Янн ЛеКун привлек $1 млрд для разработки AI-мировых моделей через AMI, бросая вызов подходу на основе больших языковых моделей (LLM).

Что создаёт AMI
Advanced Machine Intelligence (AMI), парижский стартап, сооснователем которого является бывший главный научный сотрудник по ИИ в Meta Янн Лекун, объявил о привлечении более $1 млрд для разработки ИИ-моделей мира. Финансирование оценивает стартап в $3,5 млрд.
AMI стремится создать «новое поколение систем ИИ, которые понимают мир, обладают постоянной памятью, могут рассуждать и планировать, а также являются управляемыми и безопасными». Стартап представляет собой ставку против ИИ-лабораторий, таких как OpenAI, Anthropic и Meta, которые считают, что масштабирование больших языковых моделей приведёт к человеческому уровню интеллекта.
Аргумент Лекуна против подходов, основанных только на больших языковых моделях
«Идея о том, что вы расширите возможности больших языковых моделей до такой степени, что они достигнут человеческого уровня интеллекта, — полная чушь», — заявил Лекун в интервью. Он утверждает, что большинство человеческих рассуждений основаны на физическом мире, а не на языке.
Лекун не отвергает большие языковые модели полностью: «Верно, что [большие языковые модели] становятся действительно хорошими в генерации кода, и верно, что они, вероятно, станут ещё более полезными в широком спектре приложений, где генерация кода может помочь. Это множество приложений, но это совсем не приведёт к человеческому уровню интеллекта».
Практическое применение и бизнес-модель
AMI будет работать с компаниями в производстве, биомедицине, робототехнике и других отраслях, где много данных. Например, Лекун говорит, что AMI может создать реалистичную модель мира авиационного двигателя и работать с производителем, чтобы помочь ему оптимизировать эффективность, минимизировать выбросы или обеспечить надёжность.
Самыми сильными применениями моделей мира будет их продажа другим предприятиям, что не совсем вписывается в основное потребительское направление бизнеса Meta. Лекун говорит, что может разработать эту технологию «быстрее, дешевле и лучше вне Meta» и «разделить затраты на разработку с другими компаниями».
Ключевые детали о компании
- Совместное руководство инвесторами, включая Cathay Innovation, Greycroft, Hiro Capital, HV Capital и Bezos Expeditions
- Другие сторонники включают Марка Кьюбана, бывшего генерального директора Google Эрика Шмидта и французского миллиардера Ксавье Ниеля
- Глобальная с первого дня с офисами в Париже, Монреале, Сингапуре и Нью-Йорке
- Лекун продолжит работу профессором Нью-Йоркского университета, одновременно руководя стартапом
- Среди сооснователей — бывшие руководители Meta Майкл Раббат, Лоран Солли и Паскаль Фунг
- Александр ЛеБрен (бывший генеральный директор Nabla) занимает должность генерального директора
- Сайнинг Се (бывший исследователь Google DeepMind) является главным научным сотрудником
Техническая основа и планы по открытому исходному коду
Лекун годами работал над моделями мира внутри Meta, где он основал лабораторию FAIR. Он разработал архитектуру совместного встраивания и прогнозирования Meta (JEPA) в рамках этого исследования.
AMI планирует создавать технологии с открытым исходным кодом, причём Лекун утверждает, что «искусственный интеллект слишком мощный, чтобы контролироваться какой-либо одной частной компанией». Хотя Meta не является инвестором, Лекун ведёт переговоры с компанией о сотрудничестве, включая потенциальное использование моделей мира AMI для помощников в умных очках Meta.
📖 Read the full source: HN AI Agents
👀 Смотрите также

Agent SDK против Claude CLI: взгляд пользователя на практические различия
Пользователь Reddit задается вопросом о практической разнице между новым Agent SDK для Claude и использованием Claude CLI для локального подключения Opus 4.7.

Результаты тестирования: модели Qwen3.5 на Apple Silicon и AMD GPU с ROCm и Vulkan
Разработчик провел бенчмарк моделей Qwen3.5 (35B MoE, 27B плотная, 122B MoE) на компьютерах Apple Silicon Mac и рабочих станциях с GPU AMD, сравнивая бэкенды ROCm и Vulkan с тестами на масштабирование контекста. Используемое оборудование включало M5 Max, M1 Max и три GPU AMD с различными конфигурациями PCIe.

От подсказок к проектированию спецификаций: переход к архитектуре «Планировщик-Исполнитель»
Развитие ИИ смещается от простого чатового взаимодействия к архитектуре планировщик-исполнитель, где люди выступают в роли инженеров спецификаций. Это требует определения строгих критериев приемки, архитектуры ограничений и паттернов декомпозиции для автономных агентов ИИ.

Анализ цен на инференс показывает 4,4-кратный разброс стоимости одной и той же модели у разных провайдеров.
Анализ цен на инференс для Llama 3.1 70B Instruct показывает 4.4-кратную разницу в стоимости между провайдерами: DeepInfra — $0.20/$0.27 за миллион токенов, а Together — $0.88/$0.88. Для рассуждающих моделей разброс достигает ~30x между DeepSeek R1 и OpenAI o1.