为什么杨立昆说，现在的 LLM 还不是真正智能？

最近在理解 Yann LeCun 杨立昆。

他是深度学习三巨头之一，和 Geoffrey Hinton、Yoshua Bengio 一起获得过图灵奖。

有意思的是，他并不是“反 AI”，也不是“反深度学习”。恰恰相反，他就是深度学习最重要的推动者之一。

但他一直对现在的 LLM 热潮保持怀疑。

他的核心观点不是：

AI 没用。

而是：

现在的大语言模型很有用，但它不应该被误认为通向真正智能的全部答案。

这点很重要。

因为今天我们熟悉的 ChatGPT、Claude、Gemini、DeepSeek，本质上都建立在大语言模型这条路线之上。它们通过大量文本、代码、图像、视频等数据学习人类表达出来的知识，再通过后训练、强化学习、工具调用、多模态、长上下文、agent workflow，让自己越来越会回答问题、写代码、做研究、完成任务。

这条路线非常成功。

甚至可以说，它已经是目前最有现实生产力的 AI 路线。

但杨立昆的怀疑是：

一个系统会说很多话，不代表它真的理解世界。

它知道“杯子放在桌边可能会掉”，可能只是因为它在大量文本中见过类似表达。

但真正的理解应该是什么？

它应该能看到杯子的位置、材质、重量、桌面边缘、旁边人的动作；它应该能预测：如果有人碰到桌子，杯子可能掉落；它应该能判断：如果杯子是玻璃，掉下去可能会碎；它应该能规划：如果目标是避免损坏，应该把杯子移到桌面中央；它还应该能行动，并根据结果修正下一步。

这就是杨立昆强调的 world model，世界模型。

世界模型可以粗暴理解成：

AI 内部要有一个关于“世界如何变化”的模型。

不是只预测下一个词，而是预测世界接下来会怎么变。

这也是他和主流 LLM 路线的核心分歧。

主流 LLM 派大概相信：

语言/多模态数据 + scaling + 后训练 + 工具调用 + agent workflow，会让 AI 越来越接近通用智能。

杨立昆更强调：

真正智能需要感知、记忆、目标、预测、规划、行动反馈。语言只是智能的表层输出之一，不是智能的根。

这不是一个纯技术细节，而是一个很大的认知差异。

如果你把智能理解成“能不能生成高质量回答”，那 LLM 已经非常聪明。

但如果你把智能理解成“能不能在复杂环境里理解状态、预测后果、制定计划、采取行动，并根据反馈修正自己”，那现在的 LLM 还远远不够。

所以这里真正的问题是：

我们说 AI 聪明，到底是在说什么？

它会说话，是一种能力。它会总结，是一种能力。它会写代码，是一种能力。它会调用工具，也是一种能力。

但这些能力不等于完整的智能。

会说，不等于会理解。会回答，不等于会行动。会生成，不等于会判断。像人类表达，不等于拥有人类经验。

这也是我自己很能共鸣的地方。

我常常觉得，语言本身是局限的。

很多东西无法被语言完整表达。

一个空间为什么让人舒服。一段音乐为什么打动人。一段关系里某个瞬间为什么让人失望。一个设计为什么“感觉对了”。弹琴时触键的细微差异。运动时身体如何找到平衡。

这些当然可以被描述，但描述不是体验本身。

语言是经验的高压缩表示，但不是经验本身。

而 LLM 正是从这些高压缩的人类表达中学习。

这让它很强大，因为人类文明的大量知识都被语言保存了下来。

但这也让它有边界，因为语言丢掉了身体、空间、行动、情境和反馈里的很多东西。

所以杨立昆的提醒不是让我们否定 LLM。

恰恰相反，我们应该承认 LLM 的现实价值。

它已经非常适合写作、编程、总结、学习、研究、产品原型和内容创作。

但我们也需要知道它的边界。

LLM 的强项是语言、知识接口、模式生成和工具协调。

但如果 AI 要更可靠地进入现实世界，进入机器人、空间计算、自动驾驶、工业系统、长期个人助理，它可能还需要另一种能力：

理解世界如何变化。理解行动会造成什么后果。理解目标、环境、约束和反馈。

未来大概率不是 LLM 路线和杨立昆路线二选一。

更可能是融合。

LLM 负责语言、知识和沟通。World model 负责理解环境和预测变化。Agent system 负责工具、权限、记忆、行动和反馈。

也就是说，真正强大的 AI 可能不是一个更会聊天的模型，而是一套能理解目标、理解环境、预测后果、执行任务并修正错误的系统。

这对做产品也很有启发。

不要只问：

这个 AI 回答得好不好？

还要问：

它是否理解用户所处的场景？它接触到了哪些真实上下文？它的输出能不能验证？它能不能行动？行动是否有边界？失败后能不能修正？

现在很多 AI 产品的问题不是“不够会说”，而是太会说了。

它看起来什么都懂，但不一定真的接触了现实。它回答得很流畅，但不一定能交付结果。它生成得很漂亮，但不一定可靠。

所以，理解杨立昆的观点，不是为了站队。

而是为了提醒自己：

不要把“会表达”误认为“会理解”。不要把“会回答”误认为“会行动”。不要把“语言的流畅”误认为“现实的可靠”。

语言很强大。但语言不是世界。

LLM 很强大。但 LLM 不是智能的全部。