Yann LeCun Lämnar Meta och Satsar 3,5 Miljarder Euro på World Models

Satsningen på 3,5 Miljarder Euro

När någon med LeCuns meriter samlar in 500 miljoner euro vid en värdering på 3 miljarder euro innan lansering, uppmärksammar branschen det. AMI Labs (Advanced Machine Intelligence) startade officiellt i januari 2026 med en enkel men revolutionerande tes: LLMs är en återvändsgränd för verklig intelligens.

LeCun har sagt detta i åratal, men nu satsar han sin karriär på det. På AI-Pulse-konferensen i Paris var han tydlig: "Silicon Valley är helt hypnotiserat av generativa modeller. Man måste göra den här typen av arbete utanför Silicon Valley."

Varför LLMs Inte Räcker

Kärnargumentet är förvånansvärt enkelt. LLMs förutsäger nästa token. Det är allt. De förstår inte fysik. De upprätthåller inte beständigt minne mellan sessioner. De kan inte planera flerstegshandlingar i den verkliga världen.

LeCun hävdar att denna grundläggande begränsning innebär att LLMs aldrig kommer att uppnå den kontextuella förståelse som människor tar för given. Ett litet barn som aldrig sett ett visst föremål kan ändå förutsäga att det faller om man släpper det. LLMs, trots träning på hela internet, kan inte tillförlitligt dra den slutsatsen.

Vad Är World Models Egentligen?

Om du har följt utvecklingen av world models inom AI-video har du sett glimtar av denna teknik. Runways GWM-1 och World Labs Marble är tidiga försök att bygga AI som förstår rumsliga relationer och fysik.

Men AMI Labs går längre. LeCuns vision handlar inte bara om bättre videogenerering, även om det är en del av det. Det handlar om AI-system som kan:

• ✓Observera och interagera med fysiska miljöer
• ✓Simulera "tänk om"-scenarier innan handling
• ✓Bevara kontext över komplexa flerstegsuppgifter
• ✓Överföra kunskap mellan olika domäner

Se det som att ge AI förmågan att föreställa sig saker. Inte i kreativ bemärkelse, utan i prediktiv bemärkelse. Vad händer om jag trycker på den här knappen? Vad händer om jag svänger vänster istället för höger? Vad händer om jag blandar dessa två kemikalier?

Den Första Tillämpningen: Sjukvård

AMI Labs börjar inte med robotik eller autonoma fordon, även om de tydligt finns på färdplanen. Deras första implementering blir inom sjukvården genom ett partnerskap med Nabla, startupen för medicinsk transkription vars VD, Alex LeBrun, nu leder AMI Labs.

Detta är smart positionering. Sjukvården har stora problem med kontextbyten. En patients resa involverar dussintals kontaktpunkter, var och en hanterad av olika system. Om world models kan upprätthålla sammanhängande förståelse genom hela resan bevisar det att tekniken fungerar i miljöer med höga insatser.

Konkurrenslandskapet

AMI Labs går in i ett tätbefolkat fält, men med förmodligen den mest trovärdiga grundaren:

Det som gör LeCuns tillvägagångssätt annorlunda är hans uttryckliga förkastande av LLM-skalningshypotesen. Medan OpenAI och Anthropic lägger resurser på att göra LLMs större satsar LeCun på arkitektonisk innovation. Han tror att genombrottet kommer att komma från hur modeller lär sig, inte hur många parametrar de har.

Varför Detta Är Viktigt för AI-Video

För oss som följer AI-videoområdet representerar AMI Labs något viktigt. De förbättringar i fysiksimulering vi har sett i nyare modeller är små steg mot world models.

Föreställ dig att generera en video och kunna säga "låt nu karaktären plocka upp det föremålet" och AI korrekt simulerar fysiken i den interaktionen. Dit tar world models oss.

Vi har redan sett antydningar om detta i TurboDiffusions realtidsgenerering och Runways experiment med interaktiv video. Men det är fortfarande i grunden diffusionsmodeller med fysik ovanpå. Verkliga world models skulle vända paradigmet: fysik först, utseende sedan.

Paris-Faktorn

En detalj som fångade min uppmärksamhet: LeCun bygger medvetet AMI Labs utanför Silicon Valley, med en stark europeisk närvaro centrerad i Paris.

Det finns ett pragmatiskt skäl: europeisk AI-talang är i världsklass men ofta förbisedd av amerikanska företag. Men det finns också ett filosofiskt skäl. LeCun verkar tro att grupptänkandet kring LLMs är så starkt i Bay Area att verklig innovation behöver geografiskt avstånd.

För europeisk AI är detta bekräftelse. En av de mest prisbelönta forskarna inom området satsar på att nästa genombrott kommer att komma härifrån, inte från Palo Alto.

Vad Kommer Härnäst

AMI Labs har precis startat, men implikationerna är betydande. Om LeCun har rätt står vi inför ett paradigmskifte i hur AI-system byggs.

Den största frågan är timing. World models är teoretiskt övertygande, men kan de leverera praktiska resultat snabbt nog för att göra skillnad? LLMs kan vara begränsade, men de är användbara nu. OpenAI och Anthropic bygger imperier på den användbarheten.

LeCun satsar på att LLM-taket är lägre än folk tror, och att när användare når det kommer de att leta efter alternativ. AMI Labs vill vara redo.

Den Större Bilden

Det jag tycker är spännande med detta drag är inte bara tekniken. Det är vad det representerar för AI-forskningskulturen. Allt för länge har vi haft en monokultur kring transformer-arkitekturer och skala-är-allt-tänkande. Att LeCun startar AMI Labs är ett högprofilerat stöd för alternativa tillvägagångssätt.

Oavsett om world models visar sig vara vägen till AGI eller inte innebär att Yann LeCun är fullt engagerad i tillvägagångssättet att det får ett seriöst, välfinansierat försök. Och det är bra för alla som tror att AI-forskning gynnas av tankemässig mångfald.

De närmaste åren blir fascinerande att följa.