AI先驱Yann LeCun创立新公司AMI 获10.3亿美元融资押注“世界模型”

商业 2026-04-20 商业现场人工智能, 风险投资, 大模型, 企业技术, 云计算 2 次浏览

LeCun创立AMI 获10.3亿美元融资

人工智能领域早期重要人物、Meta前首席人工智能科学家Yann LeCun正将其长期倡导的“世界模型”路线推向产业化。其新创立的公司Advanced Machine Intelligence（AMI）宣布完成10.3亿美元融资，投资方包括Cathay Innovation、Greycroft、Hiro Capital、HV Capital和Bezos Expeditions，前谷歌首席执行官Eric Schmidt以及万维网发明者Tim Berners-Lee也参与投资。

AMI在声明中表示，公司目标是“构建新一代能够理解世界、具备持久记忆、能够推理和规划且可控且安全的人工智能系统”。融资规模显示，资本市场正押注LeCun对人工智能未来路径的判断。

押注“世界模型”路线

LeCun长期公开表示，仅依赖当前基于变换器的大型语言模型，难以实现在人类大多数任务上具备优势的人工智能系统。他认为，这类模型在许多场景中已足够有用，但不太可能达到通用或人类水平智能，也难以胜任目前仍主要由人类完成的高价值任务。

在LeCun看来，真正能够理解并在现实世界中行动的系统，需要在远超文本的多样化数据上进行训练，并以不同方式对世界进行建模，包括表示空间信息、形成对物理世界的原生理解，以及采用不同于现有大模型的系统架构来组织高带宽数据。

这一思路在学术界和产业界已有呼应。World Labs首席执行官李飞飞以及加州大学伯克利分校机器人实验室主任Pieter Abbeel等人也在研究和构建所谓“世界模型”。LeCun在Meta任职期间已围绕相关概念持续发表研究论文，如今则试图在AMI汇聚更多顶尖研究人才，将相关理论转化为可运行的模型系统。

GPT-5.4发布一周市场反馈不一

在基础模型持续迭代的背景下，OpenAI近期发布了最新模型GPT-5.4，称其在推理、编码和自主工作流程方面有所进展。该模型发布一周后，来自ChatGPT用户和软件开发者的初步反馈呈现出一定共识与分歧并存的局面。

根据X平台上部分开发者和研究人员的公开评论，部分用户认为GPT-5.4在项目导向能力上有所增强，更善于理解和协调通用信息工作任务，包括涉及自主代理的复杂流程。但也有观点认为，该模型在整体“智能”水平上并未出现重大跃升，且在用户界面设计等创意类任务上不如早期部分GPT版本。

尽管评价不一，多数观点认为GPT-5.4的改进足以使OpenAI在竞争中至少保持与Anthropic大致同步。Anthropic的最新模型Claude Opus 4.6此前在市场上获得较高评价，尤其是在其Claude Code工具的代理能力方面。OpenAI今年2月初推出的GPT-3.5-Codex模型也曾为其Codex编码工具带来明显性能提升。

基础模型的更新迭代正在直接影响面向消费者的聊天机器人产品表现。去年谷歌发布Gemini 3模型后，Gemini聊天机器人的用户规模显著增长。今年2月，Anthropic发布Opus 4.6后，其Claude聊天机器人首次登上苹果应用商店免费应用排行榜首位。GPT-5.4发布后，ChatGPT重新回到该榜单第一名。

业内观察指出，主要实验室的旗舰模型正被设计和训练为驱动“代理”系统，而不仅是聊天机器人。这些模型在执行任务方面的能力不断增强，包括操作计算机、进行网络调研以及规划大型项目等。随着聊天机器人界面逐步演变为更接近“工作空间”的形态，这种从对话工具向任务代理的转变预计将在后续模型中进一步体现。

亚马逊为AI编码工具设定内部使用“防护栏”

在生成式人工智能的诸多应用中，编码工具被认为是迄今影响最为直接的领域之一，能够显著提升代码产出效率。但相关风险也开始显现。

《金融时报》本周报道称，亚马逊旗下AWS云部门在经历一系列服务中断后，召开了大规模工程师会议。其中至少两起中断被指与人工智能编码工具修改代码有关，其中一起涉及亚马逊自有的Kiro编码工具。亚马逊表示，未来将要求初级和中级工程师在采用人工智能辅助完成代码修改时，必须获得更高级别工程师的批准。

自去年人工智能编码工具快速普及以来，软件工程师群体一直在讨论这些工具应接受何种程度的人为监督。尽管工具及其底层模型持续改进，但仍可能生成带有缺陷的代码，且部分问题在部署后较长时间才被发现。

亚马逊方面称，相关服务中断源于用户操作错误，而非人工智能系统本身故障。公司同时指出，人工智能编码工具可能放大原有工程体系中的薄弱环节，例如防护机制不足、文档不完善以及审查流程被绕过等。有开发者反映，部分年轻工程师可能对这类工具依赖度过高，从而弱化了日常软件开发中的规范流程，包括代码验证、安全测试和文档编写等。

业内人士认为，未来工具本身及其使用方式都可能发生调整。一方面，工具可能在设计上更主动推动工程师采用更严格的测试和验证实践；另一方面，开发者也将继续在实践中摸索人工智能编码工具的适用边界。