Aether AI 的核心突破，是以因果智能为核心的下一代 AI 范式。技术栈分为四层：第一层是 Causation Transformer，直接在 Transformer 层学习因果关系，而不只是相关性；第二层是模块化架构，类似今天大模型中的 MoE，但模块对应的是不同的因果机制，可组合、可替换、可动态调用；第三层是因果世界模型，不只预测下一步，而是模拟“如果干预，世界会如何变化”；最顶层是因果驱动智能体，具备规划、归因和策略调整能力，能够基于因果理解做出更可靠的决策。

需强调的是，因果世界模型与主流“世界模型”做的不是同一件事。

VLA 把动作当输出，不当作对环境的干预；视频生成模型产出视觉合理的画面，但视觉合理不等于因果正确；3D 重建提供空间几何，但不编码力、接触、动力学，也不回答“如果我这样做，世界会如何”。因果世界模型的目标，是在这些之上提供干预推理和反事实推理的基础层。

目前，Aether AI 因果世界模型的首个落地场景是机器人决策大脑——不做本体，只做感知与控制之间的智能推理层。内部评测中，其在机器人操作、locomotion 和长程任务上，相比传统世界模型实现 25%-50% 成功率提升和 5-10 倍样本效率提升，且在任务、环境、奖励函数变化下保持泛化。

但黄碧薇的野心不止于此。她把 Aether AI 定位为前沿实验室，认为因果世界模型的框架一旦搭好，可延伸到生物医学、科学发现、金融等需要因果推理的领域。
就像她说的那样，“我们不是给现有 AI 加一个因果模块，而是从 Transformer 到 Agent 系统，全部换成因果思维。”她或许不是第一个谈论因果 AI 的人，但她可能是第一个带着一家公司、一支团队，站在梯子下面准备往上爬的人。

http://t.cn/AXaFCdXu