因果世界模型突破

AI界大佬李飞飞眼光和远见是真的超前啊！ 直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 @drfeifei ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。 杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。 但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。 因果结构让世界模型从“看起来像”进化到“真正懂”。 现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。 两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。 这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。 原访谈完整版地址见评论区👇🏻 https://video.twimg.com/amplify_video/2067443053884006400/vid/avc1/1784x1080/VIcuiTx3HeyvtT8w.mp4?tag=28 > **引用原帖 Berryxia.AI (@berryxia):** > 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 > https://x.com/berryxia/status/2067416080130461959 Berryxia.AI (@berryxia): https://t.co/km6OkrDsKp