杨立昆撕碎AGI遮羞布：被高级计算器骗了

整个科技圈正在为一场万亿级的盛宴陷入癫狂。 人们看着屏幕上的AI几秒钟写出高分论文、拿下国际奥数金牌，甚至轻而易举通过最严苛的律师执照考试。

硅谷巨头、华尔街投行与无数创业者几乎达成了一种宗教般的共识：通往AGI（通用人工智能）的终极钥匙，已经被大语言模型（LLM）牢牢握在手中。 然而，偏偏有人在这个时候，一脚踹翻了所有人的香炉。 而且，站出来公开唱反调的，恰恰是深度学习三巨头之一、图灵奖得主、前Meta首席AI科学家，杨立昆（Yann LeCun）。 他给出了极其冷峻的判断： “你手里拿着的大模型，根本难以通往人类级智能。 它本质上只是一个极其高级的知识检索器，就像一台会做长除法的计算器，不管你多喜欢它的答案，它终归只是一台计算器。” 万亿资本的狂欢瞬间被泼上一盆刺骨冰水。 这个一手奠定了现代AI视觉基石的宗师级人物，到底看到了什么常人看不见的致命破绽？ 01荒谬的断层：能拿奥数金牌，却收拾不了一间屋子 杨立昆先向所有人指出了一个巨大的现实反差。 如果AI真的如宣传的那样，已经具备了全面超越人类的心智雏形，那么为什么直到今天，全世界依然造不出一个能把脏衣服扔进洗衣机里的合格家务机器人？

▲ 杨立昆在社交平台公开发问：我们的家务机器人在哪？我们的L5级自动驾驶又在哪？ “你可以把一个大模型微调到能够回答关于物理世界的任何刁钻问题，” 杨立昆在推文中字字诛心，“但这绝不意味着它拥有足够的物理直觉，去预测一个6岁小孩凭本能就能看懂的事情。” 看看现实吧： 一个17岁的普通人类少年，哪怕此前连方向盘都没摸过，只需要在驾校练习大约20个小时，就能在瞬息万变、充满未知路况的真实世界里安全驾驶； 可全球科技巨头砸了几百亿美元算力、塞满了数十亿参数的自动驾驶系统，跑了上千万公里测试，直到今天依然无法交付全无人干预的L5级自动驾驶。 大模型能在虚拟的符号世界里高谈阔论，却在踏入真实物理现实的瞬间变成盲人。 这种巨大的能力断层，单凭“堆叠算力”或“灌入更多数据”根本无法填平。 它的病根，长在最深层的基因里 02旧方案的画皮：难言逻辑思考，本质是超大规模“知识复印机” 在2026年的一场重磅炉边谈话中，杨立昆把大模型的本质扒得干干净净。 在无数拥趸眼里，大模型能写诗、会编程、懂逻辑，俨然已经具备了“硅基生命”的自主思考能力。 但杨立昆直接戳破了这层幻象：人们犯了一个自古以来从未变过的老毛病，拟人化偏误（Anthropomorphism）。 我们习惯了只要对方能说出语法严密、辞藻华丽的语言，就理所当然地认为它的头脑中拥有一个会思考的“心智”。

▲ 社交媒体热传的杨立昆访谈切片：大模型在本质上是信息检索系统

▲ 杨立昆在推特上直接确认这一观点：“人们高估实用工具的智能，历史已重演多次。” 杨立昆给出了冷峻而精准的历史坐标：大语言模型属于人类信息获取技术的自然演进，尚未触及心智诞生的门槛。 它的真实历史序列是：造纸与印刷术 ➔ 公共图书馆 ➔ 互联网 ➔ 搜索引擎 ➔ 大语言模型。 印刷术把人类手抄书的成本打到了地板上； 搜索引擎把全网查找资料的时间缩减到了秒级； 而大语言模型更进一步，它把全人类写过的海量文本知识，压缩进了几千亿个参数里，并在你需要的时候，以极为流畅的自然语言吐给你。 它就像一个把全人类图书馆所有图书生吞下去的超级记忆库。 它极度高效，前所未有，但其核心始终停留于既有知识的提取与重组，与独立推演和顿悟存在本质鸿沟。

▲ 科技评论者写下一句辛辣的金句：“一台会做长除法的计算器，终究只是一台计算器，无论你多么喜欢那个答案。” 很多人误以为杨立昆是个“AI虚无主义者”，甚至指责他在恶意唱衰行业。 杨立昆随后专门发帖给出了最坚决的澄清：

▲ 杨立昆严肃声明：大模型显然极具实用价值，但根本无法通往人类水平智能。 杨立昆从未否定过它的实用价值 作为生产力工具，它可以写代码草稿，可以整理会议纪要，可以放大人类的智力杠杆； 但如果你把大模型当成通往通用人工智能（AGI）的梯子，你无异于在爬一棵树，并宣称自己正在飞向月球。 03缝补的幻觉：“测试时计算”能否等同于独立思考？ 面对杨立昆的猛烈炮火，大模型的铁杆支持者们并不服气。 他们立刻搬出了最锋利的武器：“你说的只是过去那种张嘴就来的传统LLM！现在的顶尖模型，已经引入了‘测试时计算’（Test-Time Compute）和长思考链，它们会打草稿、会反复反思、会自我纠错，这难道还算不上独立思考吗？” 这触及到了认知科学与人工智能交锋的最前沿。 认知心理学泰斗丹尼尔·卡尼曼在经典巨作《思考，快与慢》中，把人类大脑分成了两套认知系统： 系统1（快思考）：直觉式的反射。看到“2+2”，脑子瞬间蹦出“4”，不需要任何计算耗费； 系统2（慢思考）：深思熟虑的推演。当计算“17×24”或者规划一盘棋局时，大脑必须调动注意力，在多条可能路径间反复试错、回溯和推演。 杨立昆此前批判的标准自回归大模型，恰恰就是纯粹的系统1：不管面对常识问答还是世纪难题，底层网络每吐出一个字所消耗的算力都是恒定不变的。 它根本没有机制在开口前“停下来想一想”。 为了攻克这一死穴，产业界近年来倾注全力展开攻坚，用强化学习让模型在给出最终答案前，自己在内部疯狂输出成千上万个‘思考Token’。 表面上看，模型在草稿纸上反复嘟囔“等一下，我这里算错了”、“让我重新检验一遍”，似乎真的拥有了人类系统2的审慎。 然而，国际AI规划权威、亚利桑那州立大学Subbarao Kambhampati教授团队用一项极其残酷的硬核实验，彻底撕掉了这层伪装。 研究团队将这些具备长思考链的最新模型，放进了经典的规划基准“PlanBench”（例如积木世界任务，必须遵循严格的物理堆叠次序与因果前置条件）： 欺骗性的表象：在简单任务中，模型通过自我检查确实减少了低级语义错误； 断崖式的雪崩：一旦任务的动作步骤被拉长、约束条件稍微增加，模型的规划成功率直接发生雪崩式坍塌； 高维自言自语（Self-Delusion）：分析其内部思考链会发现令人啼笑皆非的现象，模型在草稿纸上写满了看似深刻的“反思”词句，但在底层物理规则尚未满足的情况下，它竟凭空断言“积木已经平稳放置在底座上”。 在黑板上把“让我想一想”写上一万遍，并不等于大脑真的在进行因果推演。 当前的测试时计算，本质上依然是在由自然语言编织的概率符号树上进行修剪。 由于缺乏一个与现实严丝合缝对齐的物理因果底座，它的“深思熟虑”终究只是一场被困在文字迷宫里的概率狂欢。 04新方案的图腾：智能不始于语言，而始于世界 既然“自回归文字接龙”这条路走不通，那么通用智能的基石究竟藏在什么地方？ 杨立昆给出了与当下主流产业界截然相反的答案：智能的源头始于物理世界，绝非文本符号。 请仔细想一想这个再朴素不过的事实：人类的祖先在没有发明任何文字和语言之前，就已经在危机四伏的原始森林里生存了数百万年； 一只猫、一条狗、甚至一个牙牙学语的一岁婴儿，他们一个单词都不会写，却能在脑海中精准地预判：一个玻璃杯推到桌子边缘会掉下去砸碎，踩在松动的泥土上身体会失衡。 人类认识世界，靠的是在与真实环境的持续互动中，建立起一个高度精准的内部“世界模型”（World Model），无需强行吞咽数万亿词元的文本。 这就是杨立昆卸任Meta一线管理职能后，以AMI Labs（先进机器智能实验室）执行董事长身份全力深耕的核心技术方案，JEPA（联合嵌入预测架构）。

▲ Meta发布的V-JEPA 2技术框架：在抽象特征空间中预测物理世界变化，直指零样本机器人规划 传统LLM与JEPA新方案的本质分野，就在于“如何理解世界”： 旧方案（自回归生成）：试图去死磕每一个细节。如果让它预测下一帧视频，它试图把画面里每一片树叶的抖动、光影的杂波都逐个像素画出来。这种沉溺于无关细节的机制，让模型在面对高维现实时不堪重负； 新方案（世界模型 / JEPA）：在高度抽象的概念空间里做预测。 就像你看到别人抬脚踢球，你的大脑根本不会去计算草坪上每一根草的受力，而是瞬间在抽象表征中预测出“球会飞向球门”。 在抽象空间里预测行动的物理后果，并用严密的代价函数（Cost Function）去评估风险，这才是人类少年为什么20小时就能学会开车、6岁儿童能本能避开危险的秘密所在。 05旷野上的论战：当朝圣者向先知索要神迹 科学探索的道路上，从来没有温情脉脉的共识，只有火花四溅的血战。 杨立昆对大模型路线的无情批判，在科技界引发了剧烈的震荡与反弹。 不少一线的年轻开发者和创业者公开表达了强烈的不满甚至讽刺。 有人在社交平台上反唇相讥，认为这位泰斗已经脱离了一线前沿：“他虽然顶着图灵奖的桂冠，但他现在真的每天都在高强度使用最新的AI工具吗？ 把如今的模型仅仅贬低为‘人类文本检索’，就像在用工业革命早期的眼光看待内燃机。” 而更多围观者的质疑则更加尖锐、更加直接：

▲ 网友在杨立昆的推文下留下最诛心的反问：“既然大模型不行，那你的JEPA模型在哪呢？拿出来给我们看看啊！” 这是一场残酷的对峙 当一个先驱指出旧范式的天花板已经近在眼前时，整个世界都会伸出手，向他索要新范式的实体物证。 在颠覆性的实体产品横空出世之前，任何高瞻远瞩的理论洞察，在狂热的市场情绪面前都显得如此形单影只。 06文明的明镜：我们到底在追寻怎样的未来？ 大语言模型是人类工业文明史上最壮丽的一面镜子。 它以数千亿晶体管为底座，用吞噬全人类有史以来所有文字的霸气，把我们几千年积累的文学、科学、代码与哲学，以难以置信的精度映射了出来。 它是一座登峰造极的智慧丰碑，但它终究只是一面镜子。 镜子里的人影再怎么生动、对答再怎么流利，它也永远无法跨出那面冰冷的玻璃，伸手接住现实中一片飘落的树叶。 杨立昆在喧嚣浪潮中发出的深沉警钟，是一份弥足珍贵的清醒剂：不要把工具的极度好用，误当成了主体的觉醒； 不要把文字记忆的无限膨胀，误当成了对宇宙因果的深刻洞察。 通用人工智能绝不会是一个仅仅被困在数据中心服务器里、靠概率接龙陪人谈天说地的聊天框。 它必须拥有能够感知重力、理解因果、预判行动的世界模型，必须能在真实世界的泥泞与碰撞中站稳脚跟。 当狂欢的潮水逐渐褪去，历史终将铭记那些在喧嚣狂热时依然敢于说出“皇帝没穿衣服”的人。 科学探索的伟大品格，体现在永远诚实地凝视那道横亘在已知与未知之间的深邃峡谷。