圖片來源：路透社
嗨我是 Mech Muse 👋，如果你平常有在追 ChatGPT、Llama、OpenAI、甚至 AI 股，這件事絕對值得放進你的觀察清單：
👉 深度學習三巨頭之一 Yann LeCun 宣布要離開 Meta，創立一家專注「Advanced Machine Intelligence（AMI）」的新創公司。
這篇文章我會帶你搞懂：- 他離開什麼位置？過去做了哪些事？
- 這次出走是怎麼一步一步發展的？
- AMI 到底在講什麼？跟 LLM 有什麼本質差異？
- 這整件事對產業、使用者與 AI 未來意味着什麼？
那我們直接開始——
深度學習教父離開 Meta，要做 AMI 而不是下一個 LLM 🤖
先把最關鍵的部份講清楚。
根據 Reuters、AP 等多家外媒報導，Yann LeCun 已正式對內宣布：他將在 2025 年底離開 Meta 首席 AI 科學家的職位，成立一家專注 AMI 的 AI 新創。
Meta 也公開證實了這個消息，並強調未來仍會與他的新公司維持研究合作伙伴關係。
LeCun 今年 65 歲，是深度學習領域最重要的三個人之一。2018 年，他與 Geoffrey Hinton、Yoshua Bengio 一起拿下被稱作「電腦界諾貝爾獎」的 圖靈獎，主要貢獻包括：
- 早期的卷積神經網路（CNN）
- 深度學習在影像辨識與實務上的推廣
這些技術今天已是生成式 AI 與電腦視覺的基礎。
他在 2013 年加入 Facebook（後來改名 Meta），創立 FAIR（Facebook AI Research），從早期把深度學習導入推薦系統，到後來的 Llama 開源模型，都有他的影子。
但與 Meta、OpenAI、Google 那種「放大模型、堆算力」的派系不同——
LeCun 一直講得很直接：
LLM 很厲害，但它不是人類級智慧，只是超強自動補字機。
他近年愈來愈強調 AMI（Advanced Machine Intelligence） 的重要性：
要理解世界、具備持久記憶、做分層規劃，有推理能力，並且安全性要內建在架構裡，而不是事後補 patch。
所以如果你問：「他是不是跟 Meta 翻臉？」
其實不是。 這次比較像是：
👉 把他多年想做、Meta 無法全力投入的 AMI 路線，spin-out 成一家獨立新創，全速前進。
從加入 Facebook 到 2025 的轉身：完整時間線整理 📅
如果把這 12 年當成一部紀錄片，時間線可以這樣看：
📌 2013：加入 Facebook，創立 FAIR
當時的 Facebook 想大力投入基礎研究，LeCun 親自帶 FAIR，目標不是做產品，而是拉高整家公司在 AI 的競爭力。
📌 2013–2017：深度學習全面進入 Facebook 系統
這幾年他們帶來的改變包括：
- 更強的影像辨識與內容理解
- 更精準的推薦演算法（FB、IG、Reels 的演算法基礎）
- 早期大規模語言模型、自監督學習的研究成果
這些全都成為 2020 年後 Meta 能穩住競爭力的重要底層技術。
📌 2018：拿下圖靈獎，轉為 Chief AI Scientist
他卸下 FAIR 的日常管理，改成主導技術方向與對外交流，把更多時間投入 AI 長期架構的思考。
📌 2020–2023：LLM 熱潮來臨，他選擇唱反調 🗣️
在全世界都著迷於「模型做大就變聰明」時，他公開提出：
LLM 缺乏世界模型，因此永遠無法真正理解。
同時提出 JEPA、V-JEPA，試著讓 AI 學會物理世界，而不是只學 token。
📌 2024–2025：AMI 路線逐漸成形
他的講座和論文愈來愈聚焦在：
- 世界模型
- 長期記憶
- 分層規劃
- 安全性內建架構
他很明確地把 AMI 定位為「下一代 AI 架構」。
📌 2025/11：傳聞 → 內部 memo → 正式出走
- 11 月初：Financial Times 爆料他正在找投資人籌備新創
- 接著 Bloomberg、WSJ 跟進，指出他開始找團隊
- 11/19（UTC 晚間）：Reuters、AP 揭露他已對內宣布離職計畫
Meta 則表示會持續合作。
➜ 這不是衝動離職，而是準備已久的「研究路線拆分」。
AMI 是什麼？為什麼 LeCun 認為 LLM 是「死胡同的一部分」？🧠
這段是本文最重要也是讀者最常困惑的地方——
AMI 到底跟 LLM 有什麼不同？
根據 LeCun 在哈佛、VivaTech 等演講的定義，AMI 有四大核心能力：
1️⃣ 世界模型（World Model）🌍
AI 不能只依靠文字，要能從影像、聲音、環境裡學會：
- 物理規律
- 因果關係
- 物體如何互動
這是現在 LLM 比較做不到的部分。
2️⃣ 持久記憶（Persistent Memory）🧩
LLM 對話斷掉就失憶，AMI 要能：
- 記住長期目標
- 維持內部狀態
- 不因 session 結束就忘記重要資訊
像是在打造更「有持續人格」的智慧。
3️⃣ 推理與分層規劃（Reasoning & Hierarchical Planning）🗺️
不是回答一句漂亮的話，而是能：
- 分解目標
- 管理多步驟任務
- 適應環境變化
這更接近我們期待的「真正會思考」。
4️⃣ 安全與可控（Safety by Design）🔐
不是先做出模型再補安全，而是：
在架構裡就考慮可控性。
那，他為什麼說 LLM 是「死胡同」的一部分？🤨
不是說 LLM 沒用，而是：
- LLM 過度依賴語言世界
- 不具備 內建世界模型
- 推理與規劃能力有限
- 很容易出現 hallucination
- 規模越大、成本越高，但沒有本質性突破
換句話說：
放大 LLM 只能換更順的 ChatGPT，不會換到真正理解世界的 AI。
因此，他的新創很可能會往這些方向走：
- V-JEPA 為基礎的世界模型
- 更貼近真實世界互動（具身 AI、機器人）
- 設計「長期記憶」的架構
- 把推理與規劃當主軸，而非附加功能
這不是「做另一個 ChatGPT」，而是想打造：
👉「會理解、會記住、會自己想辦法達成目標」的 AI。
這場「教父轉身」代表什麼？📝
最後，我們不用把這件事情看成戲劇化的「Meta AI 要出事！」，但它的確值得記上一筆。
1️⃣ 技術路線之爭，從口水戰變成真金白銀的賭注
過去兩年大家都在談：
「LLM 跟世界模型，到底哪條路更有未來？」
LeCun 用自己的職涯直接下注 AMI。
這會迫使整個 AI 產業必須更認真面對這個議題。
2️⃣ 大公司 × 獨立實驗室的模式會更普遍
Meta 選擇：
- 不切割
- 不翻臉
- 反而轉成合作夥伴
這種「spin-out 加速研究」的模式，未來可能會在 Google、OpenAI、Microsoft 都看到。
3️⃣ AI 的戰場會從「模型分數」轉到「架構差異」
未來幾年真正的勝負很可能在：
- 誰先把世界模型整合進產品
- 誰能做出具身 AI 這類高複雜度應用
- 誰能把記憶、推理、規劃做出系統化
如果你是投資人，這類方向可以多留心。
4️⃣ 這是長期觀察的起點
這件事短期內不會帶來新產品，但從歷史角度看，這很可能是未來回頭看時會被框起來的年份：
2025：Yann LeCun 離開 Meta，AMI 時代開場。
接下來可以持續追蹤：
- 新創名字
- 誰投資
- 第一個產品是什麼
- 是否延伸到機器人或具身 AI
- Meta 的角色會更深或更淡？
這些都是值得觀察的指標。
收尾一下 👋
以上，就是這次的整理。
如果你也喜歡這類 AI、大模型、機器人、半導體的分析，
歡迎追蹤我 Mech Muse！
我會持續當你的科技情報導航，下次見～～ 🚀
延伸閱讀：
【Mech系列】 美國人型機器人公司總覽｜開場篇：含各公司詳細介紹🤖
【Mech系列】美國小型核能新勢力大揭密：8 大公司完整解析
【Mech 系列】全球機器人補助與政策總覽｜各國政策解析方向
【Mech系列】人形機器人核心硬體全解析：從零件開始的下一場科技革命
