TIME 將 Yann LeCun 列入 2026 年 TIME100 AI，意義不只在於表彰一位深度學習先驅，更在於凸顯他試圖改變人工智慧下一階段發展方向的主張：大型語言模型（LLM）持續變大，未必就能單獨帶來人類級智慧。由他在離開 Meta 後共同創辦的巴黎公司 AMI Labs，則把這項具爭議性的研究立場，轉化為一場獲得鉅額資金支持的商業實驗。1517

TIME 的肯定，正值 LeCun 挑戰主流 AI 路線

TIME 將 TIME100 AI 定位為一份表彰「影響人工智慧發展與方向」人士的年度名單，涵蓋領袖、創新者、塑造者與思想家等類別。37 因此，LeCun 入選並不只是因為他曾任大型科技公司的 AI 高層，或與大型模型產業有所關聯；這項肯定也把他的研究主張帶進了「什麼樣的系統才可能走向更廣義智慧」的核心辯論。

他的立場與目前業界常見的「持續擴大 LLM 規模即可解決一切」的想法存在明顯分歧。TIME 相關報導指出，LeCun 質疑不斷擴大語言模型是否足以達到人類級智慧，並認為世界模型可能是更有前景的路徑。215

這並不代表他認為語言模型毫無用處，而是認為單靠文字中的下一個 token 預測，難以完整建立穩健的推理、因果理解、記憶、規劃，以及對物理世界的掌握。

離開 Meta，讓這項主張有了獨立舞台

LeCun 在 Meta 任職約 12 年，期間協助建立並領導公司的 AI 研究組織。路透社報導，他離開 Meta 時擔任首席 AI 科學家，之後創辦 Advanced Machine Intelligence，簡稱 AMI。17

離開大型平台的策略意義在於，LeCun 得以在 Meta 之外推動一套以世界模型為核心的研究與公司發展計畫，而不是加入業界競逐生成式語言系統規模的主戰場。TIME 的報導稱，他在離開後翌月公布 AMI Labs，將長期的科學分歧轉化為一間獨立新創公司的方向。15

AMI Labs 先籌得 10.3 億美元，再證明自己的技術論點

2026 年 3 月，AMI 宣布完成 10.3 億美元種子輪融資，投前估值達 35 億美元。路透社報導，Cathay Innovation、Greycroft、Hiro Capital、HV Capital 及 Bezos Expeditions 共同領投。17 TechCrunch 另報導，NVIDIA、Tim 與 Rosemary Berners-Lee、Jim Breyer、Mark Cuban、Xavier Niel 及 Eric Schmidt 等投資者與個人也參與其中。27

這筆資金更適合被理解為投資人對「AMI 所要解決的問題」投下信任票，而不是 AMI 已經證明自身方法勝過前沿 LLM。投資人押注的是另一種可能性：AI 若要具備更強的推理、規劃及現實世界能力，或許需要不同於純語言建模的技術路線。

這個區分相當重要。高額估值可以讓一條另類研究路線取得可信度與資源，但在公司展示出能大規模運作的系統前，資金本身無法裁定這場技術辯論的勝負。

AMI 所說的「世界模型」是什麼？

大型語言模型通常透過語言資料學習其中的模式；LeCun 所主張的替代方向，則希望 AI 更直接從世界本身學習，包括影像及其他感測器資料，並在內部建立一套關於現實如何運作的表示方式。

簡單來說，世界模型的目標包括：

• 推斷所處環境的運作方式；
• 預測採取某項行動後可能發生的結果；
• 在行動前思考不同選擇的後果；
• 支援機器人或其他實體世界應用中的規劃。

與 TIME 相關的報導將 AMI 的目標描述為，讓 AI 形成對物理定律的直覺理解，並預測不同動作可能帶來的後果。124 路透社則將 AMI 描述為發展以推理、規劃及「世界模型」為核心的 AI 系統。17

這也是為什麼世界模型經常與「空間智慧」及「具身智慧」相提並論。一個需要在環境中導航、操作物件，或在物理條件不斷變化下作出決定的系統，所需能力不只是生成一段看似合理的文字回答。

JEPA 是這條路線的概念基礎

AMI 的方向與 LeCun 在 2022 年提出的聯合嵌入預測架構（Joint Embedding Predictive Architecture，JEPA）有所關聯。JEPA 類系統的設計重點，是在抽象空間中預測遺失或未來資訊的表示，而不是逐一重建輸入中的所有原始細節。相關報導指出，AMI 的研究建立在 LeCun 於 2022 年提出的 JEPA 架構之上。3138

這種方法理論上有助於效率與抽象化：模型可以把注意力放在對理解、預測及行動真正重要的特徵，而不是把每個像素或資料點視為同等重要。從概念上看，這與 AMI 希望建立環境理解及結果預測能力的目標相互契合。

但 JEPA 目前仍是研究基礎，並不是已證明能取代現有 LLM 生態系的方案。AMI 還必須證明這種架構能夠擴展、學到有用的世界表示，並在真實應用中提供可靠表現。

更大的訊號：世界模型開始成為可投資的主題

AMI 的融資顯示，世界模型已不再只是語言建模之外的學術替代方案。投資人願意投入超過 10 億美元，支持一家試圖讓 AI 從現實中學習、並以推理和規劃為目標的公司。1727

這股興趣也反映在空間智慧與具身智慧的討論升溫。這些方向通常與機器人、自主系統、工業應用，以及任何需要 AI 理解物理情境的場景有所關聯。232431

不過，這筆投資不應被誤讀為業界共識。真正的問題仍然沒有答案：能力日益增強的語言模型，是否最終能自行獲得足夠的推理與現實依據？還是以明確世界模型為核心的系統，更適合進行可靠的規劃與行動？AMI 的進展可能成為重要測試，但早期融資輪本身並不能回答這個問題。

TIME 的肯定，最終代表了什麼？

LeCun 獲選 TIME100 AI 與 AMI Labs 的關聯，其實相當清楚：TIME 所肯定的是一位影響力已從深度學習基礎研究，延伸至挑戰業界主流假設的科學家。5715

離開 Meta，讓他能更獨立地追求這項挑戰；AMI 獲得 10.3 億美元種子輪及 35 億美元投前估值，則為這條路線提供了異常充足的資源。至於世界模型與 JEPA，則讓 LeCun 對「只靠擴大 LLM」的批判，擁有具體的研究與商業載體。

這一切仍不能證明 LeCun 一定正確。它更像是一場價值 10.3 億美元的嘗試，用來回答一個關鍵問題：AI 下一個重大突破，究竟會來自更強的語言生成能力，還是來自能在採取行動前先建立世界模型的機器？

至於 AMI 長期的開放科學、開源研究計畫，以及國際領導層與團隊擴張，現有高品質公開報導尚不足以確認完整內容與明確時程。因此，這些仍應視為未獲充分證實的未來規劃，而非已經落實的成果。

TIME 將 Yann LeCun 列入 2026 年 TIME100 AI，意義不只在於表彰一位深度學習先驅，更在於凸顯他試圖改變人工智慧下一階段發展方向的主張：大型語言模型（LLM）持續變大，未必就能單獨帶來人類級智慧。由他在離開 Meta 後共同創辦的巴黎公司 AMI Labs，則把這項具爭議性的研究立場，轉化為一場獲得鉅額資金支持的商業實驗。1517

TIME 的肯定，正值 LeCun 挑戰主流 AI 路線

TIME 將 TIME100 AI 定位為一份表彰「影響人工智慧發展與方向」人士的年度名單，涵蓋領袖、創新者、塑造者與思想家等類別。37 因此，LeCun 入選並不只是因為他曾任大型科技公司的 AI 高層，或與大型模型產業有所關聯；這項肯定也把他的研究主張帶進了「什麼樣的系統才可能走向更廣義智慧」的核心辯論。

他的立場與目前業界常見的「持續擴大 LLM 規模即可解決一切」的想法存在明顯分歧。TIME 相關報導指出，LeCun 質疑不斷擴大語言模型是否足以達到人類級智慧，並認為世界模型可能是更有前景的路徑。215

這並不代表他認為語言模型毫無用處，而是認為單靠文字中的下一個 token 預測，難以完整建立穩健的推理、因果理解、記憶、規劃，以及對物理世界的掌握。

離開 Meta，讓這項主張有了獨立舞台

LeCun 在 Meta 任職約 12 年，期間協助建立並領導公司的 AI 研究組織。路透社報導，他離開 Meta 時擔任首席 AI 科學家，之後創辦 Advanced Machine Intelligence，簡稱 AMI。17

離開大型平台的策略意義在於，LeCun 得以在 Meta 之外推動一套以世界模型為核心的研究與公司發展計畫，而不是加入業界競逐生成式語言系統規模的主戰場。TIME 的報導稱，他在離開後翌月公布 AMI Labs，將長期的科學分歧轉化為一間獨立新創公司的方向。15

AMI Labs 先籌得 10.3 億美元，再證明自己的技術論點

2026 年 3 月，AMI 宣布完成 10.3 億美元種子輪融資，投前估值達 35 億美元。路透社報導，Cathay Innovation、Greycroft、Hiro Capital、HV Capital 及 Bezos Expeditions 共同領投。17 TechCrunch 另報導，NVIDIA、Tim 與 Rosemary Berners-Lee、Jim Breyer、Mark Cuban、Xavier Niel 及 Eric Schmidt 等投資者與個人也參與其中。27

這筆資金更適合被理解為投資人對「AMI 所要解決的問題」投下信任票，而不是 AMI 已經證明自身方法勝過前沿 LLM。投資人押注的是另一種可能性：AI 若要具備更強的推理、規劃及現實世界能力，或許需要不同於純語言建模的技術路線。

這個區分相當重要。高額估值可以讓一條另類研究路線取得可信度與資源，但在公司展示出能大規模運作的系統前，資金本身無法裁定這場技術辯論的勝負。

AMI 所說的「世界模型」是什麼？

大型語言模型通常透過語言資料學習其中的模式；LeCun 所主張的替代方向，則希望 AI 更直接從世界本身學習，包括影像及其他感測器資料，並在內部建立一套關於現實如何運作的表示方式。

簡單來說，世界模型的目標包括：

• 推斷所處環境的運作方式；
• 預測採取某項行動後可能發生的結果；
• 在行動前思考不同選擇的後果；
• 支援機器人或其他實體世界應用中的規劃。

與 TIME 相關的報導將 AMI 的目標描述為，讓 AI 形成對物理定律的直覺理解，並預測不同動作可能帶來的後果。124 路透社則將 AMI 描述為發展以推理、規劃及「世界模型」為核心的 AI 系統。17

這也是為什麼世界模型經常與「空間智慧」及「具身智慧」相提並論。一個需要在環境中導航、操作物件，或在物理條件不斷變化下作出決定的系統，所需能力不只是生成一段看似合理的文字回答。

JEPA 是這條路線的概念基礎

AMI 的方向與 LeCun 在 2022 年提出的聯合嵌入預測架構（Joint Embedding Predictive Architecture，JEPA）有所關聯。JEPA 類系統的設計重點，是在抽象空間中預測遺失或未來資訊的表示，而不是逐一重建輸入中的所有原始細節。相關報導指出，AMI 的研究建立在 LeCun 於 2022 年提出的 JEPA 架構之上。3138

這種方法理論上有助於效率與抽象化：模型可以把注意力放在對理解、預測及行動真正重要的特徵，而不是把每個像素或資料點視為同等重要。從概念上看，這與 AMI 希望建立環境理解及結果預測能力的目標相互契合。

但 JEPA 目前仍是研究基礎，並不是已證明能取代現有 LLM 生態系的方案。AMI 還必須證明這種架構能夠擴展、學到有用的世界表示，並在真實應用中提供可靠表現。

更大的訊號：世界模型開始成為可投資的主題

AMI 的融資顯示，世界模型已不再只是語言建模之外的學術替代方案。投資人願意投入超過 10 億美元，支持一家試圖讓 AI 從現實中學習、並以推理和規劃為目標的公司。1727

這股興趣也反映在空間智慧與具身智慧的討論升溫。這些方向通常與機器人、自主系統、工業應用，以及任何需要 AI 理解物理情境的場景有所關聯。232431

不過，這筆投資不應被誤讀為業界共識。真正的問題仍然沒有答案：能力日益增強的語言模型，是否最終能自行獲得足夠的推理與現實依據？還是以明確世界模型為核心的系統，更適合進行可靠的規劃與行動？AMI 的進展可能成為重要測試，但早期融資輪本身並不能回答這個問題。

TIME 的肯定，最終代表了什麼？

LeCun 獲選 TIME100 AI 與 AMI Labs 的關聯，其實相當清楚：TIME 所肯定的是一位影響力已從深度學習基礎研究，延伸至挑戰業界主流假設的科學家。5715

離開 Meta，讓他能更獨立地追求這項挑戰；AMI 獲得 10.3 億美元種子輪及 35 億美元投前估值，則為這條路線提供了異常充足的資源。至於世界模型與 JEPA，則讓 LeCun 對「只靠擴大 LLM」的批判，擁有具體的研究與商業載體。

這一切仍不能證明 LeCun 一定正確。它更像是一場價值 10.3 億美元的嘗試，用來回答一個關鍵問題：AI 下一個重大突破，究竟會來自更強的語言生成能力，還是來自能在採取行動前先建立世界模型的機器？

至於 AMI 長期的開放科學、開源研究計畫，以及國際領導層與團隊擴張，現有高品質公開報導尚不足以確認完整內容與明確時程。因此，這些仍應視為未獲充分證實的未來規劃，而非已經落實的成果。