Yann LeCun：我不玩大模型了，那都是过去式！

Meta首席AI科学家Yann LeCun最近再次强调：「我对LLM不感兴趣了，那都是过去式了！」

这话一出，AI圈又掀起了一波讨论热潮，可对了解LeCun的人来说，这完全不意外！

作为深度学习三巨头之一，他一直对大语言模型持批判态度，认为它们根本不是通往真正AI的正确路径。

早在2023年2月，LeCun就在LinkedIn上发表过他的「不可动摇的观点」，明确表示自回归LLM虽然作为写作辅助工具有用，但它们不会推理和计划，会编造内容，并且终将被更好的系统所取代。

他在视频中说的更加直白：

「我不再对LLM感兴趣了，你知道…它们有点像是最后一件东西了…」

他犀利指出现在的情况：「工业界只是在边缘做些改进，用更多的数据，更多的计算，合成更多的数据…」

这不就是在说OpenAI、Anthropic这些公司都在做的事情嘛！过去几年，这些公司不就是在不断扩大计算规模、数据规模吗？

那LeCun认为更有前途的方向是什么呢？

他给出了四个关键领域：

1️⃣ 让机器理解物理世界（这点连NVIDIA的黄仁勋都在关注）

2️⃣ 让AI拥有持久的记忆（很少有人讨论这个问题）

3️⃣ 推理能力

4️⃣ 计划能力

等等，这不就是通往AGI（通用人工智能）的必经之路吗？

这四点恰恰也是LeCun 长期以来批评LLM 最核心的缺陷。

LeCun多次指出自回归LLM缺乏对物理世界的理解，没有持久记忆，无法进行真正的推理，也难以进行复杂规划。

关于推理，LeCun特别补充道：

「当然现在有些人在尝试让LLMs进行推理，但在我看来，这是一种非常简单化的视角…推理可能还有更好的方法。」

LeCun在2023年3月甚至专门发帖论证了为什么自回归LLM是“指数级发散的扩散过程”，表明错误会累积，正确性概率呈指数下降。

他还在今年年初的达沃斯世界经济论坛上，预测五年内没有人会使用现在的生成式AI和大语言模型，因为它们在这四个关键能力上的根本缺陷限制了AI达到真正变革性潜力的可能。

LeCun甚至更大胆预言：「这些方向，可能五年后会让技术社区兴奋不已，但现在看起来不那么令人兴奋，因为都还只是些晦涩难懂的学术论文。」

这其实与他一贯的立场一致。

在最近接受Newsweek采访时，LeCun再次表示相信LLM在五年内将基本过时，他和他的研究团队正在开发一个更好的范式系统，能够进行推理和规划。

网友们看到后反应各异，不少人居然直接开怼：

p🤖w(@noself86) 调侃道：

所以他们先是不是未来，现在又变成了过去？！我就是喜欢听这位老兄说话！哈哈哈哈

Homer(@AchillesSlays) 一句话戳中要害：

他输掉了LLM这场战争，所以葡萄是酸的

随后又补充：

他不是放弃了瞎扯，他只是LLM竞赛中唯一的输家。不过话说回来，他是个天才，我相信他肯定会拿出点好东西让所有人惊讶。我不会低估他。幸好我们有聪明人专注于其他方法。

Anwoy Chatterjee(@anwoy_) 敏锐地指出了矛盾之处：

与此同时，他正在共同撰写关于LLMs的论文

Lovis Odin(@OdinLovis) 则提出了更深层次的思考：

我认为他真的越来越迷失了。首先AI不仅仅是LLM！随着LLM的发展，我们看到的是控制它们的新方式，让它们一起工作。AI领域真正有趣的不是模型本身，而是你在它们周围建立的东西。

Shawn(@Shawnryan96)则直截了当地质疑：

说了这么多，却没有任何成果可以展示。

Victor(@victor_explore)自己也来了一句神总结：

有意见的AI不过是运行时间更长的人类😂

在最近的NVIDIA GTC 2025大会上，LeCun再次放大招，将LLM贬为“token生成器”，并预测五年内没有理智的人会继续使用它们。

这些激进言论引起了广泛争议。

有研究者直接反驳，认为LeCun低估了自回归模型在实践中的功能，忽视了像Chain-of-Thought等技术如何有效克服他所提出的理论缺陷。

更讽刺的是，就在LeCun批评LLM的同时，Meta宣布他们的Llama模型已被下载10亿次，这使得Meta的立场显得矛盾——

一方面，其首席AI科学家将LLM视为死胡同技术。

另一方面，公司却继续大力投资其开发和分发。

LeCun早就多次表示过LLM存在根本性的局限，认为它们：

• 不理解物理世界

• 没有持久记忆

• 无法真正推理

• 不能层次化规划

而这正是他这次强调的四个未来方向！

这么看来，LeCun对AI的未来路线图一直很清晰：

超越LLM的局限，探索更接近真正智能的方法。

在Meta，他正带领团队研发基于JEPA（联合嵌入预测架构）的系统，希望能在未来几年内实现突破。

近期Meta推出了视频联合嵌入预测架构(V-JEPA)，能够检测和理解高度详细的物体交互。这被公司称为“朝着Yann LeCun高级机器智能(AMI)愿景迈出的下一步”。

不过，面对其他大公司在LLM领域的成功，LeCun也曾公开表示：下一代开发者应该专注于下一代AI系统，而不是LLM，因为“这已经在大公司手中，你们无法带来什么新东西”。

对于AI的未来，LeCun和另外两位深度学习先驱Geoffrey Hinton、Yoshua Bengio的看法截然不同。

有人指出Hinton在最近的一次采访中建议全力投入LLM研发，并认为AI大脑与人类大脑非常接近。

LeCun还在去年5月对下一代开发者喊话，建议他们不要专注于LLM，因为”这已经在大公司手中，你们无法带来什么新东西”，应该“专注于下一代AI系统，突破LLM的局限”。

LeCun认为，未来语言模型可能仍会存在，但会扮演更窄的角色：“LLM的小作用基本上是将抽象思想转化为语言”。

这场AI技术路线之争，谁对谁错，恐怕答案要在未来才能真正揭晓——

是继续在LLM上堆砌计算和数据，还是开辟全新方向探索真正的智能？

LeCun的预言能实现吗？

Meta能凭借JEPA技术实现反超吗？

你怎么看？