2026年2月，布鲁克林暴雪之后的一栋楼房里，一场从下午2点持续到凌晨的马拉松式对话。这是谢赛宁第一次接受深度访谈。
1990年生于中国，上海交通大学ACM班 → 加州大学圣地亚哥分校 → Meta FAIR(4年) → Google DeepMind → 纽约大学助理教授。共同提出 Diffusion Transformers (DiT)，论文总引用数近10万次。学生中走出了 Sora 负责人 William Peebles 和 Pika 创始人郭文景。
财经作者，长期关注AI、科技巨头、风险投资与知名人物的中国商业深度报道。播客《张小珺Jùn｜商业访谈录》制作人，以深度长对话著称，曾访谈杨植麟、李想、印奇等AI与科技领域关键人物。她说：如果我的访谈能陪你走一段孤独的路，也许离目的地更近一点。
"Silicon Valley is very LLM-pilled。硅谷已经深陷于LLM，完全被它催眠了。"
谢赛宁用 "the normal one" 来描述自己——不是天才少年，不是竞赛冠军。他在上海交通大学ACM班就读，周围都是信息学竞赛金牌得主，而他觉得自己只是一个"正常人"。正是这种"局外人"的视角，让他后来在学术路上保持了独特的品味和判断力。
这段讲述揭示了一个重要的元叙事：在AI领域，最具颠覆性的想法往往不来自最"聪明"的人，而来自那些保持好奇心、愿意在交叉地带探索的人。
从2018年Transformer席卷NLP开始，到GPT系列引发全球大模型军备竞赛，整个AI界的注意力和资源都在向"语言"倾斜。而谢赛宁始终坚信：视觉(Vision)才是通向真正智能的关键路径。他曾被NeurIPS拒稿，经历过论文发不出的低谷，但也正是这些"逆风"时期的坚持，让他后来提出了影响深远的工作。
谢赛宁的职业轨迹是一场学术流浪：UCSD读博 → Meta FAIR做研究科学家4年 → Google DeepMind → NYU任教。每一次选择都不是功利计算，而是追随研究本能。在FAIR，他身处全球最顶尖的视觉研究团队；在DeepMind，他接触到了更前沿的生成模型方向。
他形容自己在面试各大AI实验室时的经历极具戏剧性——DeepMind要求两小时解100多道数学题，OpenAI由John Schulman亲自手写强化学习问题要求当场解决。
何恺明（Kaiming He）是ResNet的发明者，也是谢赛宁在FAIR时期最重要的合作者与朋友。两人在Meta FAIR共事期间，共同推动了一系列具有里程碑意义的视觉研究。谢赛宁提出的 ResNeXt 和 ConvNeXt 都深受何恺明研究范式的影响。
这段友谊不仅是技术层面的互补，更是一种 research taste（研究品味）的共鸣——他们都相信，好的研究应该是简洁的、优雅的、能够经受时间考验的。
这是访谈中最戏剧化的段落之一。2018年，Ilya Sutskever（前OpenAI首席科学家）邀请谢赛宁加入OpenAI，谢赛宁选择了Meta FAIR。2024年，Ilya离开OpenAI创立SSI再次邀约，谢赛宁又一次婉拒。
两次拒绝Ilya，就是两次拒绝了当时AI世界最热门的"船票"。但谢赛宁的逻辑很清晰：如果你不相信LLM路线，加入一个以LLM为信仰的组织毫无意义。
Yann LeCun（杨立昆）——图灵奖得主、卷积网络之父、Meta前首席AI科学家——是谢赛宁在FAIR时期的"导师级"人物。LeCun一直坚持一个在LLM狂热中显得"异端"的观点：语言模型不是通向AGI的正确道路。他在Meta时提出的 JEPA架构（Joint Embedding Predictive Architecture），成为后来AMI Labs技术方向的基石。
李飞飞——ImageNet之母、斯坦福教授——则代表了另一个维度的启发。她创立的World Labs同样押注世界模型方向。2026年的AI圈，正式迎来世界模型的"终极对决"：李飞飞的World Labs vs 杨立昆的AMI Labs。
回顾谢赛宁的论文序列——ResNeXt → ConvNeXt → DiT——表面上看是从CNN到Transformer的技术迭代，但底层贯穿着一条不变的主线：表征学习 (Representation Learning)。他一直在追问：怎样让机器学到更好的世界表征？
DiT论文的影响是决定性的：它让视觉模型能像大语言模型一样受益于Scaling Law。后来Sora、Stable Diffusion新版本，底层都在DiT的延伸路线上。他的学生William Peebles成了OpenAI Sora核心负责人，郭文景创立了Pika。但对谢赛宁来说，这些还不够——生成好图像/视频只是副产品，他真正想回答的是：AI能不能真正理解这个世界？
这是访谈中最具人文深度的段落。谢赛宁谈到了 Research Taste（研究品味）——这个在学术界被频繁提及却很少被认真定义的概念。他认为好的research taste不是方法论，而是一种直觉：知道什么问题值得问，什么方向值得走，什么答案是"对"的。
这段近一个半小时的深度讨论，是整场访谈的思想高地。它超越了技术讨论，进入了科学哲学的领域。
访谈的技术核心。谢赛宁系统性地区分了 World Model（世界模型）与 Word Model（语言模型）：语言模型预测"下一个token"，世界模型基于行动预测"下一个状态"。
世界模型从真实世界的传感器数据中学习抽象表示，在表征空间中进行预测。在这种框架下，行动条件(action-conditioned)的世界模型可以让智能体预测自身行为的后果，并在安全约束下规划行动。
谢赛宁还直言："我完全不觉得LLM是Bitter Lesson的成功展示，某种程度上，LLM是反Bitter Lesson的。" 他认为AGI是伪命题——打造一只能够在现实世界生存的智能体，比解决数学竞赛或写代码更困难。
这是谢赛宁在整场访谈中最具想象力的表达：
如果LLM路线是对的，AI的上限就是"一个读了所有书但没有身体的超级大脑"。如果世界模型路线是对的，AI的上限是"一个既能思考又能理解和操控物理世界的完整智能体"。
他认为AI训练范式正从"下载互联网"转向"下载人类"，短期落地场景将是AI智能眼镜与机器人。
AMI Labs（Advanced Machine Intelligence Labs）的创立故事：杨立昆离开效力13年的Meta，联合谢赛宁等核心研究者创立了这家公司。仅25人、零产品的状态下完成 $10.3亿种子轮，投前估值35亿美元——创造了欧洲历史最大Seed轮。
投资阵容包括NVIDIA、三星、贝索斯家族基金、Eric Schmidt、Mark Cuban等。LeCun曾"三顾茅庐"邀请谢赛宁加入——在FAIR聘请过他两次，创立AMI时再次力邀。公司总部设在巴黎，刻意不在硅谷设办公室。
谢赛宁的个人主页只写了一句话："Training world models over word models." ——用一句话向整个AI行业宣战。
谢赛宁认为，硅谷的LLM路线正在形成一种"集体催眠"：所有人都在做同一件事，所有的钱都流向同一个方向，所有的人才都被同一种叙事吸引。这不是科学进步的方式，而是泡沫的特征。
AMI Labs刻意选择巴黎作为总部，而非硅谷。谢赛宁将此比喻为"逃出硅谷"——物理距离创造思想距离。当所有人都在同一个房间里对着同一面墙时，你需要走出去才能看到不同的风景。
语言本身是一种"捷径"——它是人类文明几万年提炼出来的高度压缩的信息载体。过度依赖这种捷径会限制AI对真实世界的学习能力。
谢赛宁直言："AGI是伪命题。" 他的逻辑：人类定义AGI时，总是以人类擅长的事情为标准——数学、编程、写作、逻辑推理。但这些恰恰是人类认知中最容易被形式化的部分。
这是对整个AI行业"人类中心主义"的深刻反思。当我们用"通过律师考试"来衡量AI时，我们只是在用人类的偏见定义智能。真正的挑战是让AI理解物理世界的因果关系——这才是世界模型的终极使命。
访谈的最后一个章节，标题来自《银河系搭车客指南》——42是"关于生命、宇宙以及一切的终极问题的答案"。
这个看似荒谬的答案，其实蕴含着深意：超级计算机算出了答案，但没有人知道问题是什么。正如AI领域的现状——我们一直在拼命寻找"答案"（更大的模型、更多的算力），但也许我们连正确的"问题"都还没有搞清楚。
凌晨时分，纽约的雪已经停了。布鲁克林的街头沉默而清冷。一场7小时的对话结束了，但关于世界模型、关于AI的未来、关于智能的本质——这些问题，才刚刚开始。
语言模型预测"下一个token"，世界模型预测"下一个状态"。前者从文字中学习，后者从物理世界的感知与交互中学习。这不是技术细节的差异，而是通向智能的两条根本不同的道路。
LLM的训练范式是"下载互联网"——将人类在网上的文字全部喂给模型。世界模型的范式是"下载人类"——学习人类如何感知、行动、在物理世界中生存。这决定了AI的上限是"超级大脑"还是"完整智能体"。
技术可以复制，算力可以购买，但研究品味（Research Taste）无法速成。它像《金刚经》中的智慧——不执着于任何范式，在不确定中保持判断力。这是谢赛宁两次拒绝Ilya的底层逻辑。
整个AI行业都在回答"如何让模型更大更强"。但也许正确的问题是"智能究竟是什么"。当你问错了问题，再精确的答案都是无意义的。逃出硅谷，也许首先是逃出一种思维定式。