恒丰金融研究院 刘宇

    作为恒丰金融研究院的研究员，我注意到一个有趣的细节：就在LeCun高声唱空的同时，他本人创办的AMI Labs，三个月前刚刚完成了10.3亿美元的种子轮融资，投前估值35亿美元。而他押注的方向，叫做"世界模型"。

    一边泼冷水，一边下重注。这两件事放在一起看，就很有意思了。

一、LeCun（杨立昆）到底在说什么？

先把LeCun的核心判断拆开来看。

第一，xAI的困境是结构性的。

    LeCun直言，xAI的核心创始团队已经大量出走，马斯克现在极难招募到顶尖AI人才。这是他判断xAI"失败"的主要依据——不是产品不行，而是人在流失。在AI这个典型的"人才密度决定一切"的行业里，核心团队散了，比亏钱更致命。

    这跟今年2月那笔天价交易的背景放在一起，就更耐人寻味了。当时马斯克将SpaceX与xAI合并，对xAI的估值高达1.25万亿美元。而在截至3月31日的三个月内，包含xAI在内的SpaceX AI业务板块运营亏损达到25亿美元。估值万亿，季度亏损25亿——这个账本，确实让人倒吸一口凉气。

第二，整个行业的商业模式本身出了bug。

    LeCun指出，AI服务的运营成本下降速度远低于市场预期。现在是什么局面？各大AI实验室实际上是在用投资人的钱补贴用户。ChatGPT一个月20美元，背后的推理成本是多少？没有人公开算这笔账，但业界普遍认为，对重度用户而言，平台方是在赔本赚吆喝。免费用户就更不用说了。这种模式能撑多久？LeCun的判断是：撑不了多久。

第三，对大语言模型（LLM）路线的根本性质疑。

    这是LeCun一贯的立场，只是这次说得更直接。他认为，光靠把LLM做得更大、参数堆得更多，并不能真正解决"理解世界"的问题。AI可以写论文、编代码、画画，但它依然不知道一杯水打翻后会流向哪里。这种智能，在他眼里是"不完整的"。

二、世界模型是什么？为什么LeCun把全部身家押上去？

    LeCun离开Meta之后办AMI Labs，做的是他心心念念了几十年的东西——世界模型（World Model）。

    要理解这件事，我们需要回到一个很朴素的问题上：一个小孩是怎么认识世界的？

    婴儿不需要读一万亿字的语料。他摔几次跤，就知道地板是硬的。他看到球滚到沙发下面，就知道它还在那里，只是看不见了。他知道杯子打翻，水会流出来。这种"对物理世界的直觉"，恰恰是现在最先进的AI完全不具备的。

    世界模型要解决的，就是这个缺口。

    用技术语言说，世界模型是让AI在"头脑中"构建一个物理世界的内部表征，然后根据这个表征去预测：如果我做动作A，世界会变成状态B。本质上，它不是一个"更聪明的语言模型"，而是一个"能预演未来的仿真器"。

一个最直观的对比：

大语言模型的工作方式是：输入一段文字→ 预测下一个词 → 继续预测下一个词

世界模型的工作方式是：观察当前世界状态 + 假设要采取某个行动 → 预测行动后的世界状态 → 根据这个预测来规划下一步

    前者擅长的是语言层面的"听起来对"，后者追求的是物理层面的"实际上对"。

    LeCun为这条路线设计的核心技术框架叫JEPA（联合嵌入预测架构），核心思路是不在像素层面做预测（那太笨重了），而是在一个抽象的"概念空间"里做预测。就像人开车时不需要在脑子里渲染4K高清画面，凭直觉就能判断要不要踩刹车。Meta之前发布的I-JEPA和V-JEPA就是这个路线的早期成果。

    现在，LeCun把这条技术路线带出了大厂实验室，带进了AMI Labs的融资BP里。35亿美元的估值，买的不是现在能变现的产品，而是"LLM之后下一个AI范式"的入场券。

三、世界模型产业版图：三股力量正在集结

    目前围绕世界模型的产业力量，大致可以分为三个阵营。

第一阵营：原生世界模型创业公司

AMI Labs（杨立昆）

    这是旗帜性的存在。2026年3月完成10.3亿美元种子轮，投资方阵容堪称豪华：领投方包括Cathay Innovation、Greycroft、Hiro Capital、HV Capital，以及贝索斯家族办公室Bezos Expeditions。战略投资者里还有英伟达、三星、淡马锡、丰田旗下的Toyota Ventures。注意这个组合——芯片（英伟达）、硬件终端（三星）、汽车（丰田），三家产业资本同时入局，说明这不止是一个"学术项目"。

    AMI目前的首个落地方向选在医疗领域，与临床AI公司Nabla达成了独家合作。选医疗作为突破口是合理的：医疗场景天然需要"理解患者状态随时间连续演化的能力"，而这是LLM的截面判断做不到、世界模型的纵向推理刚好擅长的。

World Labs（李飞飞）

    如果你觉得AMI Labs的估值已经够高了，那再看看World Labs。今年2月，由斯坦福AI研究院院长李飞飞创立的World Labs完成10亿美元融资，估值直接打到50亿美元。核心产品Marble是一个能生成可导航、可编辑、可交互3D世界的平台，直接面向机器人训练、虚拟制作、数字孪生等场景。

    投资方同样值得注意：Autodesk以2亿美元战略领投，英伟达和AMD同时参投。黄仁勋和苏姿丰罕见地为同一家公司站台，这背后反映的是算力供应商对"AI从文本世界进入物理世界"的集体押注。

Generalist AI（皮特·弗洛伦斯）

    一家有意思的公司。创始人皮特·弗洛伦斯是前谷歌DeepMind高级研究科学家，也是Gemini Robotics的核心开发者。但他本人拒绝被贴上"世界模型"的标签——他说，我们应该从目标出发，而非从技术概念出发。

    Generalist AI的目标很直接：造出能做任何事的机器人。今年4月发布的GEN-1模型，在折叠纸箱、打包手机这类精细机械任务上做到了99%的成功率，速度是初代产品的3倍，仅需约1小时训练。公司已完成4亿美元融资，估值20亿美元。投资方中再次出现英伟达和贝索斯的身影，还有小米联合创始人林斌、Zoom创始人袁征，以及李飞飞本人的个人投资。

第二阵营：算力巨头的平台级布局

英伟达 Cosmos 3

    今年6月台北GTC上，英伟达正式发布了Cosmos 3——全球首款完全开源的全模态物理AI大模型。它采用混合Transformer架构，在一个系统里融合了视觉推理、世界生成和动作预测三大功能。黄仁勋还宣布成立Cosmos联盟，联合全球研发机构推进下一代世界模型技术。

    英伟达的逻辑很清楚：如果AI的下一站从"云端的语言处理"转向"物理世界的实时交互"，那对算力的需求会是现在的指数级增长。Cosmos就是为这个未来准备的"开发套件"，买我芯片，用我模型，整个生态闭环就锁死了

第三阵营：自动驾驶车企的"应用拉动"

    世界模型在自动驾驶领域的应用，可能是当下最接近商业化的方向。这不是巧合——开车这件事，本质上就是一个连续动态世界中的实时预测和规划问题。

    目前明确采用世界模型路线的车企和方案包括：

特斯拉：在CVPR 2023上就公开介绍了基于Transformer的4D神经网络方案，用世界模型构建对时空环境的统一理解。

蔚来：2024年发布NWM（蔚来世界模型），可以在100毫秒内推演出216种可能的驾驶场景，将3秒视频生成为120秒的长时序推演。

理想汽车：采用"端到端+VLM"方案，融合3D高斯模型重建和扩散模型生成两条技术路线。

小鹏汽车：云端大模型参数量是车端模型的数百倍，在云端做强化学习后再复刻到车端。

商汤绝影：推出"开悟"世界模型，可生成最长150秒、1080P分辨率、11视角的驾驶场景视频，基于1024类场景泛化出千万级生成场景库。

Wayve.ai（英国）：GAIA-1模型，通过视频、文本和动作输入生成逼真驾驶场景，展示出对3D几何的隐式理解。

    另外，还有一家叫极佳科技的中国公司值得关注。他们与中科院自动化所、理想汽车、北大等机构合作开发的DriveDreamer4D，是用世界模型作为数据引擎，基于真实驾驶数据合成新轨迹视频，大幅提升自动驾驶4D重建算法的效果。

四、从投资视角审视：钱在往哪走？

    把上面的信息串起来，我作为研究员，看到几个值得关注的信号。

信号一：产业资本比财务投资者更积极。

    英伟达几乎出现在每一家重要世界模型公司的股东名单上——AMI Labs、World Labs、Generalist AI，它都投了。三星投了AMI。丰田投了AMI。Autodesk领投World Labs。这些产业方的动作，比传统VC更值得重视。他们不是为了"赌上市退出"，而是在为五年后的技术生态铺路。

信号二：中国在这一赛道上并没有落后。

    这是跟大语言模型时代不太一样的地方。在LLM赛道，OpenAI和Anthropic遥遥领先，中国企业的追赶压力巨大。但在世界模型这个方向上，情况不同：

    1、中国拥有全球最大的制造业基础和最丰富的机器人应用场景，这意味着大量"动作驱动"的训练数据；

    2、投资结构中，产业资本扮演重要角色（顺丰、吉利、联想、阿里等都在布局机器人/自动驾驶），提供了真实场景和落地渠道；

    3、在自动驾驶这个最接近世界模型商业化的领域，中国车企和科技公司的参与度非常深，技术方案各有特色，不是简单的跟随。

    当然，说"中国领先世界模型"还为时过早。在底层架构和基础研究层面，LeCun的JEPA、英伟达的Cosmos、李飞飞团队的学术积累，仍然占有显著优势。但"应用端弯道超车"的可能性，确实存在。

信号三：泡沫警告本身，就是洗牌的信号。

    LeCun的警告之所以能引起这么大关注，根本原因是它戳中了很多人的真实担忧。

    当一个行业里，核心人才在用脚投票（离开xAI），头部的公司靠补贴维持用户增长（各AI实验室），万亿估值对应的商业模式还没有跑通（xAI季度亏损25亿）——泡沫的讨论就不是空穴来风。

    但泡沫破裂往往也意味着洗牌。2000年互联网泡沫破灭后，亚马逊活下来并成了巨头，Pets.com消失了。这一次，哪些AI公司有真东西，哪些只是在"用投资人的钱烧用户"，飞起来和摔下来的都会很快。

    从目前看，世界模型赛道的公司有一个共同点：它们都还没有清晰的商业收入。AMI Labs、World Labs、Generalist AI都处于"出产品、跑场景、养生态"的阶段，离规模化变现还有相当距离。但它们背靠的产业资本足够雄厚，技术路线也与LLM形成错位——并不在一个维度上跟OpenAI卷。

五、行业深度思考：泡沫破裂后，世界模型凭什么承接 AI 下一轮增长？

1. 商业模式天然解决"烧钱亏损"痛点

    LLM赛道内卷的核心，是同质化的文字服务。各家产品功能趋近，用户付费意愿自然低迷——一个月20美元，已经是用户心理价位的天花板了。但世界模型的客户画像完全不同：它直接服务车企、工厂、机器人企业、医疗机构，清一色的B端高预算付费客户。一个车企要仿真测试自动驾驶算法，一台工业机器人需要动态建模来优化产线——这些场景下，仿真和自动化改造可以直接降低企业几百万甚至上千万的运营成本，客户的付费逻辑是清晰的、刚性的，不存在什么"免费补贴、砸钱内卷"的路径依赖。

2. 算力效率优势，长期大幅压缩运营成本

    这一点直接回应了LeCun"降成本"的呼吁。以JEPA架构为代表的路线，不追求逐像素生成画面，只在抽象的物理特征空间里做预测。这意味着同等任务下的算力消耗，远低于动辄万亿参数的多模态大模型。LLM时代，"推理成本"是吞噬利润的黑洞；而世界模型从架构设计之初，就走了一条更"轻"的路。这不是锦上添花的优化，而是从底层逻辑上绕开了"模型越大越烧钱"的死循环。

3. 产业空间远超生成式文字AI

    当前LLM的市场，本质上还集中在内容创作、办公工具、客服对话这几个场景。不是说这些市场不大，但它们跟物理世界的万亿级赛道比起来，确实不在一个量级。世界模型覆盖的是自动驾驶（万亿）、工业机器人（万亿）、数字孪生、高端制造、医疗仿真——横跨了实体经济的全产业链条。长期来看，它的市场天花板，比纯文字的生成式AI至少要高出一个数量级。

4. 风险提示：世界模型仍处早期研发阶段  

说完了乐观面，也必须泼一盆冷水，目前世界模型在下面一些问题：

技术瓶颈：高精度的物理仿真、大规模具身机器人的落地，仍然需要2到3年的技术迭代。实验室里的Demo和产线上稳定运行的产品，之间隔着巨大的工程鸿沟。

资金门槛：基础世界模型的研发投入是十亿级别的。AMI Labs融了10亿美元，World Labs也融了10亿，这还只是种子轮。中小创业公司在这个赛道上，几乎没有独立入场的可能。

短期业绩兑现慢：基础研发型企业在相当长一段时间内不会有营收，投资回报周期比LLM应用层公司要长得多。这就考验投资人的耐心和资金厚度——不是所有LP都等得起。

结语

    LeCun对AI泡沫的预警，本质上不是在唱衰人工智能这个方向，而是在帮市场做一个关键的区分：什么是"泡沫赛道"，什么是"长期主线"。

    依靠文字生成、低价内卷的通用LLM赛道，估值水分已经很足——当资本退潮，洗牌不可避免。而扎根物理世界、赋能实体经济的世界模型，是图灵奖级别的科学家们集体押注的AI终极路线，它不是在跟ChatGPT抢对话市场，而是在重新定义"智能"的边界。

    当行业结束对单纯"聊天AI"的狂热，资本、算力、人才会逐步向世界模型赛道迁移。自动驾驶、工业机器人、空间智能——这些方向，将孕育出下一批真正具备持续盈利能力的AI龙头。

本文仅代表研究员个人观点，不构成投资建议。市场有风险，投资需谨慎。