十字路口Crossing播客49:39

哪条路线，才能通往「世界模型」的终局？｜对话黄碧薇：Aether AI 创始人

8.5内容质量
哪条路线，才能通往「世界模型」的终局？｜对话黄碧薇：Aether AI 创始人

播客收听

时长 49:39原播客页面

问这期播客

会先在本集摘要、章节、转录和笔记里找答案。

TL;DR · AI 摘要

世界模型的终局需要因果推理，Aether AI 通过因果世界模型探索新路径。

核心要点

  • 因果世界模型需要在隐空间中同时学习感知、行动和因果。
  • VLA 和 WAM 在真实任务中存在局限，因果路线可能更接近终局。
  • 黄碧薇认为因果推理是世界模型的必要条件，而非可选路径。

结构提纲

按章节快速跳转。

  1. §引言

    世界模型是当前AI与具身智能领域的重要研究方向，但其定义和实现路径尚不清晰。

  2. ·世界模型的定义与路线

    当前世界模型被泛化使用，但真正的世界模型需要满足特定的条件和路径。

  3. ›因果世界模型的探索

    Aether AI 通过因果推理构建世界模型，探索更合理的实现路径。

  4. ·因果世界模型的核心问题

    因果世界模型需要在隐空间中同时学习感知、行动和因果三方面内容。

  5. ›因果推理与大模型

    因果推理对大模型的逻辑严密性有重要影响，但目前大厂尚未将其广泛应用于产品。

  6. ·未来展望与挑战

    因果推理的实现面临诸多挑战，但其对AI发展具有深远意义。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • 世界模型的终局
    • 世界模型的定义
      • 视频生成、3D生成、JEPA等被误用
      • 真正的世界模型需满足特定条件
    • 因果世界模型
      • 隐空间中学习感知、行动、因果
      • Aether AI的探索路径
    • 挑战与未来
      • VLA和WAM的局限性
      • 因果推理对AI发展的深远意义

金句 / Highlights

值得收藏与分享的关键句。

章节

  1. 要点

    因果世界模型需要在隐空间中同时学习感知、行动和因果。

    因果世界模型需要在隐空间中同时学习感知、行动和因果。

  2. 要点

    VLA 和 WAM 在真实任务中存在局限，因果路线可能更接近终局。

    VLA 和 WAM 在真实任务中存在局限，因果路线可能更接近终局。

  3. 要点

    黄碧薇认为因果推理是世界模型的必要条件，而非可选路径。

    黄碧薇认为因果推理是世界模型的必要条件，而非可选路径。

转录

这期还没有可搜索转录。后续抓到带时间戳的内容后会自动补到这里。

#世界模型#因果AI#具身智能#Aether AI

节目笔记

哪条路线，才能通往「世界模型」的终局？｜对话黄碧薇：Aether AI 创始人 - 十字路口Crossing | 小宇宙 - 听播客，上小宇宙

🚥 总有人在朝着星辰大海前进。

世界模型是 2026 年 AI 与具身智能领域最热的关键词之一。 但越是热门的词，越容易被过度使用：视频生成、3D 生成、JEPA、VLA、WAM，似乎都可以被叫作世界模型。可当我们真正谈论「世界模型」时，我们到底在谈论什么？

本周「十字路口」邀请到 Aether AI 创始人 / CEO 黄碧薇教授。 她从德国马克思普朗克研究所、CMU 到 UCSD，一路深耕因果发现与因果 AI，是这个领域的重要学术贡献者之一。

Aether AI 最近迅速完成 2000 万美金的天使轮融资 ，黄碧薇选择把因果 AI 这套长期被认为「更合理、但更难实现」的方法，带到 Physical AI 和机器人大脑的问题里，打造「因果世界模型」。

我和黄碧薇聊了世界模型的定义边界、视频生成为什么不等于世界模型、VLA 为什么在真实任务中碰壁、WAM 为什么可能只是中间态，以及「因果世界模型」想要解决的三个核心问题。

这也是一期关于创业选择的节目。为什么一个 UCSD 教授会在 2025 年初决定下场创业？她看到了什么信号？

如果你正在关注世界模型、具身智能、机器人、因果 AI，或者正在思考下一代 AI 范式会从哪里出现，这期节目也许能帮你重新校准一个问题：哪条路线，才能通往「世界模型」的终局？

🎬 我们的视频播客已同步上线于 @Koji杨远骋 的视频号、 抖音 、 小红书 、 哔哩哔哩 、 Youtube 等平台。

📒 文字版将发布于 @十字路口Crossing 公众号。

🟢 🔴 🟡

🟢 00:43 快问快答：求学和科研经历、MBTI 与星座、一句话介绍 Aether AI 与产品、融资情况、创业前经历

🟢 02:13 三条世界模型路线，和那条没人提的第四条

  • 视频生成、3D 生成、JEPA 都在被叫作世界模型，可当我们说「世界模型」时，到底在说什么？
  • 世界模型 ——一个听起来很宏大、用起来却很不准确的词，到底是严肃的技术对象，还是被混用的热词？
  • 「不是那三条路线，是我们在做的第四条」

🟢 04:49 因果世界模型，到底不一样在哪

  • 真正的世界模型，要在隐空间里同时学会三样东西——是哪三样？
  • 同样是 AI，凭什么 LLM 不懂因果也能逻辑严密，世界模型却非因果不可？
  • 为什么 LLM 偏偏只在自然语言和 coding 上大获成功？

🟢 10:33 第一版因果 AI 世界模型

  • 满分 10 分：VLA 天花板 5 分，WAM 6.5 分，因果路线……她敢打几分？
  • 训出第一版，预期要喂多少小时数据、用多少张卡？
  • 四类数据怎么配比？模拟、ego-centric、视频、遥操，谁占 80%，谁只占 20%？
  • WAM 只是个「中间态」——比 VLA 好，但为什么注定到不了终点？

🟢 16:17 因果学界的「三国鼎立」

  • 三个门派、三位 80 多岁的泰斗，早年居然「互相不服谁」——这是一段什么样的江湖？
  • 师承 CMU 的黄碧薇，站在了这三派的哪个位置？

🟢 22:32 因果简史

  • 从亚里士多德、易经，到临床双盲实验，再到 80 年代末 CMU 三位教授的一个算法。
  • 做实验太贵、很多时候根本没法做，科学家于是把目光转向了「只看观测数据」——这条路是怎么走通的？
  • 黄碧薇这些年最核心的贡献，是在一个满是隐变量、bias、缺失值的「不完美世界」里做因果——为什么这反而最难？

🟢 20:35 因果和大模型

  • 过去因果帮 LLM，其实只有内、外两种方式——分别长什么样？
  • OpenAI、Anthropic、Google 这些大厂，到底有没有把因果 ship 进产品？
  • 两个创业选择摆在面前。

🟢 41:08 PhD，到底还值不值得读

  • 加入 OpenAI，一年 3000 万美金——这时候还该静下心做科研吗？
  • 什么样的人才该读 PhD？
  • 怎么分辨自己对研究是「真欲望」，还是只想要个学位？
  • 工业界和学术界的墙正在变低，这对纠结的人反而是好消息——为什么？

🟢 47:17 五年后回头看，今天什么是错的

  • 如果能向一个无所不能的上帝问一个问题，她想问的，竟然关于「因果是否真实存在」。
  • VLA 不是终局、WAM 也不是终局，但它们各自留下了什么？
  • 如果因果不存在，「我们会集体陷入存在主义的巨型危机」。

欢迎订阅「十字路口」：

🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。

🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。

👦🏻 本期主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。 Koji 的即刻 ， Koji 的网站