杨立昆离开待了13年的Meta后创办的AMI Labs，2026年3月拿下10.3亿美元种子轮、投前估值35亿，是欧洲创业史上最大种子轮，投资方名单里有英伟达、三星、贝索斯家族基金和Tim Berners-Lee。团队仅50到60人，分布在巴黎、纽约、蒙特利尔、新加坡，尚无成熟产品，路线是『先发论文、再进工业、最终瞄准机器人』。这是一场至少五年的长期主义下注。

下棋、写代码、过奥数，AI轻松碾压人类；可洗碗、走路、抓鸡蛋，它连一岁婴儿都不如。莫拉维克1988年在《智力后裔》里把这个反直觉现象钉成悖论：进化打磨了数亿年的感知运动系统，复杂度远高于晚近才出现的符号推理。这也解释了为什么L5自动驾驶砸了数十亿小时视频仍卡在L4——不是模型不够大，是问题本身难在错误的维度上。

JEPA只在抽象空间比表征距离，模型很容易找到作弊解——不管输入什么画面都输出同一个常数向量，预测误差瞬间归零，模型沦为废铁。这就是表征坍塌。LeCun团队的解法一路迭代：VICReg约束方差和协方差只到二阶统计量，SIGReg用Cramér–Wold定理把整个分布拉成各向同性高斯，但坍塌时梯度反而趋零——『你越懒我越懒得管』。2026年的VISReg才把尺度和形状拆开处理。

演讲里最硬的一刀是信息量对比：互联网全部公开文本约30万亿token、折合10¹⁴字节，而四岁小孩清醒1.6万小时、两百万根视神经每秒1字节约1.6万小时≈10¹⁴字节——两者量级相当。这条论证链的关键假设是『像素通量≈有效信息』，但每秒1字节是视神经的传输上界，大脑实际编码的语义信息远低于此；反方可以反问：文本是高度压缩的语义，拿原始字节和压缩后的token比，是不是口径不对等？

同一场争论两种算账：杨立昆说LLM只会『反刍』统计规律，靠堆算力和文本永远到不了AGI；奥特曼坚持继续优化GPT系列就能逼近，Hinton 2023年看到GPT-4后甚至认为参数量已接近人类皮层16亿功能神经元，『也许它已经和人一样聪明』。有意思的是LeCun直接质疑Hinton的动机是想『摆烂退休』去讲AI风险——路线之争里也掺着人身判断。

Sora、Genie、JEPA、Marble都能算准杯子掉落的轨迹，却猜不到人会先去原来的桌面找杯子。牛津和新加坡国立的MWM框架指出：当今最受关注的世界模型只模拟了物理层，完全忽略信念、意图、情绪。实验里一个更弱的语言模型只要显式建模心智状态，行为预测准确率就能反超更强但无心智建模的模型。物理与心智的耦合演变，是这条路线集体失明的地方。

演讲给出的三层四足机器人数据全部来自仿真环境，AntMaze、Cube、Push-T这些benchmark，没有真机大规模实测。行业共识是仿真里0.1%的微小偏差转移到真机会放大成10%到20%的执行误差，摩擦力、阻尼、材料形变一叠加推演就失效——所以当前普遍只敢推演未来2到3秒的动作。焦点不是H-JEPA能不能再提成功率，而是Sim2Real迁移何时不再让性能崩盘。