导语
在AI浪潮中，“世界模型”已成为最热门却也最模糊的术语之一。从视频生成到3D生成，不同技术路线都在争夺这一定义的解释权。本期《十字路口》访谈中，Aether AI创始人、CMU博士黄碧薇教授提出了清晰的第四条路线——因果世界模型。他认为，真正的世界模型必须理解物理世界背后的因果结构、变量和动态变化，而非仅仅模仿数据表层的相关性。本文将提炼黄碧薇教授对因果AI范式的洞察，以及他如何从学术研究走向创业，试图为机器人装上真正理解物理规律的“大脑”。
Aether AI创始人黄碧薇：因果世界模型是机器人智能终局
Aether AI创始人黄碧薇教授分享其因果世界模型范式。他认为，当前基于相关性的LLM和视频生成模型无法真正理解物理规律，而通过学习因果变量、结构和动力学，因果世界模型可实现零样本泛化与复杂推理，是突破具身智能天花板的关键路径。
大纲与深读 9 章
展开「深读」看每一段讨论的问题与论据。
01
开场与背景介绍
- 黄碧薇教授是Aether AI创始人，曾在上海、德国、CMU、UCSD学习和工作，主攻因果AI领域。
- 公司使命是构建真正的因果世界模型，让AI理解物理世界背后的因果规律，首个落地场景是具身智能。
- 公司近期获得顶级美元基金支持，短期内融资约2000万美元。
深读这一段
讨论的问题：黄教授的个人学术背景、创业动机以及Aether AI的初始定位是什么？
论据 / 案例：融资额：2000万美金。学术背景：从上海华师大到马普所，再到CMU读博，最后在UCSD做助理教授，12年因果发现与因果AI研究。
02
世界模型定义与主流路线
02:34- 世界模型需理解背后物理规律、因果关系，能模拟世界随时间或动作的状态变化。
- 主流路线包括视频生成、3D生成和Yann LeCun的JEPA，但都尚未完全理解底层规律。
- Aether AI提出第四条路线——因果世界模型，在隐空间学习因果变量、结构及动态转换。
深读这一段
讨论的问题：当前对‘世界模型’的定义有何分歧？主要技术路线有哪些？
论据 / 案例：对比视频生成、3D生成和JEPA路线。核心差异化：学习因果变量（如物体形状、速度）、因果结构（如影响抓取的握力、角度）和动态转换。
03
因果理解的重要性与范式差异
04:27- 大语言模型在语言和代码任务上成功，因其数据离散且逻辑表层，但无法应对物理世界复杂交互。
- 具身智能（如机器人）的每次交互都是因果干预过程，必须理解因果才能泛化。
- 举例：机器人做煎饼，锅温、面糊厚度等变量变化需因果理解才能灵活应对，而非机械模仿视频。
深读这一段
讨论的问题：为什么因果理解对物理世界任务（如机器人操作）至关重要，而大语言模型的范式在此不足？
论据 / 案例：案例：机器人煎饼任务。LLM依赖离散token和表层数据；具身任务需处理连续动作空间和不可预测的物理变量。
04
自循环数据系统与训练策略
05:55- 数据输入：从因果角度高效采集模型所需数据（如1万条中精选100条关键数据）。
- 数据输出：训练后的因果世界模型可作为模拟器，生成高质量、长程、包含边界案例的数据反哺训练。
- 数据来源分四类：模拟数据、自我中心视频、通用视频、遥操作数据，配比约80%（前三类）和20%（遥操作）。
深读这一段
讨论的问题：Aether AI如何构建‘自循环数据系统’来训练因果世界模型？数据构成和算力需求如何？
论据 / 案例：第一版模型目标数据量：七八千小时；算力：约四百张卡。数据四类：模拟数据（含模型自生成）、Ego-centric数据、视频数据、遥操作数据。
05
模型泛化能力与初步验证
07:12- 第一版模型目标：能执行长程任务、具备自主推理能力（如整理房间）、并能泛化到未见物体和任务。
- 初步验证信号：在学会lift和pick-and-place任务后，能零样本泛化完成从未训练过的stacking（堆叠）任务。
- 泛化前提是新任务所用的物理规律需在训练数据覆盖范围内。
深读这一段
讨论的问题：因果世界模型第一版的目标是什么？已观察到哪些验证其泛化能力的信号？
论据 / 案例：案例：零样本泛化完成stacking任务。论文：ICML 2025投稿《Learning Causal World Models by Sufficient...》等。实验目前主要在模拟环境，计划年内展示真机demo。
06
创业契机与个人心路
09:01- 科研与创业是黄教授唯二想做的事，科研成果需通过创业转化为服务大众的系统性产品。
- 2025年初与朋友交流中得知工厂机器人因缺乏智慧大脑而被退回，触发其创业决心。
- 反思：LLM成功证明数据量有用，但应结合因果深入挖掘，开创以因果智能为核心的下一代AI范式。
深读这一段
讨论的问题：促使黄教授从学术转向创业的关键触发点和心路历程是什么？
论据 / 案例：触发事件：2025年初朋友讲述工厂机器人退回案例。反思：ChatGPT发布后，意识到数据量与深层因果方法应结合。
07
学术传承、大模型反思与未来
12:38- 学术上师承CMU因果学派（Peter Spirtes等），与Judea Pearl（图灵奖得主）有过深度探讨。
- 观察到杨立昆、李飞飞等学者近期强调‘pixel level’因果，学术界开始关注因果路线。
- 认为VLA是五分，WAM是六点五分的中间态，因果世界模型才是最终方向。
深读这一段
讨论的问题：黄教授如何看待学术界对因果AI的关注趋势？其技术路线相比VLA、WAM有何优势？
论据 / 案例：学术传承：CMU学派。同行关注：杨立昆在访谈中强调像素级因果。技术对比：VLA因连续空间数据难收集而天花板低；WAM是中间过渡；因果模型更符合世界运行规律。
08
资金规划与人才招募
14:35- 2000万美金将主要投入算力、数据和人才招聘三大块。
- 急需三类人才：对因果算法有热情和经验的AI算法人才、视频模型训练经验丰富的工程师、同时精通机器人控制与AI算法的复合型人才。
- 公司定位为前沿实验室（Frontier Lab），通过底层技术突破解决机器人大脑难题。
深读这一段
讨论的问题：Aether AI将如何使用本轮融资？最急需哪方面的人才？
论据 / 案例：资金分配：算力、数据、人才招聘。人才需求：因果AI算法专家、视频模型训练工程师、机器人控制与AI复合型人才。
09
结语与展望
15:50- VLA、WAM等现有范式非终局，但会留下有用的建模方式作为中间成果。
- 终极哲学问题：因果是客观存在，还是人类理解世界的工具？
- 期待未来基于因果世界模型的真机demo，展示长程任务泛化和推理能力。
深读这一段
讨论的问题：如何看待当前世界模型热潮中的错误与未来方向？
论据 / 案例：展望：计划年内推出真机demo。哲学思考：因果是否客观存在？
金句
- "我们要开创这下一代以因果智能为核心的AI范式。"
- "VLA天花板可能是五分，WAM可能是六点五分，但它一定是个中间路线。"
- "只有真正对研究有渴望的人才应该来读PhD。"
- "因果是客观存在的呢，还是它是可能人基于这个理解他可以更好的去understand这个世界？"