Yann LeCun forlader Meta og rejser 7 milliarder til AMI Labs — et milliardvæddemål mod sprogmodellerne

Yann LeCun, en af dybdelæringens grundlæggere og vinder af Turing-prisen i 2018, har forladt sin stilling som Chief AI Scientist hos Meta efter 12 år — og lanceret sit eget laboratorium, AMI Labs, med en seedrunde på 1,03 milliarder dollars (ca. 7 milliarder kroner). Det er den største seedrunde nogensinde for en europæisk startup, og den sender et klart signal: ikke alle i AI-branchen tror, at sprogmodeller er vejen til kunstig intelligens.

Verdensmodeller i stedet for sprogmodeller

LeCuns grundlæggende tese er, at store sprogmodeller (LLM’er) som GPT og Claude har en fundamental begrænsning: de forudsiger tekst token for token, men de forstår ikke den fysiske verden. De kan skrive en overbevisende beskrivelse af, hvordan en bold ruller ned ad en bakke, men de har ingen reel model af tyngdekraften, friktion eller fysik. De hallucinerer — og i domæner som robotteknologi, sundhed og industriel styring er hallucinationer ikke bare irriterende, men potentielt farlige.

AMI Labs bygger i stedet såkaldte verdensmodeller baseret på LeCuns JEPA-arkitektur (Joint Embedding Predictive Architecture). Hvor en LLM forsøger at forudsige næste token i en tekstsekvens, lærer JEPA at forudsige i et abstrakt repræsentationsrum. Det betyder, at modellen lærer hvad der er vigtigt i hvordan verden ændrer sig — ikke hvordan den ser ud pixel for pixel. Konkret trænes modellerne på videodata fra sensorer og kameraer, så de opbygger en intern forståelse af fysiske lovmæssigheder.

Det er en fundamental arkitektonisk forskel. LLM’er er ekstremt gode til sprog, kode og tekstbaserede opgaver. Men når vi taler om robotter, der skal gribe objekter, de aldrig har set før, eller medicinsk udstyr, der skal reagere pålideligt i uforudsigelige situationer, mener LeCun, at verdensmodeller er det rigtige fundament.

Investorer fra tre kontinenter

Seedrunden på 1,03 milliarder dollars giver AMI Labs en præ-money-værdiansættelse på 3,5 milliarder dollars — og det er for en virksomhed med omkring et dusin ansatte, intet produkt og en forskningsdagsorden målt i år, ikke kvartaler. Investorlisten læser som et who’s who af tech og kapital: NVIDIA, Jeff Bezos, Eric Schmidt, Mark Cuban, Tim Berners-Lee, Samsung, Toyota Ventures, Temasek (Singapores suveræne fond), og franske Bpifrance.

Sammenlignet med andre store AI-runder er AMI Labs i godt selskab. Fei-Fei Lis World Labs rejste 230 millioner dollars i 2024, mens Mira Muratis Thinking Machines Lab blev værdiansat til 12 milliarder dollars ved sin seedrunde. Men AMI Labs skiller sig ud: det er det eneste frontier-AI-laboratorium med hovedsæde i Europa, og det er bevidst. LeCun har været eksplicit om, at Paris-placeringen og den europæiske identitet er en del af strategien — et alternativ til de amerikanske og kinesiske AI-giganter.

Et europæisk modspil til Silicon Valley

AMI Labs opererer fra fire hubs: Paris, New York, Montreal og Singapore. Hovedsædet ligger i Paris, og den franske stat bakker op via Bpifrance. Det er en del af en bredere europæisk bevægelse mod “suveræn AI” — ideen om, at Europa har brug for sin egen AI-infrastruktur, der ikke kører gennem amerikanske cloud-udbydere eller udsætter følsomme data for amerikansk jurisdiktion.

Det er en ambition, der giver mening politisk, men som også bærer reelle udfordringer. Ét milliard dollars er mange penge for en seedrunde, men OpenAI rejste 110 milliarder dollars sidste måned alene. Ressourceforskellen er enorm. Og selvom JEPA-arkitekturen har vist lovende resultater i laboratoriet — robotter, der kan generalisere til objekter, de aldrig er trænet på — er vejen fra forskningsdemonstration til kommercielt produkt lang og uforudsigelig.

Holdet bag AMI Labs

AMI Labs’ ledelse trækker kraftigt på Metas AI-forskningsorganisation FAIR, som LeCun selv grundlagde. Alexandre LeBrun er CEO, Saining Xie er Chief Science Officer, og Pascale Fung er Chief Research and Innovation Officer. LeBrun har været åben om, at AMI Labs ikke er en typisk startup med seks måneders horisont til omsætning — det første år handler udelukkende om forskning. Meningsfulde produkter ligger år ude i fremtiden.

Den tilgang kræver tålmodige investorer, og det ser ud til, at AMI Labs har fundet dem. Men den skaber også et pres: når næste finansieringsrunde skal hentes, skal der være konkrete beviser på fremskridt.

Hvad betyder det for os?

For udviklere og IT-folk i Danmark er AMI Labs ikke noget, der ændrer hverdagen i morgen. LLM’er er og bliver det dominerende værktøj til tekstbaserede opgaver, kodning og samtale-AI i den nærmeste fremtid. Men AMI Labs repræsenterer en vigtig korrektion af narrativet: sprogmodeller er ikke det eneste spor mod avanceret AI. NVIDIAs massive investeringer i inferens-hardware peger i samme retning — fremtidens AI handler ikke kun om større sprogmodeller, men om systemer, der kan interagere med den fysiske verden.

Konkurrencefeltet for verdensmodeller vokser: Google DeepMinds Genie 3, Fei-Fei Lis World Labs og flere andre arbejder på lignende problemer. Og den hybride tilgang — LLM’er kombineret med verdensmodeller — kan vise sig at blive mere relevant end enten-eller. Men med 7 milliarder kroner i ryggen og en Turing-prisvinder ved roret har AMI Labs sat sig selv i en position, hvor det er svært at ignorere dem.

LeCun har altid været en kontrær stemme i AI-debatten. Nu har han pengene til at bevise sin tese — eller fejle spektakulært i forsøget. Uanset hvad bliver det spændende at følge.