AMI Labs 聚焦世界模型：拒绝AGI叙事，深耕物理智能与机器人落地

不追逐AGI热词，坚持世界模型路径

在AI行业普遍热衷于谈论“通用人工智能（AGI）”和“超级智能”的当下，AMI Labs首席执行官Alexandre LeBrun明确表示，公司从未使用“AGI”一词，也不认同“超级智能”这类模糊表述。在他看来，这些概念缺乏技术共识与可衡量边界，容易沦为营销话术，反而遮蔽真正关键的工程目标——构建能理解并预测物理世界动态变化的系统。

世界模型：不是预测下一个词，而是预测下一个状态

AMI Labs由图灵奖得主Yann LeCun参与创立，核心方向是“世界模型”。这一范式与主流大语言模型有本质区别：它不以文本续写或语言生成为首要目标，而是致力于建模现实世界的因果结构与时空演化规律——例如预测物体运动轨迹、环境光照变化、机械部件受力后的形变，或人机交互中动作意图的连续推演。其底层逻辑是让AI具备对物理世界的“常识性理解”，而非仅掌握统计相关性。

机器人：世界模型最迫切的落地场景

LeBrun强调，当前机器人在开放环境中仍面临根本性瓶颈：依赖预设脚本、难以应对未见场景、对突发状况缺乏实时判断能力。问题不在于算力或传感器精度，而在于缺失一个统一的“理解层”——即能将多模态感知输入（视觉、触觉、位姿、声音）融合为连贯物理情境，并据此生成安全、鲁棒行为决策的能力。世界模型正是为此而生：它为机器人提供环境动力学的内化表征，使其能像人类一样“预想后果”，而非仅被动响应。

与大语言模型协同，而非替代

AMI Labs并不将世界模型视为大语言模型的竞争对手。二者定位不同、能力互补：大语言模型擅长符号操作、知识检索与任务规划；世界模型则负责具身推理、空间建模与物理约束验证。在实际系统中，语言模型可生成高层指令（如“把桌上的杯子移到窗台”），而世界模型实时评估可行性（桌面是否平整？杯子重心是否稳定？窗台高度是否超出机械臂工作范围？），并生成底层运动控制参数。这种分工，正在推动AI从“对话智能”迈向“行动智能”。

扎根真实场景，亚洲合作加速推进

AMI Labs尚未发布任何商业化产品，但已实质性启动产业协作。团队正与机器人整机厂商、精密制造企业及消费电子供应链伙伴开展联合验证。近期，LeBrun在首尔参与国际机器学习大会期间，重点对接本地工业自动化企业、半导体设备制造商及高校机器人实验室。选择韩国作为早期合作枢纽，不仅因其在机器人本体、先进封装与工业AI基础设施方面的扎实积累，更因当地政策明确将“物理AI”列为国家战略方向，为真实数据采集与闭环迭代提供了稀缺的试验场域。

高规格融资背后，是长期主义的技术押注

今年3月，AMI Labs完成10.3亿美元融资，投前估值达35亿美元。值得注意的是，这轮融资发生在公司尚无公开产品、未披露技术细节的阶段。资本的坚定入场，反映市场对“脱离纯文本、回归物理世界”的AI范式转向形成共识。LeBrun对此保持审慎态度：所有技术进展将以实际部署效果为唯一标准，产品发布节奏将严格服从于真实环境中的可靠性验证，而非市场预期或概念热度。