# Dodo Digest：LLM 的终点是否比我们想象中更近？ > LLM 擅长处理文本，但在上下文、结构和现实世界意图方面却很吃力。Yann LeCun 刚刚筹集了 10 亿美元，用于构建世界模型，而我们也一直在通过 Sentra 思考这个问题。 - **Author**: Rishabh Goel - **Published**: 2026-03-21 - **Category**: Newsletter - **URL**: https://dodopayments.com/blogs/zh/newsletter-mar22 --- **TL;DR：** - 我在为 AI Boomi 制作演示文稿时，突然觉得有些不对劲----内容本身没问题，但整体感觉不对。那一刻我意识到：LLM 很擅长处理文本，但在结合上下文、结构和现实世界意图时却很吃力。 - 本周，Yann LeCun 筹集了 10 亿美元，用于构建"世界模型"----能够理解现实世界、而不只是理解语言的 AI。这是一个强烈的信号：仅仅扩展 LLM 的规模可能还不够。 - 随着 AI 开始驱动真实工作流，上下文和可靠性变得至关重要。这也是我们一直在思考的问题：通过 Sentra 构建不仅能响应，还能基于上下文真正执行工作的系统。 **大家好，** 前几天，我在为一个即将举行的活动 **AI Boomi** 准备演示文稿。 我通常会先用 Markdown 编写幻灯片，先把结构和想法理顺，然后让 Claude 把它转换成正式的 PPT。 一开始，它的表现和预期一样。文本简洁，流程还不错，技术上也完全正确。 但当我打开幻灯片时......感觉就是不对。 布局有些别扭，层级关系也不清晰。它看起来像是适合阅读的内容，却不像是你真的会想拿来演示的东西。 就在那时，我突然明白了。LLM 在一些事情上非常出色----语言、图像，甚至现在的视频也是如此。 但这些能力各自单独使用时效果很好。 文本 LLM 非常擅长处理文本。Midjourney 这样的工具能生成很棒的图像。Seedance 这样的模型能创造令人印象深刻的视觉效果。 单独来看，它们都很强大。 但只要稍微超出这个范围----进入需要将结构、设计和意图结合起来的场景----事情就开始变得不对劲。 它们很擅长生成文本。但当你需要把文本转化为现实世界中真正可用的东西时......一切就开始崩塌。 它们会生成，却不会体验。 而这种差距很快就会变得非常明显。这个想法一直萦绕在我心头，也让我想起了那周早些时候读到的一些内容。 大型语言模型超越文本生成能力的局限示意图 ## Yann LeCun 看到了什么 Yann LeCun 是参与构建现代 AI 的先驱之一。最近，他筹集了 10.3 亿美元，用于研究一项与当前行业大多数人关注的方向截然不同的事情。 不是更好的聊天机器人，也不是更大的语言模型，而是他所称的 **"世界模型"。** 这个想法简单，却相当激进。与其构建生成文本能力越来越强的系统，他更关注构建真正理解世界运行方式的系统----能够进行推理、预测结果，并从互动中学习，而不只是从语言中学习。 这一点本身就很有意思。但它背后更大的含义很难忽视。 这位帮助塑造了现代 AI 的人，如今正在押注：当前的发展方向----扩展 LLM 的规模----可能还不够。 而当你回过头来想想我之前的挫败感，一切似乎就更容易理解了。 LLM 非常擅长预测下一个词。这就是它们被设计来做的事情。但智能，至少是我们所期待的那种"聪明"，远不止于此。 这不仅仅是把词语用对。 更重要的是理解 _结构_。 理解 _意图_。 理解某件事在现实世界中应该给人的 _感受_。 问题就出在这里。这些系统其实并不理解自己在说什么。它们不会构建关于世界的心智模型。它们什么都没有体验过----它们只是在模拟。 这也正是为什么它们有时会显得无比聪明，下一刻却又完全脱离实际。 你并不是在和一个理解你的东西互动，而是在和一个极其擅长模式匹配的东西互动。 AI 模式匹配与真正理解世界的概念对比 ## 为什么这比看起来更重要 今天，这或许只是一个小小的局限，但当你看看未来的发展方向，就会发现它可能变成一个更大的问题。 我们正在走向这样一个世界：AI 不只是回答问题。 它还会采取行动。 它会触发工作流、做出决策，并处理真实的运营事务。它会成为人们所依赖的系统的一部分。 在这样的世界里，上下文不是可有可无的加分项。 它就是一切。 因为一旦 AI 系统忘记了某个重要信息，整个流程都可能中断。操作会失败，输出会变得不可靠。更重要的是，用户会失去信任。 而一旦失去信任，就很难再赢回来。 ## 我们是如何思考这个问题的 其实，我们已经思考这个问题有一段时间了。 早在这件事成为更大范围讨论之前，我们就已经开始构建 **Sentra**----一个位于支付和工作流之上的内部 AI 层。 我们的目标不是再构建一个聊天机器人。 而是构建一个能够 **在系统中工作** 的东西。 它能够响应实时事件，在流程的不同环节之间保留上下文，并根据实际发生的情况触发操作。 某种程度上，它不像聊天机器人，更像是一个能够观察、理解并采取行动的系统。 为了让它真正实现端到端的工作，我们还构建了一个 [**MCP 服务器**](https://docs.dodopayments.com/developer-resources/mcp-server#mcp-server)，为 AI 提供了与真实支付系统交互的结构化方式。这样一来，它就不只是生成回复，还能获取上下文、触发操作，并直接在系统中执行。这才是让整套系统真正有用的地方----而不只是看起来很厉害。 阅读 LeCun 的观点，并没有让我们产生一个全新的想法，只是进一步印证了我们已经观察到的事情。 我们还处于探索的早期阶段，但方向已经越来越清晰。我们不只是想要一个能够良好响应的 AI。 我们想要的是能够 **保留上下文，并在真实工作流中可靠运行的 AI。** Sentra AI 层保留上下文并在支付工作流中运行 ## 与此同时，我们还发布了一些更新 在探索这一方向的同时，我们也在 [**v1.87.0**](https://docs.dodopayments.com/changelog/v1.87.0) 中推出了几项更新。 我们改进了核心支付流程和整体可靠性，更优雅地处理了交易中的各种边界情况，并推出了一些小幅升级，让开发者体验更加顺畅。 没有什么特别吸睛的头条新闻，只是一些让系统在不知不觉中变得更加稳固、可预测的改进。 ## 最后还有一件事 我越是思考这一切，就越觉得我们正处在一个有趣的阶段。 我们已经构建出了会对话的 AI。现在，我们正在尝试构建能够理解的 AI。而这其实是两个截然不同的问题。 有句话我总是反复想起： _AI 会做饭，但它尝不出味道。_ 它可以生成答案，可以模拟理解，也可以听起来很有说服力。但它真的 _知道_ 什么吗？ 我不确定。 我也不认为我们已经完全回答了这个问题。 你怎么看？很想听听你的想法。 另外，也欢迎加入我们充满活力的 [Discord 社区](https://discord.gg/dodo-payments-1305511580854779984)！ 祝好， Rishabh Goel 联合创始人， **Dodo Payments** --- - [More Newsletter articles](https://dodopayments.com/blogs/category/newsletter) - [All articles](https://dodopayments.com/blogs)