AI有点意思

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 前面几期我们聊了好几位AI圈的大佬——辛顿坐了四十年冷板凳，杨立昆和辛顿吵得不可开交，哈萨比斯从国际象棋神童变成了诺奖得主，OpenAI从理想主义走向了商业化。 今天这一期，我们要聊一个人。这个人严格来说不算AI科学家，但他现在是AI时代最有权势的人之一。 他永远穿着一件标志性的黑色皮夹克，在舞台上像个摇滚明星一样接受全场欢呼。他掌管的公司，市值一度突破了5万亿美元——全球第一家。这个数字什么概念？相当于苹果加谷歌再加微软，还得搭上半个特斯拉。 你猜到了——黄仁勋，英伟达的创始人兼CEO。 但你可能想不到的是，这个掌管着全球最值钱公司的人，年轻时在美国肯塔基州的一所问题少年学校里扫厕所。更想不到的是，他创立英伟达的时候，启动资金只有600美元——三个人，每人200美元。 这个故事，得从1993年说起。那一年，30岁的黄仁勋辞掉了高薪工作，拉着两个同事在圣何塞的一家Denny's餐厅里创立了英伟达。公司名字来自拉丁语invidia，意思是“嫉妒”——他们想让竞争对手嫉妒到发绿。 结果第一个产品就差点把公司搞死。 NV1——黄仁勋后来承认，这是一款完全失败的产品。他们选择的技术路线跟市场主流不兼容，根本没人买。亏损严重，黄仁勋不得不裁掉70%的员工，公司濒临破产。 就在这个时候，日本游戏公司世嘉投了700万美元——这笔钱救了英伟达的命。但条件是黄仁勋必须飞到日本，当面承认自己的技术路线错了。 他去了。他认错了。他亲自向世嘉公司承认：“我们选错了方向。” 然后他做出了一个更疯狂的决定——放弃世嘉的投资方向，用仅剩的资源重新设计一款新产品。 这款产品叫RIVA 128，1997年上市，四个月卖了100万片。英伟达活过来了。 但你有没有发现一个细节？黄仁勋的“认错”，不是放弃，而是换一条路继续走。他认的是“技术路线错了”，但他从来没认过“GPU这条路不值得走”。 这就要说到一个关键问题了——GPU到底是什么？它和CPU有什么区别？为什么最后是它成了AI时代的“算力基石”？ 打个比方你就明白了。CPU就像一个超级聪明的数学教授，什么问题都能解，但一次只能算一道题。而GPU像一千个小学生——每个都不如教授聪明，但他们可以同时做一千道简单的加减法。 具体来说，CPU的设计目标是“低延迟”——尽快完成一个任务。它有强大的计算单元、复杂的控制逻辑、大量的缓存，但核心数量有限。而GPU的设计目标是“高吞吐量”——同时完成尽可能多的任务。它有数以千计的计算核心，控制逻辑简单，缓存很少，但可以同时处理海量的数据。 所以CPU擅长逻辑控制、串行计算、复杂的条件判断。而GPU擅长的是大规模并行计算——把一个大任务拆成成千上万个小任务，同时算完再拼起来。 这个区别在2006年之前，对普通人来说没什么感觉——GPU就是用来打游戏的，让画面更流畅、更逼真。 但2006年发生了一件事，改变了GPU的命运。那一年，英伟达发布了一个叫CUDA的平台——全称是统一计算设备架构。简单说，CUDA让开发者能用普通的编程语言直接调用GPU的计算能力，而不需要学复杂的图形编程。 CUDA发布的时候，深度学习还是学术圈的小众话题，没人觉得GPU能用来训练神经网络。但黄仁勋看到了。他看到了并行计算的未来，看到了AI工厂的雏形，看到了一个万亿级市场的诞生。 他用CUDA把GPU从一个“游戏工具”变成了“通用计算引擎”。随后，英伟达围绕CUDA建立了一个庞大的软件生态系统——截至2025年，CUDA平台已支持超过600万名开发者，涵盖超过400个库、600个AI模型、3700个GPU加速应用。 这个生态，成了英伟达最深的“护城河”。开发者们二十年来一直在CUDA上构建AI工具，他们几乎不愿意从头再来。 即便竞争对手的芯片规格更优，转换成本也极其高昂。 2022年，ChatGPT横空出世。全世界突然发现，训练大模型需要海量的GPU——而英伟达，恰好拥有全世界最好的GPU。订单像雪片一样飞来。英伟达最新季度营收达到了820亿美元，毛利率从61%扩大到了75%。 但黄仁勋并没有停在这里。 2026年6月，英伟达在COMPUTEX展会上发布了一款叫RTX Spark的全新芯片——一款面向Windows设备的AI超级芯片，将CPU、GPU与AI单元整合为单颗SoC。黄仁勋在现场将这次PC智能化升级对标“智能手机革命”，联想、惠普、戴尔、微软、华硕等一线PC品牌定于秋季首发搭载RTX Spark的Windows整机。 这意味着英伟达正在从“显卡供应商”转型为“PC底层架构制定者”。它不再满足于做一台电脑里的“那块肌肉”——它要做整台电脑的“大脑”。 从Denny's餐厅的600美元起步，到5万亿美元的市值；从一款差点搞死公司的失败产品，到定义整个AI时代的算力底座——黄仁勋和英伟达的故事，本质上是一个关于“远见”和“坚持”的故事。 当所有人都觉得GPU只是用来打游戏的时候，他看到了AI。当所有人都觉得CUDA是个“没什么用的工具”的时候，他投入了全部资源去建设生态。当所有人都觉得“GPU只能是电脑里的一个零件”的时候，他开始重新发明个人电脑本身。 所以小艾觉得，黄仁勋最厉害的地方不是“赌对了AI”——而是他在AI还没被“看见”的时候，就已经在铺路了。他不是追风的人，他是那个让风刮起来的人。 好了，今天这一期我们聊了黄仁勋和英伟达的故事，聊了GPU和CPU的区别，也聊了CUDA生态为什么成为英伟达最深的护城河。 下一期，我们要聊一个正在发生的故事——开源模型正在挑战闭源巨头的统治地位。Meta的Llama、中国的DeepSeek和智谱，凭什么能用十分之一的成本去挑战OpenAI？这场“AI的安卓与iOS之战”，谁会赢？记得订阅《AI有点意思》，我们下期见！

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 上两期我们聊了哈萨比斯和DeepMind——一个从国际象棋神童到诺贝尔奖得主的故事，一个从AlphaGo到AlphaFold、用AI改变科学的故事。DeepMind像是AI界的“理想主义者”——他们追求的是破解智能的本质，做出真正能改变世界的科学突破。 但今天我们要聊的这家公司，故事要复杂得多。它曾经也是理想主义者——甚至比DeepMind更理想主义。它最初的使命是“让AGI造福全人类”，还特意把“Open”写进了名字里。但如今，它变成了全球最具财富创造能力的AI公司之一，市值逼近万亿美元。 这家公司叫OpenAI。 今天这一期，我们就来讲讲——一家理想主义公司，是如何被商业“吃掉”的。 故事要从2015年说起。那一年，OpenAI以非营利组织的身份诞生。使命只有一句话——“确保通用人工智能造福全人类”。不追求利润，不向股东负责，所有研究成果开源共享。听起来是不是特别美好？像一个科技界的乌托邦。 这个乌托邦的联合创始人里，有一个人叫伊利亚·苏茨克维——辛顿的学生，AlexNet的参与者，深度学习领域的顶尖天才。他加入OpenAI，就是冲着“安全开发AGI”这个使命去的。 但理想很丰满，现实很骨感。2019年，OpenAI做了一个关键决定——成立营利性实体。原因很简单：训练AI太烧钱了。非营利组织拿到的捐款根本不够买算力，要活下去，必须引入外部资本。当时很多人觉得这只是权宜之计——营利实体受非营利董事会控制，使命不变，只是换个方式搞钱。但回过头看，这一转身，方向就再也拧不回来了。 转折点发生在2022年11月。ChatGPT发布了。 你可能还记得那个冬天——全世界都在玩ChatGPT，5天用户破百万，两个月月活破亿。从普通学生到企业CEO，所有人都在问同一个问题：“这玩意儿到底能帮我做什么？”一夜之间，OpenAI从一家安静的AI研究实验室，变成了全球瞩目的科技公司。 但随之而来的，是巨大的商业化压力。服务器的成本像滚雪球一样膨胀，微软等投资人开始追问回报。与此同时，Google、Anthropic、Meta的竞争步步紧逼——尤其是Google在2025年12月发布Gemini 3 Pro之后，奥特曼甚至在公司内部发了“红色警报”，要求全公司集中精力改进ChatGPT。 在这种压力下，研究和商业化之间的裂缝越来越大。 2024年5月，一个重磅消息震动了整个AI圈——OpenAI的联合创始人、首席科学家伊利亚·苏茨克维宣布离职。在那之前几个月，他刚刚和奥特曼上演了一场惊心动魄的“宫斗大戏”——OpenAI董事会一度罢免了奥特曼，而伊利亚被认为是这场“逼宫”的关键人物。虽然后来奥特曼王者归来，伊利亚也被踢出了董事会，但两人之间的裂痕已经无法弥合。 伊利亚离开后，创办了一家叫“安全超级智能”的公司，没有产品、没有收入，甚至没有商业计划——只有一句话：“使命就是安全开发超级智能”。就这样一个网页，首轮融资就拿了10亿美元。这说明什么？说明市场相信伊利亚在做“正确的事”，而这件事在OpenAI已经做不了了。 伊利亚的离开，被很多业内人士认为是OpenAI丧失“初心”的标志。但真正让这个判断板上钉钉的，是2026年1月的另一起离职。 这个人叫杰里·特沃雷克——OpenAI的研究副总裁，o1和o3推理模型的核心负责人。如果说伊利亚带走了OpenAI的“灵魂”，那特沃雷克的离开，抽走的就是OpenAI的“脊梁”。 他在OpenAI待了近7年，2019年加入时公司只有30来个人。他主导了Codex的开发——那是GPT代码能力的起点。后来他又领导了o1和o3模型研发，在传统Scaling Law边际递减的时候，开创了“思维链”推理这条新路。 但就在2026年1月，特沃雷克宣布离职。临走前，他留下一句话——这句话在硅谷传疯了。他说：“我得离开这里，才能做那些在OpenAI难以开展的研究。” 要知道，OpenAI是全球算力资源最丰富、资金最充裕的AI公司。在这样的公司，“研究做不了”——这听起来是不是特别讽刺？特沃雷克后来在接受播客采访时把话说得更直白：所有头部AI公司都在同时承受三座大山的压力——做出最强的模型、支付GPU账单、维持用户增长曲线。这种环境下，对高风险、高成本研究的耐心会天然变薄。而OpenAI的管理层在2026年强调季度盈利，对高成本的深度推理研究容忍度持续下降。 他追求的，是让AI真正学会“思考”；而投资人需要的，是更快、更便宜、能立刻变现的产品。 特沃雷克不是一个人。2025到2026年，OpenAI的核心人才像漏水的桶一样不断流失——超级对齐团队解散，AGI筹备团队解散，伦理负责人离职，安全评估团队被拆分并入各业务线。这些人的共同点是：他们都在做“长期、高风险、但可能改变世界”的研究。 安全团队的瓦解有一条清晰的时间线：2023年7月超级对齐团队成立，2024年5月解散；2023年10月Preparedness团队成立，专职评估模型的灾难性风险，2026年7月末解散。到2026年8月，OpenAI已经没有独立的AI安全团队了。 与此同时，OpenAI在做另一件事——商业化。 2025年，OpenAI的年化收入突破了200亿美元，比前一年的60亿翻了3倍多。但同期现金消耗约80亿美元，高昂的算力成本让公司不得不寻找新的“输血”渠道。 2026年1月，OpenAI正式在ChatGPT中向免费用户展示广告。这事本身没什么——AI公司也得赚钱。但有意思的是奥特曼的态度转变。2024年5月，他说“广告是我们商业模式的最后手段”。到了2025年3月，口风就变成了“我不反对广告，如果有充分理由去做，我不会固执己见”。到2025年10月，他又说“我喜欢Instagram的广告，它们给我带来了价值”。 从“最后手段”到“我喜欢”——这转变，只用了不到两年。与此同时，OpenAI正在大量招募前Meta员工——截至2025年10月，约630名前Meta员工在OpenAI工作，占员工总数的五分之一。Meta是做社交媒体的，最擅长的事就是优化算法、最大化用户停留时长、卖广告。这些人来OpenAI，不是为了研究AGI——他们是来“搞钱”的。 2026年6月，OpenAI向美国证券交易委员会秘密提交了IPO申请，分析师预计上市后估值有望突破1万亿美元。 从非营利研究机构，到估值万亿美元的IPO公司。这个转身，只用了不到十年。 那么问题来了——这一切，是谁的错？ 辛顿在2025年签署了一封公开信，抵制OpenAI的重组计划，理由非常直接——OpenAI违背了初衷，即确保AGI的安全开发和造福人类。辛顿认为AI公司应该把约三分之一的算力用于安全研究，而不是现在投入的微小比例。 但这真的是某个人的错吗？也许不是。当一个组织有了产品、有了收入、有了投资人、有了竞争对手——商业化的力量，是任何理想都挡不住的。伊利亚走了，特沃雷克走了，安全团队解散了——“理想”在“资本”面前，输得一败涂地。 而这一切最讽刺的地方在于——OpenAI依然叫“Open”AI。但今天，在硅谷流传着一句话：OpenAI的“Open”，现在只剩下一个名字了。 好了，今天这一期我们聊了OpenAI从理想主义到商业化的故事，聊了伊利亚和特沃雷克的出走，也聊了Scaling Law边际递减带来的困境，以及为什么“对齐”研究在商业化压力下越来越难做。下一期，小艾要带大家认识一个站在AI时代背后的男人——黄仁勋。那个卖显卡的“皮衣男人”，是怎么把一家做游戏显卡的公司变成AI时代的“军火商”的？记得订阅《AI有点意思》，我们下期见！

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 上两期我们围观了辛顿和杨立昆的“路线大战”——一个押注大语言模型，一个押注世界模型，吵得不可开交。但在这场争论之外，还有一个人，走了一条完全不同的路。 他不跟任何人吵。他直接动手——做出来了。 这个人叫戴密斯·哈萨比斯。他创立的公司叫DeepMind。今天这一期，我们就来讲讲这家公司和这个人的故事——从围棋到诺贝尔奖，一家公司如何改变了世界。 哈萨比斯1976年出生在伦敦，妈妈是新加坡华人。他4岁的时候，看见父亲和叔叔下国际象棋，就凑上去问该怎么玩。结果你猜怎么着？他不仅迅速上手，还很快击败了他们两个。8岁的时候，他用下棋赢来的奖金买了人生第一台电脑，开始自学编程。13岁的时候，他已经达到了国际象棋大师的水平，等级分2300分，在同龄人中排名世界第二。 你以为这就完了？17岁，他参与设计了一款叫《极道枭雄》的战略游戏。后来，他又担任了极具影响力的电子游戏《主题公园》的首席程序员。20岁，他以计算机科学专业最高荣誉从剑桥大学毕业。之后他创立了自己的游戏公司，连续五年夺得Pentamind国际象棋锦标赛冠军，还是世界扑克系列赛六个不同赛季的冠军。 听到这儿你可能在想：这人是开挂了吧？国际象棋大师、游戏设计师、程序员、扑克冠军——这些身份随便拿出一个，都够普通人吹一辈子了。但对哈萨比斯来说，这还只是“前菜”。 2005年，他做了一个让所有人都看不懂的决定——他回到学校，去伦敦大学学院攻读神经科学博士学位。他想搞清楚一件事：真正的大脑，到底是怎么工作的？ 2010年，34岁的哈萨比斯和两位合伙人一起创立了DeepMind。他的目标，不是做一个“能聊天的AI”，也不是做一个“能下棋的程序”——他的目标只有一个：破解智能的本质，创造通用人工智能。 四年后，谷歌以大约4亿美元的价格收购了DeepMind。当时很多人觉得，谷歌花这么多钱买一个英国小公司，是不是疯了？ 两年后，全世界都知道了答案。 2016年3月，韩国首尔四季酒店。一场五番棋对决，吸引了全球超过2亿人观看。对战的双方，一边是代表人类的围棋世界冠军李世石九段，另一边是DeepMind开发的AI程序——AlphaGo。 在比赛开始之前，几乎所有人都认为AI必败。围棋的复杂度远超国际象棋——围棋棋盘上的可能性比宇宙中的原子还多。靠“暴力计算”根本不可能赢。 前三局，AlphaGo以3比0直接拿下。整个世界都懵了。 但真正让这场对决载入史册的，是第四局。 前三局全败的李世石，在第四局中盘下出了一步石破天惊的棋——白78手“挖”。这步棋太奇怪了，奇怪到任何人类的围棋理论都无法解释。现场的解说员都愣住了：“这是什么？” 更神奇的事情发生了。AlphaGo——那个前三局碾压李世石的AI——对这步棋的反应，就像是“懵了”。从第79手到第89手，它下出了一连串莫名其妙的、完全不像它风格的臭棋。李世石抓住机会，中盘获胜。 这步白78手，后来被围棋界称为“神之一手”。它是人类智慧在面对机器时，一次近乎奇迹的反击。 但最终的比分是4比1——AlphaGo赢了。 赛后，哈萨比斯说了一句话：“那正是我在等待的时刻。” 他在等待什么？他在等待一个证明——证明AI不仅能赢，还能创造出人类从未发现过的策略。AlphaGo在第四局之后的“崩溃”，恰恰证明了它是真的在“思考”而不是在“背诵”。它被一个它从未见过的局面“难住了”——这说明它有自己的“理解”，虽然这种理解还不完美。 AlphaGo改变了围棋，但哈萨比斯的目光，从来没有停留在棋盘上。 他要用同样的技术，去做一件更大、更重要的事。2018年，DeepMind推出了AlphaFold。它的任务比下围棋难一万倍——预测蛋白质的三维结构。 你可能要问：蛋白质结构预测是什么？为什么这么重要？ 小艾给你打个比方。蛋白质是生命活动的主要承担者——你身体的每一个功能，从消化食物到抵抗病毒，都靠蛋白质来完成。但蛋白质的功能，取决于它的“形状”——也就是它的三维结构。就像一个钥匙，只有形状对了，才能打开对应的锁。 问题在于：知道蛋白质的“氨基酸序列”——也就是它的一维“原料清单”——很容易。但要从这个一维清单预测出它最终折叠成的三维形状，难如登天。这个难题，科学界已经苦苦挣扎了整整50年。1972年，诺贝尔化学奖得主Christian Anfinsen提出了一个理论假设：蛋白质的氨基酸序列应该能决定它的三维结构。但50年过去了，没人能真正做到。 2020年11月30日，第14届国际蛋白质结构预测竞赛——被称为“蛋白质结构预测的奥林匹克竞赛”——结果公布。AlphaFold 2在所有预测目标中的中位得分达到了92.4分。这个分数的意思是：它的预测精度，已经可以和冷冻电子显微镜、X射线晶体学等真实的实验室实验相媲美。 CASP的组织者、年近七旬的科学家Andriy Kryshtafovych在大会上感慨说：“我活久见了。 ”《自然》杂志的评论标题只有四个字：“这将改变一切。” AlphaFold 2在短短几天内，完成了人类科学家几十年都完不成的任务。2021年，DeepMind开放了AlphaFold蛋白质结构数据库。中科院院士、西湖大学校长施一公感慨道：人类花了半个世纪积累了22万个蛋白结构，AI仅用了三年，就生成了六七亿个。施一公还说：“依我之见，这是人工智能对科学领域最大的一次贡献，也是人类在21世纪取得的最重要的科学突破之一。” 2024年10月9日，诺贝尔奖委员会宣布：将2024年诺贝尔化学奖授予戴密斯·哈萨比斯和他的同事约翰·江珀。哈萨比斯，这个4岁下棋、8岁编程、13岁成为国际象棋大师、17岁做游戏、34岁创立DeepMind的天才，成了世界上第一位既是亿万富翁、又获得诺贝尔奖的人工智能领袖。 但哈萨比斯并没有停下。在2026年达沃斯论坛上，他说自己每周工作100小时、一年50个星期几乎都在工作。他透露自己过去一年的研究重心已经转移到了机器人技术，并且给出了一个非常精确的时间预测：“距离物理AI实现突破性进展，我们还有18个月到两年的时间。 ” 从国际象棋到电子游戏，从神经科学到AlphaGo，从AlphaFold到诺贝尔奖——哈萨比斯走了一条没人走过的路。DeepMind的终极目标，从来不是赢一盘棋，也不是预测一个蛋白质。它的目标，从2010年创立的第一天起就没有变过——破解智能的本质，创造通用人工智能。 好了，今天这一期我们聊了哈萨比斯和DeepMind的传奇故事，聊了AlphaGo如何用“神之一手”震惊世界，也聊了AlphaFold如何破解了困扰生物学界50年的蛋白质折叠难题。 下一期，小艾要带大家回到一个“宫斗”现场——OpenAI。那个曾经高喊着“造福全人类”的非营利组织，是怎么一步步变成今天这个商业巨兽的？理想和现实之间，到底发生了什么？记得订阅《AI有点意思》，我们下期见！

哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。 上一期我们讲了辛顿的故事——坐了四十年冷板凳，终于让神经网络从“笑话”变成了“革命”。他和杨立昆、本吉奥三个人，在2018年一起拿了图灵奖，被称为“深度学习三巨头”。 但你猜怎么着？这三位“巨头”现在吵翻了。不是那种学术上的小分歧，是那种“我觉得你完全错了”级别的翻脸。 今天这一期，我们就来围观这场AI圈最精彩的“神仙打架”——杨立昆 vs 辛顿。 事情要从2023年说起。那一年，GPT-4发布了。在此之前，辛顿对大型语言模型的态度一直是“不太关心”。但GPT-4出来之后，他突然“顿悟”了。他在一次访谈中说：“天哪，这些系统已经非常接近人类水平的智能了。它们可能有主观体验。”他甚至开始公开警告：AI可能导致人类灭绝，概率大概在10%到20%之间。 你想想，一个亲手推开AI时代大门的人，突然转过头来大喊“危险”——这反差够大吧？ 而杨立昆的反应呢？四个字：嗤之以鼻。他在一次播客访谈中被问到对辛顿转变的看法，毫不留情地说：“我感觉他就是想摆烂了。好了，这就是我们需要的，我可以宣布胜利了。嗯，我可以退休了，然后到处去做关于AI危险的演讲。” 你还别觉得这是断章取义——杨立昆的原话就是：“我完全不认同这个说法。” 那么问题来了：这两位AI教父，到底在吵什么？ 核心分歧就一句话——大语言模型这条路，到底能不能通往真正的智能？ 辛顿的看法是：能，而且已经很接近了。他的推理逻辑很有意思。他说，人类大脑皮层大约有160亿个神经元。大脑虽然不是直接做反向传播的，但如果它做某种类似于反向传播的梯度估计，大概需要10个真实神经元来模拟1个反向传播神经元的功能。这么一算，人脑皮层相当于16亿个“虚拟神经元”。然后他一看GPT-4的参数规模——已经跟这个数字很接近了！所以他得出结论：天哪，它可能真的会变得跟人一样聪明。 但杨立昆完全不买账。他说了一句非常狠的话：“大语言模型在通往超级智能的路上是一条死胡同。” 注意，杨立昆并不是说大语言模型没用。他说得很清楚：“LLM是很多非常有用的AI产品的基础，我自己也在用，它们很好，做它们该做的事情。” 问题在于——它做不了“该做的事情”之外的事。 杨立昆的核心论点是什么？大语言模型只是在“背课文”，不是在“理解世界”。 具体来说，大语言模型的工作方式是“自回归”——它根据前面的文字，预测下一个最可能出现的词。这种方式在语言领域效果惊人，但杨立昆认为它有两个致命缺陷。 第一，它没有真正的因果推理能力。杨立昆说，概率统计过程本身无法直接转化为严谨的因果推理。打个比方：你让大语言模型描述“苹果落地”，它能说得头头是道——因为它读过无数篇关于重力的文章。但你问它“苹果为什么会落地”，它其实是在“背诵”它读过的解释，并不一定真正理解了“重力”这个物理概念。杨立昆打了个比方，说大语言模型本质上是“复现逻辑”——重现训练数据中的统计规律，主要任务是模仿，而不是推理。 第二，它无法理解物理世界。大语言模型的训练数据是互联网文本，但真实世界是三维的、连续的、充满物理规律的。你让ChatGPT描述“把一杯水从桌子边缘推下去会发生什么”——它会说“水杯会掉到地上摔碎”。但它真的“理解”重力、加速度、玻璃的脆性吗？不，它只是在背诵它见过的描述。它没有亲眼见过、没有亲身感知过、没有在物理世界里“摔过一次”。杨立昆说，绝大部分人类智能来自于对真实世界的无监督学习——我们是通过观察和互动来理解世界的，不是靠“阅读”世界的。 那杨立昆觉得什么才是正确的路呢？他的答案是——世界模型。 他提出了一种叫JEPA的全新架构，全称是“联合嵌入预测架构”。听起来很复杂，但核心思想很简单：不要预测像素，要在抽象的“表征空间”里预测规律。 小艾打个比方给你听。假设你要预测一个球从桌子上滚下去会怎么样。传统生成式AI的做法是——“逐像素预测下一帧”：球在位置A→预测它在位置B→预测在位置C……每一帧都要算，而且一旦算错一帧，误差就会像滚雪球一样越滚越大。最终画面会变得模糊不清。 杨立昆的JEPA做法完全不同。它不关注每一帧画面长什么样——它不关心球的颜色、光影、背景墙的花纹。它只做一件事：把画面“压缩”成一串核心特征，然后在这个“压缩空间”里预测“球会滚下桌子”这个结果。 杨立昆认为，这才是真正“理解世界”的方式。你不需要记住每片叶子的位置，你只需要知道“风会吹落树叶”。JEPA就是让AI学会这种“抓大放小”的能力——忽略无关细节，抓住核心规律。 最近，杨立昆团队还发布了一款叫LeWM的轻量世界模型。这个模型只有1500万参数，单GPU几小时就能训练完，但决策规划速度是传统方法的48倍。最惊人的是，研究人员做了一个实验：给LeWM看三种视频——物体正常运动、物体颜色突然变了、物体突然瞬移。结果LeWM对“瞬移”表现出了明显的“惊讶”——预测误差骤增；但对“颜色变化”几乎没有反应。这说明它能分清“只是外观变了”和“物理规律被打破了”。它真的在理解物理世界，而不只是在背诵画面。 这场路线之争，在2025到2026年达到了白热化。杨立昆在Meta工作了12年，但他对扎克伯格全力押注大语言模型的战略越来越不满。2025年11月，他正式宣布离开Meta，创立了自己的公司AMI，继续推进世界模型研究。AMI在成立之初就拿到了超过10亿美元的融资。 杨立昆的原话是这么说的：“如果未来五到十年里把世界模型的相关难题解决了，就有望构建真正智能的、能够规划和推理的AI系统。” 好了，今天这一期我们聊了两位AI教父的路线之争——辛顿认为大语言模型已经很接近人类智能，杨立昆认为这条路根本走不通，世界模型才是未来。两条路，两套哲学，两种对“智能”本质的理解。 下一期，小艾要带大家去英国，认识另一位AI大佬——戴密斯·哈萨比斯，DeepMind的创始人。他从4岁开始下国际象棋，后来创立了DeepMind，做出了AlphaGo和AlphaFold。这个人的人生，比电影还精彩。记得订阅《AI有点意思》，我们下期见！