---
author: Best Partners TV
date: '2026-03-30'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=vuhHraEhVeo
speaker: Best Partners TV
tags:
  - world-model
  - large-language-model
  - multimodal-ai
  - representation-learning
  - ai-ethics
title: AMI Labs：逃离硅谷，世界模型与AI的未来博弈
summary: AMI Labs在杨立昆和谢赛宁带领下，以10.3亿美元种子轮融资挑战硅谷大语言模型主导的AI范式。谢赛宁在访谈中阐述了世界模型的核心理念，批判大语言模型局限性，强调视觉感知和多模态对真实智能的重要性。公司致力于构建预测大脑，通过分布式联盟模式，探索物理世界交互的AI新路径，并对AGI概念提出质疑，倡导回归对基础智能的理解与构建。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people:
  - 谢赛宁
  - 杨立昆
  - 肯尼斯·克雷克
  - Richard Sutton
  - 伊利亚·苏茨克维尔
  - 李飞飞
companies_orgs:
  - AMI Labs
  - OpenAI
  - Meta
  - Google DeepMind
  - Thinking Machines Lab
  - SSI
  - World Labs
products_models:
  - GPT
  - CLIP
  - Diffusion Transformers
  - Sora
  - Seedance
  - Genie
  - Runway
  - Luma
  - Kimi
  - ChatGPT
  - Stable Diffusion
media_books:
  - 《我们足以聪明到知道动物有多聪明吗？》
  - 《黑猩猩的政治》
  - 《POI》（《疑犯追踪》）
  - 《万神殿》
  - 《同乐者》
  - 《无可奈何》
  - 《全像素空间》（The Total Pixel Space）
  - 《集异璧之大成》
  - 《禅与摩托车维修艺术》
  - 《银河系漫游指南》
status: evergreen
---
### AMI Labs的崛起与“逃离硅谷”

**大飞**: 大家好，这里是最佳拍档，我是大飞。2026年的AI行业正在经历一场悄无声息的范式革命。当所有人的目光还聚焦大语言模型的军备竞赛时，一家名为**AMI Labs**的初创公司，仅凭25人的团队、在没有推出任何产品的情况下，就完成了**10.3亿美元**的种子轮融资，投前估值高达**35亿美元**。这不仅创下了欧洲AI创业史上最大规模的种子轮融资纪录，在全球新晋的AI Neo Labs阵营中，也仅次于前**OpenAI**首席技术官**米拉·穆拉蒂**（Mira Murati）创立的**Thinking Machines Lab**，位居世界第二。更令人意外的是，这家手握重金的实验室却毅然放弃了AI重镇硅谷，选择在巴黎、纽约、蒙特利尔、新加坡全球四地布局研发中心。而主导这场逃离硅谷运动的，正是图灵奖得主**杨立昆**（Yann LeCun）和青年华人学者**谢赛宁**。这两位公开反对**大语言模型**的AI斗士。那么，他们口中的**世界模型**（World Model）究竟是什么样的技术革命呢？为什么他们敢说硅谷已经被大语言模型催眠了呢？这场由顶尖研究者领衔的创业，又将会如何改写AI的未来呢？今天，我们就透过谢赛宁的首次公开采访，尝试揭开这场关于AI未来的终极博弈。

### 谢赛宁：硅谷已“催眠”于大语言模型

**大飞**: 要理解**AMI Labs**的野心，首先要认识它的核心灵魂人物之一**谢赛宁**。这位出生于1990年的华人科学家有着令人瞩目的学术履历。他本科毕业于**上海交通大学**，随后在**加利福尼亚大学圣地亚哥分校**深造，如今在**纽约大学**任教。创业之前，他曾在**Meta**的**FAIR实验室**担任研究科学家4年，之后加入**Google DeepMind**继续深耕AI研究。其论文总引用数已经接近10万次，还曾经共同提出**Diffusion Transformers**（DiT）这个重要的模型架构。

**大飞**: “硅谷已经深陷于**大语言模型**，完全被它催眠了。”这是谢赛宁对当下AI行业的直接评价。而这个观点，与他的合作伙伴**杨立昆**的长期主张不谋而合。作为AI领域的斗士，杨立昆早已经发表过众多反大语言模型的著名言论，比如大语言模型的本质只是**token生成器**，大语言模型还不如一只猫等等。这些观点与硅谷当下以大语言模型为核心的主流价值体系形成了尖锐冲突，甚至有硅谷人士评论，他们在硅谷有太多的仇人。

**大飞**: 谢赛宁之所以选择逃离硅谷，并非单纯的理念分歧，而是亲身经历了那里的行业困境。在**Google DeepMind**任职期间，他是整个生成式AI部门唯一拥有双重职位身份的人，既在公司兼职，又在学校从事研究。这种脚踩两只船的状态在湾区的AI大厂中极为罕见，因为当地的行业氛围对纯粹的学术探索充满抵触。这种抵触主要体现在两个方面：一方面，大厂普遍瞧不上学术界的工作，不认为学术研究能真正产生实际影响；另一方面，由于大厂内部不鼓励发表论文，甚至发博客都不能署名，导致行业内形成了严重的信息壁垒。即使是同一公司内部，研究部门和产品部门之间也存在巨大隔阂。核心模型训练部门被卷入高度竞争的军备竞赛，唯一的目标就是在各类基准测试中拔得头筹。这直接压榨了研究者自由探索的空间，抽走了创新所需的氧气。

**大飞**: 谢赛宁举例说，**视频理解**其实是AI领域中一个至关重要的方向，但是现在无论是学术界还是工业界，都没有从根本上基于**世界模型**的角度去解决这个问题。并不是没有人愿意做，也不是没有能力做，而是这些研究者在任何公司里，都无一例外被发配到视频生成模型的视频标注团队，因为这是唯一能够间接参与到现有大语言模型主导的价值链中的职位。尽管他们都清楚，基于世界模型的视频理解模型是通往**通用智能**的前置条件，但是在现有竞争格局下，他们没有任何探索的空间。在这样的有限游戏里，每个公司都似乎失去了定义问题的能力。

**大飞**: 谢赛宁感慨道，曾经的**OpenAI**具备这种定义问题的能力，**GPT**、**CLIP**等革命性成果，都源于它作为研究单位的自由探索。但是现在的行业环境，已经让研究变成了纯粹的商业问题、产品问题，所有人都被迫卷入无休止的竞争。而他和**杨立昆**的选择，就是逃出来，创造一个更对研究员友好的组织，逃离硅谷的叙事陷阱。

### “反向OpenAI”：世界模型与全球联盟

**大飞**: **AMI Labs**的核心定位，被谢赛宁称为**反向的OpenAI**。所谓正向的OpenAI，是将互联网作为数据发源地，下载海量文本数据，用**Transformer架构**训练出**GPT**这类**大语言模型**，再将它推向市场，无论是面向消费者还是企业的应用场景。而反向的OpenAI则完全不同，训练模型所需的数据无法直接从互联网下载，没有任何捷径可走，必须走一条更艰辛的道路，而且这条路注定无法独行。

**大飞**: “**世界需要世界模型，世界模型需要世界**。”这是**AMI Labs**的核心信念，也是其草根联盟模式的底层逻辑。谢赛宁解释说，那些在AI浪潮面前有**FOMO情绪**、有具体问题要解决、手握大量真实世界数据的公司，可以通过合作伙伴的方式共建**世界模型**，形成一个良性闭环。先建立初始的世界模型，合作伙伴用它解决问题、创造价值并获得回报，同时产生更多真实数据，这些数据再反过来用于训练和优化世界模型。为了打造这个全球联盟，AMI Labs从一开始就布局了全球四地的办公室，总部设在巴黎，同时在纽约、蒙特利尔、新加坡设立研发中心。这个非常规布局的背后，是**杨立昆**的世界人身份，他既是美国人，也是法国人。这种中立的面孔和角色，加上总部不在硅谷的定位，能吸引全球各地的潜在合作伙伴。

**大飞**: 谢赛宁用一个有趣的商业故事解释了这种联盟逻辑，那就是美国两大信用卡巨头**Visa**和**万事达**的诞生。Visa最初是**美国银行**（BOA）在1958年推出的消费者信用卡计划，这是美国第一个这类模式。推出后迅速赚得盆满钵满，但是美国银行刻意隐瞒了盈利情况，对外宣称这是赔钱生意。直到一两年后财务数据无法隐瞒，此时其他小银行陷入恐慌，体量打不过美国银行，单独发卡又无法抢占市场。于是他们联合起来组成联盟，推出了万事达卡，最终成功反击Visa，形成了分庭抗礼的格局。谢赛宁强调，AMI Labs并非要完全复制这种模式，但是这种去中心化、分布式的联盟逻辑，高度契合**世界模型**的叙事，天然抵制垄断和霸权，也让公司能以更开放的心态与学术界和工业界合作伙伴展开探索。

**大飞**: 当然，**AMI Labs**并不是一个纯粹的研究实验室，也不是完全封闭的**大模型**公司，而是在两者之间寻找平衡。谢赛宁坦言，他既不是功成名就的资深教授，也不是能卷着铺盖去深圳工厂做数据采集的年轻人。这种身份定位也让公司选择了一条中间路线，不追求所有研发都开源，但是会比其他AI公司更加开放，因为合作本身就是研究探索的一部分。

### AMI Labs的团队理念

**大飞**: 在团队构建上，**AMI Labs**也有着独特的理念。公司吸引了来自**OpenAI**、**DeepMind**、**xAI**等各大顶尖机构的研究者，但是他们加入的目的，并不是为了赚钱或IPO上市，而是怀着纯粹的研究热情，相信自己有机会通过技术影响AI的未来进程。谢赛宁不认同那种降低每个人的自我，让所有人都成为团队螺丝钉的极端做法。他认为研究者固然需要团队协作，但是也应该给予年轻人足够的可见度，让他们能拥有自己的人物弧光，成长为顶尖研究者。因此，公司更倾向于吸引使命导向的年轻人，而不是聚集一群已经成名的超级英雄式的研究者。他也不相信这种明星聚集能产生真正的化学反应。

### 世界模型的定义与核心

**大飞**: 那么，被**AMI Labs**寄予厚望的**世界模型**，究竟是什么呢？谢赛宁给出了一个清晰的定义：世界模型是给定一个系统或环境的当前状态，当你对这个系统施加一个干预或动作后，能够学到一个预测函数，通过这个函数，结合当前状态和动作，预测出下一个时刻的系统状态。这个定义看似直接甚至有些平庸，因为它并不是一个新的概念。早在1943年，心理学家**肯尼斯·克雷克**（Kenneth Craik）就首次提出了这个理念。他认为人在大脑中会构建一个世界模型，能够预测自己的动作带来的后果，从而指导决策和行动。

**大飞**: 这种基于预测的结构，其实早已经在多个领域得到应用。比如上世纪六七十年代，科学家将探测器送往月球时使用的控制系统，就基于**控制理论**（Control Theory），其中经典的**模型预测控制**（MPC）算法，核心就是一个简化的**世界模型**。这个算法的逻辑很简单：通过模型滚动输出接下来的采样动作序列，用模型预测每个步长的状态轨迹，再通过代价函数，来判断这个动作序列离目标的距离，不断迭代找到代价最低的动作序列，执行第一步后重复这个过程。其中每一次的决策都基于对未来的预测。

**大飞**: 在**强化学习**领域，**世界模型**同样被视为核心。强化学习之父**Richard Sutton**在其经典论文《**Dyna**》中提出，人类的智能体系分为两种：一种是**反应式策略**（reactive policy），另一种是更智能的**基于模型的策略**（model-based policy）。这与人类认知中的**快思考**与**慢思考**高度契合。Sutton甚至在论文中直言，纯粹的强化学习是一种原始的、没有世界模型的学习算法。他本人其实是反纯强化学习的，因为一个更好的系统，应该具备强大的世界模型，能够基于当前状态预测未来状态，从而拥有**规划**（planning）的能力。而这种规划能力，本质上与**推理**是同一个概念。

**大飞**: 谢赛宁强调，**世界模型**的核心是刻画系统和环境，让预测能够指导动作序列和决策。这与**大语言模型**的核心逻辑有着本质区别。如果说大语言模型是预测下一个字符，那么世界模型就是基于你的动作，预测下一个状态。这里的状态是描述系统所有关键信息的充分统计量，它需要保留对未来预测和决策有用的核心信息，同时忽略无关的细节。而学习这种状态表示，本质上就是**表征学习**的核心问题。

**大飞**: 举个例子，如果把谢赛宁当前所在的房间作为一个环境，它的状态可以被极致精细地刻画出来：桌子的纹理、声波的振动、桌子的质量、话筒的各项物理参数，甚至空气中的分子运动。但是我们不会这么做，因为绝大多数信息对于决策毫无意义。如果智能体的目标是聊天，那么只需要知道话筒能放在桌子上这个基本事实就足够了，无需关心光照的细微变化或桌面纹理。因此，状态的刻画取决于具体任务，而构建这种高效的状态表示，需要层次化的表征，一层一层迭代，形成越来越抽象、对决策越来越有价值的表示。就像造飞机时，我们不会去建模每个分子的碰撞，而是通过流体力学和纳维-斯托克斯方程，在统计意义上构建模型。这种抽象的状态建模方式，反而能刻画更广阔的世界。

### 大语言模型的局限性与“语言是毒药”

**大飞**: 正是基于对**世界模型**的深刻理解，谢赛宁提出了一个尖锐的观点：**大语言模型**在某种程度上是反**苦涩的教训**的。按照**Sutton**总结的AI发展核心规律，人类自以为聪明的领域知识，往往会被更简单、更通用、依赖大规模计算的算法超越。因此AI研究应该尽可能减少人类知识的介入，减少那些精巧的结构设计，更多依靠搜索和学习来寻找答案。而语言，恰恰是人类最精巧的智慧产物，是高度凝练的抽象知识结构。谢赛宁认为，大语言模型并没有践行苦涩的教训，反而依赖于人类文明沉淀的语言体系，也因此存在根本性的局限。

**大飞**: 即便**大语言模型**中的**思维链**（CoT）被认为是推理能力的体现，但是最近的研究也发现，CoT可能只是一种文本技巧，推理步骤往往是事后编造的，有些错误的CoT仍然能得到正确答案，提升效果可能只是因为生成过程变长，而并非真正具备推理能力。更严重的是，大语言模型存在结构性的安全性和可控性问题，因为它没有真正的**世界模型**。现在大语言模型的可控性和安全性，完全依赖于微调和**强化学习**实现的**对齐**，通过喂给它海量数据，告诉它什么话能说、什么话不能说。但是世界模型不需要这种方式，因为它能预测动作的后果，从而在推理阶段就主动避免危险行为。

**大飞**: 谢赛宁举了一个生动的例子：一个机器人拿着刀切菜，如何保证它不会转身砍人呢？**大语言模型**的思路是喂给它大量相关数据，让它知道不能这么做。而**世界模型**则能直接预测转身砍人这个动作会带来的伤害后果，从而从根本上避免这种行为。

**大飞**: 作为一名做**表征学习**的人，谢赛宁对表征学习的定义是：将原始数据映射到一个具有良好性质的空间，让下游任务更容易取得好结果。这个映射函数通常是层级化的，现在主流通过非线性神经网络实现。他认为表征学习是AI领域永恒且未被完全解决的核心主题。而**世界模型**与**大语言模型**的本质差异，也体现在表征方式上。语言模型的**Scaling Law**本质是一种**无损压缩**的过程，模型越大，压缩率越高，泛化能力越强，所谓压缩即智能。但是谢赛宁指出，语言模型的Scaling Law里其实是有水分的，因为它不需要真正理解世界，只需要在基准测试中检索事实性知识，导致知识压缩和世界理解被混为一谈。而世界模型的Scaling Law会完全不同，它不需要记住世界的所有细微细节，不需要通过解**薛定谔方程**来判断苹果会落地，只需要具备过滤和组织信息的理解能力。这与人的认知模式高度相似：人类的感官输入带宽高达每秒10亿比特，但是说话、做事的输出带宽只有每秒10到100比特。大脑本身就是一个强大的世界模型，不断过滤无用信息，将高带宽输入转化为低带宽的行为模式。

### 语言模型与世界模型的互补性

**大飞**: 在谢赛宁看来，**大语言模型**与**世界模型**并非替代关系，而是互补关系。没有语言模型，我们甚至无法谈论世界模型。语言模型让AI具备了一定的真实世界认知能力，但是这种能力存在本质缺陷，因为语言作为交流工具，必然要做出取舍，牺牲大量信息。比如我们说杯子掉在地上碎了，只关心结果和状态，却忽略了杯子破碎的动力学过程和背后的物理定律。而这些被忽略的信息，恰恰是真实世界交互所必需的。语言模型擅长在数字空间通过代码等接口介入物理生活，但是它的建模方式基于离散的**token**，无法处理连续空间、高维度、带噪声的信号，比如工业过程控制中的传感器建模、机器人的物理交互等。而**世界模型**的核心优势，正是处理这些脱离虚拟空间、难以被token化的真实世界信号。

**大飞**: 谢赛宁将AI行业分为两个极端：一端是**大语言模型**主导的**数字空间智能**，另一端是通用机器人主导的**物理空间智能**。而从数字空间走向物理空间，正是**视觉智能**和**多模态技术**未来的核心方向。他甚至提出一个有趣的观点：要通过不做机器人的方式，来解决机器人问题。因为机器人硬件的进展已经非常迅速了，但是机器人大脑的预训练还存在根本性的研究空白。而这正是**AMI Labs**的发力点。

### 两次拒绝伊利亚·苏茨克维尔

**大飞**: 谢赛宁的这个理念，也体现在他两次拒绝**OpenAI**前首席科学家**伊利亚·苏茨克维尔**（Ilya Sutskever）的邀请上。第一次是2018年，谢赛宁参加了OpenAI的面试，在小黑屋里关了五六个小时做一道题目。面试官、OpenAI联合创始人**约翰·舒尔曼**（John Schulman）的面试题是在一张A4纸上手写的一行字，这件事让他印象深刻。尽管最终拿到了offer，但是他毫不犹豫地拒绝了。因为当时他一心想去**Meta**的**FAIR实验室**，那里有**何恺明**、**皮奥特·多拉尔**（Piotr Dollar）、**罗斯·吉里希克**（Ross Girshick），他们是**计算机视觉**（CV）领域的三驾马车，也是当时最顶尖的中青年研究员，正在做最前沿的CV研究。对谢赛宁来说，这是无需犹豫的选择。伊利亚当时亲自打电话给谢赛宁，语气非常严厉，质问他为什么不讨论就拒绝，是不是薪资不够。谢赛宁回忆道，当时OpenAI给出的薪资在2018年来看并不算低，但是他还是搪塞了过去。有趣的是，谢赛宁觉得，2018年的伊利亚应该经常被拒绝，所以才会对他的拒绝如此生气。

**大飞**: 第二次拒绝发生在2024年7月，伊利亚创立新公司**SSI**后，发邮件邀请谢赛宁加入。这次他们讨论的核心话题不是薪资，而是如何给未来的人工智能赋予“爱”的能力。谢赛宁最后问了一个关键问题：“你对**多模态**、计算机视觉或者感知模型怎么看？”伊利亚的回答是这些事情已经解决得很不错了。这让谢赛宁意识到，SSI的技术路线是基于语言的，与他想要深耕的多模态、视觉感知方向不符，因此再次拒绝了邀请。谢赛宁并不认为这是根本性的分歧，他觉得AI行业是一个有机体，大家只是在不同时间、不同领域做不同的事情，没必要拼个你死我活。但是他始终坚持，视觉感知和多模态是通往真实智能的必经之路，而语言对视觉的污染，是他最担心的问题之一。他说：“语言是毒药，或者说是一剂鸦片。”

### “语言是毒药”：对视觉智能的警示

**大飞**: 谢赛宁的这个观点看似极端，却有着深刻的行业观察。在**ChatGPT**诞生之前，**计算机视觉**是AI领域的核心，但是**大语言模型**兴起后，计算机视觉似乎退到了边缘。谢赛宁并不沮丧，他甚至感谢大语言模型，因为没有它们，视觉技术也无法拓展到真正的**多模态智能**范畴。但是他同时指出，语言的介入带来了两个问题：一方面，语言作为灵活的接口，让我们可以自由定义问题并得到答案，极大地拓展了AI的应用场景；另一方面，对语言的过度依赖，导致很多所谓的多模态任务其实与视觉无关，纯粹是语言问题。这让视觉技术看似边缘化，但也暗藏了巨大的机会。

**大飞**: **杨立昆**有个比喻非常形象：现在大家都拄着**语言模型**这根拐杖走路，虽然能走，但跑不起来，也无法参加奥运会，因为视觉表征这条腿还不够强壮。谢赛宁解释说，语言模型构建的是虚拟的智能，而他所说的真实的智能，核心是要与真实世界发生交互。语言模型解决的问题大多在数字空间，比如记忆维基百科的所有条目、做法律顾问、提供教育服务，这些都是革命性的。但是与视觉技术要解决的连续空间、高维度、带噪声的真实世界问题，完全属于不同的市场。**Kimi**的创始人**杨植麟**也曾经表示，不希望训练出傻的多模态，而要做聪明的多模态，担心加入视觉会影响模型的智商。谢赛宁对此的回应是：同意不该做傻的多模态，但是如果不加入视觉，你一定会很傻。

**大飞**: 问题的核心在于如何定义聪明和智能，这背后其实是**莫拉维克悖论**的体现。对机器来说，逻辑推理、棋类这些人类觉得困难的事情反而简单，而走路、视觉感知这些人类觉得简单的事情，对机器来说却极其困难。人类无法背下海量外语，但是拥有极其复杂的视觉感知能力，这种能力正是真实智能的核心。谢赛宁担心，语言作为一种捷径，就像鸦片一样，让人依赖它带来的便利，却忽略了视觉表征能力的培养，就像一直拄着拐杖，是永远练不出强壮的大腿肌肉一样。而这种污染已经在发生，很多**多模态**研究过度依赖语言的统计信息，却忽略了视觉本身的感知规律，导致模型在真实世界交互中表现拉胯。

### 世界模型：殊途同归的探索

**大飞**: 在AI行业，**世界模型**这个概念目前还没有统一的定义，不同团队的研究方向也各有侧重。谢赛宁认为，世界模型不是一个技术路线，而是一个最终目的。不管是做**大语言模型**还是视频扩散模型，所有人都在通往世界模型的道路上，因此并不存在直接的竞争关系。具体来说，以**Sora**、**Seedance**、**Genie**、**Runway**、**Luma**为代表的视频生成派，更聚焦于构建一个**世界模拟器**，核心目标是渲染出足够逼真的视频，追求生成内容的一致性。斯坦福大学**李飞飞**教授的**World Labs**则更重视**强3D表征**，将其视为空间的代码，是交流、协作和创造的接口，通过具象化的3D形式掌握空间智能，确保100%的准确性，这是生成式世界模拟器由于上下文窗口的限制而无法做到的。而**AMI Labs**的目标，则是要打造一个**预测大脑**，核心是提升智能本身的能力，通过理解物理世界、具备**联想记忆**、**推理**、**规划**、**因果推理**等能力，实现可控与安全的真实世界交互。

**大飞**: 谢赛宁强调，这三条路线是互补的。比如**李飞飞**团队的3D表征路线，可以通过在显式空间中训练智能体，为**世界模型**的发展提供支持。而**AMI Labs**的草根联盟模式，正是为了整合各方资源，共同推进世界模型的研究。他们不追求垄断，而是希望通过分布式的合作，抵制行业霸权，让研究回归本质。

### AMI Labs的“不被看好者”姿态

**大飞**: 尽管手握**10.3亿美元**融资，背靠图灵奖得主**杨立昆**，但是谢赛宁却坚称，**AMI Labs**并不是含着金汤匙出生的创业公司，而是一个不被看好者。杨立昆不是草根，但是他在AI行业和投资人面前，总是一半支持、一半反对。他不是众星捧月的英雄，而是一个坚守自己、永远在尝试下一件未完成之事的人。谢赛宁解释说，他们虽然融资规模不小，但是比起**大语言模型**现在撬动的资源，还差得很远，本质上是在某种行业压迫下生存的公司。这种underdog的身份，反而让谢赛宁感到享受。“做研究也是一样，你们越不相信我，我越开心。”他透露，很多投资人对他们的态度两极分化，硅谷大部分人不相信他们，而世界其他地方的人大多相信他们。谢赛宁决绝地说道：“但是这并不重要，你们可以不相信我们，那我们就走着瞧。这条路我现在已经all-in了，你跟不跟？”

### AGI是伪命题：从松鼠智能看通用智能

**大飞**: 他之所以有这样的底气，源于对AI行业发展规律的深刻洞察。这也让他和**杨立昆**共同坚信一个观点：**AGI**是一个完完全全的伪命题。杨立昆曾经与**哈萨比斯**有过一场辩论，核心就是通用智能是否存在。杨立昆的逻辑非常数学：人类有200万根视觉神经纤维，理论上可以建模的视觉函数数量高达2的2的200次方，但是受限于意识和神经带宽，人类能够真正处理、感知到的东西趋近于零。因此，人类的智能本身就是高度特定化的，我们只能认知到自己能感知到的世界，所谓的通用智能，从本质上就不存在。

**大飞**: 谢赛宁补充了一个更具人文关怀的视角，他推荐了一本书《**我们足以聪明到知道动物有多聪明吗？**》。这本书让他意识到，智能的演进是一个连续的过程，人类并不是独一无二的。动物也会使用工具，很多动物能通过**镜子实验**，意识到镜子里的是自己，具备自我意识。黑猩猩甚至有复杂的政治行为，荷兰心理学家**弗朗斯·德瓦尔**（Frans de Waal）的《**黑猩猩的政治**》一书中，就详细描述了四只黑猩猩的权力博弈：拉帮结伙、权谋上位，堪比《纸牌屋》。这说明它们具备心智理论，有自己的**世界模型**。

**大飞**: 谢赛宁举了一个有趣的实验：实验人员当着黑猩猩的面，在两个盒子里分别放入香蕉和苹果，然后扣上盒子，把黑猩猩带出去很久再带回来。如果黑猩猩看到实验人员正在吃香蕉，就会径直去打开装苹果的盒子，完全忽略装香蕉的盒子。这清晰地表明，黑猩猩具备心智推理能力。而鲸鱼等动物，也有自己独特的交流语言，只是人类尚未完全理解。

**大飞**: 受到**Sutton**的启发，谢赛宁提出了一个颠覆性的观点：打造出一只松鼠的智能，比让AI写代码、拿国际数学或信息奥林匹克金牌，以及上火星要难得多。因为松鼠的智能需要在真实世界中生存，有自己的目标、内在奖励、知道饥饿、有情感和社群活动。而这些能力，是当前AI完全不具备的。一旦掌握了这种松鼠级的智能，写代码、上月球这些任务，反而会变得轻而易举。谢赛宁强调，我们应该放弃人类的自大，不要只关注那些少数人才能完成的高级任务，而要关注4岁小孩就能做好的事情，比如感知环境、灵活移动、简单交流、理解物理规律。这些才是**世界模型**需要解决的核心问题，而机器人正是最好的应用出口。在谈论**AGI**或者**ASI**之前，我们应该先打造出一个足够可靠、足够通用的机器人，因为一个12岁的孩子能承担几乎所有的家务，但是现在没有任何机器人能做到这一点。

### 机器人大脑的“预训练下半场”

**大飞**: 这就需要预训练的下半场。谢赛宁解释说，现在的机器人创业公司，资源都投入到了硬件的**Scaling Law**上了，买更多机器人、部署到更多场景、产生商业价值，根本没有精力做机器人大脑的预训练。而**AMI Labs**要做的，就是聚焦于软件层面和大脑构建，解决那些根本性的研究问题。这场预训练的下半场，输入的将是所有连续空间、高维度、可能带噪声的信号，初期以视频为主，未来会扩展到视觉之外的**多模态信号**。而输出端的最优目标函数，正是当前AI研究的核心课题，也是**泛自监督学习**最令人兴奋的方向。

### 谢赛宁的个人哲学与人文关怀

**大飞**: 作为一名研究者和创业者，谢赛宁的身上有着一种独特的气质，既有反硅谷反霸权的尖锐，又有重视人与人之间真诚交流的温情。他经常说一句话：“你不是天选之子，你只是一个普通人。”这句话源于他喜欢了二十多年的**利物浦足球俱乐部**（Liverpool F.C.），以及他最欣赏的教练**尤尔根·克洛普**（Jürgen Klopp）。当时另一位著名教练**何塞·穆里尼奥**（José Mourinho）曾宣称“我是那个特别的人”，而克洛普半开玩笑地回应“我不是那个特别的人，我只是一个普通人”。谢赛宁欣赏这种态度，克洛普本人充满摇滚气质，却把自己定位成团队的一块电池，用自己的热情和能量给其他人发电。谢赛宁也希望自己能成为这样的人，无论是在学校还是创业公司，都能持续给团队提供能量。但是他也坦言，这并不容易。研究者的底色大多是悲凉的，探索过程就像在暗无天日的地方摸索，沮丧是常态，真正因为做出成果而快乐的时光，可能只占5%到10%。他的好友、**计算机视觉**顶级学者**何恺明**也说过类似的话。但是谢赛宁觉得，现在的时代不同了，AI行业的热烈讨论，让研究者们不再觉得是在幽闭空间里独自探索，这也是行业发展带来的一大好处。而**杨立昆**就是团队里巨大的电池。

**大飞**: 谢赛宁形容杨立昆是一个斜杠青年，一个把16岁青春期延续到65岁的人。他有四大爱好：造模型飞机、拍天文摄影、搞电子乐和爵士乐，以及驾驶帆船。这种对生活的热爱，让谢赛宁坚信，他们要打造的**世界模型**，需要这样有格局、热爱生活的舵手。有一次，谢赛宁团队的一篇论文取名《**Solaris**》，这个名字源于**塔可夫斯基**（Andrei Tarkovsky）执导的科幻电影。电影中一片海洋能读取人的潜意识记忆并具象化生成，与他们做的多角色视觉生成模型理念契合。谢赛宁问杨立昆知不知道这个电影，杨立昆立刻反问：“你看的是哪一部？1972年的还是2002年的？是塔可夫斯基拍的还是**史蒂文·索德伯格**（Steven Soderbergh）拍的？”这让谢赛宁既佩服又惊讶：“不光是研究上服你，在电影上你也比我懂得多。”这种跨越学术与生活的人格魅力，也让谢赛宁在杨立昆提出创业邀请时，几乎没有纠结就答应了。他说杨立昆说话就像施法一样，听完之后就不会想其他可能性了。

**大飞**: 谢赛宁的生活哲学，也深刻影响着他对AI的理解。他现在在纽约生活，每天上班不需要开车，而是步行穿过**华盛顿广场公园**。这段五到十分钟的路程，是他每天最解压的时光。公园里有形形色色的人：弹钢琴的艺人、跳舞的年轻人、推着婴儿车的妈妈、下象棋的老大爷、发呆的路人、学习的大学学生。这些场景让他意识到，世界比想象中广阔得多，不是所有人都关心AI，大家有自己的生活。但是这也让他思考，作为AI研究者，是否肩负着某种社会责任呢？AI未来可能会影响每一个人的生活，而多与真实世界的人接触，能让他更清晰地知道，什么是真正有价值的AI，该如何打造下一代的智能系统。

### 推荐书影：AI与人性的思考

**大飞**: 这种对生活的热爱，也体现在他的文化偏好中。他推荐了几部与AI相关的影视作品，比如老剧《**POI**》（《疑犯追踪》），讨论了善恶超级智能的竞争与对人类社会的威胁，堪称**多模态智能**的预言。动画《**万神殿**》，作者是**刘宇昆**，谢赛宁的老乡，被**山姆·奥特曼**也推荐过，是一则深刻的AI寓言。还有最近很火的《**同乐者**》，以及**朴赞郁**的电影《**无可奈何**》。这部电影几乎不直接谈AI，却通篇描绘了AI对人的异化，以及人与人之间关系的变化。他还提到纽约的AI电影节，今年获奖的短片《**全像素空间**》（The Total Pixel Space），深入探讨了**世界模型**和智能的本质，非常有启发性。

**大飞**: 在被要求推荐人生之书时，谢赛宁选了两本。一本是《**集异璧之大成**》，这本书探讨了数理学家**哥德尔**、作曲家**巴赫**、画家**艾舍尔**之间的哲学共同点，是他本科时老师推荐、大家组团学习的作品，当初看不懂，后来越品越有味道。另一本是《**禅与摩托车维修艺术**》，这本书像一场内心求索，让他思考什么重要，什么不重要。当被问到，对你来说什么最重要时，谢赛宁的答案很坚定：那就是人与人之间真诚的交流是重要的，也许其他都不重要。他解释说，在不同的人生阶段，他会觉得创业重要、研究重要，但是归根结底，真诚的交流才是核心。而研究本身，就是一种深度的连接。有一位投资人之所以愿意投**AMI Labs**，只是因为认识**Stable Diffusion**的主要作者、**Black Forest Labs**的创始人，而那位创始人与谢赛宁只在会议上见过一次，却基于他的学术工作给予了高度信任。这种基于专业成就的连接，有时甚至超越了私人关系。

### 世界模型与命运的不可预测性

**大飞**: 当被问到“世界是一个巨大的**世界模型**吗”的问题时，谢赛宁毫不犹豫地给出了肯定的回答。但是当被追问“我们能预测命运吗”时，他的答案却是否定的，因为我们的资源不够。他说：“我们需要用地球这么大的计算机，或者整个宇宙作为你的计算机，才能得到关于生命、宇宙和一切的答案，而这个答案最后可能是**42**。”谢赛宁用了一个源自《**银河系漫游指南**》的梗，不仅体现了科学家的一种幽默感，也透露着一种对未知的敬畏。

### 结语：AI新革命的起点

**大飞**: 从拒绝**OpenAI**的邀请，到与**杨立昆**联手创业；从批判**大语言模型**的局限，到深耕**世界模型**的未来；从担心语言对视觉的污染，到强调人与人的真诚交流。谢赛宁的每一步选择，都源于对AI本质的深刻思考，以及对真实世界的敬畏与热爱。**AMI Labs**的**10亿美金融资**，更像是一场新革命的起点。这场革命的核心，是让AI从数字空间的字符预测，走向物理世界的状态预测；从依赖人类语言的虚拟智能，走向与真实世界交互的真实智能。硅谷的大语言模型狂欢还在继续，但是逃离硅谷的世界模型探索，已经开启了AI的另一种可能。正如谢赛宁所说，世界模型是所有人会抵达的终点。在这场通往**通用智能**的漫长旅程中，究竟是**大语言模型**的路线会持续领跑，还是**世界模型**会后来居上呢？时间会给出答案。但是可以肯定的是，这种多元探索、敢于挑战霸权的精神，正是AI行业不断前进的核心动力。感谢收看本期视频，我们下期再见。