夜雨聆风你打开任何一个AI对话工具，问一个问题，它给你一段流畅的回答。很多时候你分辨不出，这到底是一个人，还是一台机器。
这很惊人。但有一个拿过图灵奖的人说：这条路就算走到头，也到不了真正的智能。
他叫杨立昆（Yann LeCun），2018 年图灵奖得主、卷积神经网络（CNN）之父、Meta 首席 AI 科学家。2022 年，他发表了一篇立场论文，系统性地指出了当前 AI 路线的根本缺陷，并提出了一套全新的框架——JEPA（联合嵌入预测架构）。
他用一句话概括了整件事：
GPT 学的是"下一个词该说什么"，JEPA 学的是"这个世界是怎么运作的"。前者是背台词，后者是理解剧本。
这篇文章，就是把这句话给你彻底讲明白。
一、GPT 很强，但它不知道自己在说什么
GPT 的能力毋庸置疑：写文章、编代码、聊天、翻译，甚至在某些考试里超过人类。
但它的工作原理，和你想的可能不太一样。
GPT 做的事情极其简单：给你前面一段文字，猜下一个词最应该是什么。猜对了继续，猜错了调整。重复几万亿次之后，它成了地球上最厉害的"语句接龙机器"。
请注意这个描述——它不是在想，它是在接龙。
你问 GPT"把一杯水从桌子上推下去会发生什么？"，它能给你一段漂亮的描述：杯子掉落、水洒出来、杯子可能碎。但它并不真的"知道"重力、液体流动、陶瓷的脆性。它只是从训练数据中学到：当有人问这个问题时，最可能的下一个词序列就是这些。
有一个经典比喻：
GPT 像一个读了全世界所有书但从未出过门的人。他能说出所有正确的句子，但没有一句是基于亲身体验的。
它不知道什么是真的。它只知道什么是"听起来像真的"。
二、JEPA：不是猜下一个词，而是猜"被遮住的那块"
杨立昆提出的 JEPA，走的是完全不同的路线。
我用一个比喻说清楚。
给你一张猫的照片，遮住 80%，只露出耳朵和一小截尾巴——我问你：被遮住的部分应该长什么样？
你会怎么回答？
你不会去想象每根毛怎么排列、每个像素的颜色值是多少。你脑子里会直接形成一个印象：
那里应该是一个猫头 眼睛在脸的中间位置 身体是毛茸茸的、偏椭圆
你不必画出每根毛——但你"知道"那里有什么。
这个"知道"，就是理解。
JEPA 做的正是这件事。它不是在像素层面去"画"出缺失的内容（那是 GPT 的做法），而是在一个更高层的抽象空间里，判断"那里应该有什么"。
这个抽象空间叫表征空间。但你不必记住这个术语，你只需要记住一句：
JEPA 不画画，它只猜大意。猜大意就够了，因为大意里包含了真正的理解。
为什么猜大意就够了？因为如果你能判断被遮住的是一只猫还是一条狗、耳朵朝上还是耷拉、尾巴长还是短——你已经理解了这张图的结构。至于每根毛的颜色深浅、光影强弱，那些细节对"理解"来说，不重要。
杨立昆的原话是："一个好的智能系统，应该学会忽略那些不可预测的细节。"GPT 做不到忽略，它必须建模一切。JEPA 天生就学会了跳过噪声、直取关键。
这就是 JEPA 的效率来源，也是它靠近"真正理解"的第一步。
三、两条路线，两种哲学
GPT 走的是生成路线——通过大量的文本拟合，学会模仿人类的语言模式。
JEPA 走的是理解路线——通过预测缺失信息，学习世界的结构。
这两条路线不一定冲突，但杨立昆明确认为：理解路线才是通向真正智能的方向。生成路线再往前走，也只是参数更多的"接龙机器"，它不会突然产生对世界的理解。
四、说点跟你工作有关的事
如果你不是写代码的，上面这些技术对比跟你有什么关系？关系很大。
第一，你判断 AI 产品潜力的框架需要更新。
现在市面上几乎所有 AI 产品，本质上都在做同一件事——"猜下一个词"。这意味着它们有共同的天花板：擅长"听起来对"，但不擅长"真的理解"。你评估一个 AI 产品时，不妨多问一句：它是在拟合数据，还是在理解问题？这个区别，决定了它能走多远。
第二，下一波机会可能不在"更大的模型"，而在"新的架构"。
过去两年，大家默认 AI 的进步等于"参数更多、模型更大"。但杨立昆告诉我们：另一条路是"让模型学会理解结构，而不是记住模式"。如果你在做产品规划、技术选型或判断投资方向，这个视角会让你在别人只盯着 GPT-5、GPT-6 的时候，看到另一条暗线。
第三，今天的 JEPA，可能就是你三年前错过的 GPT。
2018 年 GPT-1 刚出来时，关注它的人很少。真正看懂它价值的人，后来在 AI 领域占据了先机。今天的 JEPA 就处在那个阶段——论文发了，代码开源了，但知道的人还不多。现在开始了解它的人，三年后会在同行的谈话里显得"早就知道了"。
这不是劝你押注。而是说：当一个拿过图灵奖的人告诉你"现在这条路走不远"，你至少应该听他讲完理由，再做判断。
五、这不是"新东西打败旧东西"
我不是在说 JEPA 已经超越了 GPT。事实是：GPT 产品已服务数亿用户，而 JEPA 还在学术圈和实验室里迭代。前者的商业化程度远超后者。
但 AI 领域的历史反复证明一件事：工程上的领先不等于思想上的正确。
CNN 刚提出来的时候，也被主流学术界无视了十几年。杨立昆自己在神经网络研究的"寒冬期"坚守了近 20 年，后来 CNN 成了计算机视觉的基石。
今天 JEPA 的处境，和当年的 CNN 很像——思想已经成形，但大规模落地还需要时间。
六、为什么要关注这件事？
因为真正的技术趋势，从来不是从新闻头条里看出来的，而是从那些"还在实验室里"的想法里长出来的。
GPT 代表了当下。JEPA 可能代表下一个阶段。
杨立昆在《科学之路》里写过一句话：
真正的智能，来自对世界运作方式的理解，而不是来自对语言序列的拟合。
GPT 擅长的是后者。JEPA 追求的是前者。
这两种路线之间的争论，可能是未来十年 AI 领域最核心的思想碰撞。现在开始了解它的人，三年后会庆幸自己"在那时候就知道了"。
*本文内容参考了Yann LeCun的公开论文及演讲，由"下一站AI"编译整理。
下一篇预告：
从"被主流排斥"到"影响整个时代"——杨立昆在 AI 寒冬里独自坚守了 20 年，他的故事比技术本身更值得一听。
