田柯宇新公司获五源资本、IDG 3000万美元投资，估值2亿美元，做符号语言世界模型对标李飞飞
来源雷峰网查看原文
速览
- 田柯宇新公司获五源资本、IDG 3000万美元投资，估值2亿美元
- 公司10人规模，无产品无名称，做AI专属符号语言的世界模型
- 已建20万符号视觉词典，计划用1亿小时视频训练，2027年发布
- 称生成一秒视频成本可降至少一个数量级，这是打动投资人的关键
- 路线绕开显式三维重建，用压缩符号加Scaling Law自行悟出物理规则
- 对标李飞飞World Labs的空间重构路线，赌的是压缩效率与算力成本
- 彭博社专访中田柯宇承认投毒事件做错，称当时是「以暴制暴」
- 法院判决其赔偿字节50万元并返还全部实习工资
- VAR论文获NeurIPS 2024最佳论文，首篇中国大陆NIPS最佳论文
- 风险包括符号压缩未经大规模公开验证、1亿小时数据清洗工程量大、10人团队工程压力大、历史争议影响人才招募
2026年10月，曾因「字节投毒实习生」事件引发关注的北大博士生田柯宇，其创办的10人规模实验室获得五源资本和IDG合计3000万美元投资，估值达2亿美元。该公司尚未发布产品，方向是让AI发明一套专属符号语言来理解物理世界：团队已搭建包含20万个符号的「视觉词典」，计划用约1亿小时视频训练模型，目标是打造机器人、自动驾驶和交互式视频领域的基座模型，计划2027年正式发布。田柯宇称该方法能将生成一秒钟视频的成本降低至少一个数量级。与此同时，他在彭博社专访中首次详细回应2024年字节投毒事件，承认自己「以暴制暴」做错了。
关键事实
- 田柯宇创办的10人实验室获五源资本和IDG合计3000万美元投资，估值2亿美元
- 公司尚无产品、无公开名称，重心放在基座模型研发，不急于商业化
- 团队已搭建包含20万个符号的「视觉词典」，用AI专属符号语言表示、压缩和预测视频
- 计划喂入约1亿小时视频训练模型，目标2027年正式发布机器人、自动驾驶、交互式视频基座模型
- 田柯宇称该方法能将生成一秒钟视频的成本降低至少一个数量级
- 2024年6月至7月，田柯宇在字节商业化技术部门实习期间编写篡改代码干扰同事模型训练，导致团队30多位研究者一个季度工作白费
本站视角
这件事对三类人最直接相关。第一是国内做世界模型和具身智能的团队：五源资本和IDG用3000万美元、2亿美元估值押注一条「纯自回归符号压缩」路线，等于公开给「效率优先」的技术叙事定价，这会改变同类创业者在融资时的对标对象和估值锚点。第二是做视频生成和多模态基座的工程团队：田柯宇声称的「生成一秒视频成本降至少一个数量级」如果成立，直接冲击当前扩散模型主导的算力成本结构，对自动驾驶实时仿真、交互式视频这类对延迟和成本敏感的场景尤其关键。第三是大厂AI实验室的管理者：投毒事件暴露的算力分配矛盾并未随判决结束，GPU排队、资源争夺如何制度化解决，仍是组织层面的真问题。 我们的判断是：这笔融资的核心不是「天才回归」的叙事，而是资本在世界模型赛道从「画面像不像」转向「算力省不省」的信号。李飞飞World Labs被AMD以82亿美元收购，证明空间重构路线有产业价值，但重建三维几何的工程成本极高，且存在「知道物体长什么样不等于懂物理规律」的逻辑盲区。田柯宇绕开显式三维重建、用极致压缩符号加Scaling Law让模型自行悟出物理规则，在压缩效率和推理成本上确实有理论优势，这也是打动投资人的关键。但需要观察的是：这条路线目前尚未经过大规模公开验证，20万符号能否在长时序、复杂物理交互中稳定涌现可靠物理因果，仍是未知数。 原文的可疑之处必须指出。其一，20万符号、1亿小时视频、成本降一个数量级、2027年发布，这些关键数字全部来自田柯宇单方面披露，没有任何第三方复现或benchmark支撑，媒体转述时应明确标注为「其称」。其二，10人团队要完成1亿小时高质量视频的清洗、去重与质量筛选，本身就是庞大工程，原文也承认算力调度、基础设施、数据治理压力极大，2亿美元估值对应的是一个尚未验证的技术假设。其三，投毒事件的舆论版本（8000张卡、上千万美元损失）已被字节官方澄清为严重夸大，法院判决金额为50万元，与早期传言差距巨大，读者不应继续沿用夸大的旧版本。其四，历史争议会持续影响人才招募、学术合作与行业信任，一旦技术进展不及预期，资本耐心可能快速耗尽——这是所有押注「有污点的顶尖人才」的投资人必须计入的风险项。
背景与影响
田柯宇是北京大学在读博士生，2024年6月至7月在字节跳动商业化技术部门实习期间参与VAR项目。因不满团队算力分配，他利用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，动态改写同事训练用的优化器并随机插入延时指令，导致团队30多位研究者一个季度的工作白费。2024年8月字节解除其实习协议并同步北京大学、阳光诚信联盟与企业反舞弊联盟；10月中旬「涉及8000多张卡、损失上千万美元」的聊天截图在微信群扩散，10月18日字节公开声明确认有实习生被辞退，同时澄清上述言论严重夸大，受影响的只是内部研究项目而非对外商用大模型。田柯宇多次否认作案并报警维权，字节于11月25日向北京市海淀区人民法院起诉，索赔800万元及2万元合理支出并要求公开赔礼道歉。法院最终判决其违反实习合同，赔偿50万元并返还全部实习工资。 戏剧性的是，2024年12月4日NeurIPS 2024公布最佳论文，田柯宇作为第一作者的VAR论文上榜，这是首篇来自中国大陆的NIPS最佳论文。VAR提出「下一尺度预测」，不再把图像拉成一维，而是保留二维结构，用多尺度残差VQ-VAE从1×1模糊轮廓逐级预测到2×2、4×4、8×8，生成速度提升20倍，并在参数从3亿扩大到23亿时跑通Scaling Law，涌现零样本图像修复、画面外扩和指令编辑能力。 离开字节后田柯宇近两年销声匿迹，随后转身创业，把VAR思路套用到更复杂的视频和世界模型上。他的新思路是让AI发明一套人类看不懂的专属符号语言，认为人类语言信息维度太低，无法完整描述物理世界。团队已搭建20万个符号的「视觉词典」，计划用约1亿小时视频训练，目标2027年发布机器人、自动驾驶、交互式视频基座模型。 2026年世界模型赛道融资密集：李飞飞World Labs累计融资超10亿美元、估值54亿美元、被AMD以82亿美元收购；杨立昆离开Meta创办AMI Labs，种子轮10.3亿美元、投后估值45.3亿美元；前阿里通义负责人林俊旸的语用科技首轮获高榕、红杉、腾讯等2.2亿美元、估值20亿美元。赛道已分化出像素渲染派（Sora、PixVerse）、几何物理模拟派（DeepMind Genie3）、空间重构派（李飞飞World Labs）、具身规划派（宇树、Pragmatik Labs、Momenta）等流派。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
