我们正处在一个被大语言模型（LLM）“刷屏”的时代。从GPT到Gemini，参数竞赛、上下文窗口的无限拉长、跑分榜上的数字狂欢，似乎成了AI发展的唯一叙事。我们惊叹于AI“看图说话”的能力，惊叹于它能写诗、能编程。
但我们内心深处，或许都藏着一个疑问：这，就是通往AGI（通用人工智能）的正确道路吗？
当Yann LeCun、李飞飞和谢赛宁这三位AI领域的泰斗级人物，罕见地联手发表一篇论文时，整个行业都该停下来，认真聆听。
这篇名为「寒武纪-S：迈向视频中的空间超感知」的论文，与其说是一个新模型，不如说是一篇檄文，一记重拳，它瞄准的，正是当前LLM范式最根本的缺陷。
莫拉维克悖论的“幽灵”：AI为何“看”不懂世界？
这篇论文的核心，是一个振聋发聩的观点：超级智能，始于超感知。
什么是超感知？它不是指更清晰的摄像头，而是指智能体真正“体验”世界的能力——像人类一样，吸收源源不断的感官输入，并在内部构建一个关于世界的“模型”。
我们不妨审视一下当下的AI。
我们惊叹GPT-4能“看图说话”，但那真的是“理解”吗？论文的作者们犀利地指出，目前的多模态模型，大多仍停留在“语义感知”阶段。你给它一张图，它告诉你“一只猫在垫子上”。这很棒，但这只是在解析像素和物体的关系。
如果你给它看一段10分钟的第一人称视频，让它“持续数出所有房间里有多少把椅子”，或者“回忆你依次在哪些房间看到了泰迪熊”，AI会立刻崩溃。
这就是“莫拉维克悖论”的当代显现：对人类（甚至一只猫、一只松鼠）来说毫不费力的感知能力，对最顶尖的AI模型来说却难如登天。
LeCun、李飞飞和谢赛宁团队认为，问题出在范式上。我们一直在“强迫”一个基于文本符号训练出来的LLM去“感知”世界，这无异于缘木求鱼。
一场““精心设计”的“失败”：VSI-Super基准的启示
为了证明这一点，团队做了一件“冒犯”行业的事：他们构建了一个全新的基准VSI-Super。
这个基准的任务听起来简单得可笑：
- 长时空间记忆（VSR）：看一段长达几小时的视频，记住插入的“异常物体”出现的顺序和位置。
- 持续空间计数（VSC）：在不断变化的视角和场景中，持续统计物体的总数。
结果如何？顶尖的Gemini 2.5模型，在60分钟的视频上准确率就已惨不忍睹，超过120分钟更是直接“内存溢出”。在计数任务上，当物体增多时，模型的预测值会“饱和”，停在一个小数字上不再更新——这暴露了它根本没有“计数”的概念，只是在背诵训练数据里的“分布”。
更有意思的是，团队紧接着用专门构建的VSI-590K空间数据集，训练了寒武纪-S模型。这个模型在老的空间基准（VSI-Bench）上取得了SOTA（最好）成绩。
但关键来了： 这个“空间特长生”寒武纪-S，在新的VSI-Super基准上，同样惨败。
这场“精心设计的失败”有力地证明了：问题不在于数据不够多、模型不够大、上下文不够长。问题在于，LLM这套“老路”，根本走不通“超感知”这条新路。
大脑的““惊异度”：AI真正该学的是什么？
那么，出路何在？
三位大佬给出的答案，极富远见，甚至带有一丝哲思：预测性感知。
他们将目光投向了认知科学——人脑是如何工作的？
人眼每秒接收的数据量高达Gbit/s，但大脑最终指导行为的信息仅有约10 bits/s。这中间发生了什么？
答案是：过滤和预测。
你的大脑在后台持续运行着一个“世界模型”。它不断地预测“下一秒会发生什么”。
- 如果预测对了（比如你走路时，地面纹理的正常后退），大脑就判定“一切正常”，直接压缩或忽略这些信息。
- 如果预测错了（比如地上突然出现一个洞），预测误差（“惊异度”）就会飙升。大脑立刻拉响警报：“注意！有新情况！”——这才会触发你的注意力，并更新你的记忆。
我们不是在“看”世界，我们是在用“预测”来“过滤”世界。
寒武纪-S团队在模型之上，训练了一个“潜在帧预测（LFP）”模块，来模拟这个“惊异度”。
- “惊异度”低的帧（无聊的、符合预期的），就压缩内存；
- “惊异度”高的帧（意外的、场景切换），就集中计算资源，并将其作为事件边界。
结果是颠覆性的：仅仅依靠这个“惊异度”机制，一个小模型，就在VSI-Super这个“变态”基准上，超越了体量庞大的Gemini。
结语：跳出““内卷””，AI需要真正的“世界观”
「寒武纪-S」的登场，其意义远不止于一个新模型或一个新基准。
它是一次对当前AI发展范式的集体反思。LeCun（LLM批评者）和李飞飞（世界模型布道者）的联手，本身就是一种强烈的信号：AI的未来，不能只靠“大力出奇迹”的Scaling Law。
当下的AI“内卷”，正把我们引向一个“感知能力落后于松鼠”的窘境。我们不需要一个能记住100万个Token、却搞不清“东西在谁左边”的AI。
真正的价值，来自于那些能在现实世界中感知和行动的模型——从工厂的机器人，到医院的手术刀，再到我们每个人都期待的AI眼镜和个人助理。而这一切，都依赖于对物理空间、对因果、对“世界如何运行”的深刻理解。
「寒武纪-S」撕开了一个口子，让我们得以窥见AGI的另一种可能：AI必须构建自己的“世界观”。
这很难，但这很可能是唯一的出路。正如谢赛宁所说：“我不敢说我们的方法就是正确的道路——但我确信，当前的范式是远远不够的。”
超级智能，始于超感知。这场关于“感知”的革命，才刚刚开始。