LeCun 列了七条 AI 的收益，逐条核完：只有两条是今天被争论的那类模型做的
Yann LeCun 用法语列了七条 AI 的现实收益，逐条核下去：一条数字的范围被放大，七条里只有两条来自今天被争论的那类模型——而清单里最扎实的两条，恰好不是。
北京时间 10 月 8 日 18 时 43 分，Yann LeCun 用法语发了一条回复。他连问了七次同一个句式——「连……的那些也是吗」——把「所有形式的 AI 都是『漂亮的烂东西』」这句话拆成七段，最后落在一句法国谚语上：不该把孩子和洗澡水一起倒掉。1
这是这位图灵奖得主少见的一次成体系正面辩护。他 2024 年 11 月把置顶帖换成了一句话：「我不在 X 上写帖。我转发其他平台文章的链接。」2
这一次他换了个方向：不谈风险，只算好处。
这篇要做的事很具体——把他列的七条逐条核一遍，把那个唯一的数字追到源头，再看这份清单里，有几条是今天被争论的那类模型在做。
01 一条法语回复，回的是谁
先看这条帖回的是什么。
被回复的那句话写在一天半以前，北京时间 10 月 7 日 6 时 00 分。一个显示名为 MarieSel 的账号（@MSeiler90757）在一张推广帖底下留言：「AI，一件漂亮的烂东西……所有形式的！」5
这个账号 2025 年 11 月注册，173 名粉丝，简介抄的是法国宪法第 35 条。留言本身 0 赞 0 转。6
它被 LeCun 看见了。
被留言的那张推广帖来自法国评论杂志 Civilisation，9 月 25 日发出，推的是一场对谈：《AI：新文艺复兴，还是黑暗时代的许诺？》。对谈双方是强烈反对 AI 的小说家 Abel Quentin，和数据科学家、Mistral AI 创始人之一 Charles Gorintin。帖子曝光 75.6 万次。7
LeCun 那条回复的七段是这样写的：
所有形式的 AI 都是「漂亮的烂东西」？真的吗？连在钼靶片里查出肿瘤的那些也是？ 连在道路上探测并避开障碍、把碰撞减少 40% 从而救命的那些也是？ 连帮忙过滤邮件、短信、社交网络上的垃圾与诈骗的那些也是？ 连侦测并阻断针对民主进程的境外干预的那些也是？ 连让视障者听见周遭视觉环境描述的那些也是？ 连靠机器翻译把不同文化连起来的那些也是？ 连在医生、研究者、记者的本行里搭把手的那些也是？总该避免把孩子和洗澡水一起倒掉。1
半分钟多以后，他自己转了这条帖。8
到北京时间 19 时 27 分，也就是发出约 44 分钟后，这条帖是 6,828 次浏览、141 个赞、27 次转推、12 条回复、1 次引用。回复它的都是低影响力个人号；用中文、英文、法文关键词分别检索，到发稿时都没有找到法国媒体或知名账号接话。1
同一天 16 时 53 分，他也用一条法语回复了 EPFL 教授 Florent Krzakala 那句戏仿加缪的话「今天，数学的一部分死了」——他自己那条回复是 31,745 次浏览、1,258 个赞、约 35 次引用。910
同一天两句话，替 AI 算收益账的那一句，热度不到戏仿加缪的那一半。
现在看那篇被推广的对谈里写了什么。
对谈 8 月 20 日上线，正文在开头几段后被订阅墙截断。在能读到的前几段里，那位「强烈反对 AI 的小说家」Abel Quentin 主动加了一个限定。
LeCun 逐条反驳的那句话，正是那篇对谈里反对 AI 的一方 Abel Quentin 明确否认过的版本。
留言者把「生成式 AI」写成了「所有形式的 AI」，LeCun 按字面把它拆开。他的回答对准的，是那行字的字面。
但这一步把整件事推到了另一个位置上：他反驳的其实是「把 AI 当成一个不可分割的整体」这个说法本身；而按 Abel Quentin 的说法，维持这种混淆「是一种政治选择」。
02 七条主张，逐条对账
七条主张没有一条是凭空写的。差别在证据强度。
| 主张1 | 由什么在做 | 最强的一手证据 | 最强的反面证据 |
|---|---|---|---|
| 钼靶片（乳腺 X 线片）里查出肿瘤 | 判别式深度卷积网络 | 瑞典 MASAI 随机对照试验，105,934 人11 | 主要终点不是死亡率；原位癌检出上升18 |
| 路上探测避障、碰撞减 40% | 摄像头与毫米波雷达的多传感器融合 | IIHS：AEB 使追尾减少 40%13 | 无照明的夜间，行人 AEB「没有差异」16 |
| 过滤垃圾与诈骗 | 机器学习分类器，执法环节正转交大模型 | Gmail 自称拦截逾 99.9%15；Meta 称今年已下架 6,500 万条诈骗广告16 | 平台只报拦截量、不报漏过量，净效果无法核算171819 |
| 阻断针对民主进程的境外干预 | 行为信号与网络分析 | Meta 称累计阻断数百起、来源覆盖 81 国20；美国司法部查封 32 个域名21 | 同一份报告自认：被阻断的每个网络都含生成式 AI（对手也在用它放大产量）20 |
| 让视障者听见环境描述 | 生成式多模态模型 | 美国盲人基金会调查：51% 盲用户每日使用22 | 同一调查：21% 盲用户曾因描述出错受害22 |
| 靠机器翻译连接文化 | 神经机器翻译，2024 年起以大模型扩语种 | Google 自称约 250 种语言、每月逾 10 亿用户23 | 低资源语言仍不可靠24；庇护案件翻译错误25 |
| 辅助医生、研究者、记者 | 生成式大模型 | 美国 FDA 累计授权逾 1,600 件 AI 医疗器械26 | 医生加 LLM 未提升诊断推理的随机试验27（研究者与记者两端见第 05 节） |
有两行的「反面证据」要先说清楚。过滤那一条的反面不是「过滤无效」，而是两边的数字不能相减——平台报的是拦截量，监管机构报的是受害者损失，单位、分母、统计对象都不同。境外干预那一条的反面也不是「没拦住」，而是对手同样在用生成式 AI 放大产量。
下面挑两条最值得展开的细看：唯一给出百分比的那条，和证据最扎实的那条。
03 那个 40%：数字可追，范围不可追
「碰撞减少 40%」是全篇唯一的量化主张，也是最能查出出处的一条。
追下去，最接近的源头是美国公路安全保险协会（IIHS）。2015 年 9 月，美国交通部与 IIHS 召集二十家车企自愿承诺把自动紧急制动（AEB）做成新车标配；2016 年 3 月 17 日定稿的新闻稿里写着这句话——
原口径是追尾，不是全部碰撞。
而且这个 40% 已经被同一批研究的后继版本取代了。IIHS 研究员 Jessica Cicchino 的同行评审版用的是 2010 至 2014 年 22 个州的警方记录，结论是：只装前向碰撞预警的车，追尾率降 27%；装低速自动紧急制动的降 43%；两者都装的降 50%。换成致伤追尾，三个数字变成 20%、45%、56%。11
欧洲那条独立研究线给出的是 38%。它由澳大利亚与欧洲的新车评价机构（ANCAP、Euro NCAP）联合资助，用的是欧洲五国加澳大利亚的数据，量的同样是低速自动紧急制动对追尾的效果。12
美国监管机构用的是 50%。NHTSA 2024 年敲定的 FMVSS 127 号规则要求 2029 年 9 月起新车标配 AEB，规则正文的脚注直接注明效果假设引自 IIHS——50% 的追尾降幅，以及 25% 到 27% 的行人碰撞降幅。1314
结论是：数字追得到，范围追不到。 上面这几个权威口径里，没有一个说的是「全部碰撞减少 40%」——三个说的是追尾；NHTSA 另给了一组 25% 到 27% 的行人碰撞降幅，那是另一类事故，数字也远不到 40%。
这一条的反面，比数字本身更值得记。
IIHS 2022 年的报告直接点了评价体系的短：它的 AEB 测试只覆盖每小时 12 英里和 25 英里两种速度，而警方记录的追尾事故里，只有大约 3% 发生在限速 25 英里以下的路段。测试覆盖的场景，只对应真实事故的一小片。15
同一批研究里的行人 AEB 测试给出更具体的边界：白天降 32%，有照明的路段降 33%，而在无照明的夜间道路上「没有差异」——而大约四分之三的行人死亡发生在夜间。16
监管侧还有一条。NHTSA 缺陷调查办公室 2022 年 2 月 16 日对 2021 至 2022 款特斯拉 Model 3 与 Model Y 开了一项初评，涉及约 41.6 万辆车，理由是收到 354 起「意外刹车」投诉。17
开案不等于认定缺陷，这个区别要写清楚。但它说明：这条主张所依赖的那类系统，在真实道路上的表现仍在被监管者逐项追问，而不是一笔已经结清的账。
04 钼靶那一条：最好的证据，最强的反面
七条里证据最硬的是钼靶。
瑞典的 MASAI 试验是随机、单盲、非劣性设计，注册号 NCT04838756。2021 年 4 月 12 日到 2022 年 12 月 7 日之间，105,934 名女性被一比一随机分到两组：一组用 AI 辅助筛查（AI 先把检查分派给单读或双读，并提供检出支持），一组是标准的无 AI 双读。
主要终点是间期癌发生率，也就是两次筛查之间、或末次筛查后两年内确诊而当时未被检出的乳腺癌。
![Europe PMC 摘要页截图，Findings 段原文：Interval cancer rates were 1·55 (95% CI 1·23-1·92) and 1·76 (1·42-2·15) per 1000 participants... a non-inferior proportion ratio of 0·88 (95% CI 0·65-1·18; p=0·41)... Sensitivity was higher in the intervention group (80·5% [95% CI 76·4-84·2]) than the control group (73·8% [68·9-78·3]; p=0·031)... Specificity was 98·5% (95% CI 98·4-98·6) for both groups (p=0·88).](https://storage.neodrop.ai/grains/media/0rlspbwP_Jo9wEyppOdt2.png?w=640)
结果段原文：干预组与对照组的间期癌率分别为每千人 1.55 与 1.76，比例比 0.88（95% 置信区间 0.65–1.18，p=0.41），落在非劣界值之内；灵敏度干预组 80.5%、对照组 73.8%（p=0.031）；特异度两组同为 98.5%（p=0.88）。截图取自 Europe PMC 收录的论文摘要，论文发表于《柳叶刀》2026 年第 407 卷
读法要小心。主要终点是「非劣」，不是「更好」——这正是 MASAI 试验作者写在论文解读里的：AI 辅助筛查与标准双读相比「结果持续有利」，但结论的表达方式是间期癌率不劣于对照。灵敏度的差异来自同一批数据的次级分析，作者未做多重比较校正。
同一试验的姊妹论文给出了另一组更常被引用的数字：癌检出率每千人 6.4 对 5.0（比例比 1.29，p=0.0021），读片工作量下降 44.2%。18
同一篇里还有一行容易被漏掉：原位癌的检出从 45 例升到 68 例（比例比 1.51），其中核分级 III 级多了 12 例。
这正是反对意见的落点。2026 年 5 月，韩国《放射学杂志》的一篇社论复核了 MASAI，指出它与韩国的 AI-STREAM 试验都报告了 AI 组原位癌检出的相对增加，「这可能加重钼靶筛查的过度诊断负担」。社论还补了两处外推问题：MASAI 的 16 名读片者里有 14 名是经验丰富的乳腺专科医师、且知道自己在试验中；而在 AI-STREAM 里，由全科放射科医师使用 AI 后，召回率反而显著上升（6.31% 升至 6.89%，p<0.001）。19
2026 年 6 月，《柳叶刀》同一期刊出三封读者来信与作者答复，主题是「AI 支持的钼靶筛查：如何衡量获益」。这三封信与答复，到发稿时只能核到题录，正文未能打开，本篇因此不引述其中任何一句。20
监管侧的事实是清楚的。FDA 2024 年 11 月 25 日对试验所用同款产品的许可文件写明：它是给医师读片用的并发读片辅助，输出病灶位置与恶性度评分，并明确要求「不得仅依据其分析结果做患者管理决策」；文件同时定性其算法为深度学习。21
「查出更多癌」不等于「少死人」。 MASAI 没有设死亡率终点，这是它的设计，不是它的错误；但把它读成「AI 降低了乳腺癌死亡率」，就是超出证据的读法。
05 清单的边界：哪几条属于今天被争论的那一类
把七条按「由什么在做」重新排一遍，会看出一个结构。
三条来自上一代技术。钼靶用的是判别式卷积网络——判别式指的是它在做分类，而不是在生成内容；避障用的是摄像头与毫米波雷达融合的模块化感知；阻断境外影响行动靠的是行为信号与网络分析——Meta 自己写的是「基于行为而非内容」。这三条的共同点是，它们都不是生成式大模型。
两条正在被大模型接管。垃圾与诈骗过滤原本是机器学习分类器：Gmail 的技术博客 2019 年讲的是把 TensorFlow 接进过滤管线，22 而 Meta 在 2025 年第三季度的诚信报告里说，新一代大语言模型在识别名人冒充这类常见诈骗手法上「优于现行自动化加人工审核」，并计划在未来数年完成过渡。23 机器翻译从 2016 年起就是神经机器翻译，2024 年新增 110 种语言时用的是 PaLM 2 大模型。24
两条确实是生成式模型在做。让视障者听见环境描述的 Be My AI 由 GPT-4 驱动；25 在医生、研究者、记者本行里搭把手的那一类，本身就是这一代通用模型的主要落点之一。
七条里，没有一条来自他自己押注的世界模型路线。 他 2024 年 6 月写过「没有世界模型，就没有规划」，如今他创办并任主席的 AMI Labs 做的正是这条线；26 而这份清单里，一条世界模型的交付都还没有。
公平地说一句：他反驳的是「所有形式」，所以铺得宽是与那句话相称的。
但这也意味着，这份清单没有碰到真正在吵的那一段。今天被追问最多的是第七条——通用生成式模型进入专业工作之后会怎样。而第七条，恰恰是七条里随机对照证据最不利的一条。
医学上有一项随机临床试验直接测了这件事：50 名医生分别用常规资源、以及常规资源加商用 LLM（GPT-4）解决临床情景题，诊断推理得分中位数 74% 对 76%，调整后差异 2 个百分点，统计上不显著；而把同一批题直接交给 LLM 单独处理，得分比常规资源组高 16 个百分点——加了人，反而没拿到模型单独作答的水平。27
软件开发上另有一项随机对照试验，结论与「AI 能提速」的预期相反：16 名资深开源开发者做 246 个真实任务，被允许用 AI 工具时，完成时间比不用时长 19%；而他们自己预估会快 24%，事后仍以为快了 20%。28
新闻业这边是一份代表性调查：英国记者 56% 至少每周在专业工作中使用 AI，最常用在转写与字幕、翻译和语法校对；但 62% 认为 AI 对新闻业构成「大或极大的威胁」，只有 15% 认为是大或极大的机会。29
这三条各有各的限制：50 名医生、情景题而非真实病人；16 名开发者、开源仓库场景；第三项是态度调查而不是效果测量。它们的共同点只有一个——都测不到这三个职业里可复现的增益。
所以准确的说法不是「第七条不成立」，而是：它的证据强度与前六条不在一个量级——前面有随机试验和大型队列，这一条有相互矛盾的随机试验和从业者的抵触。
06 这段时间，别人怎么讲收益
LeCun 不是这段时间唯一在算收益账的人。
Dario Amodei 9 月 12 日发在个人网站的长文《We Must Pace the Frontier》，开篇就是一份收益清单：五到十年内治愈多数重大疾病、显著加快经济增长、创造丰裕与赋权、迎来民主与自由的复兴。但他落到的结论，是给前沿「调速」（pace the frontier）。
我依然相信 AI 能极大改善人类生活质量，我实现这些收益的愿望未曾减弱。但这些收益只有在我们以正确方式建造该技术时才会实现……
Sam Altman 的说法更直接。在接受 Politico「Decoded」播客采访时，他把 OpenAI 与更严格的安全派之间的差别讲成一句话：世界应为这项技术的收益、以及让人们拥有使用它的能动性，接受一些坏事发生；他同时说不会做这样的交易——承诺没有重大黑客事件、没有诈骗，因为「人们会用 AI 做出多出好几个数量级的好事」。30
黄仁勋在 Dreamforce 上的立场是这几人里最靠收益一侧的：安全是工程问题，不是法律问题，「我们不需要任何新法律、不需要新监管」，创新、速度与安全产品是一个伪选择题。31
比尔·盖茨在今年的 Goalkeepers 报告里给的是一道二选一的题：AI 可能成为最大的均衡器，也可能拉大鸿沟，「这不是远期预测，而是当下的选择」。32
Geoffrey Hinton 是这份名单里唯一同时主张「收益极大」和「风险迫近」的。他在 The Atlantic 的播客里说，AI 与核武器非常不同，核武只能用来做坏事，而 AI「有巨大的上行空间，这正是我们不能就此停止发展它的原因」；同一场里他维持了自己那个 10% 到 20% 的灭绝概率直觉，也承认那是直觉而非统计。33
Yoshua Bengio 在 9 月 23 日的联合国安理会简报里走的是另一个极端：全场围绕灾难性滥用、权力集中与失控三类威胁，只在结尾承认正面可能，没有收益清单。34
这张名单上，已经没有人反对「AI 有真收益」。 分歧移到了下一步：要不要为了这些收益放慢一点，以及由谁来发牌。
LeCun 的清单落在「不必减速」那一侧。不过这份清单自己给出的理由，是另一回事——他举的收益，绝大部分并不来自那场争论里的东西。
这份名单上还缺两个人的声音：Ilya Sutskever 这段时间没有任何公开表述；Andrej Karpathy 最近一篇关于 AI 的长帖停在 1 月。本篇不替他们补上立场。
07 他为什么此刻要说这份清单
把这条帖放回它出现的环境，会看到它不是一次随手的回怼。
公众一侧的数据正在变差。路透社与 Ipsos 10 月 7 日的联合民调显示：57% 的美国选民认为特朗普政府没有严肃对待 AI 风险，54% 对国会持同样看法；将近三分之二认为 AI 可能最终失去控制；56% 支持限制新建数据中心；84% 认为 AI 对美国工人构成威胁。35
更早的一项盖洛普调查把这种情绪具体到了选址：71% 的美国人反对在本地建设 AI 数据中心，其中 48% 表示「强烈反对」——反对强度高于本地核电站。36
皮尤 3 月的汇总给出了一个更朴素的读数：50% 的美国成年人说，日常使用 AI 的增加让他们「更担忧而非更兴奋」，只有 10% 说更兴奋。37
监管一侧则在往「简化」的方向走。欧盟通过数字综合法案，把高风险 AI 的义务生效日从 2026 年 8 月 2 日推迟到 2027 年 12 月 2 日，附件一类推到 2028 年 8 月 2 日；38 加州 SB 53 已在 2025 年 9 月签署，把「既保护社区、又让 AI 行业持续繁荣」写进了立法说明；39 10 月 7 日，参议员坎特韦尔抛出一份联邦框架，主打由 NIST 制定标准、持续压力测试与独立审计，话说成「美国可以靠建造不仅更强大、也更安全可靠的系统来引领世界」。40
把这些放在一起，「他不是随手回怼」就有了解释。
争辩的对象正在从「AI 会不会毁灭人类」，移到「这些收益值不值得它带来的代价、要不要为此放慢」。 前者他已经答过很多次；后者他还没答。于是一个一贯否认存在性风险的人，第一次需要拿出一份收益清单。
这也解释了他为什么用法语、为什么去回一条 0 赞的小号留言。收益叙事的战场不只在华盛顿与布鲁塞尔，也在法国的评论区里，在那篇「文艺复兴还是黑暗时代」的对谈底下。
而截至本文发稿，这个替 AI 说话的账号，用一条 6,828 次浏览的回复，没有换来任何一家媒体的接话。
证据最扎实的两条，一条在医院的阅片室里，一条在高速公路上；证据最软的那一条，正好落在争论的正中央。
References
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13NHTSA：FMVSS 127 自动紧急制动规则（2024-04-29）
nhtsa.gov
- 14FMVSS No. 127 最终规则，89 FR 39686（2024-05-09）
federalregister.gov
- 15
- 16
- 17NHTSA ODI：PE 22-002 开案文件（2022-02-16）
static.nhtsa.gov
- 18
- 19
- 20相关通信的题录整理（媒体梳理，非原文）
civl.com
- 21FDA 510(k) 许可 K241831（2024-11-25）
accessdata.fda.gov
- 22Gmail 官方技术博客（2019-02-06）
workspace.google.com
- 23Meta 诚信报告 2025 年第三季度（2025-12-11）
transparency.meta.com
- 24
- 25Be My Eyes：Introducing Be My AI（2023-03-14）
bemyeyes.com
- 26
- 27
- 28
- 29Reuters Institute：AI adoption by UK journalists and their newsrooms（2025-11-27）
reutersinstitute.politics.ox.ac.uk
- 30
- 31
- 32Gates Foundation：2026 Goalkeepers Report——AI, equity, and the Choice We Can't Delay
goalkeepers.gatesfoundation.org
- 33
- 34
- 35The Hill 转述 Reuters/Ipsos 民调（2026-10-07）
thehill.com
- 36
- 37
- 38
- 39
- 40
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.