量子位
1 个来源LeCun世界模型创业公司AMI发布H-JEPA，代码权重全部开源
AMI联合纽约大学、INRIA和布朗大学发布分层世界模型H-JEPA，通过堆叠多个JEPA实现从长期规划到精细动作的分层预测。在Visual AntMaze任务中，三层模型成功率达73%，远超单层模型的18%，且规划计算量更少。团队同步开源代码和预训练权重，延续LeCun倡导的开源路线。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读
LeCun的世界模型交卷：H-JEPA把73%写进仿真迷宫，但产品入口仍是空白
版本 1 · 1 个来源
AMI联合纽约大学、INRIA和布朗大学发布分层世界模型H-JEPA，代码与权重全部开源；在Visual AntMaze仿真任务中三层结构成功率达73%，单层仅18%。但分层并非普遍有效，Push-T任务中三层、四层反而下降，而公司官网至今没有面向公众的产品入口。
- AMI联合纽约大学、巴黎INRIA和布朗大学发布H-JEPA论文，推出面向视觉规划的分层世界模型，并同步开源代码与预训练权重。
- H-JEPA将多个JEPA逐层堆叠，各层在自己的表征空间中预测不同时间跨度后的状态；规划时高层先出粗略计划，低层接力细化并生成可执行动作。
- 在Visual AntMaze仿真迷宫任务中，三层H-JEPA成功率为73%，单层模型为18%；多项仿真任务中分层模型还以更少规划计算量取得更好表现。
- 分层有适用边界：Push-T任务中两层模型表现较好，增加到三层、四层后成绩反而下降，论文推测是较短任务轨迹限制了高层可用的训练数据。
- H-JEPA以LeWorldModel为最底层，沿用LeJEPA提出的SIGReg约束表征分布以避免表征坍塌；相邻高层一步对应低层两步预测。
- AMI今年3月完成10.3亿美元融资、投前估值35亿美元，LeCun任董事长；但官网主要展示技术方向、团队和招聘信息，尚无面向公众的产品入口。
展开章节目录一份论文加一套权重：AMI把“分层”从构想推到可复现
一份论文加一套权重：AMI把“分层”从构想推到可复现
AMI这次交出的不是产品，而是一篇论文加一套可加载的模型。H-JEPA由AMI联合纽约大学、巴黎INRIA和布朗大学的研究者发布，定位是面向视觉规划的分层世界模型；团队同步公开了代码和预训练模型权重，研究者可以直接加载模型复现规划实验。
这条开源路线并非临时起意。早在2022年还在Meta担任首席AI科学家时，LeCun就提出过分层JEPA的构想：让模型在不同抽象层级和时间尺度上预测，再通过分层规划把复杂目标落实为动作。如今这套构想成为AMI的创业方向，而H-JEPA是它第一次以论文、代码、权重三件套的形式对外呈现。
分层怎么落地：每层三个组件，高层一步等于低层两步
H-JEPA的做法是把多个JEPA逐层堆叠，让各层在自己的表征空间中预测不同时间跨度后的状态。每一层配置三个组件：状态编码器提取当前环境的表征，动作编码器描述动作带来的变化，预测器结合当前状态和动作预测未来状态。最低层直接读取图像，更高层则基于下层表征进一步抽象，保留该时间尺度下更重要的信息。
规划时的分工是自上而下的：高层先制定粗略计划，再把预测的中间状态作为子目标交给低层，低层接力逐步细化，最终生成可以执行的动作。论文实验中，相邻高层的一步对应低层的两步预测。
训练上，各层通过端到端训练共同学习，不同层级通过子目标衔接——高层预测出的中间状态成为低层的子目标，低层把自己预测的状态转换到高层表征空间，与高层指定的子目标比较，再据此调整动作。
73%对18%：分层在迷宫任务里赢在哪，又赢了多少
最能说明问题的数字来自Visual AntMaze仿真迷宫任务：三层H-JEPA成功率达到73%，单层模型为18%。同时，在多项仿真任务中，分层模型还以更少的规划计算量取得了更好的表现。
研究者还观察到不同层级的信息取舍：迷宫任务里，高层逐渐弱化腿部姿态，但仍保留了机器人的位置信息。这正好对应分层规划的直觉——规划长途行程时，脚下某一级台阶的高度并不重要；真正走下楼梯时，这个细节却直接决定该怎样迈步。
需要强调的是，73%与18%都来自仿真迷宫任务，并非真实物理环境。H-JEPA在Visual AntMaze之外的真实机器人任务上能否保持这一成功率，来源没有提供证据。
分层不是万能药：Push-T里层数越多反而越差
论文自己给出了反例。在Push-T任务中，两层模型表现较好，增加到三层、四层后成绩反而下降。论文认为，这可能是较短的任务轨迹限制了高层可用的训练数据。
这意味着“堆更多层”并不是一条可以无条件外推的规律。分层层数的最优选择目前缺乏通用规则，Push-T中分层失效的原因也只是论文的推测，而非已验证的结论。
另一条边界来自底座：H-JEPA以LeWorldModel为最底层，向上增加更多JEPA，形成共同训练、由上至下规划的结构。它的能力因此受这一底层方法约束。
表征坍塌这道老题：SIGReg与LeWorldModel的接力
训练世界模型要解决一个经典问题：表征坍塌。如果编码器把所有输入都压缩成同一个向量，预测器只输出这个向量，也能获得很低的预测误差，但模型实际上没有学到任何有用的信息。
H-JEPA沿用了LeCun团队此前在LeJEPA中提出的SIGReg，对表征分布进行约束，避免不同状态被压缩到同一个向量。今年的LeWorldModel把这套方法用于世界模型训练，H-JEPA则以它为最底层继续向上叠加。
这里需要保持克制：H-JEPA相对LeWorldModel、LeJEPA的性能增量具体如何归因，来源没有做拆解。
研究交卷了，产品还没交卷
AMI的资本与人事配置并不低调。今年3月，AMI宣布完成10.3亿美元融资，投前估值35亿美元。公司由LeCun担任董事长，Alexandre LeBrun担任CEO，谢赛宁担任首席科学家，Pascale Fung负责研究与创新，Michael Rabbat负责世界模型，而Rabbat也是这次H-JEPA论文的作者之一。
但研究成果归研究成果。至少从目前官网来看，AMI展示的主要还是技术方向、团队和招聘信息，尚未看到面向公众的产品入口；AMI何时推出面向公众的产品，来源也没有给出时间表。
作为对照，同样押注世界模型的World Labs在9月28日迎来转折：AMD宣布与其签订约82亿美元的全股票收购协议。一边走向与芯片公司的结合，一边继续沿自己的研究路线推进。不过来源并未说明World Labs与H-JEPA技术路线的可比性，这一对照更多是行业节奏的参照，而非技术优劣的判断。
LeCun的判断：主张归主张，验证归验证
H-JEPA延续了JEPA的一项基本主张：在表征空间中完成预测。LLM通常通过预测下一个token来学习生成内容；视觉JEPA则先把图像、视频编码成内部表征，再预测目标部分的表征，无需逐个生成图像像素。在H-JEPA这类世界模型中，模型还会结合动作预测未来状态的表征，规划器据此比较不同动作的后果，寻找通向目标的方案。
LeCun一直认为，理解世界、预测行动后果和规划，是走向人类级智能必须具备的能力。今年9月，在瑞典马尔默举行的ECCV上，他的演讲幻灯片再次出现那句建议：如果你对人类级AI感兴趣，就不要研究LLM。他随后补充，基于LLM的AI工具非常有用，大家都在使用，但他认为单靠LLM本身无法走到人类级智能。
这属于LeCun的个人主张，来源没有提供验证。把它与H-JEPA的73%放在一起看时，需要分清两件事：前者是路线判断，后者是仿真任务上的实验结果，二者不能互相替代证明。
可信度边界
本文事实主要来自量子位对H-JEPA论文的报道，属二手转述，其中架构、开源、73%与18%等核心信息与论文公开内容一致，可信度较高；AMI“尚无面向公众的产品入口”为来源基于官网现状的观察，属来源主张而非公司确认。所有成绩均来自仿真任务，不代表真实物理环境表现。
核心结论
H-JEPA的价值不在于“分层一定更好”，而在于它把分层世界模型做成了可复现的开源基线：73%对18%证明了分层在长程迷宫任务中的潜力，Push-T的反例则划出了适用边界。对AMI而言，论文与权重已经交卷，产品仍是空白；对读者而言，真正需要跟踪的是这套方法能否走出仿真，以及分层层数何时有通用规则。
主报道
量子位
主报道来源