LeCun怒斥AI军备竞赛是烧钱，图灵奖得主离Meta后，揭露大厂AI实验室残酷真相

2026年8月首个周末，硅谷AI界震动。 一次人事变动，再次将“AI该如何发展”的话题推向风口浪尖。

Google DeepMind联合创始人Demis Hassabis卸任CEO。 诺贝尔化学奖得主、AlphaFold缔造者，突然宣布离开。 官方说法是“升任主席与Alphabet首席科学家”，日常运营交给CTO Koray Kavukcuoglu。 Hassabis自己在内部备忘录里写：AGI已近在咫尺，我需要把时间花在大局上。

是升迁？是降职？还是被架空？

随后，图灵奖得主Yann LeCun发声了。

▲ LeCun指出Hassabis是"stepped aside"，并拿自己2018年的选择做类比

LeCun给了一个第三选项：stepped aside，让开一步。

这句判断随后延伸到他自己的经历 他说，这跟自己2018年的选择一模一样。 当年他从FAIR（Facebook AI Research）主任转为Meta首席AI科学家，主动脱离管理岗位，回归研究。

但这只是前菜 LeCun随后发表长文，将这一人事话题，拉升到了一个让整个AI行业都该感到棘手的高度。

▲ LeCun关于长期研究、产品赛跑与AGI时间尺度的完整论述

LeCun借此指出了结构性矛盾。 他的逻辑条理清晰，宛如法庭陈词：

第一，在大公司做长期研究，必须接受一种宿命般的摩擦：管理层盯着季度指标，而你的工作看起来永远像在烧钱。

第二，“浪费”这个词完全取决于你用哪把尺子量：

这个角色，必然远离产品、远离管理，更贴近研究本身。

第三，也是最被误读的一层：LeCun从未“反对LLM”。 他原话说得很明确，一直支持高质量LLM工作，对成果印象深刻； 但他个人的兴趣是人类水平AI，而他从不认为LLM是通往AGI的入场券。 两件事可以同时为真

第四，作为一个高级个人贡献者（IC），他既无权也无意去“扼杀”Meta的LLM工作。 这话的潜台词几乎是在说：别再造谣说我拖了Llama的后腿了。

▲ CNBC：Meta首席AI科学家LeCun离职创办AI创业公司

事情要从2025年11月说起 LeCun宣布离开Meta，创办AMI Labs（Advanced Machine Intelligence），研究世界模型，让机器在网页文本之外理解物理世界。

他在LinkedIn上的措辞几乎是一份宣言：下一次AI大变革，是能理解物理世界、有持久记忆、能推理、能规划复杂动作序列的系统。

▲ LeCun坦言：Meta领导层曾支持JEPA/世界模型，后来公司战略变得更"LLM-pilled"

2026年4月，他在X上罕见地谈到了Meta内部的张力：Mark Zuckerberg、Andrew Bosworth等人确实支持过JEPA和世界模型这个长期方向。 但公司的AI战略后来变得越来越“LLM-pilled”，被LLM路径深度绑定、越来越短视。 而且世界模型的很多应用场景偏向工业领域，Meta本身并不特别感兴趣。

这几乎是一份离职原因说明书，冷静到让人脊背发凉。

▲ AMI Labs以35亿美元估值融资10.3亿美元，投入世界模型研究

2026年3月，AMI Labs以35亿美元pre-money估值完成约10.3亿美元融资。 彼时公司大约十来个人，零产品，零收入。

CEO Alexandre LeBrun对TechCrunch说了一句让VC们可能会失眠的话：这类AI公司不会在三个月内出产品、六个月内获得收入。 世界模型从理论到商业应用，可能需要数年。

数年 十亿美金 十几个人

这本身就是LeCun那篇长文的活体注解：大公司的季度KPI难以衡量这类研究，他只好把研究搬到公司围墙外面，寻找愿意采用风投时间尺度衡量进展的人。

▲ 投资人Vito反驳：编程模型1000% YoY增长，短期飞轮可以加速长期目标

硅谷也有另一种声音 一位署名Vito的评论者给出了尖锐的商业逻辑反驳：

如果编程模型年增长1000%，ARR达到1000亿美元，利润率80%，并且已经成为少数实验室（Codex和Claude Code）拉开距离的数据飞轮，那短期目标当然应该是全力做编程模型。

他的关键论点是：coding agent即使未必直达AGI，也能把工程师变成“超级工程师”、把研究者变成“超级研究者”。 短期目标可以加速长期目标，两者能够并行。

这是一个相当有力的反驳 LeCun说的是时间尺度冲突，Vito说的是时间尺度嵌套，先赚快钱、快钱养长线。 在商业史上，这两种逻辑都有成功案例，也都有惨烈失败。

▲ Elliot评论LeCun的"细腻"：不否定LLM，但不认为scaling就是全路径

▲ 耶鲁教授Amin Karbasi：长期投入定义任何公司的未来

LeCun在离职前后反复描述过一种群体行为困境：各实验室互相挖工程师，没人敢偏离LLM主航道，否则短期benchmark和产品发布就会落后。 结果是什么？ 整个行业的路径多样性在急剧下降

Bell Labs发明了晶体管的时候，AT&T的电话业务赚得盆满钵满。 Xerox PARC画出了图形界面的时候，施乐的复印机卖得如火如荼。 “浪费钱”和“定义下一个时代”，有时候是同一件事的两面。

有人在回复里追问了核心问题：你说还缺几个概念性突破，那到底缺什么？

LeCun没有在那条线程里给出完整清单。 但从他过去几年的论文和演讲中，可以拼出一个粗略轮廓：

世界模型，给定当前状态和一个假想动作，系统能否预测下一时刻的状态？ 人类能规划，是因为能在脑中预演行动后果。 没有这个能力，所谓的agent就是蒙眼过马路。

JEPA（联合嵌入预测架构），不强迫模型生成完整的像素级视频，而是在抽象表征空间中做可规划的预测。 I-JEPA做图像，V-JEPA做视频，核心思想是：预测不一定要在感官层面完成，在概念层面预测就够了。

▲ I-JEPA论文：LeCun世界模型技术路线的关键学术成果

这些概念听起来抽象，但落点极为具体：如果LLM的尽头是一个永远在猜下一个词的系统，那它永远无法理解把杯子推到桌边会发生什么。

当然，“世界模型阵营”内部依然分化 有人走视觉-语言-动作的端到端路线，有人走LeCun的表征空间规划路线。 有机器人研究者指出，光靠视频预训练的世界模型连摩擦力都很难学到，因为力是看不见的。

回到文章开头那个问题：Hassabis是升了还是降了？

也许答案跟LeCun说的一样：他让开了一步。

▲ 《卫报》：Google AI团队大调整，DeepMind首席执行官卸任

在同一时期，Jeff Dean也离开Alphabet创办了Discovery Loop。 更早之前，LeCun带着图灵奖和十亿融资出走Meta。 模式惊人地一致：大厂提供算力和分发，但当研究议程与产品军备赛错位时，顶级研究者选择用创业公司的时间尺度买回研究自由度。

个人选择背后，是一个制度设计的困境：季度考核体系无法为十年研究定价。 所以你要么接受“看起来在浪费钱”，要么离开，去一个不需要每三个月证明自己存在价值的地方。

LeCun选择了后者 Hassabis选择了一种中间态。

而剩下的人，还在那条所有人都在挖的壕沟里，疯狂地预测着下一个token。

谁是对的？ 也许要等五年、十年才知道 但有一件事现在就能确定：当一个时代最聪明的大脑们开始集体“让开一步”的时候，下一个范式的地壳运动已经开始了。