Yann LeCun 近期多次公开表示，大语言模型并非通往人类级智能的终点，其核心缺陷在于缺乏对真实世界高维动态的建模与行动后果预测能力。他在访谈中指出，当前 LLM 虽能生成有用产品，但无法有效规划或模拟物理世界，预测行业将在 2027 年初认识到这一范式转变。[[1]](https://www.youtube.com/watch?v=ngBraLDqzdI)
相比之下，DeepMind CEO Demis Hassabis 在 5 月 26 日的 Axios 访谈中强调，AI 代理已是 AGI 的“练习赛”，人类正站在“奇点山脚”，AGI 可能在四年内甚至更早到来，社会需紧急准备。[[2]](https://www.axios.com/2026/05/26/deepmind-ceo-demis-hassabis) 这一表态呼应了 Google I/O 上对 agentic 系统的推进，凸显主流 labs 仍押注 scaling + agent 路线。
两者对比揭示根本分歧：LeCun 主张转向具身智能与世界模型（类似其 Tapestry 项目），强调开放与多学科协作；主流闭源路径则依赖海量数据与算力堆叠，追求快速迭代。过去一年，LeCun 离 Meta 后影响力仍在学术圈发酵，而 Hassabis 等则通过科学发现案例（如蛋白质、数学证明）巩固 scaling 信心。
未来 6-12 个月，关键悬念在于哪条路径先在真实任务中跑通闭环——若 LeCun 式世界模型在机器人或模拟场景验证成功，或迫使大厂调整资源分配；反之，agent 落地若持续证明 ROI，scaling 将继续主导资本流向。
信源：https://www.axios.com/2026/05/26/deepmind-ceo-demis-hassabis
https://www.youtube.com/watch?v=ngBraLDqzdI
