杨立昆怒批Meta新任AI负责人亚历山大·王缺乏科研经验，揭露Llama 4造假丑闻，重申LLM无法通向超级智能，已自立门户探索新路径。
颜色拉满！AI教父怒怼28岁天才CEO：你根本不懂科研！
2026年初，AI圈炸了！Meta前首席AI科学家、图灵奖得主杨立昆（Yann LeCun）在接受《金融时报》专访时火力全开，直接点名批评Meta最新聘请的“超级智能实验室”负责人、Scale AI联合创始人亚历山大·王（Alexandr Wang），称其“毫无科研经验”，甚至暗示他根本不懂AI研究该怎么搞。
杨立昆坚定认为大语言模型（LLM）在通向超级智能的道路上是一条死胡同，而Meta却正押下140亿美元重注，把宝全押在LLM上。更劲爆的是，杨立昆透露Meta内部曾“篡改Llama 4测试结果”，导致扎克伯格对整个生成式AI团队彻底失去信任，进而全面重组，把原团队“边缘化”。
如今这位AI教父已自立门户，创办“高级机器智能”（Advanced Machine Intelligence）公司，誓言要用非LLM路径打造真正的通用人工智能。
这场风波不仅暴露了Meta内部的剧烈动荡，更折射出整个AI行业在技术路线上的深层撕裂。
杨立昆怒斥：他连科研怎么搞都不懂！
杨立昆在采访中毫不留情地指出，28岁的亚历山大·王虽然“学得很快，知道自己不知道什么”，但在科研实践方面完全是个门外汉。
“他没有任何科研经验，也不懂科研是怎么做的——更不知道什么会让研究员感到吸引，什么会让他们反感。”
这句话杀伤力极大。
亚历山大·王是谁？他是估值一度超过70亿美元的AI数据标注公司Scale AI的联合创始人，年少成名，曾被《福布斯》评为“30位30岁以下精英”，是硅谷炙手可热的天才创业者。
但杨立昆显然不买账：创业成功不等于懂AI前沿研究。在杨立昆看来，Meta把这样一个缺乏底层科研训练的人放到领导“超级智能”这样高远目标的位置上，无异于让一个会开车的人去设计发动机——方向完全错了。
更讽刺的是，在Meta的AI组织架构调整后，亚历山大·王一度成了杨立昆的“上级”。但杨立昆直言：“你不能命令一个研究员该做什么——尤其不能命令像我这样的研究员。”这句话既是对王的不屑，也是对Meta管理层干预科研的抗议。
扎克伯格140亿美元豪赌，背后竟是Llama 4造假丑闻？
杨立昆透露，Meta高层对AI团队的信任崩塌，源于Llama 4发布时的一场“技术造假”风波。
据他所说，Meta的AI团队在Llama 4的基准测试中“动手脚”（fudged the results），试图美化模型性能。这一行为被外界质疑是在“操纵评测标准”，引发广泛批评。而扎克伯格对此极为震怒，“他对所有参与此事的人彻底失去信心，基本上把整个生成式AI组织都边缘化了。”
正是在这一背景下，Meta急需一个“外人”来重整旗鼓，于是不惜砸下140亿美元投资Scale AI，并把亚历山大·王“挖”过来掌舵超级智能实验室。
杨立昆认为，这一决策是情绪化的产物，而非基于对AI技术演进的理性判断。
扎克伯格急于看到成果，但真正的AI突破需要时间、耐心和对基础科学的尊重——而这些，恰恰是“互联网思维”驱动的快节奏公司最难提供的。杨立昆的潜台词很清晰：用烧钱和挖人解决不了根本问题，尤其当新掌舵者连科研文化的土壤都不了解时。
LLM是死胡同？杨立昆的“非主流”AI路线图
杨立昆对当前主流大语言模型路线的批判，早已不是秘密。
他反复强调，LLM本质上是“下一个词预测器”，缺乏对物理世界、因果推理和目标驱动行为的理解，根本无法通向超级智能。
他在采访中放话：“我敢肯定，Meta内部很多人——也许包括亚历山大·王——都希望我别再告诉全世界LLM在超级智能这条路上基本是死胡同。但我不会因为某个家伙觉得我错了就改变主意。我没错。作为一个科学家的 integrity（操守），不允许我这样做。”这句话掷地有声。
杨立昆正在用行动证明自己的信念——他创办的新公司名为“高级机器智能”（Advanced Machine Intelligence），正是要探索基于世界模型（World Models）、自监督学习和具身智能（Embodied AI）的新路径。
他明确表示自己不会担任CEO：“我是科学家，是愿景家。我擅长激发人们去做有趣的事，也擅长预判哪些技术会成功。但我当不了CEO——我太混乱了，而且……也太老了！”这番自嘲背后，是对科研初心的坚守。
亚历山大·王是谁？从数据标注少年到Meta AI掌舵人
要理解这场冲突的张力，必须了解亚历山大·王的崛起轨迹。
他1997年出生，19岁从麻省理工学院辍学，与同学创立Scale AI，最初业务是为自动驾驶公司提供高质量图像标注服务。随着LLM兴起，Scale迅速转型为AI训练数据平台，为OpenAI、Meta等巨头提供数据清洗、微调和评估服务。
Scale因此成为AI基础设施的关键一环，王本人也成为硅谷最年轻的独角兽创始人之一。
他的优势在于工程化、产品化和商业化能力极强，擅长将AI技术打包成可交付的产品。但杨立昆质疑的正是这一点：工程能力≠科学洞察力。Meta看中王的执行力和对LLM生态的熟悉，希望他能快速推动AI产品落地；但杨立昆认为，超级智能不是靠堆数据、调参数、跑评测就能实现的，它需要的是对智能本质的重新思考——而这恰恰是像王这样“完全被LLM洗脑”（completely LLM-pilled）的新一代创业者所缺乏的。
Meta AI大震荡：从Llama到超级智能的迷途
Meta的AI战略在过去两年经历了剧烈摇摆。
最初以开源Llama系列赢得开发者好感，被视为开放AI的旗手；但Llama 3和4在性能上逐渐被竞争对手超越，尤其在多模态和推理能力上暴露短板。
扎克伯格急于在AI竞赛中不掉队，于是转向“All in LLM”战略，重金投入训练更大模型、构建AI代理生态。但内部研发效率和创新乏力，导致高层不满。杨立昆的离开，以及整个生成式AI团队被“雪藏”，标志着Meta从“科学家主导”转向“工程师+产品经理主导”的AI治理模式。
这种转变短期内可能提升产品迭代速度，但长期可能牺牲基础创新。杨立昆的批评，本质上是对这种“快餐式AI”文化的反抗。他担心，当一家公司只关注模型在排行榜上的分数，而忽视智能的底层机制时，它离真正的突破反而越来越远。
科学家 vs 创业者：AI时代的两种英雄叙事
这场争论背后，其实是两种AI发展范式的冲突。
一方是以杨立昆为代表的老派科学家，相信智能源于对世界的学习和建模，强调可解释性、鲁棒性和物理常识；
另一方是以亚历山大·王为代表的新生代创业者，相信规模即智能，认为只要数据够多、算力够强、工程优化到位，LLM就能涌现更高级能力。
前者慢、难、不确定，但可能通向AGI；后者快、见效、可商业化，但可能陷入局部最优。
杨立昆不反对工程化，但他反对把工程当作科学。他在采访中说：“你不能用产品思维来指挥基础研究。”这句话值得所有AI公司深思。当资本和媒体都追捧“下一个GPT”时，真正需要耐心投入的非主流路径，正在被边缘化。而杨立昆的出走，或许正是这种边缘化的最新注脚。
杨立昆新公司剑指何方？世界模型才是未来？
虽然杨立昆强调自己不做CEO，但他的新公司“高级机器智能”显然承载着他的技术理想。
据业内消息，该公司正聚焦于构建能够理解物理规律、具备长期记忆和规划能力的“世界模型”（World Models）。这种模型不仅能预测文本，还能模拟环境动态、推理因果关系、在虚拟或现实世界中完成复杂任务。这与LLM的“统计关联”有本质区别。
杨立昆多次在演讲中指出，人类智能的核心不是语言，而是对世界的操作能力——婴儿通过抓握、爬行、试错来学习物理，语言只是后来叠加的工具。
因此，真正的AI应该先学会“看、动、理解”，再学会“说”。这条路径技术难度极高，短期内难有商业化产品，但杨立昆相信，这才是通往通用人工智能的正道。他的新公司，或许将成为LLM狂潮中的一股“逆流”。
扎克伯格的选择：押注年轻人还是坚守科学？
扎克伯格选择亚历山大·王，反映的是他对AI竞争节奏的焦虑。在OpenAI、谷歌、微软纷纷推出多模态大模型和AI代理的背景下，Meta急需一个能快速交付成果的领导者。王的背景——熟悉LLM生态、有创业经验、擅长与工程师协作——恰好符合这一需求。
但杨立昆的警告是：如果方向错了，跑得越快，离目标越远。南辕北辙！
尤其当“超级智能”成为目标时，仅靠工程优化和数据堆砌远远不够。扎克伯格或许低估了基础研究的不可替代性。历史上，重大技术突破往往来自“不务正业”的科学家，而非KPI驱动的产品团队。Meta能否在保持产品节奏的同时，重建对基础AI探索的耐心？这将是对其AI战略的真正考验。
总之
杨立昆猛烈批评 Meta 新任 AI 负责人亚历山大·王缺乏科研经验，指其“完全被大语言模型洗脑”，并预言更多 AI 人才将离开 Meta。他同时揭露 Llama 4 测试结果被“美化”，导致扎克伯格对原团队失去信任。
本文作者布伦特·D·格里菲斯（Brent D. Griffiths）是《商业内幕》（Business Insider）资深科技记者，长期追踪人工智能、半导体和大型科技公司动态。他以深度调查和独家爆料见长，多次率先报道Meta、OpenAI、谷歌等公司的内部战略调整与人事变动。其吃瓜报道风格兼具技术细节与商业洞察，擅长揭示科技巨头光鲜外表下的组织矛盾与技术困境。
极客一语道破：
是不是扎克伯格一开始对AI定位就有错觉？认为大语言模型估计是十年以后进入实用，所以聘请AI教父科学家另起炉灶，弯道超车，结果变成了弯道翻车？
扎克伯格真正犯的不是科学错误，而是工程判断错误。这一失误可能来自于他大学期间就创建Facebook，又谈女朋友，忙不过来了！
他低估了三件事：
1️⃣ 语言接口本身就是“杀手级世界模型代理”
LLM 不理解世界？但人类社会本身就是被语言编码的世界。
- 法律
- 合同
- 代码
- 商业决策
- 产品需求
- 教程、文档、规范、流程
LLM 不需要理解世界，只要理解“我们如何描述世界”，就能立刻变现。
这是科研路径里完全不重视的一点。
论文BBS升级版的Facebook是语言世界的主战场，身陷主战场却不自知，反而看轻语言的作用，自以为自己很了解，别人老婆更香！
2️⃣ Scaling Law 不是“慢变量”，而是突然穿越阈值
FAIR 那一代人默认：
- 模型能力线性提升
- 推理、规划、对齐需要新范式
- 参数 × 数据 × 训练技巧
- 直接把 LLM 推过了多个“质变阈值”
3️⃣ “弱智能但可部署”击败了“强智能但不可用”
这是最致命的一点。扎克当时的隐含假设是：谁先走到“真正智能”，谁赢
但现实变成了：谁先进入 工作流、API、组织结构、决策回路，谁赢
OpenAI、Anthropic 赢的不是智能，而是：
- 能嵌进 GitHub
- 能嵌进客服
- 能嵌进企业 SOP
- 能嵌进人的每天 8 小时