圖靈獎得主楊立昆加盟，全球首家能量模型商業化公司誕生

去年底剛從 Meta 離職的圖靈獎得主楊立昆（Yann Lecun），在他宣布創辦自己的世界模型公司 AMI Labs 后還不到兩個月，就以另一重身份出現在公眾視野里。本周三，硅谷初創公司 Logical Intelligence 宣布楊立昆出任其技術研究委員會主席。與此同時，這家成立僅六個月的公司發布了名為 Kona 1.0 的旗艦產品，據稱是首個正式進入商業化的能量推理模型（Energy-Based Reasoning Model，EBRM）。

圖丨相關推文（來源：X）

關于大語言模型能否實現 AGI，業界的質疑從未停止。如果答案是否定的，替代方案在哪里？Logical Intelligence 給出的答案是：能量模型（EBM）。在該公司創始人 Eve Bodnia 看來，LLM 本質上是一場猜詞游戲。你給它一個提示，它就預測下一個詞出現的概率，循環往復，直到生成一段貌似通順的回答。問題在于，“貌似通順”和邏“輯正確”之間隔著一道深淵。

Bodnia 在接受《金融時報》采訪時打了個比方：你教會一只貓像狗一樣叫，它也不會因此變成一只狗。LLM 能寫出像模像樣的數學證明或代碼，但它并不真正理解這些符號背后的推理鏈條。一旦任務復雜度提升，或者約束條件增多，它就開始犯錯，而且往往錯得毫無章法。

楊立昆也反復表達過類似的觀點。事實上，他在過去幾年反復強調，僅靠擴展 LLM 的規模不可能實現真正的人類水平智能。他在此前的播客中直言，那些認為只需要不斷做大模型就能通向超級智能的想法是“扯淡”（原話是 bullshit）。

楊立昆的核心論點是：LLM 缺乏對物理世界的真實理解，它們只是在文本空間里做模式匹配，無法像人類或動物那樣通過與環境互動來學習因果關系。他甚至說過，一只家貓擁有的常識都比 GPT-4 多。

于是，當楊立昆的名字出現在 Logical Intelligence 的公告里時，毫無疑問這也是他用行動為 EBM 模型站臺。楊立昆本人也在聲明中說，他一直認為真正的推理應該被表述為優化問題，這正是能量模型的基礎，即通過最小化一個能量函數來完成推理和推斷。他評價 Logical Intelligence 是“第一家將基于 EBM 的推理從研究概念推向產品的公司”。

那么，EBM 的具體工作原理是什么？為什么它被認為可能彌補 LLM 的短板？

簡單來說，EBM 會為每個候選狀態分配一個“能量”分數。能量越低，意味著這個狀態越符合約束條件和目標；能量越高，說明有什么地方出了問題。而這種評分機制可以施加在部分完成的推理鏈條上，而不必等到最終答案出來才知道對錯。這就像下棋時能評估每一步棋的優劣，而不是非要等到終局才知道輸贏。

Logical Intelligence 聲稱，他們的模型 Kona 在三個層面解決了 LLM 推理的固有缺陷。第一，Kona 是非自回歸的。LLM 逐詞生成文本，要想修正前面的錯誤，往往需要重新生成一大段前綴，效率很低。Kona 則可以同時生成完整的推理軌跡，并根據約束直接進行優化。

第二，Kona 使用全局評分而非局部評分。LLM 的預訓練目標是預測下一個詞，與長鏈條推理的整體正確性無關。Kona 學到的能量函數可以端到端地評估推理軌跡的質量。

第三，Kona 在連續潛在空間中推理。LLM 的輸出是離散的 token 序列，很難通過梯度信息做細粒度的局部修正。Kona 輸出的是稠密向量，可以利用近似梯度進行可控的編輯，逐步提升推理的一致性。

Logical Intelligence 同時發布了名為 Aleph 的智能體編排層，專門用于協調 Kona、LLM 和其他工具的調用。該公司將 Aleph 與 OpenAI 的 GPT-5.2 配對，在 PutnamBench 上取得了 99.4% 的正確率。

PutnamBench 是一個以 Putnam 數學競賽題目為基礎的形式化推理基準，包含來自該競賽過去 50 多年的 672 道難題，每道題都需要用 Lean 等證明語言寫出形式化證明，并由外部編譯器驗證正確性。

根據公開的排行榜信息，這一成績把 Logical Intelligence 推到了該基準的榜首位置。據公司披露，在此次評測中，Aleph 還自動發現了 15 道題目的形式化描述存在錯誤，并提出了修正建議，這些修正均得到 PutnamBench 團隊的核實確認。

圖丨Putnam Bench 測試結果（來源：PutnamBench）

不過要強調的是，Aleph 本身是基于 LLM 的（它用的是 GPT-5.2），其亮點在于編排和協調能力，而不是完全拋開 LLM 另起爐灶。按照 Bodnia 的說法，Aleph 是一個“內部工具”，用于測試公司正在構建的數學環境的嚴謹性；真正代表公司技術核心的是 Kona 這個 EBRM。她在去年 12 月的一次采訪中直言：Aleph 的表現證明了我們的基礎是堅實的，但它只是我們核心模型能力的一個零頭。

Kona 1.0 于 2026 年 1 月 21 日正式公開演示，第一個展示的能力是解數獨。在公司網站的實時對比中，Kona 與 OpenAI、Google、Anthropic 等公司的領先 LLM 正面對決，Kona 在速度和能耗上都展現出明顯優勢。公司表示后續還會加入國際象棋和圍棋的演示，目標是讓公眾直觀理解“基于能量的推理”與“基于概率的猜測”之間的區別。

在一篇題為《認知的藝術》的博客文章中，Bodnia 寫道，LLM 讓很多人感到興奮，因為它們很擅長回答個人問題，互動起來很自然，很容易讓人幻想它們能處理更難的問題。

但仔細想想，我們每天面對的任務大多數并不是純粹的語言問題，有的需要空間推理，有的依賴邏輯、規劃或情緒感知，還有很多根本無法用語言完全表達。智能不是靜態的，而是適應性的。LLM 在某些事情上做得很好，但它們只是一種智能，許多問題需要另一種路徑。

而這種觀點也與 Eve Bodnia 的獨特背景不無關系，她出生于哈薩克斯坦，18 歲移民美國，先在社區大學就讀，后轉入加州大學伯克利分校，又在加州大學圣芭芭拉分校攻讀博士。她的研究方向包括暗物質探測、量子力學和粒子物理，發表過 22 篇相關論文，還與 Google Quantum AI 有過合作。

她個人網站上的自我介紹顯示，她對代數拓撲和李群在學習系統形式化中的應用很感興趣。這種數學物理背景使她對可驗證性有一種近乎執念式的追求。

除了 Bodnia 和楊立昆，Logical Intelligence 還拉來菲爾茲獎得主 Michael Freedman 出任首席數學官，前 Facebook 工程師、國際大學生程序設計競賽（ICPC）世界冠軍 Vlad Isenbaev 擔任首席 AI 官，曾任幣安首席戰略官和通用電氣高管的 Patrick Hillmann 則負責戰略規劃。

圖丨Logical Intelligence 創始團隊（來源：Logical Intelligen)

根據《金融時報》等媒體報道，Logical Intelligence 正在籌備新一輪融資，目標估值在 10 億至 20 億美元之間。公司計劃在本季度晚些時候與能源、先進制造和半導體行業的部分合作伙伴啟動 Kona 1.0 的試點項目。

當然，這個領域并非只有 Logical Intelligence 一家在探索。Robinhood 聯合創始人 Vlad Tenev 投資的 Harmonic 同樣專注于形式化推理，其旗艦模型 Aristotle 在 2025 年國際數學奧林匹克競賽中達到金牌水平。

不過，Harmonic 走的是數學超級智能（Mathematical Superintelligence）路線，仍在 LLM 框架內通過形式化驗證來消除幻覺；而 Logical Intelligence 則明確標榜自己是“語言無關的”（language-free），直接繞過 token，在結構化狀態空間中推理。兩者的技術路徑存在本質差異。

楊立昆本人的布局更是多線并行。他創辦的 AMI Labs 專注于世界模型，據報道正以約 35 億美元的估值融資 5 億歐元，總部將設在巴黎。世界模型的目標是讓 AI 理解物理世界的因果關系，通過視頻和空間數據學習，而不只是消化文本。

據報道，楊立昆和 Bodnia 都認為真正的人類水平 AI 需要組合多種模型。從楊立昆同時參與世界模型公司 AMI Labs 和能量型推理公司 Logical Intelligence 來看，他顯然也是在多個技術方向同時下注。

也有人持懷疑態度。一位匿名 AI 投資人在接受 Upstarts 采訪時表示，他懷疑大多數 AI 生成的代碼最終是否真的需要形式化驗證。畢竟，形式化方法在狹義的、高度規范化的領域效果最好，能否推廣到更廣泛的應用場景仍是未知數。

更何況，OpenAI、Google 等大型實驗室也在大力改進自家推理模型的可靠性。Harmonic 的 CEO Tudor Achim 承認，形式化證明系統在精確度上無可挑剔，但要轉化為可持續的商業收入，還需要證明自己在學術競賽之外的實際價值。

參考資料：

1.https://www.ft.com/content/157bb0e3-9d6c-47ac-afc5-6944981e10ef

2.https://www.upstartsmedia.com/p/math-ai-startups-push-new-models

3.https://finance.yahoo.com/news/logical-intelligence-achieves-76-percent-141500227.html

4.https://logicalintelligence.com/blog/energy-based-models-for-reasoning

運營/排版：何晨龍