OpenAI和谷歌狂奔，Meta因Llama 4失利陷被动，V-JEPA 2能否破局？

OpenAI与谷歌在生成式AI领域竞相前进，而Meta却因Llama 4的败北而处于不利地位。目前，这家行业巨头正筹备采取两种迥异的策略来扭转局势。

四月，Llama 4的接连失误使得Meta陷入了舆论的风口浪尖，与此同时，其首席人工智能科学家杨立昆（Yann LeCun）也受到了指责。这位曾获图灵奖的杰出人物，手握数千亿美元的雄厚资源，却毅然决然地抵制了主流的LLM发展路径。如今，Meta在海外AI巨头间的竞争中已经明显落后。

当前阶段，杨立昆似乎迫切需要通过新的成就来展现自身实力。6月12日，北京时间，他亲自亮相，向公众展示了Meta公司最新研发的人工智能模型V-JEPA 2。该模型与现行的主流Transformer架构存在差异，被称为“世界模型”，旨在协助机器及各类AI助手更好地理解和掌控周围环境。

然而，这条非传统的发展路径真的能够取得成功吗？这似乎连Meta的首席执行官扎克伯格本人都感到疑虑。近期，有消息指出，他亲自介入招聘事宜，致力于打造一支全新的AI团队，不惜重金聘请了谷歌DeepMind的首席研究员，同时，他还投资千亿巨资支持初创企业Scale AI，并邀请其CEO加入这支AI团队。

面对AI战略的挫败，扎克伯格显然采取了分散投资的策略。据悉，在过去两个月里，他已重返“创始人模式”。他认为，与其它科技巨头相较，Meta不仅具备实现AGI的强大实力，而且肩负着率先推动这一目标的重任。

杨立昆押注“非主流”模型

自大模型崭露头角后，杨立昆持续看低自回归生成路径的前景，现今以GPT、Gemini为代表的众多模型，大多沿此路径稳步成长。他坦言，尽管自回归型大型语言模型在AI领域广泛流行，但它们仍存在诸多问题，如事实错误、逻辑谬误、数据不一致以及推理能力受限等。

杨立昆认为，机器对物理世界的认知与对语言的认知有着本质区别，自回归式大型语言模型只是世界模型的一种简化形式。世界模型实际上构建了一个虚拟的现实世界，人工智能可以依据它来把握世界，预判行为结果，从而能够制定出行动策略以实现既定目标。

为了构建全球性的模型，杨立昆提出，我们应摒弃现有的生成模型，转而采纳联合嵌入架构；同时，他主张放弃强化学习，转而支持模型-预测控制。V-JEPA 2便是这一转变路径上的最新研究成果。

官方博客显示，V-JEPA 2是依托Meta在2022年提出的联合嵌入预测架构（JEPA）而构建的。到了2024年，Meta推出了V-JEPA的第一个版本。在此基础上，V-JEPA 2对动作预测和世界建模功能进行了优化，这使得机器人能够与未曾接触过的物体和环境进行交互，从而完成既定任务。

首先，我们必须明确杨立昆所提出的“世界模型”究竟是什么。在团队的研究中，他们发现预测世界对我们行为的反应，这一能力是人类长期以来所依赖的，尤其在制定行动计划和应对新局面时显得尤为重要。因此，世界模型必须具备这种预测能力。

在穿梭于人潮涌动的陌生地带之际，我们边向目标迈进，边小心翼翼地躲避着路边的行人及各种障碍。烹饪时，我们思考着锅中的食物还需加热多长时间，亦或是是否需要调整火力大小。Meta在其博客中阐述，我们内心构建的世界模型不仅赋予我们对于周围世界的直观感受，同时也扮演着一种内在的模拟角色。它使我们得以预判假设性行动的可能后果，并最终依据直觉指引，选择能够实现目标的最佳行动路径。

这种身体直觉并非源于成年人长期的教育积累，而是在孩子们尚未学会完整表达句子的时候，通过观察周围环境就已经形成了。V-JEPA 2模型同样是通过这种方式，即“观察世界”，来进行训练的。

据悉，在预训练阶段，该团队采用了源自多样渠道的逾百万小时视频以及百万张图像，这些丰富的视觉资料有效助力模型掌握世界运作机制，涵盖了人与物体之间的交互模式、物体在现实世界中的运动规律等多个方面。

在预训练阶段结束之际，模型已显现出在理解与预测方面的核心技能。继此之后，依托其预测能力，世界模型得以制定行动策略。据Meta公司所述，V-JEPA 2这款模型拥有12亿参数，能够助力机器人以及其他AI智能体在现实物理环境中有效运作。

根据Meta的陈述，V-JEPA 2的速度是英伟达Cosmos模型的30倍之快，同时英伟达也在努力推进与物理世界相结合的人工智能技术发展。

杨立昆提出，世界模型的出现将为机器人领域带来一场变革，使得现实世界的智能助手无需依赖大量训练数据，便能够协助人们完成家务以及体力劳动。

很欣喜地观察到V-JEPA 2对这场竞赛产生了何种影响。在X平台官方评论区里，有用户表达了自己的看法，他们认为在这场大规模模型竞赛中，与众不同的观点似乎更具吸引力。

然而，仍有观点认为，破解魔方或许可作为这些世界级或机器人级模型的图灵测试，那么通用智能模型是否已经实现了这一目标呢？关于世界模型如何展现其能力，截至目前，Meta尚未提供明确的直观解释。

扎克伯格“另起炉灶”

杨立昆所秉持的发展方向，在将来是否能够与现今盛行的LLM大型模型相抗衡，这一点目前尚无定论。在短期内，无人能够给出确切的回答。然而，由于他反对了主流的研究路径，并且尚未展现出更为卓越的研究成果，杨立昆不得不承受来自团队内外部的诸多压力。

4月份，Meta公司推出了其最新的Llama 4模型，然而，该模型很快便被指出存在性能不足和测试作弊的问题。与此同时，内部员工纷纷选择离职，这一系列事件引发了广泛的争议。目前，在众多模型的排名中，Llama模型已经落后于GPT/o系列、Gemini和Claude等同类竞争对手。此外，在开源社区中，它还面临着来自国内DeepSeek和Qwen等项目的挑战。

外界普遍认为，Meta在大型模型竞赛中处于不利地位的原因，主要归咎于杨立昆。作为AI团队的负责人，他对于当前的技术发展方向持怀疑态度。作为图灵奖获得者、神经网络的开拓者，他的自信和教条主义似乎过于强烈，这直接导致了Meta目前的困境。

杨立昆曾坦言，他历经20年的自回归预测实践，最终未能取得成功，因此对LLM的发展路径持保留态度。然而，至少在目前，众多业界领先的公司已在LLM领域取得了显著成就，并正逐步促进人工智能技术的进步。

外界此前对杨立昆是否会因此离职有所猜测，然而，通过他亲自发布的这一世界模型，我们可以看出他的地位依然稳固。然而，扎克伯格却显得并不平静，近期他公开宣布组建了一个名为“超级智能”的新AI团队，这看似是一种全面布局，目的在于避免在AI浪潮中掉队。

据外部媒体报道，马克·扎克伯格打算为超级智能团队吸纳大约五十位顶尖人工智能领域的专家，同时将为这些专家提供长达数年、总价值达数千万美元的薪酬福利，其中包括股权奖励。扎克伯格本人将亲自负责初步的接触工作，并全程监督这一过程。他的愿景是使Meta在人工智能通用（AGI）领域占据领先地位，并将这一领域的实力融入Meta的所有产品线中。

6月12日传来消息，谷歌DeepMind的首席研究员杰克·雷（Jack Rae）有望加盟Meta的超级智能团队。在此之前，杰克·雷在谷歌DeepMind度过了两年的工作时光，期间主要负责推动Gemini项目在“思考”方面的进展。又有消息传来，AI语音领域的初创企业Sesame AI的机器学习部门负责人约翰·沙尔克维克（Johan Schalkwyk）也已被Meta公司纳入麾下。这两位专业人士都将成为Meta公司“超级智能”团队的新成员。

近日，Meta公司被披露投入巨额资金，金额高达数十亿美元，具体数额为150亿美元，但这一信息尚未得到官方确认。这笔资金主要用于投资初创企业Scale AI，其CEO汪滔（Alexandr Wang）以及众多研究人员将加盟“超级智能”项目。Scale AI的核心业务是数据标注，目前其市值已突破百亿美元大关，并预计今年其营收将超过20亿美元。在近年的发展过程中，诸如OpenAI等人工智能领域的领军企业，持续依赖Scale AI这一平台，以生成并标注那些用于模型训练的数据集。

扎克伯格指出，与那些依赖融资的竞争者不同，Meta所拥有的广告业务现金流强大，足以支持其在人工智能领域的巨额投资。此外，他还坚信Meta具备构建全球顶尖算力数据中心的实力。在之前的财务报告中，Meta公司预估到2025年的总体资本投入将在640至720亿美元区间，这一数额超过了年初的预期。此外，公司还透露，将继续加大对数据中心及基础设施的投入，旨在支撑与人工智能相关的各项业务发展。

杨立昆坚持深入研究的、有望改变现有格局的“世界模型”与扎克伯格不惜巨资投入、紧跟行业趋势快速发展的“超级智能”，这两大领域关乎未来人工智能的格局，Meta公司选择采取双管齐下的策略进行布局，其胜负将直接影响到该公司是否能够重返人工智能领域的巅峰。