黄仁勋、贝索斯10亿美元押注世界模型！AI的下一场革命真在其中？

源济

黄仁勋、贝索斯10亿美元押注世界模型！AI的下一场革命真在其中？

原创 王煜全 全球风口

2026年3月25日 17:40

本期要点：世界模型，真正值得你关注的一点，是什么？

---

你好，我是王煜全，这里是王煜全要闻评论。

现在，说到AI，就等同于是在讨论大语言模型（LLM）。

无论是近期很火的Agent，还是对通用人工智能（AGI）的畅想，大家都默认了一个前提，大模型将会一直发展下去。

不过，你是否也好奇过，如果大模型有天花板呢？世界的某个角落，是否正在酝酿一个看起来不起眼、但可能重构整个行业的新方向？

最近，一个名为AMI Labs的AI公司，成立仅两个月，几乎没有产品，却完成了约10亿美元的种子轮融资。

如果只是金额大，这件事未必值得关注。

但背后的投资人包括英伟达、三星等公司，还有淡马锡（Temasek）这样的主权基金，以及贝索斯、施密特等个人投资者。这意味着，这10亿美元不是一次普通的融资，而更像是一种重要公司和人物的集体站台。

这究竟是家什么公司？

AMI Labs的核心人物，是杨立昆（Yann LeCun）。他是图灵奖得主，曾长期担任Meta首席AI科学家，也是深度学习的重要推动者之一。AMI Labs则是在Alexander Wang入主Meta之后，他离开Meta所创立的公司。

这次，他提出的方向叫“世界模型”（World Models），核心思路不是优化今天的大模型，而是绕开这条路径，重新定义智能本身。

简单来说，现在主流的LLM架构，虽然带动了这波AI浪潮，但杨立昆认为，LLM并不真正理解世界。他试图让AI通过看视频和感知等方式，学习物理世界的运行规律，从而获得更强的推理和泛化能力。

可是，这显然是一个周期极长、难度极高的研究命题，而且不得不说，在Meta的这几年，杨立昆也并没有在这个路线上做出太多突破。这次融资之前，他也没拿出什么清晰的成果。所以，这次的巨额融资也受到不少业内人士的质疑。

但无论如何，这件事至少说明，在大模型高歌猛进的当下，一部分最前沿的参与者却都看到了这条路的上限，而世界模型则成为了他们明确押注的下一个方向之一。

---

大模型的天花板

首先，为什么在大模型已经如此成功的当下，还要去做一件这么不确定的事情？

答案恰恰藏在大模型本身的能力边界里。

今天的LLM是在预测下一个最可能出现的内容，更准确的说，它掌握的是符号之间的统计关系，而不是理解了世界本身的运行规律。

因此，大模型可以写代码、查资料、做总结，可以写诗作画做视频，却会在一些小事上翻车。而且这些错误，并不是偶发，而是必然。

比如困扰业界的“幻觉”，是因为模型在“猜”一个看上去最真的答案。这在聊天中也许无伤大雅，但在医疗、法律等高要求场景下，幻觉就会带来实实在在的损失。

此外，比“幻觉”更深一层的问题在于，当模型遇到没有见过的情况时，它很难真正举一反三。

因此，在很多具体的业务领域，大模型必须接入知识库、叠加规则系统、甚至引入人工校验，用外部手段补足大模型自身的不足。

世界模型正是从这里切入，通过观察视频、感知变化、预测结果，去学习那些在不同场景中都成立的规律——与其让模型看无数个“物体掉落”的描述和视频，不如让它在抽象层面理解“重力”。

换句话说，世界模型的目标是能在全新的任务中自行推导结果，并保证准确性。

尽管这条路仍有争议，比如什么是“底层规律”，以及模型是否真的能够从数据中自动提炼出这些规律，这些都没有答案，但它依然值得大家的关注。

因为在技术发展史上，那些真正令人兴奋的跃迁，往往藏在未被验证的路径上。理解这一点，我们需要把时间往回再拨几年。

今天，大语言模型几乎已经成为共识。但在2017年Transformer架构刚刚提出时，并没有多少人真正意识到它的意义，似乎只是一个理论上可行的新结构，并不是产业方向。

即便后来OpenAI逐步推出了GPT-2、GPT-3，大多数人也并不认为这会重塑整个产业。直到2022年11月30日，ChatGPT3.5的出现和爆发，大家才意识到，原来2017年的那篇论文才是一切的起点。

从这个角度，AMI Labs的融资就是大家fomo情绪（害怕错过）的集中爆发，那些错过一次的人，不想再错第二次。即使投错的概率很大，也要在这些还没成果却有潜力的方向中挖掘未来的机会。

---

投资新范式

但我们想强调的是，更值得关注的，不光是“钱投向了哪里”，更是“钱从哪里来”。

在过去，如世界模型这类基础研究，通常由高校和科研机构承担，由国家科研基金提供资金支持，再由大公司在接手后期的工程化和商业化阶段。科学家负责探索，产业界负责放大。

今天，这套分工已经被打破。

因为AI研究不再只是靠天才的想法，更要靠算力、数据和工程体系的综合投入。

高校早已很难承担这样规模的研究，而大公司虽然有能力，却很难为一个数年内都可能没有结果的方向持续投入资源，它们最关心的是回报。

这方面只有一个范例，就是诺奖得主Demis Hassabis。他在谷歌的体系内确实获得了极高的容忍，并最终通过AlphaFold证明了长期投入的价值。但这种个例显然很难被复制。

所以，像李飞飞这样原本深耕学术体系的科学家，也在通过初创公司来进行研究。如果她不进入资本市场，就拿不到足够的资源去验证这个前沿的设想。

李飞飞的World Lab合影

杨立昆这样的项目，没有明确成果、甚至路径本身仍存在争议，却能拿到10亿美元的融资，逻辑也很类似：一边是有钱却焦虑的资本，另一边是有想法有光环的科学家，双方一拍即合。

从投资逻辑看，这确实是有些荒唐。这笔钱很可能得不到确定的商业回报。

不过有趣的是，也许这些资金在进入的时候，就已经默认了这个结果。它们关心的，不是这个项目能不能成功，而是如果这个方向真的成立，自己能坐在牌桌上。

因此，世界模型到底是不是一场泡沫，以及这10亿美元究竟是在“打水漂”，还是一群大佬在提前占位，这些或许并不重要。关键在于，当新的尝试出现，你能否意识到它们的存在，理解它们可能带来的变化，从中筛出最有潜力的选手，并持续观察其进展。

要知道，真正拉开差距的，在于更早看到那些有巨大潜力的方向，持续追踪，并在适合自己的时候下场。