@gkxspace: LLM 大概率只是 AI 大模型的第一站。 黄碧薇教授把 AI 范式分成四代： 第一代（90年代）：小模型学相关性 第二代（2010年）：小模型学因果 第三代（现在LLM）：大模型学相关性 第四代（下一步）：大模型学因果 30年，模型从小…
摘要
黄碧薇教授提出AI范式四代论，认为LLM只是第一站，未来是因果世界模型。Aether AI完成2000万美元融资，致力于构建因果世界模型。
查看缓存全文
缓存时间: 2026/06/18 16:18
LLM 大概率只是 AI 大模型的第一站。
黄碧薇教授把 AI 范式分成四代： 第一代（90年代）：小模型学相关性 第二代（2010年）：小模型学因果 第三代（现在LLM）：大模型学相关性 第四代（下一步）：大模型学因果
30年，模型从小变大，但学的东西一直没升级，还是统计相关性。LLM 在语言和代码上够用，因为人类已经把规律归纳成文字了，表面统计信号就能覆盖。物理世界不行，规律藏在深层，VLA 搞了三年，桌面高两厘米机器人直接挂。
几个收获： 1、结构化压缩即智能： LLM TB 级参数本质是死记硬背，理解规律后根本不需要这么大。算力需求也会完全不同。
2、因果不只解决具身。生物制药、新材料、longevity 卡住的原因一样： 分不清 driver 和 marker。因果模型能从观测数据里发现人类不知道的规律。
今天黄碧薇教授（ @huang_biwei ）带 Aether AI 官宣融资，全球首个因果世界模型。因果 AI 方向 12 年深耕，同时也是 Causal-Learn 作者，期待他们有更大的突破！
Biwei Huang (@huang_biwei): 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 something into the world. Aether AI has raised $20M to build causal world models that understand mechanisms. We believe the
相似文章
@MindfulReturn: 今天看到黄碧薇教授 @huang_biwei 的访谈，看到他们新一轮融资的消息！了解到 Aether AI 的方案，多看了几眼他们的方向之后，我说说我看法： AI 的下一个范式：不是更大的模型，是因果关系。 一、相关性天花板：为什么画面很…
文章深度分析Aether AI（原识之智）提出的因果世界模型（CWM），认为AI下一个范式将从相关性转向因果关系，并讨论了其理论基础、技术架构及对视频生成和具身智能领域的潜在影响。
World Models Explained: What Every AI Is Missing
文章详细解释了世界模型的概念，将其与LLM对比，介绍了两大阵营（像素预测与意义预测）及Dreamer v3、GameNGen、Genie、JEPA等代表性工作，并讨论了在自动驾驶和机器人领域的应用，指出世界模型是物理AI的关键组件。
@FeitengLi: LLM 玩的好多技术 Povey 在 Zipformer 里都探索过
Z.ai 推出 GLM-5.3-Flash，这是一个具有 1M 代币上下文窗口的多模态 AI 模型，参数规模为 320B-A18B，并以 MIT 许可证发布。
@MaximeRivest：我有没有提过我热爱 AI 领域的专精化？
Z.ai 宣布推出基于 GLM-5.3-Flash 的法律专用模型 GLM-Legal，在主流法律基准上媲美前沿模型，面向合同审查、证据分析与合规等实际法律工作流。
@freeman1266: 不懂数学，也能看懂大多数 AI 论文——只要理解这条链路： token → embedding → 位置编码 → attention → FFN → 残差流 → next-token prediction LLM 本质上是把 Transf…
一条中文科普推文，用直观方式解释了LLM（大语言模型）的核心链路：从token、embedding、位置编码、attention、FFN到残差流和next-token prediction，帮助非数学背景读者理解AI论文。