一句话看懂：当整个AI行业都在抢着给自己的技术贴上“AGI”或“超级智能”的标签时，Yann LeCun世界模型初创公司AMI Labs的CEO Alexandre LeBrun却公开拒绝使用这些术语。他认为这些词没有明确定义，并押注“世界模型”才是让AI真正理解物理世界、让机器人安全工作的关键方向。
事件核心：发生了什么
在首尔参加国际机器学习大会（ICML）期间，AMI Labs的Alexandre LeBrun接受TechCrunch采访。他明确表示公司从未使用过“AGI”一词，并注意到行业已经转向“超级智能”，他评价这些标签“没有好的定义”“不是有用的词”。AMI Labs目前尚未发布产品，但正在与机器人、制造、电子行业的潜在合作伙伴接洽，重点在亚洲寻找工业客户和研究人才。
LeBrun的世界模型核心逻辑是：大语言模型（LLM）预测下一个词或文本，而世界模型预测世界的下一个状态。例如，当杯子被推下桌面，人凭直觉就知道它会翻倒并洒出液体——世界模型正是要捕捉这种物理直觉。他强调，世界模型与LLM是互补关系而非替代关系，LLM仍是最高效的语言处理工具，而世界模型提供物理世界的上下文和真实理解。
目前AMI Labs已吸引亚洲投资方SBVA的支持，CEO JP Lee正推动公司拓展韩国市场。韩国政府计划为芯片、AI数据中心和物理AI动员约8800亿美元资金，并将物理AI列为三大支柱之一。
为什么重要
LeBrun的立场反映了AI行业关于AGI定义的持续混乱，以及从纯语言模型向物理世界理解的转向。尽管OpenAI、Google等巨头频繁使用AGI或超级智能作为宣传点，但缺乏可操作定义。世界模型的商业价值在于：它能解决当前机器人领域最致命的缺陷——机器人仅执行固定程序，完全无法感知环境变化。LeBrun直言，现有的机器人“没有大脑”，硬件进步惊人但缺乏上下文感知能力。若世界模型能落地，它可能是让机器人从工厂流水线走进家庭、医院等开放环境的关键技术。
这种技术路线对亚洲硬件生态也更友好。韩国拥有先进的机器人、半导体和制造业基础设施，但AI渗透率极低。世界模型需要真实物理环境训练，无法单靠实验室内数据完成，因此AMI Labs必须与工厂、医院等实体场景合作——这正是亚洲产业链的优势所在。
对用户/开发者/创作者的影响
对开发者和企业用户而言，如果世界模型成功落地，最直接的影响是机器人不再需要为每个动作编写硬编码程序。开发者可以利用API接入能理解物理环境的AI系统，降低机器人部署成本。例如，家用机器人可以感知到孩子在附近移动，从而避免误伤。行业层面，机器人安全将从“有”到“无”的质变——目前的机器人“不安全”，无法解决开放式环境中的突发问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
在医疗领域，LeBrun以自身前公司Nabla的经验指出，今天的LLM在医疗中只能覆盖“1%”，因为真实世界的治疗决策依赖临床经验而非文本知识。世界模型若能模拟物理交互和因果链条，可能从根本上改变医疗AI的训练范式——从“读教科书”变成“完成住院医师培训”。
对硬件厂商和算力提供商的影响也更实际：世界模型对物理环境数据的依赖意味着对传感器、边缘计算芯片和专用算力的需求会超过纯文本模型。韩国政府已为相关基建规划数千亿美元投资，产业链企业可能迎来新的增长点。
值得关注的后续
- 产品落地时间表：AMI Labs仍处预产品阶段，其世界模型能否在2026-2027年拿出可用的demo甚至商业产品，将直接验证这一技术路线的可行性和商业化节奏。
- 韩国合作生态：韩国是否成为世界模型的早期试验场？三星、现代等硬件巨头是否介入合作？JP Lee推动的“首发地”策略能否吸引更多国际AI公司追投物理AI。
- 行业定义权争夺：如果世界模型在物理世界表现显著优于纯LLM，可能会削弱AGI/超级智能等空洞标签的市场说服力，倒逼整个行业更务实地界定能力层级和评估标准。
