首页 / 资讯详情
Yann LeCun 万字演讲：「预测像素」是伪命题，JEPA 也并非凭空而来 | ECCV 2026
摘要
只靠语言和 token，AI 永远跨不过物理世界这道门槛！ 作者丨幸丽娟 编辑丨岑 峰 AI 行业的主叙事，曾被 Scaling Law 垄断：更大的模型、更多的 token，更强的文本推理，仿佛只要把语言模型继续堆大，通用人工智能就会自动到来。但这条路线撞上了天花板：预训练的边际收益肉眼可见地递减；模型一旦部署到真实世界，漏洞百出。2026 年，“世界模型”接棒 Scaling Law，成了牌桌上最拥挤的筹码。然而，这个词本身，同时被四条技术路线认领，而它们对“理解世界”这件事，几乎各说各话。第一条赌涌现：Sora、Genie 这类视频生成路线相信，只要下一帧逼得够真，物理规律就会自己从像素里长出来。第二条赌几何：李飞飞联合创立的 World Labs，从底层表征就锁死三维一致性，直接生成可自由探索的虚拟世界。第三条赌仿真：英伟达 Cosmos、Omniverse，把显式物理引擎当作机器人的练兵场。第四条路最孤峭，也最反常识：2018 年图灵奖得主、深度学习三位“教父”之一 Yann LeCun，押注 JEPA（联合嵌入预测架构），它不生成未来，只在抽象表征的空间里预测未来。四条路的根本分歧，本质上在于一个问题：机器要“懂”物理世界，究竟该去复刻它，还是去推理它？前三条都在不同程度上试图让机器“看见并重建”世界；JEPA 却选择另一条路——编码器先丢掉那些根本不可预测的细节，只保留可预测、可规划的结构，然后在抽象表征空间里预测未来。在 LeCun 眼里，连“预测像素”这件事本身都是伪命题：你把摄像头对准房间一角开始录像，下一帧会拍到什么，取决于镜头外有没有人走进来、光线会不会变化。而这些信息，在“当前帧”里根本不存在。在 ECCV 2026 Keynote 演讲《World Models: Enabling the next AI revolution》中，LeCun 给出的，是一个比“Scaling Law 还能撑多久”更根本的判断：只靠语言和 token 训练，AI 到不了人类水平智能，也跨不过物理世界这道门槛。在 LeCun 看来，如果我们要通往真正的通用人工智能（AGI），就必须打破对“生成式”的崇拜。真正的下一章，是让 AI 系统从视频、传感器与交互中，学习并构建世界模型；再用 JEPA 去理解世界，去预测行动后果，去规划出实现目标的动作序列。在Keynote的最后，LeCun给出了三个与众不同、甚至堪称“暴论”的建议：1.别再死磕生成式模型了。2.别再去研究 LLM 了。3.转向联合嵌入，转向抽象表征，转向世界模型。可以说，这次演讲，本质上是对“智能是什么、AI 该往哪走”的一次路线重估。而台下的听众，比谁都更该听懂这句话。作为计算机视觉的研究者，他们最清楚：真实世界远比语言更脏、更连续、更高维。LeCun 要讲的，正是如何让 AI 真正“看懂”并“应对”它。以下是 Yann LeCun 在 ECCV 2026 大会发表的 Keynote 演讲，AI 科技评论基于原英文演讲内容进行了不改变原意的编辑。01我们离 AGI ，还差得远感谢大家的到来。确实如主持人所说，我是一位天文摄影爱好者，一有时间就会拍摄星空，我的演讲封面就是我的 51 和 42号作品。但我今天不是来讲天文的，我是来聊世界模型的。我想开门见山地说一句