前字节实习生田柯宇创业获2亿美元估值，以“视觉自回归”路线挑战世界模型巨头

事件概述

2026年10月，一家由前字节跳动实习生田柯宇创办的神秘实验室完成融资，获得五源资本和IDG等顶级机构3000万美元投资，投后估值达到2亿美元。尽管创始人曾因干扰大厂算力分配引发巨大争议，但其凭借在视觉生成领域的底层技术创新，仍获得了资本市场的重注。目前，该团队正致力于研发基于“世界模型”的基座模型，计划于2027年发布，目标是在机器人、自动驾驶及交互式视频领域与行业巨头展开竞争。

核心技术：AI专属符号语言与VAR路线

田柯宇团队切入世界模型赛道的核心逻辑是创造一套AI专用的“视觉词典”，以解决人类语言描述物理世界时信息维度低、算力消耗大的问题。

• 技术原理：团队已搭建包含20万个符号的视觉词典。这些符号虽人类不可读，但AI可利用其表示、压缩和预测视频内容。该方法基于此前田柯宇作为第一作者获得的NeurIPS 2024最佳论文《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》（简称VAR）。
• VAR创新点：不同于扩散模型或传统自回归模型，VAR采用“下一尺度预测”机制，保留图像二维结构，从模糊全局轮廓到精细细节逐层并行预测。这一架构不仅使生成速度提升20倍，还跑通了视觉生成的Scaling Law，实现了参数扩大后的性能自动涌现。
• 预期效果：据称，该技术能将生成一秒钟视频的成本降低至少一个数量级。团队计划输入约1亿小时视频数据，让模型通过这套符号系统学习现实世界的物理规律，而非依赖显式的三维重建。

争议背景：“投毒”事件始末

田柯宇的创业之路伴随着巨大的舆论争议。2024年，他在北京大学攻读博士期间，于字节跳动商业化技术部门实习参与VAR项目时，因不满团队算力分配，编写代码干扰同事训练任务。

• 事件经过：利用Hugging Face加载模型存档的安全漏洞，他在权重文件中植入恶意代码，动态改写优化器并插入延时指令，导致团队30多位研究者长达一个季度的工作受损。
• 法律结果：字节跳动最初未公开此事，但在网络传言发酵后发布声明澄清损失被夸大。随后字节起诉索赔800万元。法院最终判决田柯宇违反实习合同，赔偿50万元并返还全部实习工资。
• 当事人回应：田柯宇在后续采访中承认做法错误，称之为“以暴制暴”，并表示若重来会选择更明智的处理方式。但他也指出，此举折射出大厂内部算力资源争夺的残酷困境。

赛道竞争与资本逻辑

当前世界模型赛道呈现多流派分化态势，资本押注的核心差异在于技术路线的效率与可行性。

• 主要竞争对手：
  • 李飞飞（World Labs）：走空间重构路线，侧重从2D还原3D空间智能，累计融资超10亿美元，估值54亿美元，近期被AMD收购。
  • 杨立昆（AMI Labs）：种子轮获10.3亿美元，估值45.3亿美元。
  • 其他玩家：包括像素渲染派（Sora、PixVerse）、几何物理模拟派（DeepMind Genie3）及具身规划派（宇树、Momenta等）。
• 投资逻辑：五源资本等机构看好田柯宇的“纯自回归路线”。相较于李飞飞团队高昂的三维重建成本和算力消耗，田柯宇的方案通过极致压缩视频冗余数据，有望大幅降低推理成本，更适配硬件限制且易于跑通Scaling Law。
• 潜在风险：
  • 技术验证：仅靠20万个符号能否在长时序复杂交互中稳定涌现物理因果，尚未经过大规模公开验证。
  • 工程压力：1亿小时高质量视频数据的清洗与治理难度极大，而团队仅10人，基础设施能力存疑。
  • 信任危机：过往的道德污点可能持续影响人才招募、学术合作及行业信任，一旦技术进展不及预期，资本耐心可能迅速耗尽。