泉源：立陶宛追求加大使用中心走廊对华出口作者： 陈淑贞：

独家｜经纬领投了一家因果天下模子公司“Aether AI”

投中网独家获悉
，，专注于因果天下模子（Causal World Model）的人工智能公司Aether AI正式宣布完成首轮融资
，，召募资金总额约2000万美元
。
。。。。该轮融资由经纬创投领投
，，英诺基金、SWC Global、九合创投等机构联合参投
。
。。。。

Aether AI由美国加州大学圣地亚哥分校（UCSD）助理教授黄碧薇（Prof. Biwei Huang）开办
。
。。。。它正在打造一种全新的AI范式
，，因果天下模子
。
。。。。它的目的不是让AI更“大”
，，而是让AI更“懂”
。
。。。。这一厘革意义非凡
，，可能将改变AI的未来走向——让机械明确“为什么”
，，而不但仅是“是什么”
。
。。。。

已往三年
，，具身智能领域投入了重大资源
，，VLA（视觉-语言-行动）模子被寄予厚望
。
。。。。然而
，，大宗demo在训练数据上体现惊艳
，，一安排到真真相形就频仍失败
。
。。。。

“各人最先意识到
，，只靠堆数据、堆算力
，，沿用LLM那条老路
，，在物理天下里是行欠亨的
。
。。。。LLM在自然语言和编程上很乐成
，，是由于语言自己就是人类已经归纳好的浅层信息
。
。。。。”黄碧薇说
。
。。。。她把这个征象归结为范式的基础缺陷：相关性不即是因果性
。
。。。。她判断
，，下一代AI范式是以因果为焦点的大模子
。
。。。。

这个判断
，，正是经纬和英诺等机构在2026年这个时间点下注Aether AI的焦点逻辑
。
。。。。

12年学术生涯后开启创业
，，“在地铁站里聊出来的融资”

黄碧薇决议出来创业的时间点
，，并非无意
。
。。。。

“我一直在做科研
，，也一直有创业的想法
。
。。。。”黄碧薇说
。
。。。。她在因果发明与机械学习领域深耕凌驾12年
，，学术轨迹横跨德国马普智能系统研究所、卡内基梅隆大学（CMU）和加州大学圣地亚哥分校（UCSD）
，，在NeurIPS、ICML、ICLR、CVPR等顶会揭晓论文逾百篇
，，获得Apple Scholar
，，还主导开发了全球因果发明领域的标准开源工具Causal-Learn和Causal-Copilot
。
。。。。

但真正促使她迈出创业这一步的
，，是内因与外因的共振
。
。。。。

“内因是我在学术上已经把一些焦点问题解决得较量好了
，，但局限在学术圈
。
。。。。”她说
，，“外因是
，，已往三年具身智能领域投入了重大资源
，，各人实验了种种蹊径
，，却始终没有实质性的突破
。
。。。。资源市场和工业界最先意识到
，，纯粹依赖大语言模子那条范式已经不敷用了
。
。。。。”

而此时
，，黄碧薇深耕的因果AI要领被越来越多人望见——它自然适合物理天下、适合具身智能
，，也适合更重大的科学发明
。
。。。。Aether AI由此降生
。
。。。。

本轮融资的投资方阵容颇为亮眼
。
。。。；；；；
；；票剔笔窃跹哟サ秸庑┩蹲嗜说模浚空獗澈蟮墓适虏⒉恢卮
。
。。。。

黄碧薇与投资人的接触
，，源于朋侪牵线
。
。。。。她与英诺基金王晟最初只在微信上简朴聊了几句
，，王晟对因果蹊径体现出浓重兴趣
，，两人随后约了一次视频通话
。
。。。。其时黄碧薇恰幸亏地铁站地下空间
，，找不到可以坐下的地方
，，就拿着电脑站在那里讲
，，连耳机也没电了
。
。。。。

“周围的人没有打搅我
，，就听到我很高声地在语言
，，说得特殊激动
。
。。。。”这一聊
，，聊出了投缘
。
。。。。在她看来
，，投缘的基础原因是英诺对因果蹊径已关注了一段时间
，，“他们以为这才是准确的蹊径
。
。。。。”

经纬创投同样对因果偏向坚持了恒久关注
。
。。。。合资人童倜在谈到这笔投资时说：“随着AI逐步走向真实天下和重大情形
，，仅依赖已往的数据模式、相关性学习
，，已难以知足下一代智能系统的需求
。
。。。。未来是什么难以通盘看清
，，但我们相信‘因果明确’属于其中的主要组成部分
。
。。。。”

英诺基金的投资人也给出了一个高度概括的判断：“因果是人类智能的特有表达
，，是对天下信息的重大压缩
，，其数据效率和参数效率千倍、万倍地优于统计的履历相关
。
。。。。因果智能的视察、行动、反事实系统
，，在天下模子上的智能潜力远超目今的履历系统
。
。。。。Aether AI旨在解决困扰因果AI的焦点问题‘因果发明’
，，推动Causal AI进入Scaling时代
。
。。。。”

在选择投资方时
，，黄碧薇最看重的并不是估值或条款
，，而是两点：第一
，，投资人是否真正明确并相信这个偏向
。
。。。。“他们必需是认知很强的
，，他们相信这一定是下一个AI范式的偏向”；；；；
；；第二
，，他们能否在工业资源上提供实质性的资助
。
。。。。

黄碧薇透露
，，本轮融资后公司将加速手艺研发、工程化基础设施建设、团队扩充以及具身智能偏向的商业化安排
。
。。。。资金使用优先级很明确：人才第一
，，其次是算力和数据基础设施
，，最后才是市场拓展
。
。。。。

“凯时AG融资节奏会较量快
。
。。。。这是首轮
，，我相信会有越来越多机构关注我们、相信我们
，，并希望加入进来
。
。。。。”这种信心有现实支持：2026年上半年
，，全球AI投资圈最先反思“堆数据、堆算力”的简单起径
，，寻找新范式的突破
。
。。。。具身智能作为AI走向物理天下的“最后一公里”
，，已成为资源追逐的热门
，，而Aether AI代表的因果天下模子蹊径
，，恰恰站在这个拐点上
。
。。。。

三代学术传承
，，一个“唯一无二”的团队

若是要明确Aether AI的奇异性
，，绕不开一个要害词：学术传承
。
。。。。

黄碧薇的导师们
，，险些就是因果AI领域的涤讪人
。
。。。。Bernhard Sch?lkopf教授（马普智能系统所所长）、Clark Glymour教授和Peter Spirtes教授（因果发明算法的涤讪人）
，，以及Kun Zhang教授（将因果发明推进到隐变量场景的第二代代表人物）
，，Judea Pearl教授（图灵奖得主
，，因果推理框架的建设者）
。
。。。。这些人配合组成了Aether AI的学术照料网络
。
。。。。

而黄碧薇自己
，，是这个学术谱系中的第三代代表人物
。
。。。。“我的导师们是开山始祖、第一代和第二代的主要推动者
。
。。。。我自己算是第三代的leader
。
。。。。我们经由了三代传承
。
。。。。”

黄碧薇用“范式演进四阶段”清晰地定位了自己的位置
。
。。。。她以为
，，AI范式可以从两个维度划分：模子大
。
。。。。ㄐ∧Ｗ印竽Ｗ樱┖土衬芰Γㄇ巢阆喙匦浴畈阋蚬疲
。
。。。。

第一代（90年月初）是小模子+浅层相关性；；；；
；；第二代（2010年左右）是小模子+因果结构发明——她的导师们在这一阶段涤讪；；；；
；；第三代（2022年）是大模子+相关性
，，即LLM范式
，，在自然语言和编程使命上取得了重大乐成；；；；
；；而第四代
，，正是她正在推动的——大模子+因果机制
。
。。。。

这种奇异的学术位置
，，让Aether AI在吸引顶尖人才时拥有了自然的优势
。
。。。。

公司的手艺合资人周博士
，，在大模子训练领域做过许多开创性事情
。
。。。。另一位手艺合资人冯博士
，，在因果天下模子和因果强化学习领域耕作了六七年
，，是该领域年轻学者中最顶尖的之一
。
。。。。团队中尚有不少00后的年轻成员
，，同样做出了许多有影响力的事情
。
。。。。

各人愿意群集在一起
，，是由于所有人都相信统一个判断：以相关性为焦点的大语言模子范式已走到拐点
，，下一站必需是因果智能
。
。。。。“各人以为我们在做的事情是唯一无二的
，，没有任何一个团队可以取代
。
。。。。”

“明年头就能看到机械人的GPT-3时刻”

Aether AI的焦点手艺是因果天下模子
。
。。。。它与主流范式的实质区别
，，可以用一句话概括：结构化压缩vs.简朴压缩
。
。。。。

“压缩即智能”是业内常说的话
，，但黄碧薇以为这不敷准确
。
。。。。“简朴的压缩纷歧定爆发智能
。
。。。。我们需要的是结构化的压缩——把物理天下背后的因果结构、物理纪律、动力学方程从数据中抽取出来
，，而不是仅仅记着像素层面的统计模式
。
。。。。”

她用一个例子诠释：若是模子真正学会了鸡蛋打进热油锅的因果纪律——锅的巨细、油温、蛋液状态之间的结构关系——那么纵然改变油温、换一口锅
，，模子也能准确展望效果
。
。。。。而纯相关性的模子
，，只要变量稍有转变就会失效
。
。。。。

这个目的通过四层手艺架构实现：

1.因果Transformer层：在可扩展架构上引入词元级因果建模；；；；
；；

2.模浚块化架构层：功效解耦
，，像人脑一样分工协作；；；；
；；

3.因果天下模子层：从像素到因果变量识别与动力学建模；；；；
；；

4.智能系一切层：因果驱动的妄想、归因与影象
。
。。。。

“我们不是要推倒重来
，，”黄碧薇强调
，，“而是在现有架构上平滑过渡
，，逐步加入因果系统
。
。。。。”

早期验证中
，，这套要领已经在部分操作使命上实现了20%-30%的数据效率提升
。
。。。。约50条高质量因果标注数据
，，就能让此前频仍失败的使命抵达可靠的乐成率
。
。。。。这意味着
，，因果天下模子有可能大幅降低对海量遥操数据的依赖——后者被以为是具身智能商业化的一大瓶颈
。
。。。。

“遥操数据很难scale up
。
。。。。你不可能让机械人重复摔坏杯子来学习‘掉落’这个因果
。
。。。。”黄碧薇说
，，“凯时AG战略是80%来自模拟数据、第一人称视频和果真视频数据
，，只有20%是遥操数据——用作‘最后一公里’的适配
。
。。。。”

采访中
，，黄碧薇多次提到一个词：“回归实质”
。
。。。。

“各人现在对scaling law的讨论太虚了——究竟scaling什么？？模子架构是什么？？数据该采哪些？？若是这些都不界说
，，scaling的效率极低
。
。。。。”她说：“若是你用更好的模子（真正懂因果、懂物理纪律的模子）
，，再加上自动收罗模子真正需要的数据
，，那么scaling的斜率可能能抵达0.8；；；；
；；而漫无目的地堆数据
，，斜率只有0.2
。
。。。。”

“我以为各人一定要突破一些古板依赖的路径
，，真正看到天下背后的实质
，，从基础去解决现在模子和数据的问题
。
。。。。”她说
。
。。。。

选择具身智能作为首个落地场景
，，黄碧薇给了三层理由
。
。。。。

第一
，，AI正从数字天下走向物理天下
，，人类需要能真正干活的机械人
。
。。。。“我们更需要既有身体又有大脑的智能体
，，才华帮人类做那些危险或繁琐的事情
。
。。。。”

第二
，，具身智能的范式远未统一
，，做增量、定标准的空间最大
，，未来可以引领这一领域
。
。。。。

第三
，，具身智能的数据相对清洁
，，比科学发明（如生物制药）更容易验证因果模子的有用性
。
。。。。“验证很简朴
，，做一个抓取使命就行
。
。。。。接触面、角速率、握点位置——这些干预很容易实验
，，乐成与否一目了然
。
。。。。”

她也给出了明确的里程碑：预计2027年头
，，在机械人操作使命上抵达“GPT?3时刻”——即多种使命具备较好的泛化能力、高乐成率并能执行长程使命；；；；
；；到2027年下半年
，，连系移动与操作
，，在开放情形中实现自主探索与终身学习
。
。。。。

“到了谁人阶段
，，机械人不需要被教会所有事情
，，它可以在新情形中自己探索、自己学习
，，就像人类一样
。
。。。。”黄碧薇的信心来自一个判断：目今具身智能最大的瓶颈不是硬件
，，不是感知
，，而是决议层的大脑
。
。。。。一旦因果推理能力被内置到机械人中
，，乐成率、泛化能力和长程使命推理能力都会迎来质的飞跃
。
。。。。

与市场上其他天下模子蹊径相比
，，黄碧薇以为Aether AI的奇异性在于：李飞飞团队着重空间智能与3D结构渲染
，，杨立昆的JEPA着重去除像素噪声、保存隐空间语义
，，而Aether AI的焦点是显式地学习因果变量、因果结构和因果动力学
。
。。。。

采访竣事时
，，我问黄碧薇：你希望Aether AI十年后成为一家什么样的公司？？她的回覆很短
，，分量却很重：“LLM这条蹊径是OpenAI开创的
，，我们要开创的是以因果智能为焦点的下一代AI范式
。
。。。。”

若是说深度学习教给了机械“望见”
，，那么因果AI要教给机械的
，，是“明确”
。
。。。。而这
，，或许是通往通用智能真正的那道窄门
。
。。。。