GTC 大會壓軸 AI 教父楊立坤 語言模型走錯方向 20250328，楊立坤在 GTC 對談中指出：語言模型無法處理物理連續性，未來 AI 必須依賴世界模型與 JEPA 架構。本篇整理完整內容，解析從推理方式到硬體挑戰的七大核心議題。
AI 教父楊立坤 語言模型走錯方向 影片
楊立坤在GTC最後的對談當中
竟然說他不認同黃仁勳
語言模型無法處理物理世界
未來必須依靠世界模型以及JEPA架構
這一次真的是好好打臉了黃仁勳
我是亞瑟我有三高
每個禮拜一到每個禮拜五
我都會日更這個頻道
去分享學到的點點滴滴
今天我們來看一下楊立坤
在GTC大會上到底講了什麼
楊立坤異見登場
- NVIDIA邀LeCun對談
- 故意安排立場對撞
- GTC壓軸焦點轉移
- AI路線爭議白熱
- 技術方向產生分裂
https://hao.cnyes.com/post/141459
AI的智力不如貓 楊立昆
https://arthur3highs.com/1903
AI算力 與 世界模型 20250219
https://arthur3highs.com/2848
今年 GTC 大會接近尾聲的時候，最引人注目的，其實不是黃仁勳的演講，而是一場刻意安排的訪談。由 NVIDIA 的首席科學家 Bill Dally 親自主持，對談的對象則是來自 Meta，被稱為 AI 教父的楊立坤。這是一場觀點對立、公開交鋒的對談。
楊立坤多年來一直批評，主流大語言模型的走向。無論是他對自回歸架構的否定，還是對算力驅動、token 式推理方式的質疑，立場都非常明確。而這場對談也不只是針對模型本身，還深入到了 AI 未來的發展方向——包括推理方式、記憶機制、世界模型的建構邏輯，甚至延伸到光學計算、量子運算這些技術的實際可行性。
在這支影片裡，我會把這場訪談內容分成七個段落，一一解析楊立坤對現行 AI 路線的挑戰、他主張的替代方案，以及這些觀點對未來產業可能帶來的影響。
在開始之前，我先假設大家對楊立坤，已經有一定程度的認識了。因為我們頻道其實已經講過他很多次了，包括他說的「AI 智力還不如一隻貓」，還有「世界模型」的概念。建議大家如果還不熟，可以先回去看那幾支影片，這邊我就不重複了。
最後提醒一下，我的立場是比較偏向楊立坤這一派的。
語言模型無理解
- LLM靠預測無理解
- 推理能力過於表層
- 資料算力只是疊加
- token空間限制明顯
- LLM難規劃真行動
https://hao.cnyes.com/post/134712
楊立坤一開場就講得很直接：語言模型頂多只能，在文字層面做些小幅度的改進，但它的基本原理，其實從來沒有改變。到現在還是靠大量資料、大量算力，堆出一個龐大的結構，一層一層往上疊，然後在「預測下一個字」這件事情上不斷優化。
但問題來了，這種離散式 token 的預測方法，沒辦法處理真實世界的連續性，特別是像空間、動作、因果這一類複雜的概念。語言模型所謂的推理，其實只是隨機產生大量的文字，再挑出一個看起來最合理的組合而已。
在楊立坤看來，這根本不算智慧，只是統計上的花拳繡腿。語言模型這幾年的進步，很多其實也只是一直在邊邊角角上修修補補，離真正能夠理解世界的智能系統，還差得非常遠。
我支持楊立坤博士的觀點。最近 Google 推出的 Gemma 3 模型，其實就提供了一個很好的例子。Gemma 3 把多餘的訓練資料和 token 規模縮減，只留下核心的語言理解能力，結果 12B 的模型就能做出非常出色的回答。
也就是說也許語言模型，這幾年的走法真的有問題。如果我們能把「理解世界」的能力導入語言模型，某種程度上，這正是 Gemma 3 現在嘗試探索的方向。
世界模型是關鍵
- 人腦靠內建模型
- AI需理解物理世界
- LLM無法建構場景
- 像素預測效果極差
- 抽象表示才是重點
https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture
楊立坤認為，人類真正的認知能力，是來自「世界模型」。這不是語言，而是一種在腦中模擬整個物理世界的能力。我們可以預測物體會怎麼移動、理解力學的作用，甚至在還沒動作之前，就已經模擬出接下來會發生什麼事。
這種推理，不是靠文字來完成的，而是在一個抽象的內部空間裡，直接模擬出來。相比之下，大語言模型只是預測下一個字是什麼，它的理解完全停留在語言的表層，對現實世界完全沒有建構能力。
你可以讓語言模型模擬講話，但你不會期待它真的懂「杯子為什麼會從桌上掉下來」。因為它根本沒有世界觀，也沒有模擬物理因果的能力。
所以楊立坤提出了 JEPA，也就是「聯合嵌入預測架構」，作為替代方案。他主張AI 應該從觀察中，學會抽象的理解與表示，再用這些理解去預測未來、規劃行動，而不是一再重建畫面，或只是重新排列語句。
這也是楊立坤最核心的批判：我們太早停在語言層次，結果忽略了更根本的問題：AI 應該要先學會像貓一樣走路，而不是急著學會說話。
拒絕AGI迷思
- AGI概念太神話
- 人類智能本不通用
- AMI才是務實方向
- 動物式規劃更重要
- 暴力搜尋效率低落
在對談中楊立坤表態，他不喜歡使用「AGI」這個詞。他認為通用人工智慧這個概念過於美好，實際上人類的智能，本身就是高度分工與專業化的。因此追求這種模糊的理想，不如推動更具體的方向：高級機器智能（Advanced Machine Intelligence）。
AMI 的核心在於，讓 AI 能夠像貓一樣理解環境、計算風險、做出決策。舉例來說，一隻貓在跳到書架之前，會在腦中模擬出高度、動作以及可能的風險。這個過程完全不是依靠語言式的推理，而是一種基於感知的預測與規劃。
反觀目前的語言模型，只是生成大量 token，再從中選出看起來最合理的結果。這種方式，就像不會寫程式的人亂拼一堆程式碼，或像不會說話的人隨便湊一句話，最終努力湊出一段能用的內容。從運算的角度來看，這種做法效率極低，也難以運用到更複雜的任務。
楊立坤認為，真正的推理應該在抽象空間中進行，而不是停留在語言的表層。真正的 AMI 需要像動物，擁有生物的直覺與規劃能力，而不是只會記單字、補語句的鸚鵡模型。
其實這個世界不是真的都在發展語言模型，Tesla或是nVidia的自動駕駛，其實就在走世界模型的概念，去塑造真正理解人類世界的運作，好讓自動駕駛能夠成真。
AI輔助提升人類
- AI應提升人能力
- 醫療交通已有成果
- 生成式AI非主力
- 感知系統才是核心
- 部署比建模更困難
楊立坤認為，AI 真正有價值的地方，不在於它能不能模仿人類說話，而在於它能不能提升人類的效率與能力。
像是醫療影像判讀、藥物設計、MRI 的快速重建，這些領域 AI 早就已經實際部署，創造了具體的價值。而這些應用的核心，不是語言生成，而是感知、判斷與決策。
目前的自動駕駛技術，是靠感測器資料，與即時反應的 AI 模組完成的。這些系統最大的挑戰，是能不能準確穩定，並且可靠地整合進真實世界，這比很多人想像的要困難得多。
楊立坤強調，大多數真正可實用的 AI，其實並不是語言模型，而是感知型、反應型的架構，用來協助人類完成特定的任務。
因此未來值得投入資源的，不是那些試圖取代人類、模仿語言的系統，而是那些能夠實質強化人類能力、讓人類變得更強的工具與架構。
這一點其實也呼應了，戴倫·艾賽默魯教授的觀點：目前的 AI，還沒有真正影響整個社會的生產力。我們真正該推動的，是那些能夠普遍造福人類的 AI 技術。
開源與多樣性
- AI不能一言堂
- 模型需文化多樣
- 開源降低集中壟斷
- LLaMA鼓勵全球參與
- 民主社會需AI開放
https://www.linkedin.com/pulse/metas-llama-open-source-strategy-ai-subodh-kumar-adzxf
隨著 AI 助手越來越深入我們的日常生活，楊立坤也提出了一個非常關鍵的警告：我們不能接受，所有人都在使用同一種語言模型、接受同一種文化偏見的 AI，這關係到民主與多樣性的根本挑戰。
未來每個人都會有 AI 助手，但不應該只是由矽谷提供的選項。我們需要的是能說各種語言、理解不同文化背景，甚至內建不同價值觀的模型。
多樣性只有透過開源，才能實現更多元的發展。Meta 開源 LLaMA 模型，就是要讓全球各地的研究者，都能夠在這個平台上，發展出屬於自己語言、自己文化的 AI 系統。
我非常支持語言模型的開源，因為可以廣納全球更多的想法與智慧，把人類所有的文化、語言、觀點通通融入進來，這是一種文明整合的力量。當語言模型夠大之後，能夠同時包容所有文化、語言，變成一種「全知型」的語言系統。
但也正因如此，我認為未來人類還是會走向，由少數超級語言模型主導的世界，觀點的一致性，也許遲早會成為現實。就像今天我們幾乎所有人都用 Meta、Gmail、Google，一樣的結果，很可能再次發生在 AI 身上。
推理更需算力
- 推理比訓練更吃資源
- System2需高算力支撐
- 光學量子實用性有限
- 記憶體內運算更實際
- JEPA需新硬體支援
https://hao.cnyes.com/post/140913
楊立坤指出，當我們談到真正的「推理能力」時，訓練成本其實不是最大的問題，真正燒資源的是推論的運行。
像 JEPA 這類模型，需要在抽象空間中，模擬出各種可能的路徑，去預測未來會發生的不同狀況。這就很像神經科學中提到的 System 1 和 System 2：S1 是直覺性的反應，就像現在的語言模型；而 S2 則是需要經過深思熟慮的結果，而這一層級的運算，消耗的資源會遠高於現在的 LLM。
當 AI 從「生成文字」升級到「模擬現實」，推理所需的算力會以倍數增加。世界模型的運作，不是生成幾段話而已，而是持續計算整個環境變化的可能性。
楊立坤也直白地說，目前熱門的替代性技術，像是光學運算、量子計算、類神經晶片，目前還太理論化，要克服的挑戰太多，短期內很難落地。
他反而認為 GPU 搭配「記憶體內運算」（PIM），更可能支撐 AI 推理的發展，因為它既有延續性，又能改善能源效率。所以楊立坤強調，未來真正的瓶頸，可能不是模型怎麼設計，而是硬體能不能跟上。
在錄這支影片的時候，全世界的 AI 股正好在大跌，大家開始懷疑 AI 伺服器是不是需求會下降。但我的看法剛好相反，未來的運算需求只會更高。十倍、百倍、甚至千倍的算力，可能都還不夠。楊立坤基本上也說了同樣的事。
靠開源共創世界
- 每人都將擁有助手
- AI需在地語言文化
- 開源是唯一可行路
- 全球分散式共同訓練
- 進化非爆炸式發展
https://time.com/6694432/yann-lecun-meta-ai-interview
在訪談的最後，楊立坤提出了一個具體、務實的未來想像：未來每個人都會擁有自己的 AI 助手，隨時協助你工作、學習、規劃，甚至陪伴你。這不是 AI 奴役人類，而是人類成為 AI 指揮者的一種社會轉型。
這樣的未來不會從某間公司，或某場革命中突然冒出來，而是經過一個長期演進的過程。從模型設計、語料整合、基礎架構，到實際部署，每一個層次都需要全球共同參與。
開源平台會是這一切的基礎。因為沒有人願意把自己的語料、文化背景與個人偏好，完全交由幾家跨國公司。只有開放架構與分散式訓練，才能實現真正多樣化、在地化的 AI 生態。
楊立坤說得很直白：AI 的未來，不會是奇蹟，也不會是災難，而是「一場大家共同參與的演化過程」。
我自己對這段話大致是支持的。雖然我不贊成所謂的主權 AI 模型，也反對立場過於偏頗的語言模型，我們真正的需求，不過就是訓練出一個能夠理解語意的大腦，然後搭配網路搜尋，或本地的資料庫來回應問題，這樣就已經夠用了。
像我錄影的這一天，ChatGPT 剛剛釋出一個可以「用嘴巴修圖」的功能，這種功能之所以可以成真，就是因為他們讓模型理解圖片，建構世界模型，才能做到更實用的事情。
不管是 Google 推出的 Gemma 3，還是 OpenAI 正在實作的圖形功能，都在印證一件事：理解世界比單純生成語句更重要。
這次感謝楊立坤博士精彩的解說
他這次演講比之前講的都還要好很多
當然也要感謝老黃
感謝NVIDIA
你們竟然會請一個打臉你們的大師
來和你們做這麼深入的對談
今天就到這邊
我們下禮拜再見～掰
