經緯領投2000萬美元，Aether AI讓機器人學會舉一反三｜甲子光年

用機器的方式，抵達人類未曾到達的因果彼岸。

作者｜劉楊楠

編輯｜栗子

過去半年，從硅谷到中關村，許多人都試圖通過世界模型在物理世界復刻ChatGPT的傳奇。可物理世界有太多語言無法描述的隱秘變量，例如摩擦力、溫度、光照等等，無不影響著模型對現實世界的理解程度。光靠堆語言或視頻數據和算力，已經不夠用了。

而一筆剛剛落定的融資，將外界目光引向了一位來自加州大學圣地亞哥分校的學者。

6月18日，Aether AI宣布完成約2000萬美元首輪融資，由經緯創投領投，英諾基金、SWC Global、九合創投聯合參投。這家成立不久的AI公司所押注的方向，正是黃碧薇博士在CVPR 2026上拋出的答案——因果世界模型。

黃碧薇博士（Prof. Biwei Huang），圖片來源：Aether AI

黃碧薇博士（Prof. Biwei Huang）是加州大學圣地亞哥分校（UCSD）助理教授、Aether AI創始人。她有一個看似并不合群的觀察，認為今天所有主流大模型，本質上都只是在學相關性，而非因果性，這會讓模型永遠停留在數據的表層關聯里，無法真正理解世界運行的邏輯。

這個判斷建立在她過往十余年研究基礎上，從上海中科院神經所到德國馬普所（Max Planck Institute）、圖賓根大學，最終進入該領域的開創地CMU，師從多位奠基人Kun Zhang, Clark Glymour, Peter Spirtes，和Bernhard Sch?lkopf。由此，她的研究路徑幾乎貫穿了因果AI從歐洲到美國的完整傳承。

博士畢業那年，黃碧薇迎面撞上了ChatGPT掀起的LLM浪潮。盡管身處AI前沿研究多年，她對LLM并非一無所知，但ChatGPT在自然語言任務上的驚人效果，還是給她帶來了巨大沖擊。“方法明明非常簡單粗暴，但效果確實很好。”她回憶道，“那時候我才意識到，即使在小數據上挖盡所有信息，也比不上在大數據上做一次簡單的挖掘。”

沖擊過后，她迅速冷靜，開始重新審視前行方向。

黃碧薇系統回望過去30年的AI演變，從中拎出兩條清晰的主線：一是模型規模從小到大的躍遷，二是抽象深度從相關性到因果性的遞進。

具體來看，90年代初，基于相關性的小模型研究成為主流；2010年前后，她和CMU的導師們用小模型的成熟算法將因果發現推向了新的高度，開創了以因果為核心的小模型時代；而ChatGPT的橫空出世，則驗證了“大數據+大模型”在相關性路徑上的工程可行性。

她敏銳發現，模型規模和抽象深度并非天然綁定。相關性小模型時代積累的算法方法論，恰恰可以為她們的因果發現研究提供扎實的工具箱。如今在大模型時代，她能否將自己和導師的歷史成就再推上一個新臺階？

黃碧薇決定順勢而為。博士畢業后，她加入UCSD擔任助理教授，開啟獨立研究。她的目標很明確：把LLM的Scaling law和小模型時代幾近完美的因果算法相結合，讓模型在保持規模的同時，真正學到物理世界的因果結構。

這一次，擋在黃碧薇面前的是一片尚未開墾的荒原，她身后站著無數曾在前方引路的AI先驅們，推著她在因果AI和LLM交界的空白地帶，開辟一個全新的戰場。

1.“結構即智能”

Scaling Law的裂痕，不止于表層的算力和數據瓶頸，更指向一個根本質疑：LLM的智能，到底是理解世界，還是機械記憶？

早在2024年，哈佛研究員Keyon Vafa的一篇論文對此已有印證。他通過實驗發現，AI在學習數百萬條導航指令后，能畫出準確率高達99%的曼哈頓路線，地圖上卻憑空多出一條穿中央公園的路——Vafa指出，這是由于AI只是死記硬背零散路線的經驗法則，并未對城市道路形成真正的認知地圖。

這個結果直指今天LLM的本質困境：它能復現訓練語料中的因果表述，卻并不真正理解因果，本質上只是“鸚鵡學舌”。

根源在于Transformer和Scaling Law的內在局限。

Transformer的核心是注意力機制，學習的本質是token共現概率。它能預測A之后大概率是B，卻學不會“因為A，所以B”背后的因果關系。按圖靈獎得主Judea Pearl的“因果階梯”劃分，模型始終被鎖在最底層的“關聯”層級，無法觸及“干預”與“反事實”。

那為什么LLM有時會表現出“懂得因果”的假象？Scaling Law起了關鍵作用。訓練語料中大量“因為/所以”句式被模型靠規模記憶下來，但對于語料中未明確點明的因果關系，模型自然無從學習。

此前一項研究則表明，GPT-4在判斷國際象棋合法開局時準確率接近90%，但當規則被輕微修改，將騎士與主教交換初始位置——這個反事實情景在訓練數據中極為罕見，模型準確率便驟降至約54%，幾乎等于隨機猜測。

這恰恰暴露了Scaling Law背后“壓縮即智能”理念的短板。黃碧薇并不否認這一理論對LLM的里程碑式引導，但在她看來，更準確的表述應是：結構即智能。

LLM的黑箱式壓縮記住了海量token的共現模式，卻沒能把知識組織成可遷移、可干預的因果結構。一旦規則改變，便無能為力。

這種局限也直接導致了LLM的“幻覺”。比如，當“西雅圖”和“華盛頓州”在語料中高頻共現，GPT-3就傾向于把西雅圖當作首府，這是相關性學習的典型陷阱。

相反，因果模型則理解數據背后的生成機制，知道答案是如何推導出來的，因此具備更強的可控性和可解釋性。

因此，黃碧薇認為，只有經過結構化組織的信息，才能真正具備信息量，進而產生智能。換句話說，結構化的壓縮，才是智能。

這一判斷正在成為越來越多人的共識。DeepSeek-R1僅靠強化學習就讓模型自行“頓悟”出因果推理能力；去年Ilya Sutskever公開斷言Scaling Law即將觸頂，AI行業必須從“資源競賽”重返“范式創新”。

種種信號指向同一個事實。智能的邊界，正從數據規模轉向因果理解與泛化深度。

在「甲子光年」看來，這意味著AI競爭的核心邏輯正在發生根本性的位移。

過去三年，大模型賽道比拼的是“誰能拿到更多的數據、買到更多的顯卡”。而在具身智能、科學發現等更復雜的領域，誰能率先構建出因果結構，讓模型真正理解物理世界，誰就能在下一代AI競賽中搶占身位。

2.拆解Aether AI的“因果大腦”

就像LLM是“壓縮即智能”的代表路線一樣，“結構即智能”也需要一個具體的模型范式來完成從理論到產業的跨越。

目前，隨著越來越多企業開始向世界模型靠攏，“世界模型”的概念邊界也越發模糊。視頻生成模型、3D重建模型，甚至連能聊天的語言模型都被包裝成世界模型。

回歸技術本質，黃碧薇的答案是因果世界模型，她認為，實現真正的世界模型道路，至少需要跨越三個臺階：表象生成、空間建模和因果想象。

第一層是表象生成，以 Sora 為代表，畫面逼真但經不起物理推敲，杯子碎了可以復原，手穿過桌子不會變形。

第二層是空間建模，以李飛飛提出的空間智能為代表。它進一步理解三維空間、物體位置和幾何關系，知道“杯子在桌子上”，但如果缺少時間演化和動作后果預測，仍未必知道“推一下杯子會掉下去”。

第三層是因果想象。模型只有學到物理世界背后的因果結構，才能預測干預后的結果，并進行反事實推理。這也是機器人走向開放環境、長程任務和自主泛化的關鍵。

在這個遞推框架之外，Yann LeCun提出的JEPA是另一條值得關注的路線。JEPA去掉了像素空間的解碼器，通過過濾高頻噪聲來縮小模型尺寸。

黃碧薇認可這個思路的價值，但指出了兩個問題。

一方面，去掉解碼器雖然過濾了噪聲，也同時丟掉了機械手與物體接觸的瞬間、摩擦力變化這類非常細節的信息。這些細節對視頻生成無關緊要，但對機器人操作卻是精確控制的關鍵。另一方面，JEPA沒有在隱空間里顯式學習因果變量和因果結構。它跳過了渲染，直接進入某種抽象表征，但離真正的“想象”還有距離。

這幾條路線的共同問題是，都沒有真正觸及物理世界的因果機制。

于是，黃碧薇將傳統因果發現的方法論，包括從觀測數據中自動抽取隱變量、識別因果方向、學習因果動力學，與大模型的海量數據處理能力結合起來，打造了讓模型真正具備“想象”能力的因果世界模型新范式。

她認為，因果世界模型必須具備三個特征。

一是結構化隱表征，讓模型從視頻和傳感器信號里學習背后的因果變量，而不是停留在token層面。在黃碧薇看來，觀測到的變量往往不是真正的因果變量，必須深入到隱空間去學習。

二是因果結構，理解這些因果變量之間是怎么相互影響的。第一層回答“有哪些重要的東西”，第二層回答“它們之間是什么關系”。

三是因果動力學，掌握系統如何隨時間演化，以及動作如何驅動狀態變化。學到了真正的因果變量、因果結構和動力學，預測下一個狀態就是自然而然的結果。

這套框架的增益直接體現在模型的泛化性和數據效率上。“假設有100個變量，傳統方法在新環境中需要重新估計全部聯合分布，但從因果角度看，可能只有兩個變量的因果機制發生了變化，只需少量數據就能更新相應參數。”黃碧薇解釋道。

這正是因果世界模型能用更高數據效率實現更強泛化性的根源。黃碧薇透露，團隊目前僅用50條數據，就讓一些開源模型在特定操作任務上的表現大幅提升。

但更高的數據效率并不意味著因果世界模型的訓練不需要大數據。恰恰相反，因果世界模型同樣建立在海量數據之上，只是處理方式不同。

Aether AI的因果世界模型無需人工標注因果結構，而是采用self-supervised learning和課程學習的方式，先喂簡單干凈的數據，再逐步增加難度，讓光照、場景等因素自然變化。核心邏輯是在因果結構與某種統計性質之間建立一對一的映射，使模型能從統計性質反推因果結構，實現自監督學習。

然而，一個完整的智能系統不能只有世界模型。要完成復雜任務，必須有一個高層的智能體系統負責規劃與決策，同時底層架構也需要從根上支持因果推理。

基于這一思路，Aether AI搭建了一個四層架構的“因果大腦”。

第一層是因果驅動的智能體系統，具備因果規劃、歸因、記憶，能反思上次任務為何失敗，并據此調整策略。

第二層是因果世界模型。作為系統的認知核心，這一層負責理解物理世界的運行規律。它接收上層傳來的子任務，在內部模擬“如果這樣做，世界會怎樣變化”，然后生成精確的任務指令，驅動上層的智能體系統。

第三層是模塊化架構，目標是實現對人腦功能分區的工程模擬。

黃碧薇指出，當前混合專家模型（MoE）有一個普遍問題，就是專家模型之間功能高度重疊，往往只有一兩個在真正干活，沒有實現功能解耦。Aether AI希望實現像樂高積木一樣功能獨立的模塊化架構，不同模塊可拆可換，不互相糾纏。

第四層是Causation Transformer，在保持其可擴展性的前提下，加入對時間延遲、瞬時關系以及隱因子影響的建模能力，讓底層從學習“相關性”升級為學習“因果性”。

這四層并非同步實現。黃碧薇的推進策略是，先在一二層跑通因果泛化，再逐步推進至三四層，后者所需的算力規模將提升一個數量級。她不避諱這一梯度，但強調每一步都在為最終的因果大模型積累經驗、數據與工程能力。

而近期階段性的落地切口，她選擇了當前最具想象力、市場反響也最熱烈的場景——具身智能。

3.機器人為什么要“懂因果”？

之所以選擇在具身智能落地，Aether AI并非是為了追逐熱點。

從技術層面看，具身領域的數據相對規整。比如今年熱度很高的Ego-Centric數據可以低成本大規模采集，普通人戴上攝像頭做家務就能收集，遠比依賴遙操數據容易規模化。仿真數據則能任意生成真實世界中很難采集的長尾場景和失敗案例。

在AetherAI的數據規劃中，仿真數據約占60%，第一人稱數據約占30%，遙操僅占10%。

這與當下VLA路線大量依賴遙操數據堆量的思路截然不同。遙操數據采集成本高且難以scale，而且只能覆蓋簡單短程的成功任務，無法模擬杯子摔落等失敗場景。Aether AI用更少的遙操、更多的結構化數據，反而能讓模型學到更底層的物理規律，這正是因果范式數據效率更高的根源。

從市場層面看，具身智能下游的機器人廠商對“懂因果”的大腦需求旺盛。黃碧薇透露，已經有不少國內外機器人本體廠商表示，希望找到一個真正能理解物理世界的智能核心。

這些需求背后都是真實的落地瓶頸。2025年，機器人流暢完成各種操作的demo層出不窮，但背后是大量針對性的訓練數據和精心的場景約束。一旦零件位置偏移幾厘米或光照條件改變，機器人的表現就會斷崖式下滑。

這些瓶頸追溯到技術源頭，同樣是由LLM范式的局限性導致的。“要讓相關性模型做好復雜任務，必須同時滿足數據足夠多且模型足夠大、訓練數據覆蓋現實中所有可能情況。這在開放的物理世界幾乎不可能成立。”她說。

因果世界模型恰恰能從底層解決三個核心問題。

第一，在相同形態、不同規格的硬件本體之間實現跨本體泛化。例如，不同尺寸的夾爪或機械臂之間可以直接零樣本遷移，從夾爪到靈巧手則需要引入少量數據微調即可跨本體遷移。對機器人廠商而言，這意味著無需為每一款硬件重新訓練大腦，部署成本大幅降低。

第二，顯著提升跨任務、跨環境的泛化能力。 傳統機器人模型依賴大量場景數據，任務、物體或環境稍有變化，性能就容易下降。因果世界模型則學習“動作—物體—環境—結果”之間的本質因果關系，使機器人在新任務、新場景和新物體組合下，也能推斷合理動作，具備更強的開放環境泛化能力。

第三，長程任務的理解與執行能力大幅提升。黃碧薇用一個具體場景來闡述：機器人被告知朋友要過來，它需要理解隱含意圖是整理客廳、準備茶水。整理時發現桌上有私人賬單和書，賬單要放抽屜里，書要規整好；沏茶時要根據客人喜好準備杯子。在這個場景中，智能體系統負責高層任務規劃，因果世界模型負責具體操作生成。

在「甲子光年」看來，這正是具身智能最值得期待的突破方向。過去兩三年，行業大部分精力花在了數據采集和仿真渲染上，但讓機器人像人一樣舉一反三的底層架構始終缺位。因果世界模型如果能在明年跑通，很可能成為具身智能的ChatGPT時刻。

按照黃碧薇的規劃，Aether AI將在今年下半年發布第一版demo，展示機器人的長程推理與跨任務泛化能力。

對于因果范式下的具身智能，黃碧薇預計，明年初，機器人有望在操作任務上迎來“GPT 3.0時刻”，具備較好的泛化性能、非常高的成功率，以及長程任務能力；到明年下半年，結合移動與操作，機器人可以在開放環境中自由探索，達到“GPT 3.5時刻”，通過強化學習實現終身學習（lifelong learning），自己完成從未見過的新任務。

“明年下半年，公司計劃推出具備自我探索能力的版本，讓機器人在開放環境中通過強化學習不斷更新策略。”黃碧薇透露。

4.“我們已經站在黎明前夕”

不過，具身只是第一站。

“我希望像OpenAI引爆LLM范式一樣，將Aether AI打造成引爆因果AI范式的里程碑式角色。”黃碧薇直言。

但她強調，Aether AI的自我定位首先是一個前沿實驗室（Frontier Lab），核心使命是打造以因果智能為底層的通用模型主干（backbone）。具身智能只是驗證模型能力的第一個錨點，未來這套架構還將向生物、金融等更復雜的領域延伸，但公司不會成為一個純粹應用驅動的商業組織。

只是，因果AI的發展之路，或許比深度學習更為崎嶇。其理論門檻極高，需要研究者具備多年理論、數學與統計的深厚積累，上手難度大，遠不如深度學習那般容易吸引大批研究者涌入。

與此同時，學術圈長期以來更偏愛理論探索，對產業化工作的重視相對不足，這種“重理論、輕應用”的文化慣性，使得因果AI的成果長期停留在論文層面。兩重因素疊加之下，真正精通因果AI的人才極為稀缺，且大部分仍留在學術界，難以向產業界擴散。

不過，理論壁壘深，意味著技術本身就具備短期內無法復制的護城河；人才稀缺，則更能發揮黃碧薇以及團隊在因果AI領域深耕多年的先發優勢；文化慣性存在，意味著缺少一個“把因果AI帶出象牙塔”的關鍵角色。Aether AI就是要扮演這個角色。

黃碧薇反復強調一個觀點：人并不擅長發現因果關系。某種程度上，人類大腦是很容易被“相關性”欺騙的，正因如此才會產生“額頭大的人更聰明”這類誤解。

而AI，理論上應該比人腦更容易學習因果關系，因為它可以更深地挖掘統計數據背后潛藏的因果結構，不受人類認知偏見的限制。

這或許是因果AI最迷人的地方。它試圖走一條人類未曾走完的路，嘗試用機器的方式，抵達因果理解的彼岸。

“我覺得我們離這一天很快了，已經站在黎明前夕了。”黃碧薇說。

（封面圖來源：AI生成）