争议天才田柯宇获3000万美元，押注AI自创语言挑战李飞飞

从投毒争议到2亿美元估值，田柯宇的下一站是世界模型

2026年10月，AI创投圈出现了一笔耐人寻味的交易。一家仅有10人、尚未公布产品名称的实验室，在业内道德争议未消的情况下，获得了五源资本和IDG合计3000万美元的投资，投后估值达到2亿美元。

这家公司的创始人，是2024年因"字节投毒事件"震动国内AI圈的北大博士生田柯宇。彼时他身陷字节跳动800万元索赔诉讼，却同时以第一作者身份摘得NeurIPS 2024最佳论文奖。争议与天才并存，如今顶级VC再次押注，目标直指世界模型——李飞飞的核心赛道。

核心思路：让AI发明自己的语言

田柯宇切入世界模型的角度相当独特。他认为人类语言的信息维度不足以完整描述物理世界，一段橘猫从桌上跳下的视频，文字难以精确表达物体的位置、运动轨迹和光影变化。

他的方案是创造一套AI专属的符号语言。目前团队已搭建包含20万个符号的"视觉词典"，这些符号人类无法直接理解，但AI可以用它们来表示、压缩和预测视频内容。据他介绍，这种方法能将生成一秒钟视频的成本降低至少一个数量级。

下一步计划是输入约1亿小时的视频数据，让模型通过这套自创语言学习现实世界，最终打造面向机器人、自动驾驶和交互式视频的基座模型，目标2027年正式发布。团队目前不急于商业化，重心仍在基座模型研发。

有业内人士指出，这套"新语言"的核心价值在于解决视觉模型的"指代不清"问题，让AI在长时间模拟物理世界时保持稳定，从而改良视觉模型的底层架构。

VAR论文：视觉自回归的范式突破

田柯宇的技术根基来自NeurIPS 2024最佳论文《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》，即VAR项目，也是他在字节实习期间参与的核心成果。

在VAR之前，视觉生成领域有两条主流路线：

• 自回归路线（VQ-VAE、VQGAN）：将2D图像强行展平为1D序列逐个预测，破坏了像素间的空间联系，注意力计算量巨大
• 扩散模型路线（Midjourney、Sora）：先画全局轮廓再修饰细节，画面质量出色但生成速度慢、算力消耗高，且与LLM架构不兼容

VAR的突破在于重新回到自回归路线，提出"下一尺度预测"：保留图像二维结构，通过多尺度残差VQ-VAE将图像拆成由粗到细的分辨率层级（1×1→2×2→4×4→8×8……），模型像人类画画一样逐层并行预测。这一思路让生成速度提升了20倍，并用纯GPT架构实现了高质量视觉生成。

更关键的是，VAR首次在视觉生成中跑通了Scaling Law——当参数从3亿扩展到23亿时，模型不仅性能提升，还涌现出零样本图像修复、画面外扩和指令编辑等能力。

投毒事件：大厂算力争夺的极端缩影

VAR论文获奖的同时，田柯宇的争议事件全面爆发。

2024年6月至7月，田柯宇在字节商业化技术部门实习时，因不满团队算力分配，利用Hugging Face加载模型存档时的安全漏洞，在权重文件中植入恶意代码。其他同事加载该文件后，优化器会被动态改写，模型朝错误方向优化；同时随机插入的延时指令拖慢了训练速度。结果是团队30多位研究者白干了一个季度。

字节最初考虑到其博士生身份未公开处理，但2024年10月，"涉及8000多张卡、损失上千万美元"的聊天截图在微信群中病毒式扩散。字节随后公开声明澄清，受影响的是内部研究项目而非商用大模型。

法院最终判决田柯宇违反实习合同，赔偿字节50万元并返还全部实习工资。

在2026年彭博社专访中，田柯宇承认"当时我的做法无异于以暴制暴"，表示如果能重来一定会采取更明智的做法。

世界模型赛道：资本为何押注效率路线

2026年世界模型赛道融资密集：李飞飞的World Labs累计融资超10亿美元、估值54亿美元，近期被AMD以82亿美元收购；杨立昆的AMI Labs种子轮获10.3亿美元；前阿里通义负责人林俊旸的语用科技首轮获2.2亿美元。

赛道已分化出多个流派：像素渲染派（Sora、PixVerse）、几何物理模拟派（DeepMind Genie3）、空间重构派（World Labs）、具身规划派（宇树、Momenta）。田柯宇的"AI自创语言"路线，本质上押注的是效率与底层架构创新——用更低的成本实现更稳定的世界模拟。

资本在技术爆发力和历史污点之间重新权衡，这一融资本身也在释放一个信号：在世界模型这个人才极度稀缺的赛道上，顶级工程能力正在获得更高的溢价。