謝賽寧，90后華人科學(xué)家，剛剛和圖靈獎(jiǎng)得主楊立昆一起創(chuàng)立了AMI Labs，拿到了10.3億美元的種子輪融資。他接受了《商業(yè)訪談錄》張小珺的訪談，全長(zhǎng)7個(gè)多小時(shí)。

為什么要逃離硅谷？

這個(gè)問題的答案，藏在一個(gè)更大的分歧里——到底什么才是真正的智能？

現(xiàn)在的硅谷，所有人都在卷LLM。卷參數(shù)量，卷token數(shù)，卷benchmark排名。這場(chǎng)軍備競(jìng)賽里，研究者失去了定義問題的能力。你不再問"什么是對(duì)的"，只能問"怎么在榜單上拿第一"。

謝賽寧覺得這條路走偏了。「硅谷已經(jīng)被LLM催眠了，完全被它催眠了。」

他打了個(gè)比方：語言模型是預(yù)測(cè)下一個(gè)字符，世界模型是預(yù)測(cè)下一個(gè)狀態(tài)。聽起來只是換了個(gè)詞？不是的。這是兩種完全不同的智能觀。

AMI Labs從第一天起，就在全球設(shè)了四個(gè)辦公室：巴黎、紐約、蒙特利爾、新加坡。唯獨(dú)沒有硅谷。

謝賽寧說：「被催眠的人總有醒來的一刻。那時(shí)候我們完全不排除去硅谷設(shè)立公司?！沟F(xiàn)在，他們要做的是「反向的OpenAI」。

什么是「反向的OpenAI」？

「正向的OpenAI」很簡(jiǎn)單：從互聯(lián)網(wǎng)下載數(shù)據(jù)，訓(xùn)練GPT模型，推向市場(chǎng)。

「反向的OpenAI」要難得多：數(shù)據(jù)沒辦法直接從互聯(lián)網(wǎng)下載，沒有捷徑可走。

謝賽寧說了一個(gè)很有意思的故事。1958年，美國(guó)銀行（BOA）推出了Visa信用卡，賺得盆滿缽滿。它還藏著掖著，別人問就說是賠錢生意。直到財(cái)務(wù)上藏不住了，其他銀行才發(fā)現(xiàn)被主導(dǎo)了市場(chǎng)。

怎么辦？他們把所有地方銀行組織起來，變成一個(gè)聯(lián)盟，一起推出了萬事達(dá)卡（Mastercard）。這就是為什么萬事達(dá)卡能跟Visa分庭抗禮。

AMI Labs也想做類似的事。他們要打造的是一個(gè)「草根聯(lián)盟」，讓那些有真實(shí)世界數(shù)據(jù)、有具體問題要解決的公司，一起共建世界模型。

「世界需要世界模型，世界模型需要世界?！?/p>

硅谷的氧氣被抽走了

為什么要?jiǎng)?chuàng)業(yè)？謝賽寧說，在學(xué)校里有很大的困境。缺算力是一方面。但更重要的是，他覺得自己可能會(huì)陷入「中等paper陷阱」，有點(diǎn)像「中等收入陷阱」。你會(huì)發(fā)一些不錯(cuò)的論文，但由于資源限制，沒辦法真的把idea變成新的突破。

那為什么不加入現(xiàn)有的大廠或?qū)嶒?yàn)室？「這件事就會(huì)壓榨你的research的空間，會(huì)抽走這個(gè)環(huán)境給你充分自由去做研究的氧氣?！?/p>

他在Google DeepMind時(shí)，整個(gè)GenAI部門只有他一個(gè)人腳踩兩只船，在公司兼職，還在學(xué)校做研究。大家對(duì)學(xué)術(shù)界、對(duì)純粹探索性的研究是有點(diǎn)抵觸的。

核心模型訓(xùn)練的部門，必須在高度競(jìng)爭(zhēng)的賽道上卷到最前面。這是他們唯一的目標(biāo)。這是一場(chǎng)「軍備競(jìng)賽」。在這樣的有限游戲下，在這樣強(qiáng)競(jìng)爭(zhēng)的環(huán)境下，每個(gè)公司都似乎失去了定義問題的能力。

謝賽寧的選擇是：逃出來。「我們來一起創(chuàng)造一個(gè)更好的、更對(duì)研究員友好的組織?！?/p>

在LLM之外，有一個(gè)隱形的世界

2025年秋天，謝賽寧的一個(gè)導(dǎo)師問他：你去問問Yann LeCun，他好像最近在Meta待得不是很順心。

謝賽寧的第一直覺是：這怎么可能？Yann至少在那個(gè)時(shí)候，他還是一個(gè)AI教父，也是一個(gè)純粹的研究者，怎么可能拉他一起創(chuàng)業(yè)呢？

結(jié)果，對(duì)話之后的第二周周一，謝賽寧跟Yann剛好有一個(gè)一對(duì)一會(huì)議。還沒等他說什么，Yann就說：「賽寧，你先不要告訴別人，但我已經(jīng)決定了。我現(xiàn)在想要做的事情，我覺得應(yīng)該在外面做，我想要去創(chuàng)業(yè)開一個(gè)公司?！?/p>

謝賽寧問他，你想做什么事情，背后的商業(yè)模式是什么？發(fā)現(xiàn)：哇，這跟我想象的事情完全一致啊。

「在我們想做的這件事兒上，在現(xiàn)在世界上任何一個(gè)國(guó)家的公司，都做不了。包括在灣區(qū)也做不了?！?/p>

Yann跟他說的核心意思是：世界模型是真實(shí)世界需要的智能。

在硅谷之外，在LLM敘事之外，有一個(gè)隱形的世界。這個(gè)世界里有很多人，大家想要解決這個(gè)物理世界里的很多問題。他們可能是一個(gè)農(nóng)場(chǎng)，可能是一家醫(yī)院，但他們拿著LLM不能直接解決這些問題。

LLM能解決一部分問題，但有很多涉及真實(shí)世界的物理理解的問題，LLM是解決不了的。大家都很焦慮，害怕AI的浪潮要來了，我是不是連上牌桌的機(jī)會(huì)都沒有？

「這一部分隱形的世界，在硅谷的敘事邏輯下不可見，但是是一個(gè)很大的市場(chǎng)。」

語言是「鴉片」

謝賽寧有個(gè)很尖銳的觀點(diǎn)：語言是「毒藥」，或者說是一劑「鴉片」。

語言怎么就成毒藥了？我們不都是靠語言思考的嗎？

他的邏輯是這樣的：語言是人類幾千年文明演化的產(chǎn)物，是高度壓縮的抽象知識(shí)結(jié)構(gòu)。當(dāng)你用語言描述世界時(shí)，你已經(jīng)做了大量的簡(jiǎn)化和取舍。

比如「杯子掉在地上碎了」。這句話里，你只在乎結(jié)果和狀態(tài)，不在乎它怎么碎的、背后的物理定律、每一幀的運(yùn)動(dòng)軌跡。

「語言是交流工具，不是思考工具，更不是決策工具。」

所以LLM雖然能寫代碼、拿奧賽金牌，但它缺少對(duì)物理世界的理解。它不知道為什么蘋果會(huì)掉下來，不知道機(jī)器人轉(zhuǎn)身時(shí)可能會(huì)撞到人。這些看似簡(jiǎn)單的常識(shí)，恰恰是LLM最大的盲區(qū)。

Kimi創(chuàng)始人楊植麟曾說，他不希望訓(xùn)出一個(gè)「傻的多模態(tài)」，希望訓(xùn)出一個(gè)「聰明的多模態(tài)」。謝賽寧的回應(yīng)很直接：「如果不加入視覺，你一定會(huì)很傻?！?/p>

「我非常擔(dān)心語言對(duì)于視覺的污染。這種污染已經(jīng)在發(fā)生了?！?/p>

楊立昆的說法是，現(xiàn)在大家只是拄著「語言模型」這根拐杖走路。你能走，但跑不起來，也沒法參加奧運(yùn)會(huì)，因?yàn)槟恪敢曈X表征」這條腿還不夠好。

謝賽寧說：「語言其實(shí)是一個(gè)毒藥，或者說是一劑鴉片，你加多了語言總是會(huì)覺得更幸福的，它有用，但它是一個(gè)捷徑。」「如果你一直吸鴉片就廢了；如果你一直拄著拐杖，你就沒辦法訓(xùn)練大腿的肌肉。」

世界模型要做什么？

謝賽寧想做的，是一個(gè)能理解物理世界的「大腦」。這個(gè)大腦不需要記住維基百科所有條目，不需要解薛定諤方程。它需要的是通過理解能力去過濾和組織信息。就像人一樣。

人的感官輸入帶寬可能達(dá)到10億bits/秒，但說話、做事的帶寬只有10到100bits/秒。大腦把高帶寬信息轉(zhuǎn)化成低帶寬的行為模式，這就是世界模型本身。

世界模型（World Model）的定義其實(shí)很簡(jiǎn)單：你現(xiàn)在有一個(gè)系統(tǒng)或者一個(gè)環(huán)境，你有一個(gè)狀態(tài)。你有一個(gè)干預(yù)或動(dòng)作，在當(dāng)前時(shí)刻你對(duì)這個(gè)系統(tǒng)施加一個(gè)動(dòng)作。你現(xiàn)在希望能夠?qū)W到一個(gè)預(yù)測(cè)函數(shù)，使得它能夠基于你的動(dòng)作和當(dāng)前的狀態(tài)，去預(yù)測(cè)下一個(gè)時(shí)刻的狀態(tài)。

這是最基礎(chǔ)的通用世界模型的定義。這個(gè)定義本身無比直接，甚至有點(diǎn)平庸，因?yàn)樗皇且粋€(gè)新概念。其實(shí)1943年，有一個(gè)心理學(xué)家Kenneth Craik，他第一次提出了這個(gè)概念。他說人在腦子里有這樣一個(gè)世界模型，這個(gè)世界模型能夠告訴我們，當(dāng)我們?nèi)プ瞿骋粋€(gè)動(dòng)作的時(shí)候，接下來會(huì)發(fā)生什么樣的后果。

AMI Labs的技術(shù)路線也很清晰：第一步，從互聯(lián)網(wǎng)視頻數(shù)據(jù)開始訓(xùn)練；第二步，走進(jìn)真實(shí)世界「淘金」，獲取那些YouTube上不會(huì)有的數(shù)據(jù)；第三步，通過全球合作伙伴，形成數(shù)據(jù)閉環(huán)。

兩次拒絕Ilya

2018年，謝賽寧面試過OpenAI。在小黑屋里關(guān)了五六個(gè)小時(shí)做題，拿到了offer，但他拒絕了。

Ilya Sutskever給他打電話，非常生氣：「你為什么不討論一下就把offer拒了？是我們給的錢不夠嗎？」謝賽寧什么都沒說，就是不去。

因?yàn)楹螑鹈?、Ross Girshick在Meta的FAIR，那里才是計(jì)算機(jī)視覺的圣地。他們不是那種很資深的大學(xué)教授，而是最頂尖的中青年研究員。他們?cè)谀抢铮龅木褪亲铐敿獾腃V（計(jì)算機(jī)視覺）研究，對(duì)謝賽寧來說沒什么好選的。

2024年7月，Ilya的SSI剛成立，又給他發(fā)郵件。這次謝賽寧問了一個(gè)問題:「你對(duì)多模態(tài)怎么看？」Ilya說，這件事已經(jīng)解決得很不錯(cuò)了。所以謝賽寧又拒絕了。

「因?yàn)樗麄冊(cè)诘讓泳陀蟹制纭降资且訪LM還是視覺為主要路線?！?/p>

LLM是反Bitter Lesson的

在AI圈，有個(gè)著名的理念叫「Bitter Lesson」（苦澀的教訓(xùn)），是強(qiáng)化學(xué)習(xí)之父Richard Sutton提出的。核心意思是：人類自以為聰明的領(lǐng)域知識(shí)，經(jīng)常被「更簡(jiǎn)單、更通用、依賴大規(guī)模計(jì)算的算法」超越。

但謝賽寧有個(gè)觀點(diǎn)：LLM完全不夠Bitter Lesson，某種程度上，LLM是反Bitter Lesson的。

為什么？因?yàn)锽itter Lesson說的是，你應(yīng)該盡可能減少人類知識(shí)，把人類的傲慢、「聰明才智」以及這些精巧的結(jié)構(gòu)盡可能減少，盡可能多用搜索和學(xué)習(xí)的方式去找尋答案。而語言就是這樣一種人類極其聰明的產(chǎn)物，它有精巧的設(shè)計(jì)。

「語言模型其實(shí)不是一個(gè)自監(jiān)督學(xué)習(xí)過程，它是一個(gè)強(qiáng)監(jiān)督學(xué)習(xí)的過程?！怪x賽寧解釋說。

「語言太特例了，它是人類幾千年文明演化、處理了世界一切后，以標(biāo)記化方式存儲(chǔ)下來的知識(shí)。這些知識(shí)的上傳本身就是一個(gè)監(jiān)督信號(hào)構(gòu)建的過程。」

所以，語言模型始終停留在Y空間（監(jiān)督信息空間）。所有的機(jī)器學(xué)習(xí)都是X到Y(jié)的映射，Y通常是監(jiān)督信息。語言模型其實(shí)只在刻畫Y空間，這不足以代表世界全部，很多東西無法通過語言刻畫。

謝賽寧還有一個(gè)觀點(diǎn)：語言模型的Scaling Law里面是有「水分」的。因?yàn)樗⒉恍枰嬲ㄟ^理解世界的方式去回答問題。

世界模型會(huì)有非常不一樣的Scaling Law。它的模型不需要記住世界里的所有細(xì)微細(xì)節(jié)，它不需要通過解薛定諤方程的方式去判斷蘋果是不是落下來，它不需要人類最高級(jí)的智商。它需要通過理解能力去過濾和組織信息。

這跟人越來越像。

視覺vs語言：誰在污染誰？

ChatGPT誕生之前，CV（計(jì)算機(jī)視覺）在AI中占據(jù)很核心的位置。

但這幾年LLM興起，CV似乎退到一個(gè)邊緣位置。

這個(gè)過程中，以謝賽寧為代表的CV背景的研究者，會(huì)感到沮喪嗎？

"我完全不沮喪。我要感謝LLM。沒有LLM，Vision也沒辦法拓展到現(xiàn)在這種真正的多模態(tài)智能的大的范疇。"

視覺的發(fā)展史可以畫兩根軸：

在最早期階段，CV要處理的是最單一、具體、簡(jiǎn)單的任務(wù)。

比如MNIST的數(shù)字識(shí)別，到后面像CIFAR這種32×32像素上的十分類問題。

再到后面ImageNet出現(xiàn)，變成了224×224的分類問題。

再往后有了目標(biāo)檢測(cè)和圖像分割這種更結(jié)構(gòu)化的認(rèn)知過程。

這根軸繼續(xù)往前推演，就到了多模態(tài)學(xué)習(xí)模型的興起。

因?yàn)槎嗄B(tài)的介入，我們可以很容易放棄固化的任務(wù)設(shè)計(jì)，語言作為一個(gè)很好的界面，可以幫你解決很多問題。

這里面有兩個(gè)問題：

第一，語言介入帶給我們巨大好處，讓我們可以自由定義問題并得到答案。

第二，風(fēng)險(xiǎn)在于，對(duì)語言的依賴變多了，導(dǎo)致很多多模態(tài)任務(wù)其實(shí)跟視覺沒關(guān)系，純粹是語言問題。

從這個(gè)角度看，Vision好像變得邊緣化。

但謝賽寧覺得這是巨大機(jī)會(huì)。

雖然現(xiàn)在通過語言的統(tǒng)計(jì)信息能完成一些決策，但等到真的有一天，我們需要去處理真實(shí)世界里的真實(shí)任務(wù)去構(gòu)建某種真實(shí)的智能，現(xiàn)在這種不夠完美的視覺表征就會(huì)是重大的缺陷。

謝賽寧定義的"真實(shí)"是說要跟真實(shí)的世界發(fā)生交互。

LLM解決的問題大部分在數(shù)字空間發(fā)生。

LLM當(dāng)然是革命性的，但這跟從視覺視角出發(fā)要解決的問題完全不在同一個(gè)市場(chǎng)。

我們要處理的是連續(xù)空間、高維度、帶噪聲的領(lǐng)域。

這些信號(hào)很難被標(biāo)記化，它們脫離了虛擬空間。

這涉及到什么樣的任務(wù)呢？

比如工業(yè)過程控制，涉及到所有的傳感器建模信號(hào)。

你有很多傳感器感知世界，需要統(tǒng)一的算法去建模這個(gè)環(huán)境。

使得你在執(zhí)行動(dòng)作或者干預(yù)時(shí)，能預(yù)測(cè)系統(tǒng)接下來的變化。

這是LLM很難做到的。

謝賽寧說："我最想做到的事情是通過'不做機(jī)器人'的方式去解決機(jī)器人問題。"

機(jī)器人進(jìn)展太快了，春晚上的宇樹機(jī)器人，令人瞠目結(jié)舌。

但另一方面，還是要有人專注在預(yù)訓(xùn)練的部分，即所謂的"機(jī)器人大腦"到底是什么？

這個(gè)大腦包含了視覺系統(tǒng)。

在控制和硬件部分，大家可以各自努力。

真機(jī)驗(yàn)證和迭代作為評(píng)估方式自然很重要，但謝賽寧不需要過早介入硬件，軟件層面和大腦構(gòu)建上有根本性的研究問題沒有解決。

下載人類的時(shí)代

那么，這樣的世界模型怎么做訓(xùn)練？

大語言模型能夠訓(xùn)練是因?yàn)椋Ａ康幕ヂ?lián)網(wǎng)文本就在那里，這是人類文明的現(xiàn)成數(shù)據(jù)。

世界模型的訓(xùn)練，從哪里下手？

謝賽寧說："這是一個(gè)最大的賭注—— 以前是下載互聯(lián)網(wǎng)的時(shí)代，現(xiàn)在是下載人類的時(shí)代。 "

"我們要把人類下載下來。"

一個(gè)4歲小孩看過的視頻，量級(jí)比所有訓(xùn)練語言大模型的token還要大。

視頻是全村的希望。

世界模型的出口很多，短期內(nèi)有兩個(gè)。

一個(gè)是AI眼鏡。

一個(gè)真的個(gè)人智能助理需要一個(gè)世界模型。

它得是一個(gè)永遠(yuǎn)在線的設(shè)備。

就像現(xiàn)在Whoop、Oura類似的可穿戴設(shè)備一樣，一直在監(jiān)控你的體征。

它會(huì)進(jìn)行一個(gè)智能決策告訴你是不是壓力過大。

其實(shí)這些設(shè)備還蠻世界模型的，雖然目前它們獲取的信息太少，只有我們的心率、血氧等。

如果眼鏡能always on（一直開著），看到我們所能看到的一切，它能指導(dǎo)運(yùn)動(dòng)員的動(dòng)作，或者給養(yǎng)老院的老人提供智能健康建議，這是現(xiàn)有基于LLM的多模態(tài)做不到的。

另一個(gè)出口當(dāng)然是機(jī)器人。

機(jī)器人面臨的問題是本質(zhì)上還是"大腦"不夠。

機(jī)器人是一個(gè)很好的下游應(yīng)用，任何上游的演進(jìn)它都能從中受益。

比如LLM出來了就有VLA（視覺-語言-動(dòng)作模型）。

視頻生成模型出來了就有了所謂的WAM（世界-動(dòng)作模型），但已有的預(yù)訓(xùn)練范式，都沒辦法真正解決問題。

謝賽寧說："我不是很喜歡世界模型這個(gè)詞。聽起來有點(diǎn)Hype（炒作）。"

"但我還蠻同意一位教授說的：他喜歡World Model是因?yàn)?，它告訴大家我做的是world（世界）模型，而不是word（單詞）模型。"

世界模型是所有人會(huì)抵達(dá)的終點(diǎn)。

自大的人類

訪談中，謝賽寧提到了一個(gè)觀點(diǎn)：AGI是個(gè)偽命題。

這也是他很認(rèn)同楊立昆的一個(gè)觀點(diǎn)。

楊立昆之前跟DeepMind創(chuàng)始人Demis有過一個(gè)辯論，討論到底什么是通用智能，到底存不存在這件事。

楊立昆的邏輯很數(shù)學(xué)：

人有200萬根視覺神經(jīng)纖維，可以用來建模函數(shù)。

雖然理論上所有可能的視覺函數(shù)是2^2^200這么大，但人能夠真正去處理、能夠看到的東西趨近于零。

我們受到意識(shí)和神經(jīng)帶寬的限制，看不到世界上發(fā)生的一切。

所以人的智能是一個(gè)非常特定化的智能，人只能認(rèn)知到自己能看到的東西。

謝賽寧推薦了一本書：《我們足以聰明到知道動(dòng)物有多聰明嗎？》

"我覺得我們應(yīng)該放棄人類的自大，"他說，"智能演進(jìn)是一個(gè)連續(xù)的過程，人不是獨(dú)一無二的。"

人會(huì)使用工具，動(dòng)物也會(huì)。

甚至我們引以為傲的自我意識(shí)，比如鏡子實(shí)驗(yàn)，很多動(dòng)物也能意識(shí)到鏡子里的是自己。

還有更加聰明的動(dòng)物，比如黑猩猩，德瓦爾寫過一本書叫《黑猩猩的政治》，講四只黑猩猩如何進(jìn)行權(quán)力博弈，很像《紙牌屋》，有拉幫結(jié)伙、有權(quán)謀上位。

這些動(dòng)物也有心智理論，它們有自己的世界模型。

比如一個(gè)實(shí)驗(yàn)：

實(shí)驗(yàn)人員當(dāng)著黑猩猩的面在兩個(gè)盒子里分別放了香蕉和蘋果，扣上盒子。

把黑猩猩拉出去很長(zhǎng)時(shí)間再帶回來，如果它看到實(shí)驗(yàn)人員正在吃香蕉，它會(huì)徑直去打開裝蘋果的盒子，理都不理原先裝有香蕉的盒子。

這說明它有某種心智推理能力。

雖然語言是人類獨(dú)一無二的，但不代表其他動(dòng)物不會(huì)交流。

鯨魚也有自己的語言。

"打造出一只松鼠的智能，才是真正難的問題，" 謝賽寧引用Richard Sutton的話說。

"一旦你能讓它在真實(shí)世界活下去，有自己的目標(biāo)、有內(nèi)在獎(jiǎng)勵(lì)、知道饑餓、有情感和社群活動(dòng)，那么寫代碼、上月球這些事都是再容易不過的。"

如果拋下人類的自大，打造松鼠的智能其實(shí)是一個(gè)更難的問題。

在談?wù)揂GI或超人工智能之前，能不能先有一個(gè)足夠可靠、足夠通用的機(jī)器人？

一個(gè)12歲的孩子能承擔(dān)幾乎所有家務(wù)，但現(xiàn)在沒有任何機(jī)器人能做到。

這件事需要"預(yù)訓(xùn)練的下半場(chǎng)"。（?? quote 姚順雨的下半場(chǎng)說法）

現(xiàn)在的機(jī)器人創(chuàng)業(yè)公司沒有精力做"大腦"的預(yù)訓(xùn)練，他們資源都投入到了硬件的規(guī)模定律上。

即買更多機(jī)器人、去部署它們，產(chǎn)生具體的商業(yè)價(jià)值。

我們是"草根聯(lián)盟"

張小珺提到，有個(gè)中國(guó)投資人曾經(jīng)說過：所有"含著金湯匙"出身的創(chuàng)業(yè)都沒有成功的，幾乎沒有。

但謝賽寧不覺得他們含著"金湯匙"。

"Yann不是草根，但他現(xiàn)在在整個(gè)AI的行業(yè)，包括在投資人面前，很多時(shí)候是一半支持、一半反對(duì)的。"

"他不是眾星捧月的那種英雄。"

"他是一個(gè)堅(jiān)守自己、在永遠(yuǎn)嘗試做下一件事情，但這件事情還沒有完全做成的這么一個(gè)人。"

"我覺得這導(dǎo)致我們不是含著'金湯匙'。我們是一個(gè)不被看好者。我們其實(shí)是在某種行業(yè)的壓迫下生存的這樣一個(gè)公司。"

雖然融資有10.3億美元，但比起LLM現(xiàn)在撬動(dòng)的資源來看，差太遠(yuǎn)了。

"我非常享受這種不被看好者的身份，尤其作為一個(gè)創(chuàng)業(yè)者，"謝賽寧說。

很多投資人的反饋是：在硅谷里面大部分人不相信他們，在世界其他地方大部分人相信他們。

"但沒關(guān)系，你們可以不相信我們，那我們就走著瞧。這條路我現(xiàn)在已經(jīng)all-in了，你跟不跟？"

關(guān)于世界模型，其實(shí)現(xiàn)在的定義沒有收斂。

謝賽寧定義的世界模型和李飛飛團(tuán)隊(duì)（World Labs）定義的世界模型，差異是什么？

謝賽寧說，現(xiàn)在世界模型不好定義，是因?yàn)樗皇且粋€(gè)技術(shù)路線，它是一個(gè)目的。

不管你在做LLM還是視頻擴(kuò)散模型，所有人都在通往世界模型的道路上。

在他們看來大家并沒有直接競(jìng)爭(zhēng)關(guān)系。

對(duì)于視頻擴(kuò)散模型的公司，像Sora、字節(jié)的模型、Genie、Runway、Luma，他們這些生成派更聚焦在構(gòu)建一個(gè)世界模型的模擬器上，所謂的World Simulator。

他們的目標(biāo)是渲染出足夠好看的視頻，追求生成的一致性。

李飛飛老師那邊在World Labs里，更在意強(qiáng)3D的表征，是"空間的代碼"，是交流、協(xié)作和創(chuàng)造的界面。

通過一個(gè)非常具象化的、顯式的3D的形式，這樣才能夠在空間里面去掌握空間智能，并且保證100%不會(huì)出錯(cuò)。

AMI Labs想要做的事情更像是，要去打造這樣一個(gè)預(yù)測(cè)大腦，核心還是怎么樣去提升智能本身。

命運(yùn)的答案是42

訪談接近尾聲時(shí)，張小珺問了一個(gè)問題："此時(shí)此刻，你感覺命運(yùn)正在把你往哪推？"

謝賽寧想了想："命運(yùn)在推我嗎？好像也沒有。好像沒有被命運(yùn)推著走的感覺。只是在下一次需要做選擇的時(shí)候，希望上天保佑吧。"

"這個(gè)世界是一個(gè)巨大的世界模型嗎？"

"這個(gè)世界當(dāng)然是一個(gè)巨大世界模型。"

"那我們能預(yù)測(cè)命運(yùn)嗎？"

"我覺得不能。"

"為什么？"

"因?yàn)槲覀冑Y源不夠。你需要用地球這么大的一個(gè)計(jì)算機(jī)，或者說你要有整個(gè)宇宙作為你的計(jì)算機(jī)，才能告訴你一個(gè)關(guān)于生命、關(guān)于宇宙、關(guān)于任何事情的答案。"

"這個(gè)答案最后可能是42。"

一個(gè)"普通人"

張小珺發(fā)現(xiàn)謝賽寧很喜歡說一句話："You are not the chosen one, you are just the normal one."（你不是被選中的人，你只是個(gè)普通人）

這句話來自他支持了二十多年的球隊(duì)——利物浦。

他最喜歡的教練Jürgen Klopp，曾經(jīng)這樣回應(yīng)穆里尼奧的"I am the special one（我是那個(gè)特別的人）"：

"I'm not the special one, I'm the normal one."（我不是那個(gè)特別的人，我是那個(gè)普通的人。）

謝賽寧很喜歡這種態(tài)度。

克洛普本人非常朋克，很有搖滾氣質(zhì)。

但他經(jīng)常說，自己在團(tuán)隊(duì)里的定位更像是一塊電池——通過熱情和能量，給其他人發(fā)電。

"我也很希望自己能成為這樣的人。不管是在學(xué)校，還是在創(chuàng)業(yè)公司里，我都希望自己能夠成為團(tuán)隊(duì)里的那塊電池。"

"Yann就是這樣一個(gè)巨大的電池。他也深深地感召了我。"

"但我也希望，能夠通過我自己，把這份電力繼續(xù)傳遞下去。"

張小珺問："你最近一次感到沮喪是為什么？"

"我天天都感到沮喪。這個(gè)已經(jīng)變成一個(gè)常態(tài)了。"

"這也是研究者的宿命——大家底色都挺悲涼的。"

研究的求索過程，本身就是在一個(gè)暗無天日的地方摸索。

當(dāng)你看不見光亮的時(shí)候，你總是會(huì)感到迷茫和沮喪。

大家真正感到快樂的時(shí)候，無非就是你真的把東西做出來的時(shí)候。

但這一部分時(shí)光其實(shí)非常短暫，可能只有5%或10%。

何愷明好像也說過類似的話。

長(zhǎng)此以往，大家的心理狀態(tài)挺堪憂。

不過現(xiàn)在這個(gè)時(shí)代，和原來不太一樣了。

現(xiàn)在會(huì)有更多討論。

這也是這一波AI帶來的一個(gè)好處：至少大家不覺得自己是在一個(gè)幽閉的空間里獨(dú)自探索。

Yann本身就很樂觀，非常非常樂觀。

可能因?yàn)樗?jīng)歷過悲涼，然后成功了吧。

他經(jīng)歷過AI的寒冬，然后最后可以告訴所有人：他是對(duì)的，你們是錯(cuò)的。

Yann經(jīng)常說：這件事情跟過去深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)發(fā)生的事情一模一樣。

總有一小群人，能夠清晰地看見這個(gè)世界發(fā)展的脈絡(luò)，看見科技的進(jìn)程。

但他們只是一小撮人，大部分人其實(shí)是看不見的。

因?yàn)榇蟛糠秩硕荚诿χ銎渌氖虑椤?/p>

比如在深度學(xué)習(xí)之前，很多人可能就是在做傳統(tǒng)機(jī)器學(xué)習(xí)。

現(xiàn)在也一樣。

Yann有足夠的信心。

他會(huì)覺得：我能看到的事情是重要的事情，我能看到的路線是一條清晰的路線。

在這件事上，謝賽寧還蠻相信他的。

65歲的青春期少年

在很多人眼中，楊立昆都是一名斗士。

在謝賽寧眼中的楊立昆是一個(gè)怎樣的人？

"他真的是一個(gè)'斜杠青年'，或者挺文藝的一個(gè)人。按一個(gè)朋友的說法，Yann是一個(gè)16歲青春期一直延續(xù)到65歲的這樣一個(gè)人。"

他經(jīng)常就很驕傲地跟大家說他有四大愛好：

第一個(gè)愛好是造模型飛機(jī)。

第二個(gè)愛好是拍天文攝影。

第三個(gè)興趣是搞電子樂和爵士樂。他的網(wǎng)頁(yè)是寶藏，他會(huì)講說在紐約有哪些Jazz Club比較好。

他還有一個(gè)愛好是帆船。

"我們要做世界模型，我希望大船的舵手是一個(gè)有格局、熱愛生活的人。"

謝賽寧講了一個(gè)小故事。

他們3月有另外一篇論文叫《Solaris》。

這是一個(gè)科幻小說，后來被塔可夫斯基改編成一個(gè)電影。

他們之所以取這個(gè)名字，是因?yàn)樵谧鲆粋€(gè)多角色視覺生成的模型。

電影講的事情是說，有一片海洋可以讀取人的潛意識(shí)里的記憶，最后把一些東西具象化生成出來。

有一天跟Yann說，我們這個(gè)論文叫這個(gè)名字怎么樣？謝賽寧想看他知不知道這個(gè)電影。

Yann說："你知道這是一個(gè)電影的名字嗎？"

謝賽寧說："對(duì)，我就是因?yàn)檫@個(gè)取得名字。"

Yann問："你看的是哪一部？是1972年的一部，還是2002年的一部？是塔可夫斯基拍的還是索德伯格拍的？"

謝賽寧說："OK，我覺得我不光研究上服你，在電影上好像你也比我懂得多。"

"這對(duì)我個(gè)人來說蠻重要的一種人格魅力的體現(xiàn)。"

從Yann第一次告訴他要?jiǎng)?chuàng)業(yè)，謝賽寧糾結(jié)了多久？

"我沒有糾結(jié)很久，Yann說話有點(diǎn)像施法，像哈利波特一樣給你施一些咒語——他說完一些話，你就不會(huì)想其他的了。"

真實(shí)的生活

張小珺問：在過去一兩年，你對(duì)生活在的這個(gè)真實(shí)世界的模型有哪些新的思考？

"我覺得，這件事情一定要超出研究的局限。一定要熱愛生活，到真實(shí)的生活里面去，要了解到這個(gè)真實(shí)世界發(fā)生的事情。不要在一個(gè)大的泡沫里面過完自己的一生。"

"我會(huì)很擔(dān)心在現(xiàn)在這個(gè)時(shí)代，大家的思維方式或者關(guān)注的東西，可能會(huì)有某種同質(zhì)化。但總之，如果一個(gè)東西已經(jīng)變成一個(gè)巨大的共識(shí)，這件事情總會(huì)有更大的泡沫破滅的風(fēng)險(xiǎn)。"

"但我說的泡沫可能也不是經(jīng)濟(jì)上的泡沫，更像是在一個(gè)封閉的環(huán)境里，大家的這種——回音壁。"

謝賽寧其實(shí)也不是想吐槽灣區(qū)。

灣區(qū)挺好的。

他現(xiàn)在在紐約，非常懷念灣區(qū)的生活，總想回去，尤其在冬天下雪之后。

但是他覺得紐約很不一樣。

他每天上班，首先不用開車了，已經(jīng)從一個(gè)鎧甲脫離出來，進(jìn)入到真實(shí)的生活，開始步行。

從家到學(xué)校辦公室，有一個(gè)公園叫華盛頓廣場(chǎng)公園，里面形形色色的人都有：

有彈鋼琴的藝人，有跳舞的，有推著嬰兒車的媽媽們，有下象棋的老大爺，有坐在臺(tái)階上什么也不做發(fā)呆的年輕人，也有拿著電腦學(xué)習(xí)的NYU的學(xué)生。

每天最解壓的時(shí)光，就是這大概五到十分鐘的路程。

"我發(fā)現(xiàn)這個(gè)世界比我們想象的要大得多。"

他說，"不是所有人都關(guān)心什么叫AI。他們有自己的生活。"

這個(gè)世界很大。

但另一方面，也許AI在未來某一天會(huì)影響到他們的生活。

人生之書

張小珺問，每一位嘉賓都會(huì)給觀眾推薦一本"人生之書"，希望它真的影響過你，改變過你。你的會(huì)是什么？

謝賽寧推薦兩本書。

一本書叫《哥德爾，埃舍爾和巴赫一集異璧之大成》

里面講了很多關(guān)于哲學(xué)、數(shù)理邏輯，還有這三個(gè)人——哥德爾、巴赫、艾舍爾。

一個(gè)數(shù)理學(xué)家、一個(gè)作曲家、一個(gè)畫家，他們之間到底有哪些哲學(xué)的共同點(diǎn)？

"我們本科的時(shí)候，是老師推薦，大家組團(tuán)學(xué)習(xí)。當(dāng)初大家看不懂，但是到后面，越來越覺得這件事有點(diǎn)道理。"

還有一本書，也是本科看的，叫《禪與摩托車維修藝術(shù)》。

這本書是一個(gè)內(nèi)心求索的過程。

"有些書、電影會(huì)把你裝滿，有些書、電影會(huì)把你掏空。我看完這本書的感覺是，它有點(diǎn)把我掏空。讓我感覺到了一些，這個(gè)世界到底什么重要？什么不重要？"

張小珺問："對(duì)于你來說，什么重要？什么不重要？"

"人與人之間真誠(chéng)的交流是重要的，也許其他都不重要。"

"但在某一個(gè)時(shí)間點(diǎn)上，你要問我這個(gè)問題，我會(huì)說創(chuàng)業(yè)很重要，我會(huì)說研究很重要。但歸根結(jié)底，我還是相信人與人之間的交流，這件事很重要。"

張小珺說："聽起來研究是你交流的一種媒介。"

"對(duì)，我覺得是。而且研究本身也是一個(gè)更深的連接。"

這在他們?nèi)谫Y過程中還幫到了他們。

有一個(gè)投資人很愿意投他們，他的原因是，他認(rèn)識(shí)一個(gè)很強(qiáng)的創(chuàng)業(yè)者，也是一個(gè)研究員。

他說："你們一定要投賽寧，我們不管以什么樣的方式都要幫到他。"

但謝賽寧跟這個(gè)人只在開會(huì)時(shí)見過一次，他是Stable Diffusion主要作者之一，創(chuàng)立了黑森林實(shí)驗(yàn)室。

這種信任關(guān)系是建立在學(xué)術(shù)工作之上。

這種信任關(guān)系甚至有時(shí)候會(huì)遠(yuǎn)超真正的私人關(guān)系。

大家通過一篇作品了解你，這件事情會(huì)傳承下去，甚至可以走得很遠(yuǎn)。

這個(gè)世界很大。

而AMI Labs要做的，是讓AI真正理解這個(gè)世界。

不是通過語言的抽象，而是通過物理世界的真實(shí)。

這條路會(huì)很難走。

但至少，他們選擇了自己相信的方向。