【對談】楊立昆押十億美元：LLM 是死路，world model 才是下一場

這場對談值得留意的有四個點。第一，楊立昆說 LLM 本質上只是死記硬背，真正的突破要靠 world model（讓 AI 學會理解真實世界如何運作的架構）。第二，AMI Labs 的十億美元融資刻意分散在歐，美，亞三地，背後是一套關於 AI 主權的政治主張。第三，他對 AI 搶工作這件事比大多數人樂觀，但有具體理由。第四，他拆解了人們害怕 AI 失控的三個根源，並解釋他的 objective-driven AI 架構如何從結構上解決這個問題——不是靠罰則嚇阻，是讓違規在物理上辦不到。合起來看，這不是一個在賣夢的人，是一個賭上整個第二人生的人在解釋他為什麼這樣押。

◎LLM 是死記硬背，不是真正懂世界

楊立昆用一個幾十年前的謎題破題：1988 年機器人學家 Hans Moravec 就發現，電腦可以下西洋棋贏冠軍，卻做不到一個小孩輕鬆完成的動作。快四十年過去，LLM 已經能幫你寫合約，診斷病情，但還沒有一台機器人學得會像人一樣開車，或者倒一杯水。他的解釋很直接：語言和數學的符號本身就帶著推理，AI 在這兩個領域表現得好，是因為這兩個領域的規則是封閉的；真實世界雜訊多，變數多，不可預測，LLM 根本沒有能力處理。他說 LLM 是 rote learner——只會背，不會想。World model 要做的事，是讓 AI 學會預測我這個動作做下去，接下來世界會怎樣。這樣的模型在理論上可以小很多，跑起來便宜很多，卻能處理 LLM 永遠觸及不到的問題。這是 AMI Labs 押注的核心，也是燕樂存和整個主流 AI 產業最根本的分歧。

◎AI 主權不靠保護主義，靠開放模型

AMI Labs 十億美元的資金，歐洲出了約四成，美國出了約三分之一，其餘主要來自亞洲。這個分佈不是偶然，是楊立昆刻意為之。他的邏輯是：如果全世界都用同一家公司的基礎模型，那個模型背後的語言偏好，價值觀，政治傾向就會滲透到所有人的 AI 助理裡。他把這件事類比成新聞多元化——沒有多元的媒體，民主就空洞了；AI 也一樣。他的解法是完全開放的基礎模型，任何人都可以在上面微調，調成自己的語言，自己的價值觀。他也因此加入了 AI Alliance 發起的 Project Tapestry，這個計畫讓各國政府，大學，企業把運算資源和資料貢獻進來，共同建一個開放基礎模型，但各方不需要把自己的原始資料交出去。歐洲出最多錢，又在巴黎落腳，這個選擇本身就是在押 AI 主權這個題目。

◎AI 不會搶你的位子，會當你的部屬

楊立昆對就業市場的看法比多數 AI 大人物樂觀，但他不是在說廢話。他的論點是：AI 能自動化的只是特定任務，不是整個職業。他預測未來的工作模式是：你走到哪，身邊跟著一群 AI 助理，你指揮，它們執行。你是老闆，它們是員工。這個畫面比AI 取代人類更接近他認為會發生的現實。他沒有說這個轉變輕鬆——職業內容確實會大幅改變——但他認為人類在這個過程裡不會變成多餘的那個。這和目前市面上流行的AGI 要來了，大家準備失業說法很不同。信不信，各自判斷；但他說這話是有架構的，不是在安慰人。

◎AI 失控的恐懼，來源只有三個

這段是整場最有說服力的部分。楊立昆把人們害怕 AI 失控的原因拆成三條。第一是科幻小說：機器人叛變的劇情從小看到大，已經變成直覺，但那是人寫的故事，不是技術預測。第二是投射：我們以為夠聰明的東西就會想主宰別人，但這不是必然——學術界裡聰明人多的是，很多人只想躲在研究室裡，對權力毫無興趣。第三條他認為最要緊：人們相信 AI 又聰明，又不受控。他說這兩件事現在還沒有同時成立：LLM 確實不受控，你叫它做 A 它可能給你 B，因為它根本沒有目標，也不預測自己輸出的後果；但正因為沒有目標，它也還沒有聰明到能造成真正的大麻煩。他要建的 objective-driven AI，讓系統只能為了特定目標行動，而且這個目標由它的 world model 驗證過才能執行。重點來了：他說這個架構可以讓違規在結構上辦不到，不是用罰則嚇阻——人會犯法，是因為有時候值得冒險；AI 系統如果結構上根本越不了那道門，問題就消失了。

楊立昆已經不需要靠說話證明自己，他把賭注押在巴黎那間公司和那十億美元上了。World model 能不能真的超越 LLM，AMI Labs 能不能跑出來，幾年內會有答案。但有一件事現在就能說清楚：這場 AI 的路線之爭，不只是技術辯論，是誰來決定全世界 AI 助理的語言，價值觀和政治傾向——這個問題，你的公司早晚也得選邊站。