杨立昆 vs 李飞飞, Jensen 在世界模型上的不同点

今年我会在更深层理论上明白目前AI发展的前景和局限, 具体把握会在时间节点和产出的数据上, 毕竟我自己也在局部参与机器人和AI的开发, 有比其他投资者更多的第一手资料.

下面是3者在世界模型上的不同出发点. 我更看好Jensen和李飞飞的具体操作. Lecun偏学术, 他的动作毕竟慢.

在“世界模型（World Models）”这一概念上，杨立昆（Yann LeCun）、李飞飞（Fei-Fei Li）和黄仁勋（Jensen Huang）确实展现出了高度的共识，但他们推崇的侧重点和应用场景有所不同。

可以理解为：他们都认为 AI 必须理解物理世界，但杨立昆侧重于架构革新，李飞飞侧重于空间智能，黄仁勋侧重于产业落地。

---

1. 杨立昆 (Yann LeCun)：世界模型是通往 AGI 的唯一路径

杨立昆是“世界模型”最坚定的倡导者。他认为当前的 LLM（大语言模型）只是文字游戏，缺乏对物理现实的理解。

• 核心主张： 提出了 JEPA（联合嵌入预测架构）。他认为 AI 应该像人类婴儿或动物一样，通过观察视频或真实世界来学习物理规律（例如：松手物体会下落），而不是只学习文本。

• 目的： 解决 AI 的常识问题，使其具备推理和规划能力，从而超越现有的自回归模型。

2. 李飞飞 (Fei-Fei Li)：从视觉走向“空间智能”

李飞飞近期提出的**空间智能（Spatial Intelligence）**概念，本质上就是三维空间中的世界模型。

• 核心主张： 她认为智能离不开“感知”与“行动”的循环。AI 不仅要能识别图片，还要理解物体在三维空间中的关系、遮挡以及物理属性。

• 目的： 赋予 AI 像人类一样在现实空间中导航、交互的能力。这与杨立昆强调的“通过观察学习世界规律”在逻辑上是高度一致的。

3. 黄仁勋 (Jensen Huang)：世界模型是具身智能的基石

作为 NVIDIA 的掌舵人，黄仁勋对世界模型的推崇更多集中在具身智能（Embodied AI）和数字孪生上。

• 核心主张： 他认为下一波 AI 浪潮是机器人。要让机器人工作，必须先在虚拟的 Omniverse（NVIDIA 的模拟平台）中建立一个符合物理定律的世界模型。

• 目的： 物理仿真。他认为 AI 需要在模拟的物理世界中进行成千上万次的训练，才能进入现实世界。

---

三者的异同对比

维度	杨立昆 (LeCun)	李飞飞 (Fei-Fei Li)	黄仁勋 (Jensen Huang)
关注核心	认知架构 (JEPA)	空间感知 (Spatial Intelligence)	物理仿真 (Simulation/Omniverse)
主要痛点	现在的 AI 没常识、会胡说八道。	现在的 AI 缺乏对三维物理空间的理解。	现在的 AI 难以直接驱动机器人和工业。
实现路径	视频自监督学习预测缺失信息。	结合计算机视觉与生成式 AI。	在高性能 GPU 支撑的模拟器中训练。