01Yann LeCun拿到十亿美元,要证明大语言模型走错了路
大语言模型连一只猫对物理世界的理解都不如。LeCun把这句话说了好几年,大部分人当他唱反调。他在Meta当了十年首席科学家,现在辞了职。新公司AMI Labs种子轮融了10.3亿美元,他要亲自验证自己的判断。
公司估值达到35亿美元,他只出让了20%股份。投资方包括Nvidia和多家美欧风投,总部设在巴黎。他押注的技术路线叫JEPA,核心思路是让机器观察物理世界的时空变化来构建「世界模型」,直接学世界怎么运转,而不是像大语言模型那样逐字预测文本。
过去三年,几乎所有AI资本都涌向了大语言模型。LeCun相当于拿着十亿美元对整个行业说:你们在优化一个错误的方向。
但这种赌注赢过。本月恰好是AlphaGo十周年。2016年DeepMind用强化学习击败围棋世界冠军李世石,比专家预期提前了近十年,两亿人看了那场比赛。主流认为不可能的技术路线,未必真的走不通。
不过LeCun面对的挑战比围棋模糊得多。围棋有明确规则和胜负标准,「理解物理世界」却是一个边界不清的目标。JEPA在学术论文中有前景,但至今没有可演示的产品。AMI Labs的35亿估值,对应的是一位图灵奖得主二十年的学术积累,而非现成的技术成果。
02同一周,Redox OS全面禁止AI代码,Debian连表态都做不到
Redox OS上周更新了贡献指南:所有提交必须附带开发者来源证书,明确禁止LLM生成的代码,违反者直接拒绝合并。同一周,Debian社区就AI代码政策展开讨论,结论是决定「暂不做决定」。
对立的核心不是AI好不好,而是谁能拍板。Redox是小团队项目,创始人一句话就能定规矩。Debian有上千名维护者,权力分散在委员会和流程中,连「是否需要一个政策」本身都要走提案投票,而社区内部的分歧大到投票都凑不齐共识。
但无论禁还是不禁,问题可能都在别处。同期一篇引发大量讨论的文章指出:AI完全可以通过重新实现的方式合法复现开源代码的功能,而不触发copyleft许可证的约束。它不需要向你的仓库提交代码,直接在项目之外重写一个功能等价的版本。Redox的禁令约束的是贡献者,不是AI本身。
03Amazon要求人工签字部署AI代码,联邦法官叫停AI自主下单
Amazon刚刚规定,所有AI辅助生成的代码变更必须经高级工程师签字才能部署。同一周,Perplexity的AI agent被联邦法官叫停,不得自主替用户下单购物。
一个是企业内部政策,一个是司法禁令,结构完全一样:AI执行,人来批准。
Amazon的政策源于一次具体事故。AI辅助代码引发了服务宕机,事后公司没有去改进AI工具本身,而是在部署流程中重新插入人工审批。出了错要修的不是AI,是流程。
Perplexity案的逻辑类似。法官Chesney认定,这家公司旗下浏览器在「未经授权」情况下访问了用户账户并代为下单。法院直接切断了agent自主行动的权限。
两件事指向同一个模式:AI获得自主执行能力后,制度的第一反应是把人拉回来。Amazon内部备忘录要求变更须经「高级工程师或以上级别」审批,法院则下了临时禁令。

OpenAI放弃与Oracle扩建Stargate数据中心 OpenAI正在退出与Oracle合作扩建Stargate数据中心的计划。 cnbc.com
伊朗冲突升级,数据中心用电成本面临连锁冲击 美国对伊朗军事行动推高油气价格,大西洋理事会全球能源中心研究主管分析了冲突对数据中心电力成本的潜在影响。 theverge.com
OpenAI发布IH-Challenge,训练模型区分可信指令优先级 IH-Challenge通过训练模型优先执行可信指令,提升指令层级遵守能力和抗prompt injection攻击的鲁棒性。 openai.com
Gemini在Google Sheets中达到同类最佳表现 Google发布Gemini in Sheets测试版新功能,用户可通过自然语言描述创建、组织和编辑整张表格,覆盖从基础操作到复杂数据分析的场景。 blog.google
Anthropic在悉尼设立亚太第四个办公室 悉尼将成为Anthropic在亚太地区的第四个办公室。 anthropic.com
ChatGPT新增数学和科学互动可视化教学功能 ChatGPT引入交互式视觉解释功能,学生可实时探索公式、变量和概念。 openai.com
独立分析:Anthropic每位Claude Code用户成本远低于传言的5000美元 针对「Anthropic每位Claude Code用户亏损5000美元」的说法,独立博主Martin Alderson撰文反驳。 martinalderson.com
Ford发布Ford Pro AI,用AI管理商用车队 Ford Pro AI分析商用车辆产生的数据——包括车速、安全带使用和发动机健康状况——并将其转化为车队管理者的可操作建议。 theverge.com
Pokémon Go的AR地图数据正在帮送货机器人认路 Niantic十年间通过Pokémon Go玩家积累的增强现实地图数据,现被用于为送货机器人提供厘米级定位。 technologyreview.com
论文:无监督强化学习能把LLM训练扩展到多远? Hugging Face收录论文系统分析了无监督RLVR方法,该方法不依赖人工标注的ground truth即可生成奖励信号,有望突破监督数据的规模瓶颈。 huggingface.co