在AGI狂热中保持冷静：LeBrun的“世界模型”论
在人工智能（AI）行业目前普遍陷入“AGI焦虑”与“超级智能”狂热的背景下，一种截然不同的声音显得尤为独特。AMI Labs的CEO Alexandre LeBrun明确表示，他不愿意使用“通用人工智能”或“超级智能”这些流行词汇来描述他正在开发的技术。这并非出于谦虚，而是一种基于技术现实和科学严谨性的坚持。
LeBrun的立场与AI领域的另一位重量级人物——Meta首席科学家杨立昆（Yann LeCun）一脉相承。作为AMI Labs的联合创始人及CEO，LeBrun在杨立昆的带领下，致力于构建一种能够真正理解物理世界的“世界模型”。这种观点挑战了当前主流大语言模型（LLM）仅基于统计概率预测下一个Token的范式，强调AI系统需要具备对物理世界因果关系的深刻理解。
从“鹦鹉学舌”到理解世界：世界模型的核心价值
LeBrun拒绝“AGI”标签的背后，是对当前AI发展路径的深刻反思。他认为，目前的许多AI系统本质上只是高效的“统计机器”，它们通过海量数据训练，能够模仿人类语言的生成，但这并不等同于真正的智能。如果不理解物理世界的运作规律，仅仅在文本语料上训练模型，AI将永远无法达到真正的自主智能水平。
AMI Labs所追求的“世界模型”，旨在赋予AI一种类似人类的认知能力。与单纯处理文本的大语言模型不同，世界模型需要处理图像、视频、传感器数据等多模态信息，并理解这些信息背后的物理定律。例如，一个拥有世界模型的机器人，不仅知道“杯子”的形状和文字描述，还能通过视觉识别出它在桌上的位置，并预测如果它被推一下会发生什么。这种对物理世界的模拟和理解，被认为是实现真正人工智能的关键基础设施。
行业影响：回归技术本质的呼唤
LeBrun的言论在喧嚣的科技圈中起到了一种“冷静剂”的作用。近年来，随着ChatGPT等生成式AI的爆发，资本市场和媒体将大量注意力集中在AGI这一终极目标上，这有时会导致资源错配和过度炒作。通过拒绝使用“超级智能”等词汇，LeBrun实际上是在呼吁行业回归技术本质——即如何让机器像生物一样，通过感知环境来学习和适应，而不是仅仅通过阅读海量文本数据来模仿人类的表达。
这种理念对于AI的安全与发展同样至关重要。如果AI系统不理解物理世界的因果逻辑，那么它在面对复杂、非结构化的现实环境时，可能会出现不可预测的错误。世界模型的研究路径，旨在从底层逻辑上解决AI的常识推理和鲁棒性问题，这可能是通往安全、可靠AI系统的必经之路。
未来展望：通往具身智能的桥梁
AMI Labs的目标不仅仅是构建一个聪明的聊天机器人，而是希望打造能够与物理世界交互的智能系统。这直接指向了“具身智能”的未来。随着世界模型技术的成熟，未来的AI助手或许不再局限于屏幕前的对话框，而是能够通过机器人的身体，在物理世界中执行复杂的任务，如家庭服务、危险环境作业等。
总而言之，Alexandre LeBrun对“AGI”标签的拒绝，反映了AI领域内部对于技术路线的深层分歧。在通往强人工智能的道路上，是继续在统计预测的深坑中挖掘，还是转向构建理解物理世界的基础模型，这是一个关乎AI未来十年的关键抉择。AMI Labs的选择，无疑为这场争论提供了另一种极具建设性的视角。
参考来源： TechCrunch
原文链接： https://techcrunch.com/2026/07/16/why-ami-labs-alexandre-lebrun-wont-call-his-ai-agi-or-superintelligence/
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/07/16/why-ami-labs-alexandre-lebrun-wont-call-his-ai-agi-or-superintelligence/
