一、引子

2026 年 5 月，Yann LeCun 在接受播客专访时，说了一段让整个 AI 圈不太舒服的话：

“别做 LLM 了，没意义。”

他还说，LLM 只是 “好的做题家，不是创造者”。

作为深度学习三巨头之一、图灵奖得主、Meta 首席 AI 科学家，LeCun 的话当然有分量。但更值得注意的是：他不是第一次这么说。从 2023 年开始，他一直在唱空 LLM 路线，而且观点越来越尖锐。

不是所有人都同意他——Meta 自己也在训练 Llama 系列。但 LeCun 的批判里，有一个被很多人忽略的核心逻辑：他质疑的不是 LLM 有没有用，而是 LLM 这条技术路线还能走多远。

二、LeCun 到底在批判什么

LeCun 的核心论点其实就一句话：LLM 正在撞墙。

不是它的能力不够强，是它的增长方式有问题。他用三个证据来支撑这个判断：

第一，数据已耗尽。 公开文本数据基本上被扫干净了。Common Crawl 级别的数据已经被多次遍历，新数据的边际收益在急剧下降。合成数据和版权交易治标不治本——它们能延缓天花板，但不能突破天花板。

第二，模仿学习的天花板。 LeCun 用自动驾驶做了一个类比：只靠模仿人类驾驶行为的数据训练，无法覆盖长尾场景——一个没有见过的新路口、一场从未记录的暴雨。LLM 的"下一个 token 预测"本质上是同一类问题：它擅长复现训练集中见过的模式，但当需要处理从未见过的新情况时，它只能靠"猜"。

第三，LLM 缺的不只是规模。 LeCun 把智能分解为三个层次：预测后果 → 搜索规划 → 抽象因果推理。LLM 只实现了第一层的浅层版本——预测下一个 token。它缺失了后面两个能力。

所以 LeCun 的结论是：继续在同一维度上堆数据和算力，回报会越来越低。

三、利空出尽的另一面

但利空出尽之后，往往藏着行业最需要的信息。

LeCun 的批判最有价值的部分，不是他"反对什么"，而是他"相信什么"——他相信下一次突破来自一个新维度。

他提出的 JEPA 架构，本质上是一次维度跃迁：从"预测文本序列中的下一个字"转向"预测抽象空间中的因果关系"。这不是优化同一个维度的精度，而是跳到另一个维度重新开始。

LeCun 自己可能没有用这样的语言来描述它，但这件事的本质，是方法论层面的切换。更具体地说，他给行业提供了一组重要的判断信号：

  • 需要在零样本条件下完成规划任务，这就是一个是否真的取得突破的检验标准
  • 一个维度的成功会压制对其他维度的探索，但这种同行压力本身值得警惕——它可能导致行业性的盲区
  • 组织形式也可能成为瓶颈，比如数据的所有权如何从封闭走向开放

四、不需要全盘接受，但要听懂信号

我不完全同意 LeCun 的所有判断。

他说 LLM 的可靠性问题是"架构天生决定的、无法修复的"——这可能低估了工程化的空间。Chain-of-Thought、Tool Use、RLHF 等技术仍然在语言维度内构建了更长的推理链。维度饱和是渐进的，不是断崖。

他说 JEPA “五年内将统治世界”——作为 JEPA 的提出者，这个判断有推广动机的成分。新维度从技术突破到规模化应用，从来不是线性的。

但即便有这些分歧，LeCun 的核心判断——行业押注语言维度的边际收益在快速下降——我是认同的。

这不是一个"谁对谁错"的问题。这是一个信号：当行业最顶尖的人反复说同一句话时，不妨听听他试图指出什么。

五、启示

当大多数人还在争论"大模型还能不能更大"的时候，LeCun 已经把目光投向了下一个维度。

不是所有人都走在同一方向上这件事本身，可能就是这个行业最健康的信号。当每个人都朝着同一个方向奔跑时，踩踏的风险在上升；而那个少数派专家的质疑声，往往是最值得听的声音。