换一个环境，可能就要重新采数据、重新训练、重新交付。机器人学的始终是特定场景下的"经验"，而非现象背后的"规律"。 在这一背景下，为了让机器真正理解物理世界，构建"世界模型"逐渐成了具身大脑近年来最拥挤的赛道，各式技术路线层出不穷。 最近，有一家成立不久的公司—— Aether AI ，宣布完成2000万美元种子轮融资，由经纬创投领投，英诺基金、SWC Global、九合创投 参投。它的路线在业内几乎是独一份：不做视频生成，不做3D重建，也不做JEPA，而是走了一条少有人走的路： 因果世界模型 。 这家公司认为， 如今的主流大模型，本质上都是基于数据表层的相关性，而非底层的因果性，这在物理世界可能行不通。 简单来说，它的因果世界模型想让机器人像人类一样，真正理解背后的机制和"为什么"，而不仅仅是推测"接下来最可能发生什么"。 林方舟 发自 凹非寺 量子位 | 公众号 QbitAI 具身智能正在经历一场普遍的"水土不服"。 很多人发现，在模拟环境里表现优异的机器人，一旦进入真实工厂，往往立刻失灵。这是行业内最尴尬的现状，也是整个具身赛道最核心的 瓶颈： 泛化能力 。 如果将LLM、VLA、视频生成模型等技术路线 ...