AI 简讯｜重要AI事件：谷歌发布智能体“扩展定律”; Yann LeCun批判当前AI路径，主张构建“世界模型”

每周重要AI事件总结

看这篇就够了

1. 谷歌发布智能体“扩展定律”，AI系统迈向科学化部署

2025年12月12日，谷歌研究团队（Google Research）发布了“Towards a Science of Scaling Agent Systems”的重磅研究成果。该研究通过180组系统性实验，首次量化了多智能体协作、工具使用数量与系统最终性能之间的数理关系。这一发现标志着AI智能体的构建正式告别“炼金术”式的经验摸索，进入了可预测、可量化的工程学新阶段。

技术要点

• 架构效能预测： 研究构建了一个预测模型，能以87%的准确率针对特定任务推荐最优的智能体架构（如独立型 vs 中心化指挥型）

• 错误放大机制：在缺乏中心协调的“独立型”架构中，错误会被放大17.2倍；而引入“指挥官”角色的中心化架构能将错误放大率控制在4.4倍

• 协作收益拐点： 当单个智能体的推理能力达到饱和时，增加更多的智能体进行协作反而会产生“负收益”。此外，过多的工具调用会显著增加沟通开销，降低决策效率

• 任务类型依赖： 在金融分析等可拆分任务中，多智能体协作可提升80.9%的性能；但在强逻辑耦合的顺序规划任务（如复杂游戏规划）中，增加智能体数量往往导致系统崩溃。

重要性

• 从“堆模型”到“调结构”： 证明了在大模型时代，仅仅依靠增加模型参数或智能体数量并不总是有效，架构设计才是决定复杂任务成败的关键

• 业务部署指南： 为企业在自动化流水线、科研助手等场景下部署AI智能体提供了底层的数学依据，极大降低了研发试错成本

2. Yann LeCun批判当前AI路径，主张构建“世界模型”

2025年12月18日，图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）在与DeepMind资深科学家Adam Brown的公开对谈中，对当前占据主流的大型语言模型（LLM）发展路径提出了尖锐批评。他指出，尽管LLM在文本处理上表现惊人，但其“理解”仅是表层和统计性的，严重缺乏对物理世界的基本常识、因果推理及认知能力，甚至“连猫的智慧都不如”。与此相对，LeCun正大力推动其倡导的“世界模型”（World Model）及“联合嵌入预测架构”（JEPA），认为这才是实现高级机器智能（AMI）、让AI真正理解并安全交互于物理世界的根本路径。

技术要点

• 对主流LLM的根本性质疑：LeCun的核心论点是，LLM的运作机制存在先天缺陷。它们通过预测文本序列中的下一个“词元”（Token）进行训练，这只是一种离散的、基于海量文本的统计匹配，而非真正的理解。他用一个生动的对比指出：训练顶级LLM所需的约30万亿词文本信息量，相当于一个四岁孩子通过感官接触世界所获的信息量，但孩子能学会倒水、收拾桌子，而LLM却连洗碗都做不到。这揭示了LLM缺乏具身的、多模态的“世界经验”。

• “世界模型”与JEPA架构的核心主张：LeCun认为，真正的智能应根植于对物理世界运行规律的内化建模。他提出的JEPA架构旨在让AI系统在抽象的“表征空间”中学习和预测世界状态的变化，而非在像素或词元层面进行精确重构。例如，其团队开发的视频世界模型V-JEPA，可以通过观看视频学习预测物体运动，并用于机器人的零样本规划。这种方法摒弃了生成式模型对不可预测细节的过度纠缠，更专注于学习高层语义和因果关系，从而更高效、更接近人类和动物的学习方式。

• 当前AI的三道“认知墙”：LeCun将LLM的局限归纳为三个核心问题，或称“认知墙”：(1) 世界模型缺席：无法理解物理常识和因果关系；(2) 持久记忆短缺：缺乏持续更新和存储世界状态的长期记忆；(3) 推理规划能力断裂：仅能续写，无法进行目标导向的多步骤推理与复杂规划。他认为，不突破这些障碍，仅靠扩大模型规模和算力无法通向通用人工智能（AGI）。

对AI技术进步的重要性

LeCun此次观点鲜明的发声，标志着AI顶尖学者对单一依赖“缩放定律”（Scaling Law）路线的深刻反思与路线分歧公开化。其重要性体现在：

• 挑战技术范式的垄断：在业界资源疯狂涌入LLM竞赛的背景下，LeCun以权威身份指出其天花板和根本局限，为多元化技术路线的探索争取了空间与合法性，鼓励学界和产业界将资源投向具身智能、因果推理等更基础的方向。

• 明确下一代AI的架构方向：他将技术讨论从“模型有多大”引导至“架构应如何设计”，强调了以JEPA为代表的自监督学习、抽象表征预测和物理建模的重要性。这为自动驾驶、机器人等需要与物理世界复杂交互的领域指明了更可行的技术演进路径。

• 重新定义智能目标：LeCun倾向于使用“高级机器智能”（AMI）而非“通用人工智能”（AGI）作为目标，强调构建具备理解、记忆、规划和行动能力的实用系统，而非追求虚幻的、全知全能的人类智能模拟。这使发展目标更具工程可实现性。

扩展阅读：斯坦福大学李飞飞教授的重要观点

• 从语言到空间：斯坦福大学AI实验室负责人李飞飞教授在2025年11月发表的长文中，系统阐述了构建“世界模型”的必要性。她将LLM形容为“黑暗中的文字大师”，指出其知识脱离现实根基。她认为，AI的下一前沿是“空间智能”，而实现这一目标的核心是构建具备生成性、多模态性和交互性三大能力的“世界模型”。这与LeCun关于AI必须理解物理世界基本规律的核心论断完全一致。

• 理论共识与互补：两位权威学者的观点形成了强有力的理论联盟。LeCun从架构缺陷（LLM的“词元预测”本质）和认知墙（缺乏世界模型、持久记忆、推理规划）出发进行批判；李飞飞则从能力愿景（实现空间智能）和模型特征（生成、多模、交互）出发提出建构路径。二者共同为行业指明了超越LLM、转向对物理世界进行理解和交互建模的技术方向。

山石网科是中国网络安全行业的技术创新领导厂商，由一批知名网络安全技术骨干于2007年创立，并以首批网络安全企业的身份，于2019年9月登陆科创板（股票简称：山石网科，股票代码：688030）。

现阶段，山石网科掌握30项自主研发核心技术，申请560多项国内外专利。山石网科于2019年起，积极布局信创领域，致力于推动国内信息技术创新，并于2021年正式启动安全芯片战略。2023年进行自研ASIC安全芯片的技术研发，旨在通过自主创新，为用户提供更高效、更安全的网络安全保障。目前，山石网科已形成了具备“全息、量化、智能、协同”四大技术特点的涉及基础设施安全、云安全、数据安全、应用安全、安全运营、工业互联网安全、信息技术应用创新、AI安全、安全服务、安全教育等10大类产品及服务，50余个行业和场景的完整解决方案。