4780
14【本期内容】
在具身智能领域，你可能听说过「世界模型」、「Scaling Law」、「VLA」——但有一个词，你大概率还比较陌生：因果大模型。它不是新噱头，而是一个在学术界酝酿了 37 年、正在悄悄改变具身智能路线图的底层范式。
今天行业的主流打法是堆数据，靠 Scaling Law 让机器人自然「涌现」。但有人提出了一个不讨好的判断：不是数据不够，是范式用错了。VLA 模型在 demo 里很好看，放到真实场景，桌面高两厘米，任务就失败了——因为它学的是「相关性」，不是「因果」。
因果大模型要做的，是从同样的数据里挖出更深的东西，让机器人大脑真正学会举一反三：变量如何互相影响、动作后状态如何演化、甚至能推断「如果当时不这么做会怎样」。
我们请来 Aether AI 创始人黄碧薇（Biwei Huang），她深耕学术界 12 年，师承两代因果 AI 开山鼻祖，历经德国马普所（马克斯·普朗克研究所）、CMU、UCSD，在 Physical AI 的窗口期出山创业。本期是一堂意外收获的 UCSD 早课，欢迎收听〜
（温馨提示：本期为嘉宾海外连线，音质略有起伏，但干货满满）
【嘉宾】
张鹏｜极客公园创始人 & CEO
黄碧薇（Biwei Huang）｜Aether AI 创始人
【精彩时刻】
因果模型和世界模型有什么异同？为什么具身智能需要「因果」？
今天大家在具身领域疯狂堆数据，但 Scaling Law 真的「管用」吗？同样的数据，因果大模型能挖出什么？
用「模型大小」、「模型抽象能力」维度拆解 AI 三十年——因果大模型为什么是第四代范式的必然？
训练因果大模型时，需要提前告诉它牛顿第二力学吗？
用统计学找因果关系，这件事研究了 37 年——并联进大模型之后能做什么？
人们常说的「压缩即智能」，说得对吗？
如何看待杨立昆的观点：LLM 通向不了 AGI？
LLM 靠「死记硬背」，因果大模型追求举一反三——这两种路线本质差异在哪儿？
因果大模型和李飞飞的世界模型有什么不同？——从「渲染」、「模拟」到「想象」，差的就是因果
因果可以消灭模型幻觉吗？——幻觉的根源是统计相关性，可控性的前提是可解释性
让机器人真正理解这个世界——Aether AI 基于因果大模型的路线图
【听友群💬】
如果你喜欢我们的节目，欢迎保存下方二维码，微信扫码加入听友群和主播互动、交流节目听后感受和选题、认识同频小伙伴～（ps：二维码不过期哦✌️）
【关于节目】
「开始连接 LinkStart」是一档由极客公园出品的科技商业播客。在这里，我们会邀请各行各业的嘉宾一起跨界对话、碰撞思想，用科技、商业和人文的视角一起描摹这个时代。
欢迎同步关注「公众号/视频号-极客公园」，第一时间，带你追踪科技热点。
本期编辑：蒜蒜子
剪辑：佳茵
运营：雨倩
监制：靖宇、xuxu
公众号/视频号：极客公园
