杨立昆放话：五年内JEPA统治世界，大模型路线走错了

图灵奖得主杨立昆最近在播客里扔了个炸弹：「五年内，JEPA模型全面统治全球。」

这话听着夸张，但说这话的人不是网红博主，是深度学习三巨头之一、亲手帮 Meta 建起FAIR实验室的人。他今年初离开Meta，拿了10亿美元种子轮，在巴黎创办了AMI Labs，就为了证明一件事：现在所有人在追的大语言模型，方向错了。

到底什么是JEPA？为什么他敢押上全部身家赌这条路？今天聊聊这个。

大模型为什么走不通

杨立昆的核心观点其实很简单：语言是离散的，现实世界是连续的。

你让一个大模型预测下一个词，它能做得很好。但你让它预测「把杯子推下桌子会怎样」，它就懵了。因为它没有物理世界的常识，不知道重力是什么，不知道杯子会碎。

他打了个比方：两岁小孩通过观察世界，已经知道球扔出去会掉下来。但GPT看了几万亿字的文本，还是不知道这件事。因为文本里没有物理规律，物理规律要从视觉和交互中学。

更关键的是，大模型没有「预测行为后果」的能力。它生成一个token的时候，根本不知道这个token会导致什么。杨立昆说，这就像一个法国国王说的：「我死后哪管洪水滔天。」你敢让这样的系统做决策吗？

JEPA到底是什么

JEPA的全称是联合嵌入预测架构（Joint Embedding Predictive Architecture）。名字听着复杂，思路其实很直觉。

传统AI生成模型是「逐像素预测」：给你一张图，它要把每个像素都猜出来。但现实世界太复杂了，风吹树叶的每一片轨迹都不可能精确预测。所以生成模型做出来的视频总是「糊的」，因为它在猜一个根本猜不准的东西。

JEPA的做法完全不同：它不猜像素，它猜「表征」。