AI 精选动态
智能评分 65
Physical AI 因果世界模型突破
AI 推荐理由
提出将 Physical AI 从统计模仿转向因果理解的新范式，不同于当前主流的 Scale 竞争方向，有待验证的技术路径价值。核心解读
UCSD 黄碧薇教授在 CVPR 2026 发布 Causal World Models 框架，指出当前 VLA 模型在桌子高度等物理场景下会失败，是因为只学习统计相关性而非因果律。她成立的 Aether AI 融资 2000 万美元，专注于因果世界模型研究，拥有 12 年因果 AI 研究经历、100 多篇顶会论文及 causal-learn 库作者身份。
全文
兄弟们！这个研究有点牛逼啊！
Physical AI 的瓶颈根本不是「模型不够大」，是一开始范式就错了。
先说一个真实场景：桌子高了 2cm，当前最强的 VLA 模型直接失败。
为什么？
因为它只学到了「手伸到某个位置」的相关性，根本不知道「为什么」会摔、「怎样」才能不摔。
这就是 LLM/VLA 路线的致命伤，它在互联网数据上学的是统计相关性，但物理世界运行靠的是因果律。
你可以生成一段完美的「桌面物体掉落」视频，但模型完全不知道下一秒会发生什么。
UCSD 黄碧薇教授 @huang_biwei 刚在 CVPR 2026 发了 Causal World Models（因果世界模型）框架，给这个问题指出了一条新路：让 AI 从「模仿动作」进化到「理解因果」。
不是学「人做了什么」，是让它学「这样做为什么有效、换一个场景为什么失效」。
她今天宣布 Aether AI 融资2000万美金，也成为全球首个因果世界模型公司。
关于她的含金量，我们也来挖一挖：
① 12 年因果 AI 深耕，CMU PhD（导师 Kun Zhang + Clark Glymour）
②100+ 顶会论文，Apple Scholar in AI/ML
③causal-learn 作者（Python 因果发现库，GitHub 高星）
CLeaR 2025 Program Co-Chair
④世界模型赛道正热：杨立昆 AMI 融了 $10 亿+，李飞飞 World Labs $10 亿，国内 25 起融资超 22 亿。
几乎所有玩家都在卷数据量、卷仿真规模。
但 Aether AI 的切入点完全不同，不卷 Scale，卷因果结构。
这可能是具身智能从「花拳绣腿」到「真正理解物理世界」的范式转折点。
感兴趣的可以看看官网：https://t.co/0aqLfIs4Tv
> **引用原帖 Biwei Huang (@huang_biwei):**
> I've spent over a decade working on causal discovery and causal AI. A lot of late nights, a lot of papers, and a lot of open questions.
> Today we're putting something into the world. Aether AI has raised $20M to build causal world models that understand mechanisms. We believe the next leap in AI will come not from scaling existing architectures, but from a paradigm shift in how machines learn, reason, and interact with the world.
> If you care about causality and want to build, we're hiring!
> 🔗https://t.co/Y6FxeHJWGh
> https://x.com/huang_biwei/status/2067410922520666242