共计 1135 个字符，预计需要花费 3 分钟才能阅读完成。
2026 年被称为具身智能的落地元年, 大量企业密集融资 , 产业信号清晰——机器人浪潮已从实验室冲进商业化前夜。然而, 热钱涌入的同时, 一个核心问题始终悬而未决: 机器人的“身体”越来越强, 但“大脑”还远远不够聪明。
就在红杉资本 AI Ascent 2026 大会上, 英伟达机器人方向负责人 Jim Fan 抛出争议论断:“VLA 已死, 世界动作模型 WAM 当立。”随后, 图灵奖得主 Yann LeCun 离开 Meta 创立的 AMI Labs 也锁定了世界模型方向。从美国到中国, 一场围绕机器人大脑技术路线的角逐全面展开。
📌 从“背答案”到理解世界
因果世界模型正是为此而生。 黄碧薇表示 , 这套模型的核心是让机器人拥有因果认知能力——不会因为桌面高了 1 厘米或遇到从未见过的场景就手足无措。它理解的是物体受力后运动的底层规律, 物理参数变了也能举一反三。相比传统模型用暴力数据拟合掩盖结构缺失, 因果模型是用智能的结构设计替代盲目的大数据训练。
🔍 因果智能的三层认知能力
因果智能的另一长处在于推理深度。 计算机科学家 Judea Pearl 提出的“因果阶梯”框架, 将认知能力分为三个层次: 第一层是观察层面的预测 (当前 AI 普遍所处层次); 第二层是干预——“如果我做了 A, 结果会变成什么”; 第三层是反事实推理——“如果我当初做了 B 而不是 A, 结果会不会更好”。第三层正是人脑在做决策前预先演练的核心机制。
💡 四层架构: 从概念到工程落地
- 第一层: 因果驱动的智能体系统。 区别于当前“日志记录加简单回放”的智能体, 它从海量信息中提取底层结构化知识, 跨平台、跨场景时稳定性大幅提升。
- 第二层: 因果世界模型。 整套架构的核心。它接收上层传来的子任务, 在内部模拟“如果这样做, 世界会怎样变化”, 然后生成精确的任务指令。目标是让模型真正“理解”动作的因果链。
- 第三层: 模块化架构层。 构建真正模块化的神经架构, 不同区域主管不同功能, 既解耦又协同。当前混合专家模型普遍存在功能高度重叠的问题, 因果模型追求真正的功能性分区。
- 第四层: 底层基础层。 仍以 Transformer 为主, 但通过 Causation Transformer(因果变换器) 引入因果性刻画维度, 将学习能力从“表层词元相关性”提升到“词元级因果性”。
📊 行业观察: 因果智能从边缘到核心
Aether AI 并不局限在具身智能上 。黄碧薇将长期愿景定位为“打造像 LLM 一样通用的下一个模型范式”, 未来可延伸到科学发现、金融建模、数学证明等需要深度推理的领域。事实上,OpenAI 在 2025 年成立了因果推理研究团队,DeepMind 将因果发现作为 AGI 路线图核心,Yann LeCun 也将因果推理视为世界模型不可或缺的能力。因果智能已从学术界边缘话题变成产业界核心战场。
