10 月 12 日，AMI Labs 创始人兼董事长杨立昆在韩国首尔发表演讲。这位人工智能领域的先驱提出，人工智能行业的下一次重大技术突破，不会诞生在当下火热的大语言模型赛道，而是来自可以感知并且预判物理世界变化的智能系统。

在他的判断中，被称作世界模型的这套技术体系，将会带领人工智能迈入全新发展阶段。当前面向日常场景开发的各类大语言模型，虽然在文字生成上表现亮眼，但在理解真实物理世界这件事上，存在难以回避的短板。

现实场景的差距，直观暴露 AI 认知短板

杨立昆在演讲中用机器人和自动驾驶作为例子，直观展现当前 AI 存在的局限。到目前为止，行业还没能造出无需提前训练就能自主完成任务的机器人，L5 级别的全自动自动驾驶汽车也依旧没能落地。

与之形成鲜明对比的是，人类青少年只需要短短数小时练习，就能够掌握基础的驾驶操作。这种巨大反差足以说明，人工智能读懂人类语言和理解现实物理世界，是两件完全不同的事情。机器学习语言相对容易，但要真正理解真实世界运行逻辑，难度要高出很多。

大语言模型的底层逻辑，天然不适用于物理场景

大语言模型也就是 LLM，核心工作原理是学习海量文本数据当中的统计规律，基于已有模式预测下一个最合适的词汇，以此完成文本生成。

这套机制在部分高度可预测的任务里表现稳定，例如编写程序、求解数学问题等场景。但现实世界充满不确定性，绝大多数物理场景的变化，并不像文本序列那样存在稳定可预测的规律。依靠词语预测的思路，很难让 AI 真正感知环境变化。

正是基于这一判断，杨立昆主张转向世界模型的研发。世界模型的目标，是让人工智能学习物理规则与事物之间的因果关联。系统可以提前预判自身动作带来的环境变化，主动和周边世界交互，而不只是单纯复刻文本里的内容。

杨立昆的学术履历，奠定其行业影响力

杨立昆是卷积神经网络的核心发明人之一。他提出的相关理论，推动了现代计算机视觉领域的整体发展，如今广泛应用在图像识别、视觉检测等各类产品中。

凭借在深度学习领域的开创性贡献，他在 2018 年斩获图灵奖，在业内被称为 AI 教父之一。多年来，他持续提出和主流行业叙事不一样的观点，在大语言模型热度高涨的阶段，持续提醒行业重视物理世界理解能力的重要性。

行业发展的思考：AI 需要建立对现实世界的认知

当前全球 AI 产业资源大量投向大语言模型，各类模型持续提升文字创作、逻辑问答能力。但杨立昆的观点也点出行业长期痛点，擅长对话的 AI，常常会在简单物理常识上出错，无法像人类一样直观理解物体、空间和因果关系。

世界模型的研发思路，试图补齐这一块短板。它追求的不是更好的文字生成效果，而是建立一套可以模拟真实世界运转的内在模型。未来机器人、自动驾驶等实体智能应用，都需要依托这类能力实现跨越式提升。当然这条技术路线的研发难度很高，距离成熟落地还有很长一段探索周期。

行业内部也围绕两条路线持续讨论。一种思路持续优化大语言模型，依靠更多数据和算力提升能力；另一种就是杨立昆倡导的方向，优先搭建理解物理世界的世界模型。这场技术路线之争，也将持续影响未来数年人工智能产业的资源分配与创新重心。

本文由智算芯能前沿网编辑整理，转载请注明出处。