Yann LeCun hat Meta verlassen und dann das getan, worauf alle gewartet haben.
Er gründete AMI Labs, schloss eine Seed-Finanzierungsrunde über 1,03 Milliarden US-Dollar ab, bewertet mit 3,5 Milliarden US-Dollar – die größte Seed-Runde in der europäischen Geschichte. Dann sagte er: Ich werde eine KI bauen, die nicht durch die Vorhersage des nächsten Wortes funktioniert.
Warum LeCun große Sprachmodelle nicht mag
Das ist keine neue Position. LeCun kritisiert den Weg der LLMs seit Jahren. Sein Kernargument ist ein einziges: Textvorhersage allein reicht nicht aus, um echtes Verständnis zu erzeugen.
Egal wie viel Text man in ein Modell stopft, es lernt nur die statistischen Regelmäßigkeiten der Sprache, nicht wie die Welt tatsächlich funktioniert. Ein Kind, das ein Glas von der Tischkante fallen sieht, weiß, dass es zerbrechen wird, ohne jemals etwas über Schwerkraft gelesen zu haben. Ein LLM kann das nicht, weil es keine direkte Wahrnehmung der physikalischen Welt hat.
LeCun nennt dieses Problem Grounding – frei übersetzt: Das Modell muss mit der realen Welt in Kontakt kommen, nicht nur in Worten leben.
AMI Labs ist seine praktische Antwort auf dieses Problem.
Was ist JEPA und wie unterscheidet es sich von LLMs
Die Kerntechnologie des Unternehmens heißt JEPA, Joint Embedding Predictive Architecture, ein von LeCun im Jahr 2022 vorgeschlagenes Framework.
Der grundlegendste Unterschied zu LLMs liegt im Vorhersageobjekt:
- LLM: sagt das nächste Token (Wortfragment) voraus
- JEPA: sagt abstrakte Zustandsrepräsentationen voraus
Das klingt kompliziert, aber der Unterschied ist erheblich. LLMs behandeln jedes Wort als Vorhersageziel, einschließlich inhaltsarmer Füllwörter wie "der", "die", "und" – ein großer Teil der Modellkapazität wird für das Lernen dieses Rauschens verschwendet. JEPA überspringt dies und sagt direkt auf einer abstrakteren Ebene voraus: Wenn du diese Aktion ausführst, in welchen Zustand wird die Welt übergehen?
Deshalb wird es auch Weltmodell genannt – es versucht, intern ein Modell davon zu bauen, wie die Welt funktioniert, und nicht nur die Oberflächenregeln der Sprache zu lernen.
Auswirkungen auf praktische Anwendungen:
- Robotik: muss Handlungsfolgen vorhersagen, JEPA ist dafür natürlich geeignet
- Medizindiagnostik: benötigt kausale Schlussfolgerungsfähigkeit über physikalische Prozesse
- Industriesteuerung: muss Zustandsänderungen kontinuierlich verfolgen
Der CEO von AMI Labs, Alexandre LeBrun, sagte einen bemerkenswerten Satz:
Ich prognostiziere, dass Weltmodelle bald der nächste Finanzierungs-Buzzword werden. Innerhalb von sechs Monaten wird sich jedes Unternehmen als Weltmodell-Firma bezeichnen, um Geld zu sammeln.
Ein Mann, der gerade eine Milliarden-Seed-Runde erhalten hat, sagt das – die Ironie ist maximal.
Die Aufstellung des Unternehmens
AMI Labs hat seinen Hauptsitz in Paris, ist aber gleichzeitig in New York (LeCun lehrt an der NYU), Montreal und Singapur präsent, mit Teams in allen vier Städten.
Kernteam:
- Executive Chairman: Yann LeCun (Turing Award 2018, ehemaliger Chief AI Scientist bei Meta)
- CEO: Alexandre LeBrun (Serienunternehmer, dessen KI-Firma von Facebook übernommen wurde)
- CSO: Saining Xie (Forscher für visuelles Repräsentationslernen)
Anführer der Runde sind Bezos Expeditions, Cathay Innovation, Greycroft, Hiro Capital und HV Capital. Dass Bezos' Geld hereinkommt, zeigt, dass dies kein reines Akademikerspiel ist.
Bemerkenswerter Zeitpunkt
Dieses Ereignis findet einen Monat statt, nachdem Fei-Fei Lis World Labs 1 Milliarde US-Dollar eingesammelt hat. Beide Unternehmen setzen auf Weltmodelle, beide sind von führenden KI-Wissenschaftlern gegründet, beide haben erstaunliche Seed-Runden erhalten.
Das ist kein Zufall. Investoren wittern eine Möglichkeit: Der aktuelle LLM-Scaling-Pfad nähert sich einer Art Decke, und die nächste KI-Generation könnte eine grundlegend andere Architektur benötigen.
LeCuns Aussage, dass Textvorhersage nicht ausreicht, war früher nur eine akademische Kontroverse. Jetzt stehen eine Milliarde Dollar dahinter – die Kontroverse ist zur Wette geworden.
Warum das nicht einfach wird
JEPA existiert als wissenschaftliche Arbeit seit vier Jahren, aber der Nachweis, dass es in realen Systemen funktioniert, ist noch sehr begrenzt. In den letzten vier Jahren waren die Fortschritte der LLMs auf Benchmarks deutlich sichtbar, während die Fortschritte von JEPA relativ verhalten waren.
LeCuns Kritik ist richtig, aber das Aufzeigen eines Problems und die Entwicklung einer besseren Lösung sind zwei verschiedene Dinge.
Und selbst wenn die JEPA-Richtung richtig ist, muss AMI Labs mit einer Industrie konkurrieren, die bereits einen enormen Vorsprung hat. OpenAI, Anthropic, Google wissen um die Grenzen von LLMs; sie bewegen sich auch in Richtung multimodal und agentisch, nur nicht so radikal wie LeCun.
AMI Labs wird bereits mit 3,5 Milliarden US-Dollar bewertet, ohne ein einziges Produkt. Das ist Glaubensfinanzierung, keine Produktfinanzierung.
Aber wenn LeCun recht hat, dann könnten die jetzt eingesammelten 1,03 Milliarden die wertvollste Wette dieses Jahrzehnts sein.
Quellenangabe: Yann LeCun's AMI Labs Raises $1.03B for World Models Development (TechCrunch); AMI Labs Secures $1B Seed Round Led by Yann LeCun (Crunchbase News); Yann LeCun's AMI Labs Raises $1B in Seed Round to Develop World Model AI Systems (The AI Insider); CocoLoop; [AINews] Yann LeCun's AMI Labs launches with a $1B seed @ $3.5B to build world models around JEPA (Latent Space)