企业官网建设流程全解析

见过太多人把“大模型”三个字挂在嘴边，仿佛 LLM 就是人工智能的终点。但就在最近，人工智能圈子里最不给人留面子的一位大佬——杨立昆，公开发了一通牢骚，直接把矛头对准了自己所在的机构内部氛围。他说，如今大家都在狂热地搞 LLM，LLM 把房间里的空气都吸光了，让其他方向没法呼吸。这话听着刺耳，但如果你在 AI 行业里待过几年，你会知道他说的是真的。物理世界才是 AGI 的终局，这句话不是一句口号，而是对当下技术路线的一次严肃纠偏。

这篇文章我想顺着这个争议往下聊：杨立昆到底在“撕”什么，LLM 为什么不能成为通往通用人工智能的钥匙，所谓的“物理世界”路线又到底强在哪里。如果你正在做相关技术方向，或者正在纠结该押注哪条路线，这篇文章值得你花十分钟读完。

1. 杨立昆到底在“撕”什么：还原“LLM 吸光了房间里的空气”的真实含义

先别急着把这句话当成情绪发泄。杨立昆的原话不是简单地贬低 LLM，他真正想说的是一个资源配置和科研方向的问题。在他所处的环境里，几乎所有算力、几乎所有注意力、几乎所有的人才，都被一股脑地卷入到大语言模型的训练和迭代之中。“吸光空气”这个比喻非常生动——不是只有一扇窗，而是整个房间都被 LLM 这个巨型机器占满了，其他哪怕更值得探索的领域，连剩下的那点氧气都快要没了。

1.1 这句话背后真正的批评对象

很多人以为杨立昆在攻击 LLM 本身的技术路线，其实不是。他批评的对象是“过度集中”的科研文化和资源分配。

一家机构里的研究资源是有限的：GPU 集群就那么多，研究经费就那么多，手里能打的团队也就那么多。当所有人都扑向同一个方向——把模型做得更大、把语料喂得更多、把榜单刷得更高——真正冷门但重要的方向，比如让机器理解物理世界的因果关系，比如具身智能在真实环境中的学习能力，就会因为“没人、没钱、没算力”而死掉。

这种虹吸效应在当下的 AI 圈尤其明显。OpenAI 靠 GPT 系列拿到巨额融资之后，几乎全球的创业公司都在“All in”大模型；各家大厂也都在堆算力、囤卡、抢人。你能看到几千人挤在一起研究“下一个 token 预测”，却很难看到有同等级别的资源投入到让机器人自己摸索物理规律的项目里。这就是杨立昆所说的“空气被吸光了”。

我个人的看法是，这句话最狠的地方在于：它是在自己家的“房间里”说的。他公开指出内部的失衡，说明问题已经严重到连“自家人”都看不下去的地步了。

1.2 “物理世界才是 AGI 的终局”不是修辞，而是一个明确的赛道宣言

“终局”这个词很容易被当成哲学口号，但在杨立昆的语境里，它其实包含了一整套清晰的技术判断：人类智能的形成不能脱离对物理世界的交互经验。

一个孩子不需要读上万亿个文本，就能学会扔球、抓握、预测物体下落的轨迹；一个成年人只需要看一次示范，就知道杯子掉地上会碎，而桌子不会飞起来。这些能力来自与物理世界的直接“对话”，而不是来自语言符号的统计关联。语言，在杨立昆看来，只是人类智能之上长出来的一层薄薄的外皮，真正的智能内核来自感知、行动、预测因果。

所以“物理世界是终局”这句宣言，本质上指向的是：如果 AGI 真的存在，那它必须有能力在真实世界里学习和行动，而不只是在大规模的文本数据集里做统计拟合。这也是为什么他反复强调的“世界模型”会如此重要。

1.3 为什么杨立昆反复强调“世界模型”

要说清楚“物理世界是终局”，就得先搞清楚他嘴里常说的“世界模型”是什么意思。

简单来说，世界模型是一种能够让机器在内部模拟外部环境变化规律的能力。你看过一段视频，里面一个球从斜坡上滚下来，你能预判它会滚到哪儿——这就是你的脑子里有一个简陋的“世界模型”在工作。它不需要精确到每一个像素，只需要抓住关键物理规律：重力、惯性、摩擦、动量。

杨立昆批评纯粹靠语言训练的 LLM 时最常用的论据就是：一个只能读文字的模型，永远没有机会“看见”物体落地，没有机会“感受”推东西时的阻力，所以在它内部形成的所谓“理解”，本质上只是对语言符号之间相关性的模糊模仿，而不是对因果规律的真正把握。这就像一个学生整本书背得滚瓜烂熟，但从来没做过物理实验——你要他回答卷子他可以拿高分，但你要他修一台坏掉的水泵，他就会束手无策。

2. “空气”都去哪儿了：算力、资金与人才被 LLM 虹吸的现实图景

如果只看言论本身，你可能觉得这就是两位学者之间在学术路线上的分歧。但你如果把视线拉到整个行业的资源配置上，你会发现“空气被吸光”这件事根本不需要争议，数据就是最好的证明。

2.1 算力：几乎所有 GPU 都在为 LLM“打工”

在很长一段时间里，全球主要 AI 实验室的算力资源分配出现了极端的失衡。单次大模型训练的算力消耗动辄上千万美元级别，甚至更高。为了训练一个千亿参数级别的模型，你需要数千块高端加速卡持续稳定运行数周甚至数月。

当你把这么多算力砸进一条技术路线，理所当然就没有余量去支持那些需要大量探索试错的物理仿真项目了。具身智能研究所需要的不是单纯“更多的卡”，而是建立在物理引擎、真实机器人平台、仿真环境上的整套系统，这些资源无论是采购成本还是维护成本，都不比训练大模型便宜。但问题是，大模型的故事更容易讲清楚，投资人更容易看懂，商业变现路径更短，所以资本天然会流向 LLM，而不是流向短期看不到产品形态的机器人研究。

2.2 人才：研究者的理性选择导致的方向挤压

杨立昆那句“吸光空气”在人才市场上体现得尤其残酷。过去几年，一个做自然语言处理的研究员欧洲去美国，待遇可以直接翻好几倍；一个发表过几篇顶会论文的年轻人，身边几乎全是猎头。原因很简单，各大公司都在做大模型，需求远远大于供给。

但与此同时，做机器人控制、做计算机视觉、做强化学习的研究者，如果没有直接和“大模型”沾上边，在估值和招聘市场上就明显不那么吃香。人的选择是理性的，当十个最聪明的大脑里有九个都流向同一个方向时，剩下那些冷门方向连维持基本的梯队都会变得困难。

这就形成了一个恶性循环：越多人挤进 LLM，LLM 看起来越“不可战胜”，然后越多人继续往里挤。冷门方向连发声的空间都在被压缩。

2.3 这种虹吸最危险的地方在于“方法论趋同”

资源过度集中带来的另一个隐性危机是：方法的多样性在快速消失。

当所有实验室都在用同一个技术范式——预训练加规模化扩展——来处理问题时，那些需要另辟蹊径的思路就很难得到验证的机会。历史上几乎所有重大突破，都不是在主流路线上的线性延伸，而恰恰是从边缘视角切入的“异类发现”。

如果“用统计相关性替代因果理解”这一条路被当成了整个行业的全部，那我们就等于在一条路上打转，而放弃了其他可能通往 AGI 的路口。杨立昆的焦虑，很大程度上就是对这个“方法论趋同”的预警。

3. 为什么自回归 LLM 学不会“物理直觉”

支持 LLM 路线的人通常有一个很好的理由：GPT 系列确实表现出了令人惊讶的推理能力。但我想在这里提出一个更严格的问题——这些能力是真的“理解”，还是一种高度精妙的记忆重组？尤其是当我们谈论物理世界时，这个区分就变得至关重要。

3.1 自回归预测的天花板

目前主流的 LLM 属于自回归模型，它的核心训练目标极其简单：给定前文，预测下一个 token。就是这么个目标，支撑起了今天我们看到的所有惊艳表现。但这个目标本身有一个先天的天花板：它优化的是“语言的连贯性”，而不是“事实的因果一致性”。

你让模型背下一大堆物理课本里的描述，它确实可以在你提问“为什么苹果会掉到地上”的时候，流畅地回答“因为万有引力”。但这个回答本质上是对训练数据中类似问答模式的复制压缩。如果问一个训练数据里没有覆盖过的物理场景——比如“一个保龄球在月球表面和一块海绵碰撞，会怎么样”——它会开始一本正经地编造，因为它是靠语言统计来猜答案的，而不是靠物理直觉来推演的。

这就是为什么很多人总觉得大模型的回答“听起来很合理，但仔细一想哪里不对”——因为它没有触及真正的因果机制。

3.2 语言不是理解，只是描述

一个常见的误解是：因为模型能“说出”物理规律，所以它“懂”物理规律。这个误解把“描述能力”当成了“理解能力”。

举个直观的例子：我可以说出“人从悬崖跳下去会坠落”这个陈述，也可以列举出重力和加速度等各种公式，但一个从未体验过高空坠落的人，和我这个真正摔断过腿的人，对这句话的“理解深度”是完全不同的。前者只是在文字层面知道这件事“会发生”，后者则通过对物理世界的交互建立了一种无法被语言完全捕捉的身体记忆。

物理世界模型要解决的就是这个差距：让 AI 像人类一样，通过对世界施加动作和观察反馈，建立起内部的预测模型，而不再是从文字到文字的同义反复。

3.3 幻觉问题的根源不是数据不够多，而是没有“现实校验”

大模型经常出现“一本正经地胡说八道”，人们对这个问题的解释通常是：训练数据不够干净、解码策略有缺陷、或者是模型规模不够大。但这些解释都停留在表面。

真正的根源在于：自回归语言模型在推理过程中没有一个“和现实世界对照”的机制。它生成一个答案之后，没有任何信号告诉它这个答案是否与真实世界的物理规律相冲突。没有重力校验，没有动量守恒校验，没有温度传导校验——它的每一步推理都是在符号的世界里滑行，与现实世界完全隔离。

具身智能路线之所以被很多研究者视为终局，正是因为它天然自带“现实校验”功能——机器人推一个箱子，箱子不动，那它就是不动，模型必须根据这个反馈修正自己的认知。这种“错误——反馈——修正”的循环，才是真正的学习，而不是单纯扩大训练集覆盖范围。

4. 物理世界路线的实践图景：从 JEPA 到具身智能

说完了批评，接下来聊聊杨立昆以及越来越多研究者正在押注的那条路。这里我不打算空谈理论，而是尽可能说清楚：如果“终局在物理世界”，那这条路的入口到底长什么样。

4.1 JEPA：跳出 token 统计，进入抽象预测空间

杨立昆长期以来支持的 JEPA（联合嵌入预测架构）方案，核心思想可以概括为一句话：与其让机器逐字预测下一个 token，不如让它在抽象表示的空间里预测“接下来会发生什么”。

举个例子，你看到一段视频，里面第一帧是一个人把手伸向门把手。JEPA 的思路不是去预测下一个像素是什么颜色，而是去预测一个更底层的抽象事实：手正在接近门把手，即将发生旋转动作，门即将被打开。这种预测不需要精确到像素级别，只需要抓住“动作意图”和“物体关系”的变化。

这个思路和人类的学习方式确实有相似之处：我们对世界的预测从来不是像素级的，而是对象级和关系级的。你知道手机从口袋里掏出来会滑，你知道羽毛球拍挥出去会把球打飞——你不需要在脑海里渲染每一帧，你只需要抓住关键的因果链条。JEPA 想要教给 AI 的，正是这种“抓住关键抽象”的能力。

4.2 从仿真到真实世界的迁移，是绕不过去的坎

物理世界路线目前面临的挑战也很大，其中一个核心问题就是“仿真到真实的鸿沟”。你可以在仿真环境里让机器人跑一百万次抓取任务，但一旦把它放到真实环境里，光照、摩擦力、物体形变这些“仿真器里不考虑的细节”会瞬间让模型失效。

这就是为什么物理世界路线的研究成本如此高昂：你需要真实物理设备，需要运维团队，需要反复调试传感器和执行器，一不小心就会把大好时光耗在拧螺丝和换电机上。比起“坐在工位前调 prompt”，这条路辛苦得多，也慢得多，但这恰恰是它被低估的原因——因为正是这些“真实世界的脏活累活”，才逼迫模型去理解真实世界的规律。

4.3 多模态与语言在物理世界路线中的位置

我要澄清一个很容易被误解的点：说“物理世界才是终局”，并不意味着语言没有用。语言在物理世界路线中依然重要，只是它的位置发生了变化：它从“智能的核心”，降级成了“智能的外设接口”。

一个具身智能体通过视觉和触觉学会了“杯子是易碎品”，这是它真正的知识内核。语言在这里的作用是给它一个标签——“杯子”“易碎”这些词，方便它和人类沟通，也方便它从人类已有的知识库中导入间接经验。杨立昆和他的合作者在多个场合都表达过类似的观点：语言是智能的“编解码器”，而不是智能本身。这个区分对从业者极其重要，因为它决定了你在设计系统时，核心功夫到底应该下在哪里。

5. 这场路线之争，对普通从业者的实际启发是什么

看到这里，可能有些读者会觉得：“这些都是大佬们要操心的事，跟我有什么关系？”我觉得关系很大。路线之争不是象牙塔里的学术游戏，它直接决定了未来几年市场的走向、岗位的分布和技术的演进路径。

5.1 别把“大模型”当成唯一的技术壁垒来押注

如果你现在是一个正准备入行 AI 领域的开发者，我的建议是：不要把全部精力都押在“会调大模型”这一件事上。大模型的门槛正在快速降低——越来越多开源模型的能力正在逼近闭源模型，调用大模型的 API 变得越来越便宜，用大模型搭应用这件事，很快就会成为像用数据库一样普遍的基础技能。

真正能构建起个人壁垒的，是你对大模型之上那层“和物理世界交互”的理解。比如做视觉的时候，不只关心“模型识别出了猫”，还能理解遮挡、光照变化和物体运动；做机器人的时候，懂得怎么把感知、规划和控制串成一个闭环。这些能力的底座，恰恰是物理世界路线一直在强调的东西。

5.2 关注具身智能的数据层机会

具身智能目前最大的瓶颈是数据。语言模型有整个互联网的文本可以用，但机器人的“操作数据”极其稀缺。让机器人在真实环境里跑一万次实验，代价高昂得惊人。这也意味着，谁能先解决“如何高效获取具身智能训练数据”这个问题，谁就抢占了下一波红利。

这个方向的机会很多：有人在做高质量仿真数据生成，有人在做真实操作数据的采集工具链，有人在探索用视频数据替代部分真实物理交互。如果你现在有工程背景，又愿意往这个方向投入，我认为这会是一个非常值得长期关注的价值洼地。

5.3 对技术决策者的一个忠告

如果你是一家科技公司的技术决策者，正在犹豫要不要“All in 大模型”，我的忠告是：要把大模型当作“能力底座”来布局，而不是当作“差异化核心”来押注。大模型的通用能力会越来越廉价，真正决定你产品不可替代性的，往往是模型之上那层独特的领域理解和交互体验。

杨立昆那句话提醒了一个容易被人群情绪裹挟的问题：当所有人都跑在同一条路上的时候，路况或许热闹，但风景未必能带你到终点。物理世界才是 AGI 的终局，这句话的价值不在于预测哪个方向一定赢，而在于帮你在做判断的时候，多留一份清醒：不要因为在某条路上投入过多，就把那条路误认成唯一正确的路。

最后再分享一点我个人的体会：从事 AI 方向的工作，最重要的能力不是跟上风口，而是在所有人都狂热的时候，依然能问出那句最基本的问题——“我们到底在解决什么问题”。LLM 解决的是语言统计建模的问题，物理世界路线解决的是智能体对真实世界理解与交互的问题。这两件事都很重要，但把它们混淆，才是真正的危险所在。