2026年10月，AI创投圈冒出来个没名字的小动静：一个10人团队，没产品没名气，拿了五源资本、IDG的3000万美元融资，估值直接推到2亿美元。创始人是2024年闹得沸沸扬扬的“字节投毒实习生”——北大博士生田柯宇，当年他一边陷入字节索赔800万元的诉讼，一边拿了NeurIPS 2024最佳论文，这事儿到现在还在AI圈吵得没定论。
他的世界模型，要用AI自己的语言
田柯宇没跟李飞飞走同一条路。李飞飞的World Labs主打空间重构，要把2D还原成3D，再去琢磨物理规律，工程成本高，算力烧得狠。田柯宇绕开了显式三维重建，核心是搞一套AI专属的符号语言——人类看不懂，但AI能用它们压缩、预测视频。目前他的团队搭了20万个这样的符号，号称能把生成1秒视频的成本降至少一个数量级。
这个思路不是凭空来的。2024年他在字节实习时做的VAR论文，是第一篇来自中国大陆的NeurIPS最佳论文。当时视觉生成卷成两派：要么像LLM那样把图像拉成1D序列，注意力爆炸；要么是Midjourney、Sora用的扩散模型，画面好但算力慢，还和LLM架构不搭。田柯宇的VAR另辟蹊径，保留图像二维结构，用多尺度残差VQ-VAE从1×1到下一级逐层并行预测，生成速度直接翻20倍，还靠GPT架构搞定了多模态大一统的基础，跑通了近乎完美的Scaling Law。
现在他要把VAR的逻辑套到视频上，准备喂1亿小时视频，2027年推基座模型，重心暂时不着急商业化。
当年的“投毒”，不是网传的那样
网上传的“8000张GPU、千万损失”是夸大。事实是2024年6-7月，田柯宇在字节商业化部门实习做VAR，不满同事超额占算力，就用Hugging Face的安全漏洞，在权重文件里塞恶意代码，干扰同事训练——结果是他所在的30多人团队，一个季度的活白干。
字节一开始想内部处理，田柯宇后来还否认、报警，直到法院判他赔50万，退实习工资，公开道歉。2026年彭博专访里，他承认做错了，说当时是“以暴制暴”，如果重来会换更聪明的做法。
争议核心其实是大厂的算力内卷：AI团队排队等GPU，怎么分配资源，至今是大厂的难题。天才的技术能力和职业底线的冲突，资本该怎么选，从当年吵到现在。
资本押他，赌的是效率能降维打击
2026年世界模型是风口，融资消息满天飞：李飞飞的World Labs被AMD82亿收购，杨立昆的AMI拿10.3亿种子轮，林俊旸的语用科技拿2.2亿。流派也分了好几种，田柯宇的路线是纯自回归，效率优先。
五源他们看中的就是他的符号压缩：视频里的冗余太多，20万个符号相当于超级压缩包，只留核心动作，AI更容易抓物理因果，推理成本低。李飞飞的路线要重建三维，他的团队可能知道拱桥的样子，但不知道抽掉砖会塌——田柯宇不用建3D，靠自己的符号系统去学物理规则，这是另一种玩法。
但风险也摆在那：10人团队要处理1亿小时视频，20万个符号能不能在长时序里稳定？过往的争议会不会影响招人、找合作？资本会不会等不及？
这事儿到最后，其实是两个问题：技术上，纯自回归的世界模型，能不能真的比李飞飞的路线跑通？人性上，田柯宇能不能用技术突破，把当年的污点变成行业里的独特标记？
素材来源：雷峰网 · AI情报、融资并购、大模型、AI应用落地
查看报道原文
发表第一条评论吧