# UCSD 黄碧薇提出 Causal World Models，Aether AI 获 2000 万美元融资

- 来源：Berryxia.AI (@berryxia)
- 发布时间：2026-06-18 09:16
- AIHOT 分数：52
- AIHOT 链接：https://aihot.virxact.com/items/cmqiu684l04a3sl5wwtb9kn3e
- 原文链接：https://x.com/berryxia/status/2067416080130461959

## AI 摘要

UCSD 黄碧薇教授在 CVPR 2026 提出 Causal World Models 框架，让 AI 从模仿动作进化到理解因果。她同时宣布其公司 Aether AI 完成 2000 万美元融资，成为全球首个专注因果世界模型的公司。她拥有 12 年因果 AI 经验，CMU 博士，100+ 顶会论文，是因果发现库 causal-learn 作者。推文指出当前 VLA/LLM 路线仅学到统计相关性，因果世界模型被视为具身智能的范式转折点。

## 正文

兄弟们！这个研究有点牛逼啊！
Physical AI 的瓶颈根本不是「模型不够大」，是一开始范式就错了。

先说一个真实场景：桌子高了 2cm，当前最强的 VLA 模型直接失败。

为什么？

因为它只学到了「手伸到某个位置」的相关性，根本不知道「为什么」会摔、「怎样」才能不摔。

这就是 LLM/VLA 路线的致命伤，它在互联网数据上学的是统计相关性，但物理世界运行靠的是因果律。

你可以生成一段完美的「桌面物体掉落」视频，但模型完全不知道下一秒会发生什么。

UCSD 黄碧薇教授 @huang_biwei 刚在 CVPR 2026 发了 Causal World Models（因果世界模型）框架，给这个问题指出了一条新路：让 AI 从「模仿动作」进化到「理解因果」。

不是学「人做了什么」，是让它学「这样做为什么有效、换一个场景为什么失效」。

她今天宣布 Aether AI 融资2000万美金，也成为全球首个因果世界模型公司。

关于她的含金量，我们也来挖一挖：

1 12 年因果 AI 深耕，CMU PhD（导师 Kun Zhang + Clark Glymour）

2100+ 顶会论文，Apple Scholar in AI/ML

3causal-learn 作者（Python 因果发现库，GitHub 高星）
CLeaR 2025 Program Co-Chair

4世界模型赛道正热：杨立昆 AMI 融了 $10 亿+，李飞飞 World Labs $10 亿，国内 25 起融资超 22 亿。

几乎所有玩家都在卷数据量、卷仿真规模。
但 Aether AI 的切入点完全不同，不卷 Scale，卷因果结构。

这可能是具身智能从「花拳绣腿」到「真正理解物理世界」的范式转折点。

感兴趣的可以看看官网：http://aetherlabs.ai

### 引用推文

> Biwei Huang：I've spent over a decade working on causal discovery and causal AI. A lot of late nights, a lot of papers, and a lot of open questions. Today we're putting some...