Aether AI

公司概况

Aether AI（原初之智，上海）科技有限公司，2026年成立于上海，是一家主攻因果世界模型（Causal World Model）的前沿人工智能公司。创始人黄碧薇（Prof. Biwei Huang），现任美国加州大学圣地亚哥分校（UCSD）Halıcıoğlu数据科学研究所助理教授，在因果发现与机器学习领域深耕超过十二年，发表NeurIPS、ICML、ICLR、CVPR等顶会论文逾百篇，主导开发了因果发现领域的全球标准开源工具Causal-Learn和Causal-Copilot。

2026年6月17日，Aether AI正式宣布完成首轮融资约2000万美元，由经纬创投领投，英诺基金、SWC Global、九合创投联合参投。这笔资金将用于因果世界模型的技术研发与迭代、工程化基础设施建设、核心团队扩充，以及具身智能（Physical AI）方向的首批商业化部署。

公司学术顾问网络覆盖因果AI领域三代核心学者，包括图灵奖得主Judea Pearl教授、马普所所长Bernhard Schölkopf教授、因果发现学科奠基人Clark Glymour教授与Peter Spirtes教授、Kun Zhang教授等——这支阵容，在整个因果AI领域几乎无出其右。

发展历程：从学术深耕到商业破冰

黄碧薇将AI发展划分为“范式演进四阶段”：当前主流大语言模型属于第三代（大模型+相关性），而她正在推动的第四代（大模型+因果机制）将成为下一代范式。

产品与服务：为机器人打造”因果大脑”

Aether AI的首个应用锚点选在了具身智能（Physical AI）领域，目标是为机器人打造统一的因果推理层——即”因果大脑”。

选择这一赛道有三重考量：

1. AI正从数字世界向物理世界拓展，机器人需要具备真实操作能力；
2. 该领域范式尚未统一，存在定义标准的机会；
3. 具身智能的数据相对干净，便于验证因果模型的有效性。

在物理世界中，机器人的每一次动作本质上都是一次干预，依赖统计捷径的决策一旦出错就会立刻体现为操作失败——具身智能因此成为检验因果推理能力最直接、最有说服力的场景。

早期验证数据极为亮眼： 因果方法在部分操作任务中将数据效率提升了20%–30%，仅需约50条高质量因果标注数据，就能让此前频繁失败的任务达到可靠的成功率。

黄碧薇设定了明确的里程碑：

• 2027年初：在机器人操作任务上实现”GPT-3时刻”，具备跨任务泛化能力和长程推理能力；
• 2027年下半年：在开放环境中实现自主探索与终身学习。

核心技术：四层架构驱动因果世界模型

Aether AI的技术栈由四层架构组成，设计思路不是另起炉灶，而是在现有可扩展架构上平滑过渡，逐步引入因果机制：

与主流范式相比，Aether AI有三点根本性不同：

黄碧薇用一个生动的例子说明差异：鸡蛋打入热油锅，因果模型能理解油温、锅大小等变量间的结构关系，当油温或锅的大小变化时依然能正确预测结果；而纯相关性模型在变量变化时就会失效。

技术合伙人周博士在大模型训练领域有开创性贡献，冯博士在因果世界模型和强化学习领域深耕多年，团队中还有多位00后年轻成员，共同相信因果智能是AI发展的必然方向。

发展前景：站在AI范式转折的风口上

1. 行业背景：传统路径的瓶颈已现

2026年上半年，全球AI投资圈开始反思传统路径。具身智能领域三年来投入大量资源，视觉-语言-动作（VLA）模型被寄予厚望，但多数演示在真实环境中表现不佳。经纬创投合伙人童倜直言：”仅依赖数据模式和相关性学习，已难以满足下一代智能系统的需求。”

英诺基金投资人的判断更为犀利：”因果是人类智能的特有表达，是对世界信息的巨大压缩，其数据效率和参数效率千倍、万倍优于统计的经验相关。因果智能的观测、行动、反事实体系，在世界模型上的智能潜力远超当前经验体系。”

2. 差异化竞争：不是颠覆，是进化

与市场上其他世界模型路线相比，Aether AI的核心差异化在于显式学习因果变量和结构：

黄碧薇明确表示：”公司目标不是颠覆现有架构，而是通过平滑过渡逐步引入因果体系，最终开创以因果智能为核心的下一代AI范式。”

3. 商业化路径清晰

• 短期（2026-2027）：具身智能方向首批商业化部署，为机器人提供因果推理层；
• 中期（2027-2028）：因果世界模型从机器人拓展至更广泛的Physical AI场景；
• 长期：构建覆盖基础模型到智能体系统的完整技术栈，推动AI从”识别模式”跨越到”理解机制”。