2026年正在成为具身智能的落地元年。年初至今，一大批企业密集完成新一轮融资，产业信号再明显不过：这一波浪潮，已经从实验室冲进了商业化的前夜。然而，热钱涌入的同时，一个老问题始终没有解决——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 Ascent2026大会上，英伟达机器人方向负责人JimFan给出了一个极具争议的论断：“VLA已死，世界动作模型WAM当立。”这句话在行业内外迅速掀起轩然大波，但争议的背后，是行业对现有技术路线已经到了忍耐极限。没隔多久，图灵奖得主YannLeCun离开Meta后创立的AMILabs，锁定的也是世界模型及相关方向，即使公司还没拿出公开模型，但估值已经冲到了35亿美元。从美国到中国，从学界到产业界，一场围绕机器人大脑技术路线的角逐已经全面展开。而就在多数人涌向世界模型这条大道时，创立于2026年的新一代人工智能公司Aether AI，其创始人、加州大学圣地亚哥分校（UCSD）助理教授黄碧薇选了一条更少人走的路：构建以因果智能为核心的下一代AI范式。黄碧薇师从多位因果学术奠基人Kun Zhang, Clark Glymour, Peter Spirtes，和Bernhard Schölkopf，在她看来，因果世界模型并不是对现有技术路线的简单改良，而是从"相关性学习"到"因果性理解"的底层范式转移。这套逻辑，正在成为具身智能“大脑”路线之争中一条独立的技术路径。从“背答案”到理解世界在黄碧薇的定义中，因果世界模型必须同时做到三件事：从观测数据（视频像素或文字符号）中识别出真正的因果变量，找出这些变量之间的因果结构，然后建模整个系统的因果动力学，也就是系统如何随时间演化、如何随行动而改变。听上去很抽象，但放在机器人抓取杯子的例子中就很好理解。传统的VLA（Vision-Language-Action）模型，学习方式本质上是在“背”数据：把“这个角度、这个光线下的杯子抓取动作”记下来，下次遇到一样的场景就能复现。但光照变了、桌面高了、杯子换了个材质，模型就抓瞎，因为它从没“想清楚”过手对杯壁施加摩擦力、杯子被抬升这一整套因果链条到底是什么。过去几年里，VLA模型一直是构建机器人大脑的主流范式。它将视觉感知、语言理解和动作生成三个模块集成在一起，通过大规模演示数据的模仿学习，让机器人能够执行各种复杂任务。问题在于，泛化能力跟不上。VLA路线天然偏重语言部分，底层逻辑是把复杂的物理世界先翻译成语言，再靠海量动作数据做模仿学习。这么做的好处是，让机器人在固定任务上快速上手，但一旦面对陌生环境或长尾场景，短板就暴露无遗——它对物理世界缺少真正的理解。随着机器人的硬件日趋成熟，越来越多的行业人士认识到，具身智能真正的瓶颈不在“身体”而在“大脑”，大脑的通用与泛化能力才是亟待突破的关键节点。行业迫切需要一条能让机器人真正“理解”物理世界的技术路线。因果世界模型走的就是这条路。用黄碧薇的话来说，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厘米或者碰到一个从没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。黄碧薇表示，相比传统模型是用暴力数据拟合来掩盖结构的缺失，因果模型是用智能的结构设计替代盲目的大数据训练。换句话说，一旦模型厘清了背后的因果机制，环境变化通常只影响部分因果环节，不需要推倒重来。只需少量新数据就能完成更新。在早期小规模模型上，这种因果方法已经带来25%-50% 成功率提升。这组数字对应的产业现实是：具身智能极度“数据饥渴”。斯坦福的ALOHA等项目证明了遥操作数据收集的昂贵和低效，而一旦因果模型能够在更大规模场景中验证类似的数据效率，它对整个行业的训练成本曲线将产生直接影响。黄碧薇表示，因果世界模型的核心逻辑在于：打造一个拥有因果认知能力的机器人，它不会因为桌面高了1厘米或遇到从未见过的场景就束手无策。它能理解物体受力后运动的底层规律，哪怕物理参数变了，也能举一反三地适应。这正是因果AI相较于VLA的核心优势——泛化能力。“我们大概只用了50条数据，就把一些之前做不好的操作任务提高了非常多。”因果智能的另一个长处在于推理深度，大约二十年前，计算机科学家Judea Pearl通过发现和系统地研究「因果阶梯」（Ladder of Causation），在理解因果关系方面取得了突破，该框架着重说明了观察、做事和想象的独特作用。它的认知能力分三个层次：第一层是观察层面的预测，这也是当前AI普遍所处的层次；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能在意识里预先演练、做出预判的核心机制。落到机器人身上，就意味着它能在执行抓取之前，先在“思维”中模拟物体的运动轨迹，再选择最优操作路径。黄碧薇把这称为一种“物理直觉”。因果如何从概念变成可训练的系统因果世界模型的想象力，凝结在一套四层架构之中。黄碧薇强调，区别于市面零散外挂的因果模块，以及基于现有大模型微调的改良方案，Aether AI因果世界模型的设计目标从一开始就很明确：把因果认知从理论构想一步步落地为可扩展、可训练的工程化AI范式。“四层架构并非独立的模块，它们是彼此支撑、层层递进的技术栈，最终目标是彻底改变底层AI算法的认知逻辑。”第一层是因果驱动的智能体系统。当前主流的智能体系统，运作逻辑本质上还是“日志记录加简单回放”——把浏览记录、工作日志和上下文信息平铺直叙地存下来，直接用于后续任务。一台机器在某个平台上学会的订票技能，换一个平台就完全失效，而且Token消耗惊人。因果驱动的智能体系统则不同，它从海量信息中提取底层结构化知识。“真正的认知源于结构化，而非简单的数据堆砌。”黄碧薇说。结构一旦被提取出来，跨平台、跨场景时的稳定性会大幅提升。第二层是因果世界模型。这是整套架构的核心。作为系统的认知核心，这一层负责理解物理世界的运行规律。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，驱动上层的智能体系统。黄碧薇认为，当前的大语言模型和VLA模型，停留在非常表层的符号处理上——它们能读懂“因为……所以……”这类连接词，却无法理解这些词语背后真正的物理机制。因果世界模型的目标，就是从像素层面贯通到物理层面，让模型真正“理解”动作的因果链。第三层是模块化架构层，触及神经网络本身的架构设计，目标是构建一个真正模块化的神经架构——不同区域主管不同功能，区域之间既解耦又协同，共同完成复杂任务。黄碧薇指出了，当前混合专家模型都存在一个普遍问题，就是专家模型之间功能的高度重叠。一个10个专家的MoE模型，常常只有一两个专家承担几乎所有工作。因果世界模型追求的是真正的功能性分区，各模块各司其职又相互配合，在保持效率的同时释放更强的复杂认知能力。第四层是底层基础层，该层基础架构仍以Transformer为主。黄碧薇的解释很务实：Transformer简洁的可扩展性已经经受过千亿级参数的工程考验，没必要推倒重来。因果AI的突破方式是在现有Transformer核心架构中引入因果性的刻画维度。通过Causation Transformer（因果变换器），在保持其可扩展性的前提下，同时考虑时间延迟关系、瞬时影响和隐因子的动态作用，把模型的学习能力从“表层词元相关性”提升到“词元级因果性”。在推进节奏上，黄碧薇告诉笔者，短期内优先集中攻克第一层智能体系统和第二层因果世界模型，预计未来几个月内会公开成果；第三层和第四层的架构及基础设施改造安排在明年。“在第一层和第二层的推进中，可以直接利用现有模型作为函数近似器进行优化迭代。”这意味着因果AI并不是一场推倒重来的工程重建，而是一条从相关性范式向因果范式平滑过渡的渐进路径。具体到数据策略，团队采用模拟数据（约50%—60%）、第一人称视角数据（约30%）和遥操作数据（约10%—15%）的混合配比，同时设计了一套“数据飞轮”机制——模型本身可以作为视频生成器，产出长尾和边缘场景的数据，反哺自我进化。Aether AI的技术路线选择，放在更大的行业背景下看会更有意思。从产业巨头到学术先驱，大家都在为机器人的“大脑”寻找下一站。黄碧薇选的路径，是让机器人具备因果认知能力。与单纯的世界模型路线不同，因果世界模型强调的是结构化的因果链条，而非在更大规模的数据上继续做相关性学习。这些差异，决定了面对新环境时的表现完全不同。基于相关性的模型，应对新环境的唯一办法是重新采集大量数据，把全部变量的联合分布从头学一遍。而因果模型厘清因果机制之后，只需部分更新即可。具身智能需要一个能“思考”的大脑从行业应用角度看，因果世界模型的价值可以分阶段释放：短期内，企业可将自身领域的特定数据上传微调，获得定制化的世界模型，用于复杂场景的决策辅助；中长期，模型将部署到机器人本体，使其在工业制造、家庭服务、特种作业等场景中展现真正的适应性。而Aether AI也并不打算将自己局限在具身智能上。黄碧薇将公司的长期愿景定位为"打造像LLM一样通用的下一个模型范式"，具身智能只是第一个落地锚点。未来可以延伸到科学发现、金融建模、数学证明等需要深度推理的领域。事实上，全球顶尖的AI研究机构都已经意识到了因果智能的重要性。OpenAI在2025年成立了专门的因果推理研究团队，DeepMind将因果发现作为其通用人工智能(AGI)路线图的核心组成部分，YannLeCun更是将因果推理视为世界模型不可或缺的能力。这些都表明，因果智能已经从学术界的边缘话题，变成了产业界的核心战场。除此以外，当前投资人对因果重要性的认知也在不断提升，但在Aether AI之前，还没有真正哪家跑因果、真正懂因果的人去做因果这件事，许多宣称“因果”的公司只是停留在非常表层的概念使用上。尽管挑战重重，黄碧薇对因果世界模型的未来仍然充满信心。她认为，AI的发展已经站在了“黎明前夕”。“我相信VLA会被更具因果理解能力的架构所取代。”黄碧薇判断，但她也承认，从相关性到因果性的范式转换不会一蹴而就。就像LLM在跑出来之前“没人相信，极少有人相信”一样，因果世界模型也需要一个标志性的时刻来证明自己。（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App