LeCun达沃斯斥LLM洗脑硅谷：纯生成架构永远造不出猫级智能体

@AYi_AInotes: 图灵奖获得者、AI三大教父之一的LeCun在达沃斯的发言，算是把整个硅谷的遮羞布扯了。他说现在整个行业都被LLM彻底洗脑了，所有人都在同一条赛道上互相挖人，谁敢偏离主流谁就被骂落后。这也是他离开Meta的真正原因，连Meta都已经LLM-pilled，他不想再跟风了。

@0xseedance 谢谢宝子，一起学习！

@0xcrypto458579 一起学习！

@SRunner168 indeed

@tui_te_da_wang 谢谢！

@blanplan 嗯嗯，数据飞轮确实是当前最大瓶颈，但LeCun核心观点是：纯next-token架构本身就只能做统计关联，永远建不出真正的causal world model，数据再多，也跨不过这个paradigm limit，混合栈才是真正的解法。

@hmcha446 yeah

@contractsoul 确实，LLM在实际问答里已经远超纯下一个token瞎猜，很多时候表现得也很有理解，但LeCun的核心点是：当前纯生成式架构（只有统计关联）天生缺世界模型，没法可靠预测行动后果、做长期规划、拥有物理常识。

@Scobleizer 哇偶，感谢Scobleizer的共鸣，您多年来一直强调世界模型在机器人和娱乐领域的核心价值，现在硅谷的实践正在印证LeCun的判断。LLM+世界模型的混合架构确实是下一阶段的关键，您觉得娱乐或具身智能哪个会先迎来爆发？期待您的观察。

@yu365679464 @ylecun 只看他们做了多少

@StevenMadec yeah

@nianchujiu 🙏

@s3xyOstrich @ylecun 啊，又转发了吗？

当前中文稿（如有）： LeCun在达沃斯说，整个AI行业已被大语言模型（LLM）彻底洗脑。这意味着，技术路线、人才争夺、融资方向都高度趋同，偏离主流者会被贴上‘落后’标签。

他离开Meta的真正原因，是Meta也已‘LLM-pilled’——即全面拥抱LLM范式，而他不愿再跟风。这意味着，连最核心的工业界实验室，也放弃了对替代路径的系统性投入。

他指出：纯生成式架构（包括LLM、视觉语言模型VLM、视觉语言动作模型VLA）永远无法造出猫级智能体。这意味着，这类模型的本质局限不是数据量或算力问题，而是范式本身——它们只是‘下一个token预测器’，只能建统计关联，无法构建因果性的世界模型。

有人补充：数据飞轮确实是当前瓶颈，但LeCun的核心判断更根本——再多数据，也跨不过‘next-token’架构的范式极限。这意味着，混合架构（如结合世界模型与生成模型）不是优化选项，而是必要前提。

另一条共识是：当前LLM在问答中表现‘像有理解’，但缺的是物理常识、行动后果预测和长期规划能力。这意味着，表面智能不等于底层认知能力，而后者恰恰依赖世界模型。

这条路能不能走通，取决于工具链是否支持新范式落地。但至少，它把‘要不要试’这件事，变简单了。