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？？？ ？这背后的故事并不重大。。。 。
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：模子巨细。。 。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.？？？ ？榛芄共悖汗πЫ怦 ，，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。。。 。
在仙人居脚下的白塔镇仙景村 ，，青溯咖啡馆已成为市民李欣的日常行止。。。 。今年三月 ，，通过“镇企村”三方协力打造 ，，一批书籍进驻咖啡馆 ，，李欣停留的时间显着变长了。。。 。“外婆家就在村里 ，，我天天来探望外婆 ，，然厥后咖啡馆看会儿书。。。 。有了书 ，，人与空间就有了交互 ，，精神也在阅读中获得了放松。。。 。”