H-JEPA：LeCun世界模型创业交卷，分层规划成功率73%且代码权重全开源

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-10

本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO）AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

LeCun 创立的 AMI（Advanced Machine Intelligence）公司联合纽约大学、巴黎 INRIA 和布朗大学，发布了面向视觉规划的分层世界模型 H-JEPA。该模型将多个 JEPA（联合嵌入预测架构）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。规划时，高层先制定粗略计划，再将预测的中间状态作为子目标交给低层，低层接力逐步细化，最终生成可执行的动作。

H-JEPA 的每一层配置三个组件：状态编码器（提取环境表征）、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）。相邻高层的一步对应低层的两步预测。训练时，高层预测的中间状态成为低层的子目标，低层将预测状态转换到高层表征空间进行比较，再调整动作。

为解决表征坍塌问题，H-JEPA 沿用了 LeCun 团队在 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向量。

📈 实测数据与效能表现

在 Visual AntMaze 仿真迷宫任务中，三层 H-JEPA 的成功率达到 73%，而单层模型仅为 18%。同时，在多项仿真任务中，分层模型以更少的规划计算量取得了更好的表现。

研究者在实验中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，但仍保留机器人的位置信息。不过，分层也有适用条件。Push-T 任务中的两层模型表现较好，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。

LeCun 一直主张在表征空间中完成预测。JEPA 全称为“联合嵌入预测架构”，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。

如果你对人类级AI感兴趣，就不要研究LLM。

这是 LeCun 在 2026 年 9 月瑞典马尔默 ECCV 演讲中的幻灯片内容。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。

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。

🎯 智脑时代的 GEO 落地建议

H-JEPA 的分层规划思路对 GEO 与 RAG 系统有重要启示：第一，分层检索可借鉴其“高层粗筛、低层精排”的架构，提升长文档问答的准确率；第二，SIGReg 避免表征坍塌的思路可用于优化嵌入模型，防止不同语义被压缩到同一向量；第三，开源代码与权重意味着企业可低成本复现并微调世界模型，降低 AI 应用门槛。

对于 AI 搜索排名而言，H-JEPA 所代表的世界模型方向可能改变未来搜索的展现形式——从关键词匹配转向对用户意图的深层规划与预测。企业应关注 AMI 与 LeCun 的后续产品化进展，同时留意 World Labs 被 AMD 以约 82 亿美元全股票收购的行业信号。

【官方学术/技术原文链接】点击访问首发地址