事件
李飛飛、Louis Castricato、Yann LeCun 等 AI 頂尖研究者陸續離開或轉向大型語言模型研究，轉投「世界模型」（能讓 AI 理解物理環境的系統）。Castricato 甚至從布朗大學博士班休學，認為 LLM 基礎研究的黃金時代已過。
表面現象
語言模型在過去四年改造了文字、圖像與程式碼生成。但當要求它們執行需要理解物理約束的任務時，失敗率驚人：聊天機器人能描述「如何拿起咖啡杯」的步驟，卻無法真的拿起它；它會建議一個人走 100 公尺去洗車，卻忽略「車必須被開進去」這個物理前提。
根本限制在哪裡
卡內基美隆大學電腦科學院長 Martial Hebert 指出，世界的幾何結構、手臂動態、物體觸覺——這些都是離散、連續、高維、部分可觀測的系統，遠比語言的結構複雜。語言是符號遊戲，遵循統計規律；物理是因果遊戲，遵循拉格朗日力學。
語言模型的訓練邏輯是：給定前文，預測下一個詞（或像素）。這套「下一個元素預測」的範式在語言領域創造了奇蹟——因為人類語言本身的結構多半是線性的序列。但當遷移到物理世界時，這個範式就撞上了牆：
1. 時空耦合性：物理互動不是「下一個詞」，而是同時展開的多維狀態空間。手臂移動、杯子重量、桌面摩擦力、人的平衡感——這些不是按序列預測，而是並行求解的微分方程。
2. 反向推理缺失：語言預測是「給條件、推後果」。但物理任務常常反過來：「我要拿起杯子」→ 反向推理所需的手臂角度、力道、時序。LLM 沒有內建的反向優化機制。
3. 試錯成本：LLM 學習只需電力。但機器人學習需要實體試錯——砸碎 1000 個杯子才學會溫柔。現有 LLM 架構對這種「具體化學習」毫無設計。
更深層的認識論問題
這不只是工程問題，而是認識論邊界的體現。
Dreyfus 兄弟在 1980 年代提出的「技能習得模型」指出：人類從「初級」到「專家」的進階，不是靠累積規則或統計關聯，而是從「規則遵循」逐步轉向「直觀感知」。一個初學者司機記住「紅燈停、綠燈行」；專家駕駛在暴雨中無意識地感知路面摩擦力。
LLM 本質上被困在「初級」階段——它只能記住統計規律與符號遊戲。要達到「物理直覺」，需要的不是更大的語言模型，而是具體化的感覺運動迴圈（sensorimotor loop）。
這就是為什麼李飛飛的團隊在史丹佛建立 Vision and Learning Lab，專注「embodied AI」（具身人工智慧）：不在虛擬文字空間裡預測，而是在模擬物理環境裡反覆互動，直到 AI 發展出對物理世界的「隱喻知識」（tacit knowledge）。
失敗案例的啟示
AI 研究有段時間陷入一個集體幻想：以為「理解語言 = 理解世界」。但 Yann LeCun 的例子戳破了這個幻想：
一個人問 LLM：「洗車店在 100 公尺外，我應該走路去嗎？」
LLM 邏輯：「100 公尺 ≈ 近距離 → 走路合理 → 輸出『是的，走路去』」
人類邏輯：「我需要把車開進洗車店 → 走路去意味著車留在原地 → 不合理」
LLM 看到了表面的符號關聯，卻無法構建「我-車-洗車店」的物理圖景。因為它從未在虛擬或真實世界裡模擬過「把自己與機械物品一起移動」的情境。
產業後果
這個認識論邊界的發現，正在重構 AI 投資版圖：
- **文字生成領域飽和**：OpenAI、Anthropic、Google 的 LLM 已經足夠好。邊際報酬遞減。
- **世界模型成為新前沿**：機器人公司（Tesla Optimus、Boston Dynamics）、自動駕駛公司（Waymo、Cruise）開始吸引頂級 AI 人才。
- **新的訓練範式**：不再是「餵語言文本」，而是「在模擬環境反覆試錯」+ 「遷移到真實世界」。這需要新的基礎設施。