LeCun 说“AGI 是胡扯”，但他的世界模型思路，却给中国智慧工地指了一条更务实的 AI 路线：先实现“狗的智能”，再谈未来。
在过去两年，大模型让无数建筑企业开始考虑“搞个AI项目”。但数据摆在那儿：不少智慧工地试点最后只剩一个“会聊天的机器人”，对安全、进度、质量几乎没有实质影响。
Yann LeCun 的观点很扎心：
“靠堆大语言模型、喂更多合成数据，就想走到超级智能，在我看来完全是胡扯。”
这不是茶水间吐槽，而是图灵奖得主、前 Meta 首席 AI 科学家在 65 岁选择离开大厂、自己创业时，说出的原话。他押注的方向，叫“世界模型（World Model）”。
对做智慧工地的中国建筑企业来说，这番话非常应景：建筑业真正需要的，是能感知现场、预测风险、做出动作的 AI，而不是只会“说得好听”的 AI。
下面这篇文章，会用 LeCun 的思路，帮你重新审视：智慧工地到底该用哪种 AI？“狗的智能”跟工地有什么关系？AGI 这种概念，值不值得建筑企业花时间担心？
1. 语言大模型不是智慧工地的“终点站”
建筑企业现在最常见的 AI 玩法有三种：
- 基于图像识别做安全帽检测、人员闯入告警；
- 基于自然语言做智能客服、智能质检问答；
- 基于规则引擎做进度预警、成本分析。
实话讲，这些都有价值，但都没碰到 LeCun 说的“智能本质”。
LeCun 的判断很直接：
“仅靠文本训练，永远不可能达到人类水平的智能。”
为什么？因为语言模型本质上是“超级复读机”：
- 它记住了海量文本事实和话术；
- 它非常擅长“接下去应该说什么”；
- 但它不直接接触物理世界，也没有身体和动作。
对于智慧工地，这意味着：
- 只会“回答问题”的 AI，帮不了塔吊避让、帮不了临边防护、也盯不住高处坠落；
- 只会“生成报告”的 AI，很难真正优化施工工序，也预测不了明天哪一段脚手架风险最高；
- 只靠喂更多文本、更多图纸，并不能让系统自己“长出”对风力、荷载、拥挤通道这些真实风险的理解。
**建设工程是高度物理化、强空间感的行业。**如果 AI 不理解空间、不理解物体、不理解时间序列上的变化，它就只能停留在“数字好看”的 PPT，而不是能救命、能省钱的系统。
这也是为什么，很多智慧工地项目最终沦为“数据大屏 + 聊天机器人”，真正落地能力有限。
2. 为什么 LeCun 说“先做到狗的智能”比 AGI 更靠谱？
LeCun 有个非常有意思的说法：真正难的是让机器达到“狗的智能”，而不是“人类的智能”。
听上去有点反直觉，但拿工地场景一对比，你就知道他在说什么。
一条狗能做到什么？
- 在复杂环境里自由行走、避开障碍；
- 识别主人、理解简单指令；
- 记住常见路线、对危险声音做出反应。
反观现在绝大多数“智慧工地 AI”：
- 摄像头看到障碍物，往往只能“框出来”、“报个警”，不会自主规划绕行路径；
- 机器人在复杂工地环境里经常“迷路”，对坑洞、湿滑、脚手架这些场景非常脆弱；
- 安防系统对噪声、机械声、喊叫声的理解非常有限，难以真正理解“危险正在发生”。
LeCun 的判断是：
“一旦达到狗的水平，大多数智能的核心要素就齐了，人类和高等灵长类真正新增的关键能力，主要是语言。”
对建筑业来说，这个观点非常实用：
- 你不需要等什么“AGI”降临；
- 也不用纠结“AI 会不会统治世界”；
- 更现实的目标，是把你的智慧工地系统，做成一个有“狗的智能”的工地助手。
能自己看懂施工现场的状态，能记住历史情况，能预测下一步可能发生什么，并做出合理动作——哪怕只是自动减速、自动停机、自动通知值班员。
这比在微信群里再多加一个“会聊天的机器人”，价值大得多。
3. 世界模型：智慧工地真正需要的“第二大脑”
那怎么从“会说话的 AI”走向“有狗的智能的 AI”？LeCun 给出的答案是：世界模型（World Model）。
一句人话版的定义：
世界模型就是让机器在“抽象空间”里，学会理解“世界是怎么变化的”，从而预测自己行动的后果，并据此做规划。
这跟智慧工地有什么关系？关系非常直接。
3.1 传统工地 AI 在“看”和“算”上停住了
现在大部分智慧工地系统，只做到了三件事：
- 看得见：摄像头抓拍；
- 认得出：算法识别出安全帽、反光衣、人员闯入等；
- 算得出：BI 报表展示出工人数量、塔机运行曲线、混凝土浇筑量等。
缺什么？
- 缺“如果现在不停机，5 分钟后会怎么样”的预测；
- 缺“为按期封顶，这一周班组人员和机械最优排布”的规划；
- 缺“看到工人站位不稳，就提前给出危险动作提醒”的实时干预。
3.2 世界模型能多做两步：预测 + 行动
LeCun 认为，智能的核心是两件事：
- 预测自己行为的后果；
- 基于预测做规划（Planning）。
放回智慧工地，你可以这样理解“世界模型工地大脑”会做什么：
-
安全方面：
- 通过历史视频和传感器数据，学会“危险动作”的发生模式；
- 预测“3 分钟后这块区域发生坠落/碰撞的概率”；
- 提前控制塔吊速度、限制某些设备进入危险区域，或主动联动语音广播、戴在工人身上的震动提醒。
-
进度方面：
- 在抽象空间里预测“工序 A 推迟两天，会如何连锁影响后续 5 个工序”；
- 自动给出几套可行调整方案：加班、平行作业、设备调配，让项目经理做决策时更有底。
-
质量方面：
- 通过对浇筑温度、振捣时间、养护环境的连续数据建模，预测哪块混凝土未来更可能出现空鼓裂缝；
- 提前安排复检和补强，而不是等到交付前才被监理“打回来”。
这里面最关键的转变是：
从“对已发生事件做识别” → “对尚未发生的结果做预测与规划”。
这就是世界模型相对单纯识别、分类算法的本质升级。
4. 只会说话的 AI vs 会“理解工地”的 AI
LeCun 对当前硅谷的批评，其实可以直接照进建筑业 AI：
“整个行业都被大语言模型洗脑了，大家都在做同一件事。”
在智慧工地项目上，这种“洗脑”表现为：
- 一开会就讨论“我们要不要做一个工地大模型”；
- 方案 PPT 里只写“AI 算法 + 大屏 + 机器人对话接口”；
- 真正跟施工组织、工序优化、风险控制相关的建模工作，几乎没人愿意花预算做。
问题在于：
- 语言模型擅长的是“对话、总结、润色、解释”；
- 但智慧工地最难的部分在于“感知混乱环境 + 做实时决策”。
LeCun 的路线非常清晰：
- 世界模型处理的是高维、连续、含噪声的数据——典型就是视频、传感器、机械运行曲线，这跟工地现场的数据结构高度一致；
- 预测发生在抽象表征空间，而不是像素和文字上——用更少的信息，保留最关键的“世界结构”，例如“这里有个洞”“这里有一群人”“那边有快速移动的臂架”；
- 在预测的基础上做规划，而不是在句子里玩花活——比如自动规划塔吊行走路线，自动编排混凝土车进场节奏。
智慧工地真正需要的，是这类“理解世界 + 规划行动”的 AI，把语言模型放在辅助交互的位置，而不是当主角。
5. 开放 vs 封闭：建筑企业如何避免被“AI 绑架”？
LeCun 创业时强调一点：真正的研究必须是开放的。如果一家公司 AI 技术全部封闭、不发论文、不交流，内部往往会高估自己的水平、低估外部进展。
这对建筑企业其实是一个很实在的提醒。
现在不少总包、开发商在上智慧工地时，常见几个“坑”：
- 被单一厂商锁死：算法、数据、平台都在对方云上，一旦不续费，所有能力归零；
- 模型完全黑箱：出了问题只能等厂商调参，甲方技术团队无法理解原理，更无可能自己优化；
- 数据不沉淀：工地换一批系统，历史数据就断层，世界模型永远学不出“企业自己的经验”。
结合 LeCun 的观点，我更推荐建筑企业在智慧工地 AI 上坚持三条原则：
- 优先选择开放架构：底层尽量采用主流开源组件和行业标准协议，模型可迁移、数据可导出；
- 自建小规模能力 + 外部合作：关键场景（如安全、进度）至少要有一支内部团队能看懂算法逻辑，哪怕一开始做得粗糙；
- 把“世界模型”视为企业资产，而不是某个项目功能：把历年项目的现场视频、传感器数据、进度计划、质量记录，逐步沉淀成一个跨项目、跨地区的“企业级施工世界模型”。
谁先把这件事做扎实，谁在未来 5～10 年的建筑 AI 竞争里，就会拥有一块真正难以复制的“隐形资产”。
6. 给中国建筑企业的三点落地建议
把 LeCun 的技术争论，翻译成对建筑企业有用的话，我会给出三条很现实的建议：
6.1 KPI 不要只盯“会不会说话”，要盯“会不会预测和行动”
评估一个智慧工地 AI 是否值得投资，至少加上这几个问题：
- 它能不能基于历史数据，预测未来 1～7 天的安全高风险时段？
- 它能不能给出两套以上“工序/资源调整方案”，而不是只报“可能延期”？
- 它能不能自动触发设备动作（减速、停机、改路径），而不仅仅是弹个告警？
如果答案都是“不能”，那大概率只是一个更聪明的展示层，而不是“会思考的工地大脑”。
6.2 数据建设要从“视频 + 传感器时间序列”开始
想做世界模型，最宝贵的不是文本，而是时间序列数据：
- 连续视频（塔吊摄像、升降机、卸料平台、出入口）；
- 传感器数据（位移、倾角、风速、混凝土温度、振捣电流、能耗曲线）；
- 进度实际完成时间线（真正的开始/完成时间，而不是计划表里的数字）。
对这些数据：
- 做好结构化存储与统一时间轴；
- 把典型事故、典型延期案例做成标注集；
- 逐步尝试基于自监督学习的“世界模型”小样板（比如先只做塔吊作业区）。
6.3 别被“AGI 焦虑”带节奏，优先解决眼前可落地的问题
LeCun 对“AGI 灭世论”非常不客气：
“通用智能的概念本身就是站不住脚的，现实世界复杂度远不是把世界 token 化就能解决的。”
对建筑企业来说，更现实的威胁不是“AI 统治世界”，而是：
- 你投入了一大笔钱，换回来一个“看起来很先进、实际上没人用”的系统；
- 或者，被一家封闭厂商绑死，把自己的数据主权和技术路线拱手交出去。
把注意力从“AGI 是否危险”转向“我们今年能不能先让塔吊少一次碰撞、少一次高处坠落”，更有意义，也更负责任。
结语：智慧工地真正的升级，是让系统“长眼睛和大脑”
如果用一句话概括 LeCun 对当前 AI 路线的态度，那就是：
“光会说话的 AI，不算智能；能预测世界并规划行动的 AI，才是真正的智能。”
对中国建筑业的智慧工地实践，这句话非常有参考价值。未来几年，谁能率先：
- 让工地 AI 从“监控取证”升级到“预测预防”；
- 让机器人和设备从“遥控玩具”升级到“有狗的智能的现场助手”；
- 让企业的数据从“分散孤岛”升级到“可学习的施工世界模型”；
谁就能在安全、工期、成本和用工效率上，拉开一个真正难追的差距。
这也是我们做“AI 在中国建筑行业的应用：智慧工地”这个系列最想强调的一点：别再满足于会说话的 AI，把注意力转向会“理解工地”的 AI。
现在最现实的问题，不是“AGI 什么时候到来”，而是——
你打算从哪个工地、哪个场景，开始培养你自己的“世界模型”？