AI创业圈又出了一个挺有意思的故事。

2024年，字节跳动曾经因为一名实习生恶意干扰大模型训练任务，将其辞退，后来双方还打起了官司。当时这件事在网上闹得沸沸扬扬，不少人应该还有印象。

田柯宇/图片来源凤凰网

而如今，这位当事人田柯宇，居然自己创业搞起了AI，还拿到了一笔不小的融资。

据彭博社10月8日报道，田柯宇创办的AI公司已经完成近3000万美元融资，折合人民币约2亿元，公司投后估值达到2亿美元，约合13.4亿元。投资方包括五源资本、IDG资本等知名机构，其中五源资本此前还投资过杨植麟创办的月之暗面（Kimi）。

更有意思的是，这家公司目前只有10人左右，连正式名称都还没公开，也没有对外发布产品，预计要到2027年才会推出完整模型。

10个人，没有正式产品，估值就超过13亿元。放在前几年，这样的融资故事多少有些不可思议，但放到今天的AI圈，似乎也没有那么稀奇了。

不过，田柯宇这次创业的方向，还真值得关注。

他选择的是最近特别火的世界模型（World Model），而且准备走一条与李飞飞等研究团队不同的技术路线，希望大幅降低AI理解和生成视频的成本。

10个人撑起13亿估值，资本看中了什么？

先说说田柯宇的技术背景。

上图是他的github主页

他毕业于北京大学，2024年曾作为第一作者，与字节跳动及北大的研究人员共同发表论文《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》，并获得NeurIPS 2024最佳论文奖。

NeurIPS是全球人工智能领域最具影响力的学术会议之一，每年都有大量来自Google、Meta、微软、OpenAI以及全球高校的研究成果参与评选。

能够拿到最佳论文奖，已经是很有分量的成绩了。

这篇论文提出了一种叫VAR的视觉生成模型。简单来说，它改变了传统自回归图像生成逐个预测图像元素的方式，改为先生成粗略的整体画面，再逐步补充更高分辨率的细节。

有点像画画，先勾勒轮廓，再逐步把细节补齐。

这个方法的优势主要体现在效率上。根据论文公布的实验结果，VAR在特定图像生成基准测试中，相比此前的自回归模型实现了约20倍的推理速度提升，同时在生成质量和模型扩展性方面取得了不错的表现。

当然，这项成果由多名研究人员共同完成，不能简单算到某一个人头上。但田柯宇作为第一作者，至少证明了他在视觉生成模型研究方面具备相当不错的能力。

而这次创业，他也延续了之前的研究方向，只不过把目标从图像生成扩展到了更复杂的视频和世界模型。

按照彭博社的报道，团队目前已经开发出一套包含约20万个符号的视觉词典，希望让AI通过这些符号来表示、理解和预测视频中的信息。

田柯宇还提出了一个比较有吸引力的目标：将生成一秒钟视频的成本降低至少一个数量级。

如果真能实现，对于视频生成、实时交互等应用来说，确实是一个非常有价值的突破。

不过，这套技术目前还没有经过充分的公开验证，最终效果怎么样，还需要等模型发布后才能知道。

我觉得，这也解释了为什么五源资本、IDG资本愿意提前下注。

AI行业发展到今天，优秀的应用开发团队已经不少，但能够在底层模型架构上提出新方法，并且有顶级论文成绩的研究人才，依然是稀缺资源。

对于风险投资机构来说，花2亿元投资一个已经有学术成果的团队，赌的是它未来能不能在某个关键技术方向上取得突破。

尤其在世界模型这样一个尚未形成稳定竞争格局的领域，提前布局确实有机会获得比较高的回报。

至于13亿元估值究竟贵不贵，现在还很难判断。毕竟模型都没正式发布，投资人目前能看到的，更多还是团队的研究能力和未来潜力。

让AI发明自己的语言，听起来有点疯狂

最近一年，世界模型这个词在AI圈出现的频率越来越高。

不过，很多人可能还是有些懵：现在GPT、Claude已经这么厉害了，为什么还要专门研究世界模型？

举个简单的例子。

假设你让AI生成一段视频，一只猫从桌子上跳下来，然后撞翻旁边的水杯。

现在的视频生成模型，已经能够把这个画面做得非常逼真。但如果进一步要求AI预测猫跳下来的具体轨迹、水杯受到撞击后会如何倾倒，以及桌面倾斜后会发生什么，难度就明显增加了。

因为这些任务涉及空间关系、运动规律和物体之间的相互作用。

世界模型希望让AI具备更强的环境理解与预测能力。未来如果机器人要进入家庭、工厂，或者自动驾驶系统需要提前预判复杂路况，都可能用到类似技术。

目前，Google、英伟达、李飞飞创办的World Labs等团队都在探索这个方向，只是技术路线有所不同。

田柯宇的思路挺有意思，他希望给AI创造一套自己的视觉语言，让机器通过这套语言来理解现实世界。

我们人类习惯用文字描述看到的东西，但文字能够表达的信息其实相当有限。

比如，一个人走进房间，拿起桌上的水杯，再把它放到柜子上。用文字描述可能只有几十个字，但真实画面中包含的信息远远不止这些。人的运动轨迹、水杯的位置变化、手指与物体的接触方式，以及光影和周围环境的变化，都需要模型处理。

更麻烦的是，视频由大量连续画面组成，数据量非常庞大。如果每次都要处理完整的画面信息，对算力和存储都是不小的负担。

田柯宇希望通过视觉符号，把视频转换成一种更紧凑、更适合模型学习的表示形式。

按照他披露的信息，团队已经建立了一套包含约20万个符号的视觉词典。接下来，他们计划利用大约1亿小时的视频数据进行训练，让模型逐渐学习视觉信息与真实世界运动变化之间的关系。

这条路线有个非常现实的目标，就是降低成本。

现在很多AI视频产品已经能够生成质量不错的内容，但成本和生成速度依然影响着它们的使用场景。

比如可灵AI、即梦、PixVerse等产品，主要面向视频创作者。用户输入提示词，等待一段时间，生成一段视频，很多情况下是可以接受的。

但如果未来把类似能力放进游戏、机器人或者实时交互场景，情况就不同了。

假设你正在玩一款AI生成的开放世界游戏，每走一步，周围场景都需要根据你的行为实时变化。如果模型生成速度太慢，或者每秒钟的生成成本都很高，这类产品就很难普及。

同样，一台机器人也不可能每做一个动作，都等模型慢慢计算十几秒钟。

所以，世界模型未来能不能真正进入消费级产品，模型效率会是一个很重要的因素。

田柯宇希望把视频生成成本降低一个数量级，瞄准的正是这个问题。

但我觉得这里也有个需要注意的地方。视频生成得足够快、足够便宜，并不代表模型就真正掌握了物理规律。

生成一段看起来很真实的汽车碰撞视频，与准确预测不同速度、不同材质、不同角度下的碰撞结果，依然存在很大差距。

如果未来想进入机器人、自动驾驶等对可靠性要求很高的领域，除了生成效果，还需要验证模型对物理世界的预测究竟有多准确。

这也是田柯宇接下来需要证明的技术能力。

李飞飞被AMD花82亿美元收购，世界模型真火了

03.李飞飞被AMD花82亿美元收购，世界模型真火了

田柯宇这次融资，还有一个值得关注的背景。

世界模型正在成为全球AI资本市场的新热门方向，而且投资规模已经相当惊人。

就在9月28日，AMD宣布，计划以约82亿美元的全股票交易收购李飞飞创办的World Labs。

双方已经签署正式协议，预计在2026年底前完成交易。收购完成后，李飞飞还将出任AMD执行副总裁兼首席科学家。

82亿美元，折合人民币超过500亿元。

要知道，World Labs也是一家成立时间并不长的AI创业公司。它此前推出了Marble等产品，主要探索如何让AI生成、重建和模拟可以交互的3D世界。

一家公司为什么能够在这么短的时间里获得如此高的收购报价？

我觉得AMD这笔收购，很能说明问题。

AMD是全球重要的AI芯片厂商，过去几年一直在努力追赶英伟达。随着大模型训练和推理需求持续增长，芯片厂商已经开始思考下一代AI计算需求会出现在哪里。

如果机器人、自动驾驶、工业仿真、虚拟世界等应用真的大规模普及，背后可能会催生一个非常庞大的算力市场。

AMD提前拿下世界模型领域的研究团队，也有利于它更早参与下一代AI计算平台的设计。

当然，AMD也有自己的算盘，毕竟未来不能一直只靠大语言模型拉动GPU需求。

除了李飞飞，世界模型领域还有另一位重量级人物：杨立昆（Yann LeCun）。

这位图灵奖得主、前Meta首席AI科学家，也把世界模型及相关技术路线作为重要研究方向。他创办的AMI Labs此前获得了超过10亿美元的种子轮融资。

再看看Google DeepMind的Genie系列、英伟达的Cosmos，以及国内腾讯混元在3D世界生成领域的探索，整个赛道确实越来越热闹。

不过，各家研究的重点并不完全相同。

有的团队侧重生成逼真的动态环境，有的希望让AI更好地理解三维空间，还有的专注机器人和物理世界的预测。

目前还很难说哪条技术路线最终会胜出。

这也是世界模型比较有意思的地方。虽然听起来大家都在做同一件事，但实际技术方案、产品形态和商业落地方向都有很大差异。

对于创业公司来说，这样的行业阶段反而可能存在机会。

毕竟，如果技术架构、产品形态都已经成熟，后来者想要挑战Google、英伟达这样的巨头，难度会非常大。

但当行业还在探索不同方向时，一支小团队如果真的提出了效率更高的新方法，就有可能在某个细分领域获得优势。

田柯宇的团队选择从视觉表示和生成效率切入，至少从技术方向上看，有自己的研究重点。

不过，资本市场愿意给世界模型开出高估值，也有可能让这个赛道迅速进入新一轮烧钱竞争。

世界模型还没有迎来真正的大规模商业化，融资和估值倒是已经先卷起来了。

AI创业，越来越像一场顶尖人才争夺战

04.AI创业，越来越像一场顶尖人才争夺战

其实，除了世界模型，我觉得田柯宇这笔融资还反映出AI创业圈一个挺明显的变化。

创业公司的规模，正在变得越来越小。

以前互联网创业，大家习惯了几十人、上百人的团队。做产品需要产品经理、设计师、程序员，产品上线以后还需要运营、市场、销售和客服。

公司发展到一定阶段，组织规模往往会快速膨胀。

但最近两年，AI行业出现了越来越多的小团队、高估值创业公司。

特别是基础模型和底层技术领域，投资机构甚至愿意在正式产品出现之前，就为一支研究团队投入数千万美元。

当然，这不代表AI创业已经不需要大量人力。训练大模型依然需要数据、算法、基础设施和工程团队协作，研发投入也相当高。

只是一些早期AI公司的价值，已经越来越集中在少数关键研究人员身上。

尤其是那些能够提出新模型架构、改善训练效率、突破技术瓶颈的人才，市场给出的估值可能远远超过传统互联网行业的想象。

我觉得这对国内AI创业也有一定启发。

过去一段时间，AI创业最热闹的方向主要集中在应用层。AI Coding、AI PPT、AI办公、AI设计，几乎每隔一段时间就会出现一批新产品。

我也体验过不少这类产品，有些确实做得不错，但有一个问题始终绕不开：大模型厂商正在不断扩大自己的产品边界。

今天一家创业公司凭借某项功能获得用户，明天Claude、GPT、豆包或者千问更新一次，就可能直接覆盖类似能力。

尤其是AI Coding和AI办公，国内外巨头都在不断投入，竞争已经相当激烈。

这类应用当然还有创业机会，但对很多小团队而言，想要建立长期竞争优势并不容易。

而基础技术研究虽然投入更大、风险更高，一旦取得真正的突破，反而可能拥有更强的技术壁垒。

田柯宇选择做世界模型，也属于这种高风险、高投入的创业方式。

他目前不着急商业化，计划先把模型研发出来，再考虑后续发展。这种打法需要投资机构有足够的耐心，创业团队也要能够持续拿出研究成果。

但也不能光看13亿元估值，就觉得这家公司已经成功了。

世界模型距离成熟还有很长一段路。田柯宇计划使用约1亿小时的视频进行训练，光是数据获取、筛选、清洗，就已经是一项非常复杂的工程。

更不用说后续的大规模训练、推理优化，以及模型评测。

近3000万美元融资看着不少，但在基础模型研发领域，这笔钱未必能支撑太长时间。如果2027年模型正式发布后，没能展现出足够明显的技术优势，后续融资恐怕也不会轻松。

而且，从产品经理的角度来说，我觉得世界模型还有一个很现实的问题：未来究竟谁会为它付钱？

现在大家讨论世界模型，最常提到的应用就是机器人、自动驾驶、游戏、影视等领域，但这些行业对模型的要求差异很大。

游戏开发者可能更关注生成速度、场景质量和交互体验；机器人公司需要稳定、可靠的物理预测能力；自动驾驶厂商则对场景真实性、安全性和可验证性有更高要求。

同一个世界模型，未必能够同时满足这些行业的需求。

未来究竟是向企业提供模型API，还是为特定行业开发解决方案，或者直接推出面向普通用户的产品，目前都存在不小的探索空间。

当然，也有可能像今天的大语言模型一样，先通过API向开发者开放，再逐渐形成应用生态。

但这条路同样会面对Google、英伟达等巨头的竞争。

所以，技术突破只是创业公司的第一道门槛，找到适合自己的商业模式，同样重要。

我倒是挺期待田柯宇在2027年发布的模型。

如果他的技术真的能够在保证生成效果的同时，把成本大幅降低，那么无论是在AI视频、游戏，还是实时交互场景，都有机会找到自己的市场。

回头看看这笔融资，最让我感慨的其实还是AI创业的变化。

一个只有10个人的团队，没有正式产品，也没有成熟的商业模式，仅凭技术背景和研发方向，就拿到了近2亿元融资。

这样的故事，放在传统互联网创业时代确实少见。

但对于今天的AI行业来说，资本愿意为潜在的技术突破提前买单，已经越来越常见。

至于13亿元估值最终能不能兑现，还得交给时间验证。毕竟，融资消息再漂亮，未来真正拿出来的模型好不好用，才是最关键的。

不过，10个人就能拿到2亿元融资，还是让人忍不住感慨：AI时代，顶尖技术人才的身价，确实越来越夸张了。

本文由作者@运营派AI Lab，授权发布于平台，未经许可禁止转载。