2026 年 4 月 1 日，美國東岸時間下午兩點左右，Brown 大學一間擠滿學生的演講廳。
目錄
- 先講結論：這是 2026 年迄今最重要的一週
- 第一槍：LeCun 在 Brown 大學說「AI sucks」
- 第二槍：Hassabis 公開反駁，連 Musk 都下場站隊
- 第三槍：Jim Fan 宣布「2026 是世界模型之年」，順便開源 DreamDojo
- 第四槍：Karpathy 說「我已經不怎麼用 LLM 寫代碼了」
- 四個人其實在講同一件事
- 給散戶的可執行結論：你該開始注意這兩個詞
- 最後一句
燈光打下來。Yann LeCun 走到講台前。沒有客套，沒有起手式。
他開口的第一句話是——「AI sucks.」
台下安靜了一秒。然後他繼續說：「我們現在有的，是一套能操縱語言的系統。它們用語言騙你以為它們很聰明。但你叫它們去開車、去收拾桌子、去面對真實的物理世界，它們立刻現原形。」
這不是一個外行人在酸 LLM。這個講話的人，是圖靈獎得主、Meta 首席 AI 科學家、卷積神經網路的發明人之一。
更有意思的是，接下來七天，還有三個跟他同等級的人，用各自的方式，對「LLM 路線」開了槍。
先講結論：這是 2026 年迄今最重要的一週
過去三年，整個矽谷的 AI 只剩一條賽道：把大語言模型做得更大、更會用工具、更會寫代碼。Altman、Zuck、Pichai、Dario 四個 CEO 站在同一邊。媒體跟著喊 AGI，散戶跟著買 NVDA。看起來，這場戰爭已經分出勝負了。
結果 2026 年 4 月第一週發生了一件很安靜、但很大的事：
四個親手把 LLM 做出來的人，在同一週、用四種不同的方式，同時對「純 LLM 路線」投了反對票。
他們之間沒有開會串通。彼此立場甚至還在互懟。但四聲槍響在同一週響起，這件事本身，就是一個訊號。
底下我把這四個人一個一個拆給你看。看完你自己判斷：這是巧合，還是 LLM 下半場真的已經開始了。
第一槍：LeCun 在 Brown 大學說「AI sucks」
LeCun 這個人，三年來就一直在講同一句話：大語言模型不是通往智能的路。只是過去沒人聽，因為 ChatGPT 太能打了。
這次在 Brown 演講的狠話，我直接幫你翻譯成人話：
- LLM 懂語言，但不懂物理世界。它知道「杯子從桌上掉下來會摔破」這句話怎麼寫，但不知道「我現在該怎麼接住它」。
- 你家 4 歲小孩的常識，比 GPT-5 還多。因為小孩是用身體學這個世界，不是讀維基百科。
- 只靠餵更多文字、加更多參數，是追不上這種常識的。這條路上限已經在那了。
他的主張是「世界模型（World Model）」——AI 要先學會「預測物理世界下一秒會發生什麼」，才能學會推理。這跟 OpenAI、Anthropic 現在的做法完全是兩條路。
重點不是他講了什麼——他一直都在講這個。重點是，這次他選擇在 Brown 演講用「AI sucks」這種極端措辭，代表他覺得警告的時間不多了。
第二槍：Hassabis 公開反駁，連 Musk 都下場站隊
你以為 LeCun 只是孤狼？同一週，DeepMind CEO Demis Hassabis（也是圖靈獎得主）在 X 上公開跟他隔空對轟。
Hassabis 的說法大致是：LeCun 把「general intelligence」和「universal intelligence」搞混了。能在「人能處理的絕大多數任務」上達到人類水準，就已經是 general intelligence。你不需要等 AI 學會開車才承認它有智能。
講白話：LeCun 說「要會開車才算」，Hassabis 說「會做你 90% 的工作就已經夠了」。
Musk 轉推 Hassabis，留了一句挖苦 LeCun 的話。這場原本是兩個頂級學者之間的技術爭論，瞬間變成矽谷圈的公開吵架現場。
但注意一件事：Hassabis 雖然在反駁 LeCun，可他自己也不是純 LLM 派。DeepMind 這幾年真正投入資源做的，是 Gemini、AlphaProteo、AlphaFold 這類「LLM 當殼、核心是別的東西」的系統。
所以第二槍的真相是：連反駁 LeCun 的人，也不是在捍衛「純粹 LLM 路線」。他只是不同意 LeCun 對 general intelligence 的定義而已。兩個人其實在同一件事上站同一邊——LLM 不夠。
第三槍：Jim Fan 宣布「2026 是世界模型之年」，順便開源 DreamDojo
如果 LeCun 是丟嘴炮，Jim Fan 就是直接把東西砸在桌上。
Jim Fan 是 NVIDIA 的 AI 總監，也是 GR00T 人形機器人項目的 Co-Lead。這週他發了一串長推，核心就一句話：
「LLM 的下一代不是 LLM。是 World Model。2026 是世界模型元年。」
然後他做了一件比喊話更重的事：把 NVIDIA 內部的 DreamDojo 專案直接開源——權重、代碼、post-training 資料集一次放出來。這在 NVIDIA 的慣例裡極少見，等於他不只是在講理論，是在用行動為世界模型路線下注。
他提了一個新詞叫「Second Pre-training Paradigm」。翻成人話就是：
- 第一代 AI 的預訓練素材是文字（維基百科、書、網頁）。訓練完的產物是 LLM。
- 第二代 AI 的預訓練素材是影像、物理模擬、感測器資料。訓練完的產物是 World Model。
- 自駕車、機器人、家庭助理——這些 LLM 做不到的事，要靠 World Model 才有機會。
Jim Fan 這一槍跟 LeCun 的差別在於：LeCun 在說 LLM 錯了，Jim Fan 在說 LLM 對過、但該換下一棒了。前者是否定，後者是迭代。但不管哪種，結論都指向同一個地方：下一個五年的故事，不會只發生在 LLM 身上。
第四槍：Karpathy 說「我已經不怎麼用 LLM 寫代碼了」
前三槍都是隔空對轟，只有第四槍是用腳投票。
4 月 2 日深夜，Andrej Karpathy——前 OpenAI 聯合創始人、前 Tesla AI 總監，過去三年最會教大家用 LLM 寫代碼的那個人——發了一條長推，大意是：
「我已經不太把 token 花在寫代碼上了。現在我大量的 LLM 使用量，是在把論文、GitHub repo、文章、圖片一步一步編譯成我自己的結構化知識庫。單一主題目前已經累積到大約 100 篇、40 萬字。」
這條推文爆了。他後來還補了一版「idea file」版本，說在 agent 時代，分享「想法」比分享「代碼」更有價值。
看到這段你可能會想，「他不就是換了一個用 LLM 的方法嗎？這跟 LeCun 有什麼關係？」
關係在於：過去三年，Karpathy 親自教過全網數百萬人「怎麼用 LLM 寫代碼」。他的 YouTube 頻道、他的 nanoGPT、他的那句 “software 2.0″——幾乎是整個 agentic coding 敘事的起點。現在這個起點出來跟你講：我自己不寫了。
這跟 Altman、Dario 現在還在賣「Claude Code 會取代程序員」的故事，完全不是同一個方向。
LeCun 是大聲說：LLM 路線錯了。Jim Fan 是說：LLM 路線該換棒了。Karpathy 是用動作說：LLM 最被吹的那個應用，我親自用下來覺得沒那麼好。
四個人其實在講同一件事
你把四段話放一起看。表面上他們在互懟，實際上四個人在同一件事上做了同一個判斷——「LLM 是手段，不是終點。」
| 人物 | 身份 | 立場 | 動作 |
|---|---|---|---|
| LeCun | Meta 首席科學家、圖靈獎得主 | LLM 不是未來 | 公開演講「AI sucks」 |
| Hassabis | DeepMind CEO、圖靈獎得主 | 智能的定義比 LLM 更廣 | X 公開隔空反駁 |
| Jim Fan | NVIDIA AI 總監、GR00T Co-Lead | 世界模型才是下一代 | 開源 DreamDojo |
| Karpathy | 前 OpenAI 聯合創始人 | LLM 寫代碼不是最佳用法 | 親自改變工作流 |
你再對照一下，同一週 CEO 們在做什麼：Altman 發 13 頁白皮書，繼續賣「超級智能來臨，要準備新政」的故事。Zuckerberg 丟 Llama 4（還是 LLM）。Google 丟 Gemma 4（還是 LLM）。
四個做技術的人說「LLM 不是答案」，四個做生意的人還在「LLM 再加大」。這個落差，就是這週最值得散戶注意的訊號。
給散戶的可執行結論：你該開始注意這兩個詞
先講一個不負責任但真實的觀察：大部分「AI 路線判斷錯誤」的產業變動，散戶是後知後覺的。等你在中文媒體看到「世界模型時代來了」這種標題，NVDA 早就跑了一波。
所以這週的四聲槍響，給你實際能做的是兩件事：
1. 盯住「世界模型（World Model）」這個詞
它接下來 12 個月會變成新的關鍵字。你會開始看到：NVIDIA Cosmos、Wayve、DeepMind Genie、Meta V-JEPA 這些名字頻繁出現。看到就點進去讀一下，不用深入，有個印象就好。
跟投資的關聯是：世界模型對硬體需求比 LLM 還兇。LLM 吃 GPU，世界模型吃 GPU + 模擬環境 + 感測器資料。NVDA 的第二曲線大概率會從這裡長出來。
2. 重新審視你現在的 LLM 工作流
Karpathy 那條推文其實藏了一個實操指令：不要再把 LLM 當成「寫代碼工具」，開始把它當成「知識管道」。
具體怎麼做？三步：
- 把你讀過的好東西「倒」進 LLM。論文、GitHub README、部落格文章、Podcast 逐字稿——丟進 Claude 或 Gemini，讓它幫你整理成有結構的筆記（不是摘要，是拆成主題的筆記）。
- 按主題累積，不按時間累積。同一個主題的新素材出現，就讓 LLM 整合進原有的筆記，而不是新開一份。三個月後你會有一份該主題的「活的維基」。
- 每週回頭問 LLM 一次。「過去一週關於 X 主題，我累積了哪些新的衝突點或矛盾？」這個問題會逼 LLM 從你的知識庫裡找出「你自己沒注意到的變化」。
這套工作流不需要新工具、不需要新訂閱，就是把你本來就在用的 Claude 或 ChatGPT，從「寫代碼/寫文案」換個用法而已。但它剛好就是 Karpathy、也剛好就是 LLM 最擅長的用法。
最後一句
2026 年 4 月第一週，四個懂 LLM 的人集體轉向。CEO 們還在賣老故事，散戶還在追 AGI 敘事。
歷史經驗告訴我們，當技術發明者本人開始往另一個方向走的時候，轉折通常已經發生了，只是媒體和市場慢了兩季而已。
你不需要立刻做什麼大動作。但下次你聽到「AI 就是 LLM、LLM 就是未來」這種話的時候，記得這週。
延伸閱讀
※ 本文為科技觀察與 AI 產業分析，所有事件時間與引言以英文原始來源為準。文中提及公司與產品不構成投資建議。截至 2026 年 4 月 8 日整理。
發表迴響