谢赛宁：当所有人都在抢答，谁还在定义问题

一句话总结：AI 真正稀缺的从来不是答案，而是定义问题的能力——谢赛宁要做的，是把这项能力从榜单与商业竞争手里夺回来。

开场

过去三年，AI 的叙事被一条主线统治：大语言模型（LLM）→ 通用人工智能（AGI）→ 超级智能。所有头部公司挤在同一条赛道上，争的是榜单名次、产品周期和融资规模。

但谢赛宁（Saining Xie，纽约大学计算机视觉研究者）在这场 7 小时访谈里点破了一个被忽视的事实：在这套「军备竞赛」里，连最强的研究员都失去了定义问题的能力。问题由榜单定义，榜单决定资源分配，资源分配又反过来规定研究者「能做什么、不能做什么」——研究本身被抽走了氧气。

那么，一个真正想做前沿探索的研究者，今天该站在哪里？答案不在硅谷。

答案是一句话：智能的本质是「预测」而非「记忆」，而要做这件被主流让渡掉的事，必须先逃出 LLM 的叙事、用「反向 OpenAI」的方式重新拿回定义问题的权利。下面分三层展开。

金字塔总览

mindmap
  root((定义问题<br/>而非抢答案))
    一·世界模型
      智能终局是预测
      视觉是一种视角
      JEPA 在抽象空间预测
    二·逃出硅谷
      价值链锁死研究
      资源分配抽走氧气
      榜单替研究者做决定
    三·反向OpenAI
      数据要去真实世界淘
      草根联盟对抗垄断
      两次拒绝 Ilya 的分歧

一、世界模型：智能的终局是「预测」，不是「记忆」

1.1 视觉不是一个任务，而是一种「视角」

谢赛宁反复强调：他做的 computer vision，并不是「识别猫狗」这类具体任务，而是一种看待智能的视角（perspective）。

• 它处理的是连续、高维、带噪音的信号——这跟纯语义空间里的语言模型根本不是一个市场
• 它的核心是层次化表征：抽象 = 泛化，没有层次就无法解决真实世界的问题
• 一句话点透：解决视觉不是为了解决视觉，而是为了解决智能本身（眼睛是唯一暴露在真实世界里的那部分大脑）

1.2 世界模型其实「无比朴素」

谢赛宁给出的世界模型定义，朴素到近乎 trivial：给定当前状态 S 和一个动作 A，学一个预测函数 F，去预测下一刻的状态。

这并非新概念——1943 年生理学家 Kenneth Craik 就提出：人脑里有一个模型，能预测「我做这个动作会有什么后果」。把手伸进火里会疼，所以你不伸。预测后果，才能指导决策。

1.3 关键不在「重建」，而在「抽象」

这正是杨立昆（Yann LeCun）JEPA 思想的内核，也是谢赛宁说自己「从质疑到理解再到成为」的那条路线：

金句：世界模型的终局是预测，不是把世界一帧一帧背下来——智能是「filter 信息」，不是「记住信息」。

二、逃出硅谷：是「价值链」锁死了研究，不是研究者不想做

2.1 一条隐形的价值链，正在替研究者做决定

谢赛宁画出了当下 AI 行业的因果链条：

AGI / 超级智能的叙事
   → 定义了一批 benchmark（要打的榜）
   → benchmark 决定了 resource allocation（资源怎么分）
   → 资源分配决定了「研究者能做什么」

问题在于：当目标是榜单第一名时，研究者觉得「什么对、什么错」已经和资源能投向哪里彻底脱钩了。

2.2 不是没人想做，是没人「被允许」做

谢赛宁发表视频理解论文（REA）后，好几个大厂研究员私下找他，说的话一模一样：「我也觉得这件事是对的，我做了两个星期——然后 manager 说接下来有产品周期，不能做了。」

2.3 被抽走的，是研究的「氧气」

核心模型团队必须在高度竞争的赛道上冲到最前——这件事会压榨掉环境里供研究自由呼吸的氧气。所以谢赛宁的选择不是加入任何一个 lab，而是离开这套叙事。

金句：在有限游戏的强竞争里，每家公司都失去了定义问题的能力——研究变成了产品问题、商业问题。

三、反向 OpenAI：拿回定义问题的权利

3.1 为什么是创业，而不是另一个大厂

谢赛宁与杨立昆共同创立 AMI Labs（总部巴黎，并设纽约、蒙特利尔、新加坡四地），他自任联合创始人兼首席科学家。这家公司被刻意定位在「之间」：

• 不是纯学术 lab（要有 business model）
• 不是封闭式大模型公司（不在现有范式里卷）
• 约 30% 留给完全自由的前沿探索，其余服务于「让研究突破得以发生」

3.2 「反向 OpenAI」：世界模型需要这个世界

谢赛宁用一个精妙的对照解释了商业逻辑：

真实世界的数据是隐形的——农场、医院、一台装着上千个传感器的飞机引擎，这些数据不会被传到 YouTube。它们既藏着问题的定义（来自真实需求），也藏着训练世界模型必需的非视觉信号。所以世界需要世界模型，世界模型也需要这个世界。

3.3 草根联盟：他用「万事达卡」打比方

面对头部公司的垄断，AMI 想做的是去中心化的联盟：就像当年各家小银行联合起来推出 Mastercard 对抗 Visa，无数有具体问题、有数据、却挤不上 AI 牌桌的公司可以携手共建一个通用世界模型，再形成「交付模型 → 产生新数据 → 反哺模型」的闭环。

这也解释了他两次拒绝 Ilya（Sutskever）的底层分歧——第二次（SSI 成立时），他问 Ilya 怎么看多模态与通用感知，Ilya 答「这件事已经解决得不错了」。而在谢赛宁看来，这恰恰是没解决的终极问题。他不认为这是「对立」：兄弟爬山，各自努力。他甚至认为 AGI 是个伪命题——人脑能处理的视觉函数趋近于零，智能从来是高度专门化的，不存在脱离具体世界的「通用」。

金句：别人从互联网抄捷径，AMI 选择那条更难的路——去真实世界里，把问题和数据一起淘出来。

一页速览

一句话收束

生命的答案是 42，但你得先问对问题——AI 也一样，谁掌握了定义问题的权利，谁才真正在做研究。