LeCun ETH演讲：扩大LLM规模无法实现AGI

2026年10月3日，Yann LeCun 在 ETH Zürich 演讲中表示，靠扩大大语言模型规模实现 AGI 是“不可能的”。他指出，LLM 训练约使用 30 万亿 token，约合 10^14 字节文本，一个人读完需约 40 万年；而一个 4 岁儿童仅通过视觉在约 1 年 10 个月内就接收到同等量级的数据。10月5日，Rohan Paul 转发该演讲另一片段，LeCun 建议学术界不要研究 LLM，认为该领域没有可贡献的空间；若想在 AI 上取得真正进展、做面向现实世界的 grounded AI 或 physical AI，也不应研究 LLM 和生成模型。他表示这番言论让他在硅谷不受欢迎。内容出自 Perfology Clips YouTube 频道。同日稍后，Rohan Paul 表示将补充更多背景信息。

AI 根据报道生成 · 1 天前更新

1. 10月5日 12:30 · 1 篇报道
   Yann LeCun 在 ETH Zürich 演讲中建议学术界不要研究 LLM
   Rohan Paul：Yann LeCun 在 ETH Zürich 演讲中建议学术界不要研究 LLM
2. 10月3日 18:57 · 2 篇报道
   Yann LeCun 在 ETH Zürich 演讲称 Scaling LLM 无法实现 AGI
   Rohan Paul：Yann LeCun 在 ETH Zürich 演讲称 Scaling LLM 无法实现 AGI

还没有足够的连续观测数据，暂不绘制趋势。