跨国深谈← 返回←不做 LLM，做世界模型：Alex 的 12 亿美元豪赌

不做 LLM，做世界模型：Alex 的 12 亿美元豪赌

关联

人物 Alex

公司 AMI · Wit.ai · Facebook · Meta

概念 世界模型 · LLM · VLA · 机器人 · 具身经验

这一集的对话里，一个连续创业者正在做他自称「有史以来最雄心勃勃」的事：不做大语言模型，而是做「世界模型」——为此融了 12 亿美元。主角是 Alex，他 2014 年和 hosts 同期进 YC，做的第一家公司 Wit.ai 是世界上第一个 .ai 域名，2015 年被 Facebook 收购（他说他收到的收购邀约邮件来自「一个叫 Mark Zuckerberg 的人」，他半秒就删了，以为是诈骗，半小时后才从垃圾邮件文件夹里翻出来）。之后他在 Meta 待了很多年，又创办了医疗 AI 公司 Nabla，今年 1 月创办 AMI，转向世界模型。

先解释这个世界模型是什么。Alex 的核心论点是：LLM（大语言模型）学习的是人类写下的关于世界的文字——它像一个从来没出过门、几个世纪以来每天读遍所有书的人。

这样的人看起来像很多领域的专家，但没有对世界的直接经验，常识有限，第一次面对某种情况时不知道该怎么办。「世界模型是一个我们不作弊的模型」——不用文本来学习，而是像人类和动物一样，直接从现实世界学习：视频、音频、感官数据、把玩物体，像婴儿一样从零开始、不带任何语言。训练数据主要是视频，因为最容易找到；音频也行，触觉数据则通过机器人来采集。

那世界模型能做什么 LLM 做不到的事？短期最大的应用是机器人。

Alex 说现在的机器人「非常非常笨」：硬件进化得令人难以置信，但大脑没有变——它们只能在固定位置做一件事，放进开放环境（你家、街上）既不安全也没用。至于当下流行的 VLA（用大语言模型直接驱动机器人的方案），他的评价很尖锐：「VLA 是一个非常糟糕的 hack：你有一把锤子，你有一个 LLM，然后你看什么都像钉子」——不精确、非常慢，而机器人需要极短延迟，还贵到离谱：你不可能为家里的机器人每天工作 24 小时支付 100 美元的算力。

不过他并不否认 LLM 的地盘：语言、数学、编程这类「低维符号序列」问题，LLM 就是为它们设计的，「我认为在这些方面我们永远无法击败 LLM」。世界模型瞄准的是另一类问题——高维、嘈杂、长时程的问题，而且训练出来参数更少，推理更便宜。

两者不是取代关系。他补充说，世界模型背后的部分理念（比如 JEPA）已经存在五到十年，就像 2018 年的 Transformer 论文——当时没人意识到它的威力，是 OpenAI 捡起来规模化才有了 ChatGPT。

为什么这事轮到初创公司做？Alex 用自己在 Meta 的亲身经历回答：大公司有资源、有品牌，但缺一样东西——「做出疯狂事情的能力，去冒一些险。

如果你一点险都不冒，你就死了，因为大公司比你资源多」。他举了个例子：他在 Meta 做的实验性聊天机器人第一次上线，问它「你今天怎么样」，它回答「就在放松，躺在我沙发上看黄片」。

他知道法务团队绝不会放行，这个项目根本不可能发布。而 OpenAI 能用 GPT-1、2、3 冒这种险，所以是他们做出了 ChatGPT。

至于「这是不是反共识押注」，Alex 说不算：「一年前也许算，但现在越来越不是了。」他观察到一个信号：当初承诺 AGI 的人改变了定义、不再使用这个术语——「我认为这是某件事行不通的好迹象」。目前公司需要的剩下两样是数据和算力：即使有钱， securing 算力如今也非常困难。

他还有个秘密武器：联合创始人 Yann Lequin（AMI 的执行董事长，世界模型研究的提出者）正是他在 Nabla 的投资人和顾问。有一天 Yann 主动找他说：「我认为世界模型已经准备好变得非常大了，在 Meta 之外做会更快，我需要一个 CEO。

」Alex 答应了，因为他自己早有这个信念——第一家公司做了 10 年客服聊天机器人，他的结论是「我们不能作弊」：机器可以谈论猫，但如果它从未见过、摸过、和猫玩过，「那它永远也不会非常非常聪明」。这就是所谓 grounding：你需要对事物有真实的经验才能变聪明。

关于那笔 12 亿美元的种子轮（欧洲史上最大），Alex 有两句耐人寻味的话。找钱不难：「难度不取决于金额，取决于是不是你的第一次」——第一次融资很难，第二次容易，到第三次之后「人们会求着给你钱」。

但真正的代价不是股权稀释，而是外部期望：投资人理解长期愿景，「但如果你融了 10 亿然后两年什么都不做，或者大家两年看不到任何产出，那你要活下来就非常、非常难」。另一个有意为之的选择：办公室在巴黎、纽约、蒙特利尔和新加坡——唯独没有旧金山。从旧金山大厂招人时要求对方搬到纽约，这像一种承诺筛选：「在这么早期的阶段，让人们带着真正的承诺加入，而不是只想试试，这非常重要」。

给现场创业者的建议，他讲了个扎克伯格的故事：被 Facebook 收购一个月后，他想雇 100 名礼宾人员为真实客户订行程并记录全过程来训练模型。按规矩他提前 24 小时提交了备忘录（否则会议取消），准备了一肚子科学论证。

结果扎克伯格说：「我喜欢这个想法，我们会杀死 Google，因为我们会捕获用户意图。我们雇 10,000 名礼宾员吧，不是 100 个。

」Alex 反而得劝他别那么干——最后雇了 200 人。到今天他也不知道扎克伯格是真愿意雇一万人，还是用这种方式逼他说出项目真实的风险。

他的结论：「人们起步时想得太小，试图找一个安全的想法。应该选一个非常窄的问题，但在这个窄通道里有非常大的愿景，并且不要害怕分享它」——如果你在一个非常宽的领域里雄心勃勃，你就没有可信度。

本集带走

• LLM 与世界模型是分工而非替代：语言、数学、编程等低维符号问题归 LLM；机器人等高维、嘈杂、长时程问题，世界模型理论上远优，且训练后参数更少、推理更便宜。
• VLA 被 Alex 判了「糟糕的 hack」：不精确、延迟高、算力成本不可接受（家用机器人 24 小时要 100 美元），世界模型是更对口的解法。
• 初创公司唯一的优势是敢冒险：大公司资源多、品牌强，但发布不了会讲黄段子的聊天机器人；敢冒疯险正是新公司能造出 ChatGPT 级突破的原因。
• 融资难在次数，不在金额：第一次最难，之后越来越容易；大额融资真正的成本是外部期望——两年拿不出成果就很难活。
• 窄问题 + 大愿景：起步时选一个非常窄的问题，但在其中雄心勃勃，并大方分享长期愿景；宽领域的大野心没有可信度。

LLM 就像一个从来没出过门、从未离开过自己出生的那个房间的人，但几个世纪以来每天读遍所有的书。
LLM is like someone who has never gone outside, never left the room they were born in. But read all the books every day for centuries and centuries.
—— Alex · [08:02]

世界模型是一个我们不作弊的模型。我们不通过文本来学习，而是像人类、像动物一样，直接从现实世界学习。
A world model is a model where we don’t cheat. We are not learning through text. We are learning directly like humans, like animals from the real world.
—— Alex · [08:33]

VLA 是一个非常糟糕的 hack：你有一把锤子，你有一个 LLM，然后你看什么都像钉子。
VLA is a very bad hack where you have a hammer, you have a LLM, and you see everything as a nail.
—— Alex · [10:31]

你不可能为家里机器人工作 24 小时支付 100 美元的算力。
You cannot pay $100 of compute for 24 hours of your home robot to work.
—— Alex · [10:51]

但你有一件他们没有的东西：做出疯狂事情的能力，去冒一些险。
But the one thing you have that they don’t is the ability to make crazy things, to take some risks.
—— Alex · [13:59]

所以正是那些当初承诺 AGI 的人改变了定义，并且不再使用这个术语。我认为这是某件事行不通的好迹象。
So the very people who promised AGI changed the definition and stopped using the term. I think it’s a good sign that something is not working.
—— Alex · [16:50]

但如果机器从未见过猫，摸过猫、和猫玩过、也许被猫弄伤过，那它永远也不会非常非常聪明。
But if the machine has never seen a cat, you know, touched a cat, played with a cat, maybe be hurt by a cat, then it will never be very, very smart.
—— Alex · [18:06]

其实，我昨天跟团队说，这 12 亿的真正成本不是股权稀释，真正的成本是期望。
Actually, I told the team yesterday that the real cost of this 1.2 billion was not dilution. The real cost is expectations.
—— Alex · [22:23]

我认为我们会杀死 Google，因为我们会捕获用户意图，这样加上广告以及一切。所以我们雇 10,000 名礼宾员吧，不是 100 个。
I think we will kill Google because we will capture the intent and so with advertising and everything. So let’s hire 10,000 concierge, not 100.
—— Alex · [26:06]

如果我能回到过去，我认为当你起步时，你应该看一个非常窄的问题，但在这个窄问题上要非常、非常雄心勃勃。
If I could go back, you know, I think when you start, you should look at a very narrow problem, but be very, very ambitious in this narrow problem.
—— Alex · [27:25]

但如果你在一个非常宽的领域里非常雄心勃勃，那你就没有可信度。
But if you’re very ambitious in a very wide field, then you’re not credible.
—— Alex · [28:14]