Yann LeCun heeft zojuist de meest gewaagde stap van zijn carrière gezet. Na 12 jaar bij Meta—waaronder een periode als Chief AI Scientist—heeft de 65-jarige Turing Award-winnaar het bedrijf verlaten om AMI Labs op te richten. Het bedrijf haalde in de eerste ronde $1 miljard (ca. €920 miljoen) aan funding op tegen een waardering van $3,5 miljard. Zijn missie: AI bouwen die daadwerkelijk de fysieke wereld begrijpt.
Dit is niet zomaar een AI-startup lancering. Wanneer één van de drie “grondleggers van deep learning” zijn levenswerk zet op een alternatieve benadering van het huidige AI-paradigma, moet de hele industrie opletten.
De Weddenschap Tegen Large Language Models
LeCun is niet subtiel geweest over zijn mening over LLMs. In gesprek met Franse journalisten bekritiseerde hij het “kuddegedrag” van AI-giganten die vastzitten “in een soort sleur” die hen dwingt “allemaal aan hetzelfde te werken omdat ze het zich niet kunnen veroorloven om achter te lopen.”
Het kernprobleem, volgens LeCun: Taalmodellen proberen niet de wereld te begrijpen. Ze proberen het volgende element in de reeks te voorspellen.
Deze fundamentele beperking uit zich op praktische manieren:
- LLMs hallucineren omdat ze optimaliseren voor plausibele tekst, niet voor waarheid
- Ze worstelen met ruimtelijk redeneren en fysieke causaliteit
- Ze kunnen niet betrouwbaar meerstaps-acties plannen in de echte wereld
- Robotica en autonome voertuigen blijven hardnekkig moeilijk
“Deze modellen maken niet voldoende niveaus van intelligentie mogelijk voor toepassingen zoals robotica of autonome voertuigen,” zegt Alexandre Lebrun, de nieuwe CEO van AMI Labs en voormalig Meta-collega van LeCun.
Wat Zijn World Models?
LeCuns alternatieve visie draait om wat hij “world models” noemt—AI-systemen die in staat zijn te begrijpen hoe de fysieke wereld werkt zonder expliciete supervisie.
Het klassieke voorbeeld: een bal die naar de rand van een tafel rolt. Een world model zou moeten begrijpen—zonder dat het verteld wordt—dat de bal op de grond zal vallen. Dit lijkt triviaal voor mensen, maar vertegenwoordigt een fundamentele kloof in huidige AI-systemen.
LeCun ontwikkelt al bijna tien jaar een architectuur genaamd JEPA (Joint Embedding Predictive Architecture). In tegenstelling tot taalmodellen die het volgende token voorspellen, leert JEPA representaties van de wereld die voorspelling en planning mogelijk maken.
De belangrijkste verschillen:
LLMs
- Hoe het werkt: Voorspelt volgende token in tekstreeksen
- Sterkte: Taaltaken, coderen, redeneren
- Zwakte: Geen begrip van de fysieke wereld
World Models
- Hoe het werkt: Leert causale relaties in de fysieke werkelijkheid
- Sterkte: Robotica, belichaamde AI, planning
- Zwakte: Nog grotendeels theoretisch
Waarom Dit Belangrijk Is voor Enterprise AI
De enterprise-implicaties van deze verschuiving reiken verder dan roboticalabs:
1. Betrouwbaarheid en Grounding
Huidige LLMs vereisen uitgebreide guardrails, RAG-architecturen en menselijk toezicht omdat ze echt begrip missen. World models zouden een fundament kunnen bieden voor AI die redeneert over gevolgen, niet alleen correlaties.
Voor enterprise toepassingen waar fouten kostbaar zijn—logistiek, productie, medische apparatuur—is deze betrouwbaarheidskloof een blokkade.
2. De Interface met de Fysieke Wereld
Naarmate AI van pure software naar fysieke operaties beweegt, worden LLM-beperkingen kritiek. Supply chain-optimalisatie, warehouse-robotica, autonome inspectie, predictief onderhoud—allemaal vereisen AI die fysieke causaliteit begrijpt.
Bedrijven die zwaar investeren in AI-gedreven fysieke automatisering zouden AMI Labs nauwlettend moeten volgen.
3. Verminderde Computevereisten
LeCun heeft betoogd dat world models veel efficiënter zouden kunnen zijn dan LLMs, die compute exponentieel opschalen. Als dit klopt, zou dit geavanceerde AI-mogelijkheden kunnen democratiseren voor bedrijven zonder hyperscaler-budgetten.
4. Europese AI-Concurrentiepositie
AMI Labs vertegenwoordigt een belangrijke overwinning voor het Europese AI-ecosysteem. LeCun, geboren in de Parijse voorsteden, bouwt een bedrijf dat de Amerikaanse AI-dominantie zou kunnen uitdagen met een fundamenteel andere aanpak.
Met Laurent Solly (voormalig Meta France-directeur) als COO heeft het bedrijf sterk Europees leiderschap, zelfs als het wereldwijd gevestigd is.
Het AMI Labs Team
Het oprichtende team combineert onderzoeksexcellentie met operationele ervaring:
Yann LeCun (Chairman)
Turing Award-winnaar (2018), voormalig Meta Chief AI Scientist. Publiceerde meer dan 200 onderzoekspapers. Ontwikkelde fundamenteel werk aan convolutionele neurale netwerken en deep learning.
Alexandre Lebrun (CEO)
Voormalig Meta AI-directeur. “Ik begon zijn papers te lezen toen ik student was. Voor mij was hij God,” zei Lebrun over LeCun. Brengt operationele en productervaring naar de onderzoeksvisie.
Laurent Solly (COO/Medeoprichter)
Voormalig Meta France-directeur. Biedt enterprise go-to-market ervaring en Europese marktexpertise.
De Contraire Thesis
LeCuns stap vereist het geloven van meerdere contraire stellingen:
- LLMs zullen fundamentele limieten bereiken die niet opgelost kunnen worden met meer schaal
- World models zijn bouwbaar met huidige (of nabije toekomstige) technologie
- Een startup kan Big Tech verslaan in fundamenteel AI-onderzoek
- De markttiming is juist voor een paradigmaverschuiving
De eerste twee zijn wetenschappelijke vragen. De laatste twee zijn zakelijke vragen. $3,5 miljard aan waardering suggereert dat investeerders geloven dat de antwoorden ja zijn.
Wat Met de Concurrentie?
LeCun is niet de enige onderzoeker die sceptisch is over pure LLM-benaderingen:
- Geoffrey Hinton (mede-Turing Award-winnaar) heeft zorgen geuit over LLM-beperkingen
- Yoshua Bengio (derde mede-winnaar) blijft gefocust op academisch onderzoek
- Google DeepMind blijft investeren in world models en belichaamde AI
- Tesla’s FSD steunt impliciet op world model-concepten voor rijden
Maar AMI Labs is uniek in het hebben van een Turing Award-winnende onderzoeker die een bedrijf bouwt specifiek rond deze thesis, met aanzienlijk kapitaal vanaf dag één.
Implicaties voor AI-Strategie
Voor enterprise AI-leiders suggereert de AMI Labs-lancering verschillende strategische overwegingen:
Korte termijn (2026-2027)
Blijf investeren in LLM-gebaseerde oplossingen—ze zijn de bewezen aanpak met gevestigde tooling. Maar monitor world model-ontwikkelingen en vermijd over-commitment aan architecturen die mogelijk fundamentele limieten hebben.
Middellange termijn (2027-2028)
Evalueer world model-toepassingen wanneer ze verschijnen, met name voor robotica, automatisering en fysieke wereld-interfaces. Overweeg pilotprojecten die betrouwbaarheid en planningscapaciteiten testen.
Lange termijn (2029+)
Het AI-landschap kan er fundamenteel anders uitzien als world models levensvatbaar blijken. Bouw flexibiliteit in AI-architectuurkeuzes om potentiële paradigmaverschuivingen te accommoderen.
Het Risico: “Zijn Thesis Moet Nog Bewezen Worden”
Niet iedereen is overtuigd. Antoine Bordes, hoofd onderzoek bij Helsing (en voormalig LeCun-collega), biedt een genuanceerde visie: “De beperkingen van de taalmodellen die hij opmerkt zijn niet langer zo controversieel. Echter, zijn thesis over world models moet nog bewezen worden.”
Dit vat de situatie perfect samen: LeCun heeft gelijk dat LLMs beperkingen hebben. Of world models de oplossing zijn—en of AMI Labs ze kan bouwen—blijft onzeker.
Conclusie: De Derde AI-Revolutie?
LeCun beschrijft world models als “de derde AI-revolutie.” De eerste was regelgebaseerde systemen. De tweede was deep learning (die LeCun hielp creëren). De derde, stelt hij, zal AI zijn die begrijpt hoe de fysieke wereld werkt.
Op 65-jarige leeftijd, met $1 miljard aan funding en de geloofwaardigheid van een Turing Award, zet LeCun alles in op deze visie. Zoals Alexandre Lebrun het stelt: “Dit is zijn levenswerk.”
Voor enterprise AI-leiders is de boodschap duidelijk: het huidige LLM-paradigma is mogelijk niet de eindtoestand. De belangrijkste AI-doorbraak van het komende decennium komt misschien niet van het opschalen van bestaande modellen, maar van het fundamenteel heroverwegen van hoe AI de wereld begrijpt.
AMI Labs is zojuist het bedrijf geworden om in de gaten te houden.
Bij Virge helpen we organisaties navigeren in het evoluerende AI-landschap. Het begrijpen van paradigmaverschuivingen—of ze nu slagen of falen—is essentieel voor het bouwen van robuuste AI-strategie. Neem contact op om te bespreken hoe deze ontwikkelingen uw enterprise AI-roadmap beïnvloeden.