深度解析：LLM 存在缺陷？為何楊立昆的 AMI 押注 World Model 路線 

由圖靈獎得主、前 Meta 首席 AI 科學家 Yann LeCun（楊立昆） 創辦的人工智慧研究公司 Advanced Machine Intelligence（AMI），近期完成約 10.3 億美元（約 8.9 億歐元） 的超大型種子輪融資。公司估值約 35 億美元，三個月便達到獨角獸級別。顯示資本市場正在押注一條不同於 OpenAI、Anthropic 等公司主導的大型語言模型（LLM）路線。

近年 AI 學界兩位重量級人物楊立昆與被稱為「AI 教母」的李飛飛（Fei-Fei Li）都選擇押在被稱為 World Model（世界模型） 的新一代 AI 架構。當前主流的 LLM 依靠龐大的語料庫與統計關係來理解上下文，並預測下一個詞語。它可以知道「蘋果掉下來」這幾個字常一起出現，但並不真正理解重力或物理世界的因果關係。

這種模式在文本生成、程式輔助或問答任務上表現出色，但在需要理解現實世界結構、推理因果關係與長期規劃的場景中，仍存在根本限制。更大的問題在於數據來源正在逐漸枯竭。LLM 的訓練高度依賴高品質人類資料，而近年業界已開始警告，可用的人類文本資料可能在未來幾年內被消耗殆盡。屆時就像近親繁殖可能遺傳缺陷，最終導致模型逐漸偏離現實並出現性能退化。

楊立昆 AMI 完成 10.3 億美元種子輪，三個月即達獨角獸估值

由圖靈獎得主、前 Meta 首席 AI 科學家 Yann LeCun 創辦的人工智慧研究公司 Advanced Machine Intelligence（AMI），近期完成約 10.3 億美元（約 8.9 億歐元） 的超大型種子輪融資。本輪融資完成後，公司估值約 35 億美元，成立時間尚不到三個月便達到獨角獸級別，也被多家媒體形容為歐洲史上最大規模的種子輪融資之一。

(離開 Meta 後圖靈獎得主 LeCun 的 AI 新創 AMI 獲十億注資)

AMI 目標是打造下一代 AI 系統，所謂的 World models 是讓 AI 能夠理解與推理真實世界，而非僅僅預測下一個 token。

此次融資由多家創投機構共同領投，包括 Cathay Innovation、Greycroft、Hiro Capital、HV Capital，同時也吸引多家大型科技與產業公司參與。戰略投資者包括 Nvidia、Toyota、Samsung 等大型企業。此外，Jeff Bezos 也透過其家族投資機構 Bezos Expeditions 參與投資。

值得注意的是，如此規模的種子輪融資在 AI 創業史上極為罕見，顯示資本市場願意為非 LLM 技術路線的 AI 研究支付高額溢價。

AMI 押注 World Model，LLM 存在什麼缺陷

AMI 的核心研究方向是 world models（世界模型），這是一種讓 AI 學習物理世界結構與因果關係的模型架構。World Models 跟現有 LLM (Large Language Model) 的差別其實顯而易見。大型語言模型顧名思義，倚靠龐大的資料庫來理解前後文，再從資料庫輸出內容。它知道「蘋果掉下來」這幾個字常出現，但它並不理解重力。

更可怕的是，LLM 倚靠餵養數據來訓練模型。但高品質人類數據快被餵光了。現在業界開始依賴合成數據（Synthetic Data），但如果 AI 長期學習 AI 生成的內容，會產生「哈布斯堡效應」。生成式模型反覆使用自己產生的資料進行訓練，就如同近親繁殖容易將疾病遺傳。即使在理想條件下，模型也會逐漸遺忘現實，最終陷入退化。

(劍橋研究：2026 年人類資料將被 LLM 學習殆盡，AI 恐因「哈布斯堡現象」崩壞)

而 AMI 正在開發的系統會建立抽象的世界表示（representation）、忽略不可預測的細節、在表示空間中進行預測與推理。他們開發新型人工智慧系統能夠理解世界、擁有持久記憶、能夠推理和規劃，可控且安全。AMI 的研究將延續 LeCun 在 Meta FAIR 時期提出的 JEPA（Joint Embedding Predictive Architecture） 技術路線。

同為學術出身創業者，AMI 與 World Labs 有何不同

圖靈獎得主楊立昆主導的 AMI Labs，其實與另一位學者出身，被稱為 AI 教母的李飛飛有相似之處。2024 年，李飛飛創辦 AI 新創 World Labs，並出任執行長。公司定位為前沿基礎模型研發與產品公司，核心目標是打造大型世界模型（Large World Models, LWM）。讓 AI 不只會說話、看圖，而是能理解、生成並在 3D 世界中推理與互動。

(AI 教母李飛飛是誰？新創獨角獸 World Labs 融資獲輝達、AMD 支持)

World Labs強調的「空間智能」，讓模型能夠從影像或影片理解三維空間結構與物體關係、從文字或圖片生成可自由移動視角的 3D 場景，並在虛擬空間中進行推理與模擬，為機器人與實體 AI 行為提供基礎。

延伸來看，當AI具備對3D環境的理解與物理預測能力後，這項技術將成為自主機器人、自動駕駛與智慧製造等「實體AI」（Physical AI）的數位大腦。因此，World Model 的路線主張，機器人將會是十分關鍵的載體。