JEPA: 具身智能、自动驾驶、通用人工智能技术路线作者千问提示词作者将狼才鲸编写日期2026-07-30一、那篇论文《When Does LeJEPA Learn a World Model?》2026年5月25日 arXiv Yann LeCun杨立昆参与署名为世界模型补上关键数学证明的里程碑之作。基本信息项目内容论文标题When Does LeJEPA Learn a World Model?作者David Klindt,Yann LeCun, Riccardo Balestriero发布日期2026年5月25日arXiv 编号2605.26379作者身份LeCun 此时已离开 Meta以纽约大学教授 / AMI Labs 联合创始人身份署名核心问题JEPA 到底在什么条件下能真正学到世界的底层物理结构而不只是拟合像素表面的统计相关这是 LeCun 自 2022 年提出 JEPA 蓝图以来一直悬而未决的理论根基问题。此前 I-JEPA、V-JEPA、LeWorldModel 等工作都在做出来、跑起来但始终缺少一个严格的数学回答它为什么能 work什么时候会失效核心定理论文给出了一个可学习性定理Learnability Theorem当世界的潜在变量如物体的位置、速度、朝向等服从高斯分布且相邻时间步的状态之间只叠加平稳的小扰动即状态转移是温和的时——LeJEPA 学到的抽象表征能与真实世界的潜在变量建立起线性对应关系。也就是✅AI 不是在死记硬背像素而是真的还原出了世界的内在物理结构位置、速度等。✅ 这种对应关系是线性的意味着表征空间与真实物理空间之间存在简洁、可解释的映射。⚠️ 但如果潜在变量不服从高斯分布或状态转移过于剧烈/非平稳定理的保证就不再成立——JEPA 可能退化为表面拟合。贡献从工程直觉到数学证明的跨越为整条 JEPA 路线奠定理论合法性明确了 JEPA 的适用边界论文不仅证明了什么时候能 work也隐含了什么时候不能 work——当世界状态高度非高斯、非平稳时例如极端混沌系统JEPA 的理论保证失效。这为后续研究指明了改进方向。引发产业与资本共振在 JEPA 演进史中的位置2022.06 LeCun 立场论文《A Path Towards Autonomous Machine Intelligence》 ↓ 提出 JEPA 蓝图 2023 I-JEPA图像 2024 V-JEPA视频 2025.06 V-JEPA 2100万小时视频12亿参数开源 2026.03 LeWorldModel15M参数单GPU48倍加速 2026.03 V-JEPA 2.1 / ThinkJEPA 2026.05 ★ When Does LeJEPA Learn a World Model? 2026.06 AdaJEPA测试时自适应持续学习 2026.07 VISReg攻克表征坍塌难题LeCun连续转发这篇 5 月论文正处于 JEPA 从工程验证期迈入理论成熟期的转折点上。二、通用人工智能的技术路线在排除了三维空间生成、物理交互仿真、认知与主动推理、视觉/视频生成以及以语言/多模态为中心的广义表征VLM/VLA之后世界模型赛道仅剩下最纯粹的“JEPA联合嵌入预测架构抽象表征派”。这条路线不渲染像素、不构建3D引擎、不依赖语言文本对齐、也不套用神经科学的主动推断黑盒而是纯粹在抽象的潜在表征空间隐空间中通过掩码自编码等机制学习物理意义、预测结构与世界演化规律。在这个极度收敛的“纯 JEPA”赛道中全球及中国的代表性机构与公司如下一、 全球 JEPA 理论源头与标杆这是纯 JEPA 路线的灯塔也是具脑磐石在理论上最直接的对标对象。AMI Labs图灵奖得主 Yann LeCun 杨立昆创立路线定位纯 JEPA 路线的“原教旨”标杆。坚决反对自回归像素生成和单纯的语言模型 Scaling主张让 AI 像人类一样在抽象表征空间中学习和预测世界运行规律。核心成绩2026年3月完成10.3亿美元种子轮融资估值达35亿美元创下欧洲AI领域最大种子轮纪录。目前正处于底层理论验证与 AMI高级机器智能架构攻坚阶段。Meta FAIRMeta 基础人工智能研究实验室路线定位JEPA 技术的发源地。核心成绩先后开源了I-JEPA图像和V-JEPA视频模型。在学术界和工业界证明了通过掩码自编码在隐空间学习时空规律的可行性为全球抽象表征派提供了坚实的底层算法基石。二、 中国 JEPA 路线的工程化落地者在排除了其他所有路线后国内真正死磕“纯 JEPA 抽象表征”并试图将其工程化的公司极为稀缺。具脑磐石是该路线下国内最核心、甚至可以说是唯一的代表性企业。具脑磐石路线定位国内唯一明确对标杨立昆 AMI 的创企主打 JEPA 工程化Cognitive World Model。不逐像素学习也不依赖语言作为对齐中心而是在隐空间中学习抽象分布理解概念背后的稳定结构例如理解“容器”的抽象概念而非穷举杯子的像素或文本特征。核心成绩资本认可2026年5月完成新一轮亿元级融资此前已完成数千万种子轮由具备类脑与具身产业背景的顶尖产业资本领投。工程落地将 JEPA 从算法框架推进到真实机器人系统在具身感知交互、规划等方向完成系统级验证并在国内汽车产业链龙头及海外工业场景完成真实 PoC。数据效率在 Open X-Embodiment 等基准数据集上实现了用约 1/10 数据完成同等技能学习的阶段性验证结果用真机实测证明了 JEPA 路线“低数据、高泛化”的核心优势。 总结褪去所有浮华后的“终局之路”当您排除了 3D、仿真、主动推理、视觉生成和 VLM/VLA 后世界模型赛道褪去了所有“视觉奇观”和“语言红利”的浮华只剩下“纯 JEPA抽象表征”这一条最硬核、最反共识的路线。竞争格局这条路线目前在全球范围内主要由Meta/AMI Labs引领理论由具脑磐石在中国进行工程化突围。核心信仰尽管纯 JEPA 路线在短期内缺乏“视频生成”的直观震撼也没有“VLA大模型”的暴力美学但 Yann LeCun 和具脑磐石等坚守者坚信智能的本质是理解事物背后的抽象概念和物理因果而不是死记硬背像素或文本细节。业界普遍认为这是突破当前具身智能“数据荒”与“泛化难”瓶颈通向真正 AGI 的终局架构。
