字节投毒实习生再创业，估值2亿美元挑战李飞飞

2026年10月，AI创投圈出现一笔戏剧性融资：一家10人规模、无产品无名字的神秘实验室，获五源资本和IDG暗中投资3000万美元，估值达2亿美元。创始人正是2024年震动国内AI圈的“字节投毒实习生”、北大博士生田柯宇。他曾身陷字节跳动索赔800万元诉讼，同时以第一作者身份获NeurIPS 2024最佳论文奖。如今他要在世界模型赛道与李飞飞竞争。

田柯宇的切入角度独特：让AI发明自己的语言重新理解现实世界。他认为人类语言信息维度太低，无法完整描述物理世界。团队已搭建含20万个符号的“视觉词典”，人类看不懂，但AI可用其表示、压缩和预测视频，能将生成一秒视频的成本降低至少一个数量级。他们计划喂入约1亿小时视频，打造机器人、自动驾驶和交互式视频等领域的基座模型，计划2027年发布。团队暂不急于商业化。

该想法并非凭空诞生。两年前，他以第一作者身份拿下NeurIPS 2024最佳论文，论文题为《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》，是他在字节参与的项目，开发新一代视觉生成模型VAR。该论文从上万篇投稿中脱颖而出，关键在于让视觉生成像LLM一样依靠Scaling Law持续提升能力，同时降低生成成本和复杂度。

此前视觉生成有两条路线：一是模仿LLM的自回归路线，采用光栅扫描将2D图像展平为1D序列，导致二维空间联系被切割，注意力计算量爆炸；二是以Midjourney、Sora为代表的扩散模型，画面质量高但生成速度慢、算力消耗大，且与LLM架构不统一。田柯宇团队回到自回归路线，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，从1×1模糊轮廓开始，逐层并行预测细节。该思路使生成速度提升20倍，用纯正GPT架构实现高质量视觉生成，并首次在视觉生成中跑通近乎完美的Scaling Law，模型参数从3亿扩至23亿时性能提升，还涌现出零样本图像修复、画面外扩和指令编辑能力。

然而，论文获奖同时，田柯宇争议爆发。2024年6月至7月，他在字节商业化技术部门实习期间，因不满算力分配，利用Hugging Face加载模型存档的安全漏洞，在权重文件中植入恶意代码，干扰同事模型训练，导致团队30多位研究者一个季度白干。2024年8月，字节解除其实习协议，同步北京大学等机构。10月，聊天截图扩散，字节澄清“8000多卡、损失千万美元”严重夸大。田柯宇多次否认并报警，字节于11月25日起诉索赔800万元。12月4日，NeurIPS公布其论文获最佳论文奖，系首篇来自中国大陆的NIPS最佳论文。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。

2026年彭博社专访中，田柯宇承认自己做错了，“当时我的做法无异于以暴制暴”，表示若重来会采取更明智做法。此事折射出大厂AI实验室算力内卷的组织困境，也引发创投界唯人品论与唯技术论的争议。一方面有投资人称“人品有问题的绝对不能投”，另一方面世界模型赛道顶尖人才极度稀缺，田柯宇在视觉自回归、模型压缩上的工程能力正是赛道刚需。其融资透露新风向：资本开始押注效率。

2026年世界模型融资不断：李飞飞World Labs累计融资超10亿美元，估值54亿美元，被AMD 82亿美元收购；杨立昆AMI Labs种子轮10.3亿美元，估值45.3亿美元；林俊旸语用科技首轮2.2亿美元，估值20亿美元。世界模型作为连接机器人、自动驾驶、具身智能体、交互式虚拟场景的底层物理引擎，正加速分化出像素渲染派、几何物理模拟派等流派。