被誉为“AI 之父”之一的 Yann LeCun 最近在达沃斯公开表示：通用人工智能（AGI）是当前 AI 行业中最被高估的概念之一，仅靠把现有大模型做得更大，并不能带来真正类似人类的智能。
为什么“再大也不行”？LeCun 对现有范式的批评
- 语言世界远比真实世界简单：当前大模型主要在“预测下一词”的任务上训练，处理的是被高度抽象化的文本世界，而非复杂、连续、噪声巨大的真实物理环境。
- 缺乏对结果的因果预测能力：在 LeCun 看来，基于 LLM 的“智能代理”根本无法可靠规划行动序列，因为它们不具备预测自己行为后果的真实世界模型。
- 自动驾驶是典型反例：人类司机通常在十几小时练习后就能上路，而自动驾驶系统在吸收了“数百万小时驾驶数据”后依然难以达到 L5 级别，说明架构本身存在缺陷。
真正的智能需要“理解世界”，而不仅是理解语言
- 感知数据维度远超文本：视觉、听觉等感知信号是连续、高维且带噪声的，简单套用生成式语言模型的架构，难以在这些模态上获得稳定可靠的世界建模能力。
- 预测世界演化是关键能力：LeCun 强调，能预演“如果我这么做，会发生什么”的内部仿真机制，是智能系统决策与规划的前提。
- 开放多元的模型路线：相比单一路线加参量扩容，他更看好结合自监督学习、世界模型、多模态表示的新型架构。
他更担心的不是“AI 杀死人类”，而是 AI 被少数巨头垄断
- 信息入口被少数模型控制：如果未来大部分人获取信息都经由少数几家公司的 AI 助手过滤，民主、多元文化与语言生态都会受到冲击。
- 开源生态的重要性：LeCun 认为，正是过去开放论文与代码的传统推动了 AI 进步，如今越来越多实验室选择闭源，会显著放缓创新速度。
- 中国开源模型正在补位：他直言，目前研究界使用最广的一些开源模型来自中国公司，这在某种程度上反映了西方大厂“收紧开放”的后果。
LeCun 的观点为当前“无上限扩模即可通向 AGI”的主流叙事泼了一盆冷水。他提醒业界：真正的突破可能来自新的架构与开放生态，而不是简单地多加几倍参数、更换一代硬件。