Vol.125｜世界模型更底层的东西：为什么机器人要先学会「因果」
播客收听
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
Vol.125｜世界模型更底层的东西：为什么机器人要先学会「因果」 - 开始连接 LinkStart 小宇宙 - 听播客，上小宇宙 【本期内容】 在具身智能领域，你可能听说过「世界模型」、「Scaling Law」、「VLA」——但有一个词...
核心要点
- 主题聚焦：Vol.125｜世界模型更底层的东西：为什么机器人要先学会「因果」
- 来源：开始连接LinkStart，建议结合原文判断细节。
- AI 分析暂不可用，本条为保底评分与摘要。
章节
因果模型和世界模型有什么异同？为什么具身智能需要「因果」？
因果模型和世界模型有什么异同？为什么具身智能需要「因果」？
今天大家在具身领域疯狂堆数据，但 Scaling Law 真的「管用」吗？同样的数据，因果大模型能挖出什么？
今天大家在具身领域疯狂堆数据，但 Scaling Law 真的「管用」吗？同样的数据，因果大模型能挖出什么？
用「模型大小」、「模型抽象能力」维度拆解 AI 三十年——因果大模型为什么是第四代范式的必然？
用「模型大小」、「模型抽象能力」维度拆解 AI 三十年——因果大模型为什么是第四代范式的必然？
训练因果大模型时，需要提前告诉它牛顿第二力学吗？
训练因果大模型时，需要提前告诉它牛顿第二力学吗？
用统计学找因果关系，这件事研究了 37 年——并联进大模型之后能做什么？
用统计学找因果关系，这件事研究了 37 年——并联进大模型之后能做什么？
人们常说的「压缩即智能」，说得对吗？
人们常说的「压缩即智能」，说得对吗？
如何看待杨立昆的观点：LLM 通向不了 AGI？
如何看待杨立昆的观点：LLM 通向不了 AGI？
LLM 靠「死记硬背」，因果大模型追求举一反三——这两种路线本质差异在哪儿？
LLM 靠「死记硬背」，因果大模型追求举一反三——这两种路线本质差异在哪儿？
因果大模型和李飞飞的世界模型有什么不同？——从「渲染」、「模拟」到「想象」，差的就是因果
因果大模型和李飞飞的世界模型有什么不同？——从「渲染」、「模拟」到「想象」，差的就是因果
因果可以消灭模型幻觉吗？——幻觉的根源是统计相关性，可控性的前提是可解释性
因果可以消灭模型幻觉吗？——幻觉的根源是统计相关性，可控性的前提是可解释性
让机器人真正理解这个世界——Aether AI 基于因果大模型的路线图
让机器人真正理解这个世界——Aether AI 基于因果大模型的路线图
转录
因果模型和世界模型有什么异同？为什么具身智能需要「因果」？
今天大家在具身领域疯狂堆数据，但 Scaling Law 真的「管用」吗？同样的数据，因果大模型能挖出什么？
用「模型大小」、「模型抽象能力」维度拆解 AI 三十年——因果大模型为什么是第四代范式的必然？
训练因果大模型时，需要提前告诉它牛顿第二力学吗？
用统计学找因果关系，这件事研究了 37 年——并联进大模型之后能做什么？
人们常说的「压缩即智能」，说得对吗？
如何看待杨立昆的观点LLM 通向不了 AGI？
LLM 靠「死记硬背」，因果大模型追求举一反三——这两种路线本质差异在哪儿？
因果大模型和李飞飞的世界模型有什么不同？——从「渲染」、「模拟」到「想象」，差的就是因果
因果可以消灭模型幻觉吗？——幻觉的根源是统计相关性，可控性的前提是可解释性
让机器人真正理解这个世界——Aether AI 基于因果大模型的路线图
节目笔记
Vol.125｜世界模型更底层的东西：为什么机器人要先学会「因果」 - 开始连接 LinkStart | 小宇宙 - 听播客，上小宇宙
【本期内容】
在具身智能领域，你可能听说过「世界模型」、「Scaling Law」、「VLA」——但有一个词，你大概率还比较陌生：因果大模型。它不是新噱头，而是一个在学术界酝酿了 37 年、正在悄悄改变具身智能路线图的底层范式。
今天行业的主流打法是堆数据，靠 Scaling Law 让机器人自然「涌现」。但有人提出了一个不讨好的判断：不是数据不够，是范式用错了。VLA 模型在 demo 里很好看，放到真实场景，桌面高两厘米，任务就失败了——因为它学的是「相关性」，不是「因果」。
因果大模型要做的，是从同样的数据里挖出更深的东西，让机器人大脑真正学会举一反三：变量如何互相影响、动作后状态如何演化、甚至能推断「如果当时不这么做会怎样」。
我们请来 Aether AI 创始人黄碧薇（Biwei Huang），她深耕学术界 12 年，师承两代因果 AI 开山鼻祖，历经德国马普所（马克斯·普朗克研究所）、CMU、UCSD，在 Physical AI 的窗口期出山创业。本期是一堂意外收获的 UCSD 早课，欢迎收听〜
（温馨提示：本期为嘉宾海外连线，音质略有起伏，但干货满满）
【嘉宾】
张鹏｜极客公园创始人 & CEO
黄碧薇（Biwei Huang）｜Aether AI 创始人
【精彩时刻】
06:03 因果模型和世界模型有什么异同？为什么具身智能需要「因果」？
11:02 今天大家在具身领域疯狂堆数据，但 Scaling Law 真的「管用」吗？同样的数据，因果大模型能挖出什么？
22:16 用「模型大小」、「模型抽象能力」维度拆解 AI 三十年——因果大模型为什么是第四代范式的必然？
25:08 训练因果大模型时，需要提前告诉它牛顿第二力学吗？
29:03 用统计学找因果关系，这件事研究了 37 年——并联进大模型之后能做什么？
37:57 人们常说的「压缩即智能」，说得对吗？
39:47 如何看待杨立昆的观点：LLM 通向不了 AGI？
45:27 LLM 靠「死记硬背」，因果大模型追求举一反三——这两种路线本质差异在哪儿？
50:20 因果大模型和李飞飞的世界模型有什么不同？——从「渲染」、「模拟」到「想象」，差的就是因果
54:17 因果可以消灭模型幻觉吗？——幻觉的根源是统计相关性，可控性的前提是可解释性
57:10 让机器人真正理解这个世界——Aether AI 基于因果大模型的路线图
【听友群💬】
如果你喜欢我们的节目，欢迎保存下方二维码，微信扫码加入听友群和主播互动、交流节目听后感受和选题、认识同频小伙伴～（ps：二维码不过期哦✌️）
【关于节目】
「开始连接 LinkStart」是一档由极客公园出品的科技商业播客。在这里，我们会邀请各行各业的嘉宾一起跨界对话、碰撞思想，用科技、商业和人文的视角一起描摹这个时代。
欢迎同步关注「公众号/视频号-极客公园」，第一时间，带你追踪科技热点。
本期编辑：蒜蒜子
剪辑：佳茵
运营：雨倩
监制：靖宇、xuxu
公众号/视频号：极客公园