杨立昆关于"AI 智能不如猫狗”的言论并非单纯贬低，而是基于当前大语言模型在物理认知与逻辑推理上存在架构性短板的深刻洞察。
1. 杨立昆的核心论断：物理常识的缺失
杨立昆多次公开指出，当前的人工智能系统尽管在语言处理上表现优异，但在理解物理世界方面远未达标。他认为，现有的 AI 甚至不具备一只家猫或宠物狗的智能水平，因为动物能够理解物理规律、进行持久记忆和分层规划，而大语言模型（LLM）仅能通过统计规律预测文本，缺乏对现实世界的基本认知 。例如，AI 可以通过律师考试，却无法像 10 岁孩子一样学会将碗盘装入洗碗机，这种对物理交互的无知被视为智能的根本缺陷 。
Meta首席AI科学家：AI智力连狗都不如，不应看成威胁
2. 大语言模型的根本缺陷
业界普遍认为，当前大语言模型存在难以通过单纯扩大规模解决的根本性局限：
* 统计建模而非真正理解：LLM 本质上是基于海量文本的统计建模，擅长“填空”和预测下一个词，但无法形成对逻辑、因果关系及物理世界的真正理解 。
* 架构性幻觉：研究表明，基于变压器架构的模型在丢失关键信息时会出现“推理失败”，且幻觉问题可能源于底层架构，即便拥有无限算力也难以彻底消除 。
* 缺乏核心智能特征：杨立昆总结当前 AI 缺失四大人类智能核心特征，即理解物理世界、持久记忆、逻辑推理与分层规划能力，现有的“打补丁”式优化无法从根本上解决这些问题 。
* 语义理解桎梏：纯文本训练导致模型无法理解模糊语义背后与三次元交互的真正指向，这被认为是纯文本路线的天然桎梏 。
3. 行业路线分歧与新趋势
针对 LLM 的局限，科技界出现了明显的路线分歧与转型：
* 世界模型路线：杨立昆主张放弃纯语言训练，转向构建“世界模型”（World Model），通过视频等多模态数据让 AI 学习物理规律和因果关系，他离职 Meta 后创办的 AMI 公司即致力于此方向 。
* 空间智能兴起：包括李飞飞在内的多位专家也认为大语言模型被高估，提出“空间智能”概念，强调三维空间推理才是实现通用人工智能（AGI）的关键 。
* Meta 内部动荡：据媒体报道，杨立昆与 Meta 管理层在 AI 战略上存在分歧，他批评公司过度追求短期产品化甚至涉嫌操控测试基准，这反映了产业界在技术探索与商业回报间的矛盾 。
4. 未来展望与风险提示
尽管 LLM 存在缺陷，但其在特定任务上的价值仍被认可，未来的 AI 发展更倾向于多模态融合与系统级智能体协同 。杨立昆预测，基于世界模型的物理 AI 革命将在未来几年内拉开序幕，但这需要架构创新和更深层的整合，单纯堆砌算力已被证明是无效内卷 。值得注意的是，关于模型造假及技术路线的具体争议，部分信息源自单一信源或内部爆料，公众在看待相关技术评估时需保持理性，关注实际落地能力而非单纯的基准测试分数 。
