提供了很多灵感。在自然界中，所有活着的东西都有适应能力，只要有神经系统就能学习。
所以，我当时想，也许我们人类没那么聪明，构建智能系统最靠谱的方法，可能是让它自己学会变聪明。
也许，正是这种“愣头青”的心态让他走上了机器学习这条路。
他坦言，当时“机器学习”不是AI研究的主流。
由于当时几乎无人从事相关研究，他一度难以找到博士导师。
之后，他与Geoffrey Hinton合作，随后进入贝尔实验室Bell Labs与纽约大学NYU任职。
人工智能领域在1990至2000年代经历“寒冬”，但2013年LeCun加入Facebook，创立FAIR（Facebook AI Research），并推动“深度学习”这一术语取代“神经网络”，标志着产业界开始系统性地接受这一范式。
顺便提一句，Yann LeCun访问清华大学时，确定了自己的中文名“杨立昆”。
他指出，文本属于“低带宽”数据源，“仅靠文本训练永远无法实现人类水平智能”。真正的智能来源于高带宽的感知输入——视觉、听觉、触觉等多模态经验，而非低维度的离散符号。
他将大语言模型训练所需的数万亿标记词元，与儿童处理的海量感官数据进行对比：
四岁儿童通过视觉接收的数据量，已相当于所有公开文本训练的最大规模LLM的数据量。
他进一步指出，LLM有时虽能提供实用的结果，甚至让人误以为其“智商堪比博士”，但这些系统只是“回忆”训练中的信息。
LLM不具备任何真实意义上的智能——甚至不如一只猫。
他强调，即便猫的大脑仅含约2.8亿个神经元，其对物理世界的理解与行动规划能力仍远超当前AI系统。
猫能感知三维空间、判断物体稳定性、规划复杂动作，而目前的所有生成式模型恰恰无法企及这些能力。
因此，他真正关注的问题是：如何让机器学会物理世界的模型？
世界模型，已成为LeCun的代名词。
对谈中，他再次给“世界模型”下了一个定义——
给到一个时刻t的世界状态，再给定一个智能体可能的动作，预测动作执行后的环境。
就好比，让一个机器人冲一杯咖啡，它需要想象一系列动作——拿起杯子、倒水、搅拌，并预测每一步的结果。
设想一系列连续的动作，并利用模型预测这些动作所导致的结果。
同时，系统可结合一个“代价函数”（cost function），用于评估特定任务的完成情况。
在此基础上，可运用优化方法，搜索能够优化任务目标的最优动作序列，这一过程即为“规划与最优控制”。
LeCun称，团队所采用的“环境动力学模型”完全通过自监督学习的，也是当前方法的核心所在。
实验已证明，可以用世界状态的表示——来自现有模型DINO，无论是从零开始学习，还是基于V-JEPA 2等框架，都可以做到这一点。
机器人不用针对特定任务反复训练，只需从模拟数据或真实操作中学习“动作-结果”的关系，就能零样本完成新任务。
这种训练完全是自监督的。
当系统有足够好的世界模型，便能“想象”如何完成一个它从未被训练过的任务。
世界模型，会成为未来AI系统的关键组件。
LeCun预测，“未来3-5年内，这会成为AI架构的主流模型”。
这话可让我在硅谷得罪了不少人，包括某些巨头公司。
到那时候，但凡头脑清醒的人，都不会再用现在这种生成式LLM的路子了。
LeCun直言不讳，过去几年，打造“类人机器人”的初创公司如雨后春笋般涌现。
但行业的一大秘密是——它们还不知道如何让机器人真正“聪明”到实用级别。
所以很多估值数十亿公司的未来，基本上取决于是否能在“世界模型+规划”的架构上取得显著进展。
LeCun越说越激动，观点显然有些“生猛”。
主持人一听，马上话锋一转打了个圆场，“没关系，我们不担心那些公司。而且说真的，我们非常信奉创业精神”。
Yann LeCun的“冷静”，与多位行业领袖所鼓吹的激进时间表形成了鲜明对比。
Figure AI表现得尤为激进，其CEO Brett Adcock近期宣称：
明年就能实现通过语音指令，让人形机器人在陌生环境（比如从未进入的家庭）完成各类通用工作。
人形机器人拥有40个自由度（关节），可能产生的位姿组合数量甚至超过宇宙原子总数。
Brett Adcock强调“这个问题无法通过编程解决，唯一途径是神经网络”。
他将Figure的技术路径与同行对比，直言某些公开演示只是“戏剧表演”或预设程序。相反，Figure机器人的所有操作都“由神经网络驱动”。
耐人寻味的是，在一个关键问题上的判断与Yann LeCun不谋而合：他也否认制造业是主要突破方向，并指出“人形机器人当前的竞争焦点在于谁能攻克通用机器人技术”。
双方的核心分歧似乎在于——这个目标离我们究竟有多近。
与此同时，特斯拉正从另一个角度攻克难题。
马斯克始终聚焦“极其艰巨”的制造挑战，指出人形机器人规模量产“所需的供应链尚不存在”。
然而专注制造并不意味特斯拉忽视AI难题。
在最近的计算机视觉顶会ICCV，特斯拉AI负责人Ashok Elluswamy详细介绍了公司的“神经世界模拟器”——一个通过车队视频数据训练的端到端系统。
这种机制使得模拟器可与智能体或策略AI模型形成闭环连接，从而实现对系统性能的精准评估。
获得OpenAI投资的挪威公司1X Technologies，近期发布了自研“世界模型”。
如图所示，1X世界模型包含视觉编码器、动作编码器、核心网络，以及视频与状态价值解码器。通过对成功标签进行监督学习生成的状态价值预测，可对输入动作的质量进行量化评估。
1X团队在现实部署方面的审慎态度与LeCun不谋而合。
首席执行官Bernt Børnich在播客中坦言，让机器人进入家庭存在“理想与现实的落差”，指出“现实环境复杂得离谱”，甚至“Wi-Fi连接问题比机器人技术本身更棘手”。
这种务实立场，结合其轻量级肌腱驱动设计所带来的安全性优势，暗示着行业清醒认识到：Yann LeCun所说的“突破性进展”仍需要持续探索。
Yann LeCun的警告，最终重新定义了人形机器人竞赛的维度：胜利者，或许不属于推出最炫酷demo或设定最激进量产目标的厂商，而将属于那个率先攻克机器理解物理世界这一根本性难题的探索者。
全程半小时演讲中，还有一个大彩蛋。
Meta血裁AI部门研究员掀全网风暴之外，LeCun却一直对外撇清自己和Llama的关系。
几天前，他曾表示，自己并未参与任何Llama项目。
我要坦白！
大概2022年中后期，巴黎一个十来人的小组，决定做一个轻量高效的LLM，结果真做出来了。
没想到，它后来成为了“主力选手”。
最后，在2023年初，小扎下定决心组建了一个GenAI团队，也就如今的“超级智能实验室”（MSL）的前身，主要就是为了把它产品化。
但在技术上，我个人确实没怎么插手。
LeCun最后再一次重复——Llama与我无瓜，就差把它写在脸上了。
现场，主持人再次圆话，“但最后能跑出来的，往往还是‘臭鼬工厂’（Skunk Works）这种模式”。参考资料：
https://www.humanoidsdaily.com/feed/meta-ai-chief-yann-lecun-claims-humanoid-firms-lack-path-to-general-ai https://
https://x.com/humanoidsdaily/status/1981623685459972487
