公司核心技术与愿景 - 公司Aether AI由黄碧薇于2026年创立，致力于构建因果世界模型，让AI理解世界背后的因果规律而非仅进行模式匹配[2][3] - 公司已完成约2000万美元的种子轮融资，由经纬创投领投，英诺基金、SWC Global、九合创投等机构联合参投[3] - 公司定位为“前沿实验室”，旨在建立从系统层、基础模型层到神经网络架构层的全新因果驱动范式，推动AI从“相关性驱动”走向“因果驱动”[4][6] - 公司首站落地物理人工智能领域，长远目标是将同一套因果世界模型延伸至生物、材料、金融及科学发现等多个场景[5] 创始人背景与学术路径 - 创始人黄碧薇的学术轨迹始于对“大脑如何启发AI”的兴趣，从中科院神经所的计算神经科学转向德国马普所的因果理论研究[2][8] - 在德国马普所首次接触因果理论，受辛普森悖论震撼，意识到相关性分析无法触及系统运行本质，从而决定深耕因果AI[12] - 随后前往卡内基梅隆大学深造，在因果发现与Causal AI领域进行研究，师从该领域第二代开创者Kun Zhang等人[17][19][22] - 其研究核心始终是“从更本源、更深层的角度去理解问题”，这驱动了其从计算神经科学到因果AI，再到创业的多次转向[2][29] 因果AI的技术理念与现状 - 当前大模型时代普遍依赖规模化与模式匹配，但公司认为真正的智能必须理解世界运转的因果规律[3][33] - 因果视角能让人看清问题本质，提供唯一且最本质的解决方案，例如能解释辛普森悖论并指导正确决策[12] - 在神经科学研究中，传统统计工具只能做表面关联，无法解释神经元间的功能性交互，这是促使创始人转向构建底层因果AI工具的原因[13] - 因果AI领域的研究者社区偏理论和数学化，与深度学习社区气质不同，且真正核心懂因果的人非常少[34] 世界模型的技术路径与差异 - 当前世界模型的主流路线包括3D生成、视频生成和JEPA，但公司认为这些均未触及理解物理世界因果规律的本质[41][43] - 公司定义的因果世界模型是理解状态间如何迁移、规律如何演化的“第四条路径”，旨在通过因果关系复刻物理世界的底层运行法则[4][41] - 与JEPA等路线相比，因果世界模型是系统工程，从底层定义到实现都完全不同，目标是让系统真正“懂因果”[14][45] - 公司模型架构分为四层：以因果驱动的智能体系统层、因果世界模型基座层、模块化神经网络架构层以及学习方法层[47][48][51] 技术进展与实验成果 - 内部评测显示，在机器人操作、移动和长程任务上，相比传统世界模型实现25%-50%成功率提升和5-10倍样本效率提升，并在变化下保持泛化[52] - 具体技术成果包括：任务中心表征（过滤无关信息）、隐变量恢复（感知并还原不可见影响因素）、持续学习（高效掌握新任务而不遗忘旧任务）、生成符合物理规律的视频[53][54] - 使用三层数据训练：海量视频与模拟器数据、第一人称视角操作数据、真实的机器人遥操数据用于最终对齐[56] - 团队由来自CMU、UCSD等高校的因果理论研究人员，以及具备大模型基础设施和机器人全栈工程经验的成员复合组成[57] 行业洞察与未来展望 - 公司认为当前正处在从数字世界转向物理世界的技术转折点，物理AI一旦突破将带来巨大增益，且其数据组织比科学发现、医疗金融等领域更简单[38][39][40] - 未来5到10年，AI必须理解因果规律才能保证进入家庭后的安全性与可控性，因果世界模型将驱动机器人生态、生物制药及健康等领域迎来巨大突破[59] - 公司看好物理AI的发展，认为其正处于“早上六点，天快亮了”的早期但充满希望的状态[64] - 创始人欣赏Anthropic的组织执行力与Google的长远视野和文化[61][62]