2026年7月，图灵奖得主杨立昆（Yann LeCun）在社交平台X上连续转发了同一篇论文两次——VISReg（Variance-Invariance-Sketching Regularization），并在转发时留下一句评价："VICReg begat SIGReg which begat VISReg"（VICReg孕育了SIGReg，SIGReg又孕育了VISReg）。

这不是一次普通的学术点赞。LeCun在2025年底离开Meta后，携10亿美元创立AMI Labs，赌的就是"大语言模型是死路，世界模型才是未来"。VISReg精准命中了他全力押注的JEPA（联合嵌入预测架构）体系的核心难题——表征坍塌。更值得注意的背景是：这篇论文的一作Haiyu Wu为华人学者，博士毕业于圣母大学，现就职于Altos Labs。

把这条新闻放在更大的坐标系里看：从DeepSeek让LeCun公开表态"开源模型正在超越专有模型"，到量子位报道"国产开源模型占领硅谷"获LeCun本人点赞，再到智平方在联合国开源周与LeCun同台交流——"又一个"让海外AI圈坐不住的中国相关AI成果，正在从单点突破变成趋势性事件。

但真正的信号不在"谁被转发了"，而在LeCun背后那条技术路线正在加速从学术走向产业。世界模型赛道在过去18个月吸纳了超过100亿美元投资，LeCun预言三到五年内它将取代大语言模型成为主流AI范式。对于手握数字化预算的CIO来说，这不是一条可以忽略的新闻。

AI 频道

一、VISReg到底解决了什么

要理解LeCun为什么"两连推"，得先看VISReg解决的技术痛点。

JEPA世界模型的底层是自监督学习（SSL）。SSL的核心优势是"去标注化"——AI不需要人工标签就能从海量数据中学习通用表征。但它有一个致命缺陷：表征坍塌（representation collapse）。简单说，模型学到最后开始"偷懒"，不管输入什么，都输出差不多的向量，看似训练完成，实则什么都没学到。

LeCun团队此前提出的VICReg把正则化拆成方差、不变性、协方差三项，用协方差约束维度间的相关性。问题在于，协方差只捕捉二阶统计量——两个分布可以均值方差完全一样，形状却天差地别。后来的SIGReg用sketching技术把嵌入分布对齐到标准高斯，但存在梯度消失陷阱：坍塌越严重，修正信号越弱，模型彻底失去自救能力。

VISReg的核心创新是"解耦"——把"尺度"（幅度大小）和"形状"（分布形态）拆成两个独立优化目标。用方差项控制尺度，用基于切片Wasserstein距离（SWD）的sketching objective控制形状。两者互不干扰，且在坍塌发生时梯度依然 robust[arXiv:2606.02572；VISReg项目主页，haiyuwu.github.io/visreg]。

一句话：VISReg用更朴素的方法、更少的数据、更稳的训练，在图像识别、分割、生成加速三个维度上都达到了顶尖或接近顶尖水平。这直接戳中了LeCun的学术焦点——他2017年起就力推SSL，JEPA是他对抗LLM路线的核心武器。

AI 频道

二、LeCun为什么押上10亿美元

LeCun对LLM的批评已经持续多年，但2026年他开始用真金白银下注。

2025年底，LeCun离开工作十余年的Meta。直接导火索是Meta在2025年6月斥资约143亿美元收购Scale AI大量股份，28岁的 Wang被引入主导新成立的Meta Superintelligence Labs，LeCun的FAIR实验室被并入Wang麾下——图灵奖得主向一个比自己年轻数十岁的管理者汇报。更深层的裂痕在于路线之争：LeCun在《金融时报》专访中称Meta新AI团队"完全被LLM洗脑了"（completely LLM-pilled），并暗示Llama 4的某些基准测试结果"经过了修饰"。

2026年3月，LeCun正式创立AMI Labs（Advanced Machine Intelligence），总部位于巴黎，在纽约、蒙特利尔、新加坡设办公室。种子轮融资10.3亿美元（约8.9亿欧元），投前估值35亿美元，号称欧洲历史上最大种子轮。投资方包括英伟达、贝索斯基金（Bezos Expeditions）、三星、淡马锡、丰田创投，个人投资者包括贝索斯、Eric Schmidt和Tim Berners-Lee。

AMI Labs的CEO是Alexandre LeBrun——LeCun在Meta时期的下属，医疗AI公司Nabla的创始人。LeCun本人担任执行主席，主抓科学方向。首个合作伙伴就是Nabla，方向锁定医疗健康——因为"幻觉"在医疗场景是致命的，而世界模型能让AI像人类一样预测行动后果。

LeBrun放了一句话："我的预测是，六个月内每家公司都会自称做世界模型来融资"[QuantumZeitgeist，2026]。这句话的杀伤力在于——它意味着世界模型正在从学术概念变成产业风口。

LeCun的核心论断可以拆成三层：

第一层，LLM不懂物理世界。"一只家猫对重力、因果的理解，甩开任何前沿大模型好几条街"[新浪科技，2026-07-03]。LLM本质是"统计机器"，预测下一个词，却不理解动作后果。一个10岁孩子不需要读四百亿页书就能学会拿杯子，但GPT可能需要"阅读"相当于40万年人类阅读量的文本，依然不懂杯子掉地上会碎。

第二层，Scaling正在饱和。LLM的进步主要靠堆数据、堆算力，但边际收益递减。"我们不可能通过把这些系统做大、做强，就达到人类水平的智能"。

第三层，世界模型是替代路径。JEPA通过在抽象隐空间中预测"接下来会发生什么"，让AI学会物理常识和因果推理，而非逐像素生成画面。LeCun在印度AI峰会上直言："智能体系统不能没有行动后果预测能力，而LLM做不到这一点"。

VISReg的价值在于——它让JEPA训练更稳定、更高效，直接为LeCun的10亿美元赌注提供了技术弹药。

AI 频道

三、"又一个"的语境：中国AI的国际化突围

用户提到的"又一国产项目"，放在LeCun与中国AI的互动史中看，"又一个"三个字才有了完整含义。

第一波：DeepSeek。2026年1月，DeepSeek-R1发布后震动了美国科技界。LeCun在Threads上表态："对那些看到DeepSeek表现并认为'中国在AI领域正超越美国'的人而言，你的解读错了。正确解读应是'开源模型正超越专有模型'"。他同时强调"DeepSeek从开放研究和开源中获益良多，如同PyTorch和Llama"[同上]。

第二波：国产开源模型横扫硅谷。2026年4月，量子位报道"国产开源模型占领硅谷，性价比超10倍"，LeCun本人在社交媒体上点赞认可。核心事实包括：Cursor的自研模型Composer 2被曝套壳Kimi K2.5；Cognition的SWE-1.6疑似在GLM模型上后训练；Shopify切换至Qwen后每年节省500万美元；Airbnb联创Brian Chesky公开表示"Qwen又好又快又便宜，比GPT还好用"。

LeCun在达沃斯论坛上的判断更直接："硅谷有一种优越情结，他们无法想象好的创意会来自其他地方。现在最好的开源模型来自中国，每个研究者都在用中国模型"。

第三波：VISReg。 华人学者Haiyu Wu作为一作的论文获LeCun两连推。需要指出的是，VISReg的机构归属是Altos Labs和布朗大学，并非严格意义上的"国产项目"。但一作的华人身份、以及LeCun对这条正则化路线（VICReg→SIGReg→VISReg）的高度认可，让它成为中国AI人才在全球前沿研究中影响力的一个注脚。

第四波：智平方在联合国。 2026年7月，联合国开源周在纽约总部举行，深圳企业智平方（AI²Robotics）作为中国具身智能领域唯一受邀代表，携全球首个原创类脑大模型NeuroVLA和开源平台AlphaBrain Platform亮相。智平方海外与生态副总裁巫易磷与LeCun同台交流。

从DeepSeek到VISReg再到智平方，"又一个"不是修辞，是事实。

AI 频道

四、范式转移：从LLM到世界模型

世界模型赛道正在从学术概念变成资本风口。

过去18个月，世界模型企业吸纳了超过100亿美元投资[智东西，2026-07-21]。这个数字不是孤立信源——它出现在智东西对WAIC 2026的报道中，与AMI Labs（10.3亿美元）、World Labs（李飞飞，10亿美元）等具体融资案例互相印证。

LeCun预言三到五年内世界模型将取代大语言模型成为主流AI范式。这个判断目前仍是少数派观点——但它正在被越来越多的人认真对待。

海外阵营：

• AMI Labs（LeCun）：10.3亿美元种子轮，聚焦JEPA和世界模型，首个落地场景医疗健康。

• World Labs（李飞飞）：10亿美元融资，推出商业世界模型Marble，可从文本或照片生成可漫游3D环境。

• Google DeepMind：Genie 3发布于2025年中，号称首个实时交互通用世界模型，24fps生成可导航3D世界。

• OpenAI：Sora团队方向调整，从"生成现实"转向"理解现实"。

中国阵营：

• 智平方：NeuroVLA类脑大模型，联合国开源周展示，与LeCun同台。

• 自变量机器人：2026年4月发布全球首个基于世界统一模型架构（WUM）的具身智能基础模型WALL-B，从训练第一天起即对视觉、听觉、触觉多模态数据联合训练，能感知重力、惯性、摩擦力等物理规律。

• 小马智行：2026年4月发布PonyWorld世界模型2.0，具备自我诊断与定向进化能力，AI能自主诊断短板并自动生成针对性训练场景，已应用于L4级无人驾驶车队。

• 优必选：Thinker-WM在Libero权威评测中登顶全球第一，力压英伟达、Physical Intelligence、小米等团队。

• 具脑磐石：华为系具身智能公司，完成亿元级融资，定位"面向具身落地的JEPA"，由前华为云AI算法创新Lab主任朱森华创立。

• 日冕开物：前蔚来、华为智驾核心成员创业，三个月内完成数亿元融资，世界模型LaMPA已在工业场景落地。

• 昆仑万维：旗下Skywork团队在WAIC 2026期间发布Matrix-Game 3.5，实现端到端实时推理。

国内世界模型相关融资事件已超20起。

一个值得注意的信号：2026年被业内普遍定义为"世界模型元年"。

但冷思考同样重要。

LeCun的反对者不在少数：前沿LLM早已不是纯文本——Meta自己的Llama 4就是多模态；上下文学习让模型能从少量样本中学习新任务；Scaling的每次"见顶"预言都被后续突破打脸。Ground to Cloud的分析指出："诚实的回答是：存在真正的不确定性。LLM可能撞上天花板，也可能通过架构改进继续突破"。

AI 频道

五、自监督学习的企业级含义

VISReg所代表的自监督学习突破，对企业CIO而言不是遥远的学术话题。

数据成本直降。 VISReg用1/10的数据追平DINOv2——这意味着在数据标注成本高企的制造业、医疗、工业检测等场景，AI模型的训练成本有望大幅下降。对于正在推进AI落地的企业来说，"没有足够标注数据"这个最常见的拦路虎，正在被技术进步绕过。

多模态能力升级。 世界模型的核心是从视觉、触觉、空间交互中学习物理常识，而非仅靠文本。这对制造业质检、机器人控制、自动驾驶等物理世界场景直接相关。自变量机器人的WALL-B从训练第一天就联合处理视觉、听觉、触觉数据——这不是实验室玩具，而是面向家庭服务机器人的产品化路径。

开源生态重构。 中国开源模型在硅谷的渗透已经深入肌理。斯坦福李飞飞团队基于Qwen2.5-32B构建推理模型s1-32B，成本不到50美元；艾伦人工智能研究所基于Qwen2-72B构建多模态系统；Mira Murati的Thinking Machines Lab把Qwen作为默认微调选项。CIO在选型时，"国产开源模型性价比高10-20倍"已经不是营销话术，而是被硅谷一线团队用脚投票验证过的事实。

算力路径分化。 智平方的NeuroVLA走的是"不堆算力、靠架构创新"的路线——脊髓层功耗0.4瓦。如果这条路径被验证可规模化，意味着企业在AI算力投入上可能不必一味追高，架构选型的重要性正在上升。

AI 频道

六、面向CIO的五条行动建议

基于以上分析，我们给出以下行动建议：

建议一：不要把AI预算全部押在LLM上。

世界模型赛道18个月吸纳100亿美元投资，LeCun携10亿美元入场，李飞飞、DeepMind、OpenAI均在布局。虽然LLM在文本处理、知识问答、代码生成等场景仍是主力，但物理世界相关的AI能力——机器人控制、工业质检、自动驾驶、空间理解——正在转向世界模型路线。CIO应在AI预算中留出10%-15%用于跟踪和试点世界模型/自监督学习方向。这不是追风口，是风险管理。

建议二：评估中国开源模型的选型替代。

中美同等质量模型价格差距10-20倍，且硅谷一线团队（Shopify、Airbnb、斯坦福、艾伦研究所）已经在生产环境中使用中国开源模型。CIO应组织技术团队对Qwen、Kimi、GLM等国产开源模型进行基准测试和POC验证，重点关注推理成本、私有化部署可行性和数据安全合规。在非核心场景优先替换，逐步积累运维经验。

建议三：建设多模态数据基础设施。

世界模型和自监督学习的核心输入是视觉、触觉、空间等多模态数据，而非纯文本。CIO应提前盘点企业内部的多模态数据资产——产线视频、设备传感器数据、质检图像、监控流——并评估其质量和可用性。数据基础设施的投入应从"文本为中心"向"多模态为中心"迁移。VISReg证明1/10的数据可以追平10倍数据量的模型，数据质量比数据数量更重要。

建议四：关注自监督学习对标注成本的冲击。

VISReg的核心价值是"去标注化"——不需要人工标签就能学习通用表征。对于每年在数据标注上投入大量预算的企业（制造业质检、医疗影像、安防监控等），自监督学习有望将标注成本压缩一个数量级。CIO应要求AI团队跟踪SSL方法的工业可用性进展，并在下一轮模型迭代中引入SSL预训练+少量标注微调的混合范式。

建议五：建立"技术路线监测"机制。

AI技术路线正在分化：LLM路线（OpenAI、Anthropic、Meta）vs 世界模型路线（AMI Labs、World Labs、DeepMind）。这两条路线的产业化节奏不同，对企业的应用场景影响也不同。CIO应指定技术架构师或设立虚拟小组，定期跟踪两条路线的关键里程碑——论文发布、融资事件、产品落地、基准测试排名——形成季度技术雷达报告，为IT战略规划提供输入。不要等到技术路线胜负已分才开始行动，那时候窗口期已经关闭。

趋势研判

信号一：AI竞赛的主战场正在从"模型参数"转向"物理理解"。

当LeCun说"你的猫比GPT更懂物理"时，他不只是在批评LLM，而是在定义下一轮竞争的维度。能处理文本的AI已经商品化，能理解物理世界的AI还没有。这个差距就是机会。

信号二：中国AI正在从"应用创新"向"基础研究"渗透。

过去十年中国AI的优势在应用层——安防、推荐、电商。2026年的信号不同：DeepSeek的MoE架构创新被LeCun点名表扬[今日头条，2026-02-11]；VISReg的华人一作在LeCun最看重的JEPA路线上取得突破；智平方在联合国展示类脑大模型。中国AI的影响力正在向产业链上游迁移。

信号三：开源 vs 闭源的胜负正在加速分化。

LeCun的判断很明确："如果西方继续用安全借口闭源，等于把创新主动权拱手相让"[今日头条，2026-02-11]。事实在验证他的判断：Meta的Llama系列增长乏力后转向闭源Muse Spar；艾伦人工智能研究所削减开源模型研发资金；而中国团队仍在积极拥抱开源。开源AI的旗帜正在向中国转移——这不是情绪化判断，是硅谷用脚投票的结果。

★写在最后 ★

AI技术路线正在分化，这不是"选边站"的时候，是"两边看"的时候。

LLM在短期内仍是企业AI的主力武器，但世界模型正在以比预期更快的速度从论文走向产品。

LeCun的10亿美元赌注、100亿美元的赛道投资、中国团队的多点突破——这些信号叠加在一起，指向一个判断：未来三年，企业的AI竞争力将不仅取决于"用了多大的模型"，更取决于"是否理解了物理世界"。

信源列表

机器之心、AI科技评论/人工智能学家、 arXiv:2606.02572、 VISReg项目主页、GitHub/HaiyuWu/visreg、 neodrop.ai、新浪科技/图灵人工智能、ZAKER科技/今日头条、凤凰网/快科技、量子位/36氪、中国日报、腾讯新闻、雪球、科学网博客、 OpenReview，Haiyu Wu个人学术主页等

✦