研究所/创业公司 AMI 已完成 10.3 亿美元融资,投前估值 35 亿美元。该公司由图灵奖得主、前 Meta 首席 AI 科学家杨立昆 (Yann LeCun) 创办。
值得一提的是:谢赛宁,AI 基础研究方面的顶级专家,也是杨立昆的老朋友、学校同事,已经正式加入了 AMI 担任首席科学官。
谢赛宁是视觉表征学习方面的绝对权威,diffusion transformers (DiT) 的共同作者之一。DiT 架构的推出让视觉模型能够和大语言模型一样受益于 Scaling Law。通过用 Transformer 主干结构替代此前沿用十年的 U-Net,谢赛宁等人的工作让复杂、高保真图像/视频模拟得以实现,为 Sora、SeeDance 等顶级视觉生成模型和工具的推出打下基础。
根据 APPSO 获得的一份融资纪要,AMI 本轮融资将用于支持长期科研、全球范围招聘工作,以及世界模型方向上的可靠产品。
杨立昆曾表达过将欧洲树立为中国、美国之外的全球人工智能「第三极」的希望。AMI 公司总部位于巴黎,并将设立纽约、蒙特利尔、新加坡办公室。
AMI 六位核心创始人,四位直接来自 Meta FAIR(基础人工智能研究)团队,另外两位也有深厚的 Meta 渊源。杨立昆担任公司董事长,CEO 另有其人。
今年年初,杨立昆在巴黎公寓接受了《麻省理工科技评论》专访。当时他刚离开 Meta 不久,被问到如何看待 Meta 的 AI 路线,他的回答是:「我可能并不认同他(扎克伯格)所有的决定。但人们做决策是有理由的,没有什么好生气的。」
本轮融资凯辉创新、Greycroft、Hiro Capital、HV Capital、贝索斯远征共同领投;战略投资人当中包括英伟达、丰田创投、淡马锡、软银、马克·库班、穆里耶家族等;跟投方包括埃里克·施密特、阳狮集团、三星、蒂姆·博纳斯·李等。
凯辉创新由中法经济界知名人物蔡明泼创立,他曾投资拼多多、元气森林、京东物流等多家公司
2023年,ChatGPT 爆发之后,大语言模型 (LLM) 几乎成了「AI」的代名词。杨立昆是少数从那时候开始持续公开唱反调的顶级研究者之一。
他的批评基于路线判断。LLM 的本质是文字的统计规律,它能够很好地操控语言,但理解不了物理世界,无法真正地做「推理和规划」(在当时)。
在《麻省理工科技评论》专访中,杨立昆表示:「为什么我们没有一个像家猫一样敏捷的家用机器人」——这句话背后是「莫拉维克悖论」:感知、运动协调、物理直觉,这些对人类来说不需要思考的能力,对 AI 来说恰恰是最难的部分,而 LLM 完全绕开了这些。
简单比喻是婴儿学习重力:没有人告诉婴儿重力方程,但婴儿知道松手东西就会掉,这是从观察中提炼的规律,不是对物理细节的穷举。JEPA 就是让 AI 做同样的事。
AI 在过去十年内取得了显著的进展,预测和生成系统在全球范围改变了我们分析、提取知识、创建内容的方式。现在,当 AI 超越了屏幕的限制,智能不能止步于简单地生成结果。它必须理解情境、保存上下文、预测结果,并且随着时间做出更可靠的行为。
为了实现这一目标,AMI 将打造全新一代的 AI 系统,去理解世界,具备长期维持的记忆,能够进行真正的推理和计划,并且在端到端安全可控。
核心思路是让模型学习世界的「抽象表征」,在那个抽象空间里做预测,而不是试图还原所有细节。
V-JEPA系列是这个思路目前最成熟的工程实现,而它的负责人,世界模型专家 Michael Rabbat,现在在 AMI 担任世界模型副总裁。
谢赛宁近段时间在纽约大学推进的也是相关方向。他的团队发表的「Solaris」,就是用 Minecraft 构建的多人视频世界模型,用以测试 AI 在动态环境下的预测与规划能力。
「我们会有达到人类级别智慧的 AI 系统,」杨立昆表示,「但它们不会建立在 LLM 之上。这不会发生在明年或后年,需要时间,需要重大的概念性突破。而这正是我一直在研究的,也是 AMI 的方向。」
「别做 LLM。没有意义,你们赶不上业界。去发明新技术,去解决当前系统之外的问题。突破不会来自把 LLM 继续做大。」
从卷积神经网络 CNN,到 JEPA,再到在原 Facebook 时代创立的 FAIR,杨立昆一直在做困难的、看起来需要很长时间才能验证的事情。这一次,他得到了 10 亿美元、一支旧将和老朋友组成的团队——以及更重要的,自主权。
谢赛宁在加州大学圣地亚哥分校取得计算机科学博士学位,随后在 Meta FAIR(硅谷总部)工作四年,再到 Google DeepMind 担任 GenAI/nano 团队研究科学家,同期担任 BYU 库朗数学研究所助理教授。他的谷歌学术引用量超过 9.6 万次。
这篇论文把扩散模型的骨干网络从 U-Net 切换到 Transformer 架构,在此之前,图像生成领域的扩散模型普遍沿用 U-Net,这是一个已经用了近十年的视觉分割架构。DiT 发布后,质量和可扩展性同步提升,成为生成模型新架构的标准参照。后来的 Sora、Stable Diffusion 新版本,以及今天风靡全球的 SeeDance 视觉模型,底层都在这个框架的延伸路线上。
值得一提的是,写出 DiT 的 Peebles,如今是 OpenAI Sora 团队的核心负责人之一。另一位他的学生郭文景 (Demi Guo),是知名 AI 视频创业公司 Pika 创始人。
谢赛宁本人的更多注意力放在了世界模型上。根据 APPSO 获得的 AMI 联合创始人名录,谢赛文的部分只写了一句介绍:
ConvNeXt:2022年,与 Meta FAIR 同事合作,把卷积网络重新拉回到与 Vision Transformer 正面竞争的水平,证明架构创新可以挽回被认为已经「过时」的路线。
MoCo:Momentum Contrast,同样与何恺明合作,是自监督视觉表征学习的奠基工作之一。
在他加入 AMI 消息曝光之前,他的个人网站上有一行字:「2026年春夏学期将休假」。
杨立昆在此前的《麻省理工科技评论》专访中被问到谢赛宁是否会加入时,没有直接确认,说的是:「我已经雇了他两次了。我在 FAIR 雇了他,后来也说服了 NYU 的同事把他招进来。我对他有很高的评价。」
两人有大量公开的合写论文,覆盖多模态 LLM 的视觉局限性研究到空间推理。
Meta 旗下的 FAIR,在上一个 AI 周期的鼎盛时期,是全球最受尊重的工业界 AI 研究机构之一。它的研究风格更偏学术:发论文、做开源、鼓励长期研究,和 OpenAI、Anthropic 那种以产品商业化为核心的模式有根本的不同。迄今为止最重要的 AI 训练框架 PyTorch,以及最早一批的开放权重大模型 Llama,都来自于 FAIR
杨立昆在专访里提到,FAIR 的机器人研究团队后来被裁撤,他认为这是一个战略失误。这可能是他选择离开的原因之一,尽管他没有直说。
而他领导的 AMI 团队,在某种意义上,是 FAIR 蒙特利尔和巴黎团队的「精华重组」。六位核心创始人,四位直接来自 FAIR,另外两位也有深厚的 Facebook/Meta 渊源。
负责世界模型研究的迈克尔·拉巴特 (Michael Rabbat)。他将在 AMI 负责蒙特利尔办公室。拉巴特是原 FAIR 蒙特利尔实验室的创始成员之一,在麦吉尔大学任教十余年后全职加入 Meta,在那里主持研发了 I-JEPA、V-JEPA、V-JEPA 2 三个世界模型系列。
V-JEPA 2 是其中影响最大的:通过视频自监督训练,只需不到62小时的机器人操作数据,就可以在完全陌生的实验室环境里零样本控制机械臂完成抓取任务。这套方法的核心逻辑,和 AMI 整个公司的技术路线直接相连。
公司的 CRIO(首席研究与创新官)是知名中国计算机科学家冯雁 (Pascale Fung),AAAI、IEEE、ACL 等顶级学术机构会士,香港科技大学讲席教授。
她出生于上海,曾经在京都大学、法国国家科学研究中心、哥伦比亚大学进修。在 Meta FAIR 的后期工作是具身 AI 和视觉语言世界模型,主要应用场景是智能眼镜。冯雁目前担任香港科技大学电子及计算机工程系
COO 劳伦·索利 (Laurent Solly) 是这支团队里背景最特殊的一位:曾任法国前总统萨科齐的办公室主任,后来在 Meta 担任欧洲业务 VP,主导了 FAIR 巴黎实验室的选址和落地。索利拥有ENA 和 Sciences Po 双学位,是这家科研背景公司通往欧洲政商渠道的关键接口。
AMI 的CEO 由亚历山大·勒布恩 (Alexandre LeBrun) 担任。他是法国人,毕业于巴黎综合理工学院,是一位知名连续创业者,创办的公司都聚焦于拉近「基础科研-真实世界」之间的距离。
勒布恩的第一家最早的公司 VirtuOz 做的是企业对线 年前后创立,当时「AI」还远未变成一个流行词,公司后来被 Nuance 收购(Nuance 此后并入微软)。然后是 Wit.ai,一家自然语言理解公司,拿到 Y Combinator 的投资,2015 年被 Facebook 收购。
随后,勒布恩进入 Meta 主导 FAIR 巴黎的工程工作。离开后创立的 Nabla 做 AI 医疗助手,在欧洲拿下了相当规模的医院客户。
杨立昆深刻认识到自己的优劣势。他坦率地表示:「我可以做管理,但我不喜欢。这不是我的人生使命。我更像是一个有远见的科学家。」
正如前面提到,投资方包括贝索斯远征、英伟达、淡马锡、软银、马克·库班、穆里耶家族、埃里克·施密特、Mistral、阳狮集团、三星、蒂姆·博纳斯·李等——
有全球 AI 的霸主、新加坡/法国的主权基金和国投部门、欧洲最大的开源大模型公司、谷歌前 CEO、顶级科技大佬家办——新钱老钱齐聚。
这种高度多元化的组合,在一轮投资表上一起出现极为罕见,呈现出明显的全球地理分布但高度聚焦欧洲本土,利益关系遍布 AI 学术研究、基础设施、工业、终端应用科技等多个层面的特色。
这笔融资的多元化属性,背后的逻辑其实很有前瞻性:杨立昆曾解释过,很多国家存在主权问题,它们希望对 AI 有一定的控制权。如果未来人们所有的信息都只能经由美国闭源公司的模型,或者中国开源模型来中介,这不是一个令人愉快的未来。
AMI 要做的,是一个既不依附于美国,也不依附于中国的前沿 AI 公司,根据地在欧洲,路线是开源——打造一个 AI 的新「第三极」。