拒绝生成像素： 一场反主流的豪赌

2022 年 6 月，图灵奖得主 Yann LeCun 在 OpenReview 上发布了一份 60 多页的立场文件《A Path Towards Autonomous Machine Intelligence》：一张通往自主机器智能的蓝图，六大模块（感知、世界模型、代价、行动者、短期记忆、配置器），核心是一种叫 JEPA（联合嵌入预测架构）的学习方法。他的论证直指行业主流：视频里树叶怎么抖、光斑怎么闪，本质上不可预测——生成式模型在像素空间做预测，等于把模型容量浪费在模拟噪声上。正确的做法是在抽象表征空间里预测：忽略不可预测的细节，聚焦结构性、可规划的低熵信息。

Meta AI 沿这条路连出三代：I-JEPA（2023，图像）、V-JEPA（2024，视频），到 V-JEPA 2（arXiv:2506.09985，2025）——用超过 100 万小时互联网视频预训练，再用仅 62 小时无标注机器人视频后训练出动作条件版 V-JEPA 2-AC，实现零样本机械臂控制。2025 年 11 月，LeCun 确认离开 Meta，创立 AMI Labs；2026 年 3 月，这家公司拿下 10.3 亿美元种子轮（投前估值 35 亿美元，欧洲史上最大种子轮）。当整个行业涌向视频生成，市场依然愿意为这场反主流赌注下注真金白银。