被字节起诉的田柯宇，新公司估值13.4亿

没有产品，团队仅10人，五源、IDG为什么投？

两年前，田柯宇因为在字节跳动实习期间篡改代码、干扰模型训练，被公司辞退并起诉索赔800万元。

两年后，他以创业者的身份重回公众视野。据彭博社北京时间10月8日报道，田柯宇创立的AI实验室已经获得了近3000万美元（约2亿元人民币）融资，投后估值达2亿美元（约人民币13.4亿元），投资方包括五源资本、IDG资本。

特别的是，这家获得顶级VC支持的AI实验室，至今尚未公开公司名，也没有推出产品，整个团队只有10个人。

田柯宇，北大在读博士，也是2024年轰动AI圈的“字节实习生攻击模型训练”事件的当事人。一个曾因职业违规引发争议的年轻研究者，如今连产品都还没有，就获得了顶级VC的支持。

资本究竟看中了什么？

没有产品，VC先投了近2亿

实际上，田柯宇创业的消息，早在今年7月就传了出来。

当时，据观察者网报道，他已经开始在世界模型领域创业，项目由五源资本合伙人孟醒孵化并主导投资。

作为国内知名的早期投资机构，五源资本曾投资小米、快手、月之暗面等科技企业。这一次，它把资金投向了一家尚未推出产品的AI实验室。

这家实验室准备做什么？答案是世界模型（World Model）。

简单来说，就是让AI不仅能识别和生成图像、视频，还能理解现实世界的空间关系、物体运动和物理规律，并预测接下来会发生什么。比如，机器人拿起一个杯子，不仅要知道杯子在哪里，还要判断如何抓取，以及移动过程中可能发生什么变化。这样的能力未来可以用于机器人训练、自动驾驶和交互式视频等领域。

而田柯宇选择的切入点，是视频。

“你永远无法用人类语言完美地描述一段视频。”田柯宇在接受彭博社采访时说。于是，他准备先给AI创造一套自己的语言。

按照田柯宇的介绍，团队已经构建出一套包含约20万个符号的“视觉词典”。这些符号并不是供人类阅读的文字，而是供AI编码和处理视觉信息的基本单位。

在大语言模型中，文字会被拆分成一个个Token，也就是模型处理信息的基本单位。田柯宇希望采用类似思路，把复杂的视频内容转化为模型更容易处理和预测的视觉符号。

按照他的规划，团队接下来准备利用约1亿小时的视频数据训练模型，逐步提高AI理解和预测视觉变化的能力。

这项研究还有一个明确的成本目标。

田柯宇希望将生成一秒视频的成本降低至少一个数量级，也就是降至现有水平的十分之一甚至更低。不过，目前团队尚未公开完整模型及相应测试数据，这仍然是一个有待验证的目标。

田柯宇也不急着推出消费级产品。

团队计划先通过现场演示展示部分技术能力，完整模型预计于2027年发布。现阶段，他更关注模型本身的研发，暂时没有把面向普通用户的产品和具体商业模式放在首位。

没有产品，却拿到了近3000万美元融资。资本愿意提前下注，很大程度上还要从田柯宇过去的研究经历说起。

被字节起诉的实习生，拿下最佳论文奖

据其领英主页及公开资料，田柯宇本科毕业于北京航空航天大学软件学院，2022年进入北京大学深造，研究方向主要涉及深度学习优化与算法。求学期间，他先后在商汤科技研究院、牛津大学远程研究团队参与科研项目。2021年，他进入字节跳动担任研究实习生，主要参与超参数优化、强化学习等人工智能算法研究。

2024年4月3日，他与字节跳动研究人员合作完成的论文《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》首次在arXiv公开。论文共有五位作者，来自北京大学和字节跳动，田柯宇是第一作者。

这篇论文提出了一种新的图像生成方法VAR。简单来说，传统的一类视觉自回归模型需要按照固定顺序逐步生成图像信息，而VAR采用从粗到细的方式，先生成整体画面，再逐层补充细节。

根据论文在ImageNet数据集上的测试结果，在256×256图像生成任务中，VAR相较选定的传统自回归模型基线，推理速度提升约20倍，图像生成质量也有所改善。

但就在论文公开两个月后，田柯宇在字节的实习经历出现了转折。

据字节跳动后来发布的内部通报，2024年6月至7月，田柯宇因对团队资源分配不满，通过编写、篡改代码等方式，恶意干扰商业化技术团队研究项目的模型训练任务，造成资源损耗。字节于当年8月与其解除实习协议，并将相关情况通报给行业联盟及其就读学校。

到了10月，这件事开始在网上发酵。当时有消息称，字节大模型训练遭到实习生攻击，涉及8000多张GPU卡，损失可能超千万美元，一度引发AI圈广泛关注。

但字节很快澄清了相关传闻。10月19日，公司通过官方账号表示，网传损失规模严重夸大，受影响的只是商业化技术团队的内部研究任务，并不涉及字节大模型等其他业务，也没有影响正式项目及线上业务。

事情并未随田柯宇被辞退而结束。

据《科创板日报》2024年11月28日报道，字节内部人士称，田柯宇在事件处理期间曾多次否认相关行为，并报警称遭到造谣。字节认为其行为触及公司安全红线，因此决定通过法律途径追责。

同年11月25日，字节起诉田柯宇一案获北京市海淀区人民法院正式受理。字节请求法院判令其赔偿侵权损失800万元、合理维权费用2万元，并公开赔礼道歉。

颇具戏剧性的是，就在这场纠纷引发广泛讨论后不久，田柯宇此前的研究成果获得了一项重要荣誉。

2024年12月，国际人工智能顶级学术会议NeurIPS公布年度最佳论文名单。田柯宇担任第一作者的VAR论文，从当年4000多篇录用的常规研究论文中脱颖而出，成为了两篇最佳论文之一。

这篇获奖论文，恰恰是他此前与字节跳动研究团队合作完成的成果。

NeurIPS在介绍评奖机制时表示，最佳论文由评审委员会依据论文的科学价值独立评选，不单独考虑作者身份等因素。

至于这场官司的后续，直到今年才有消息。

据彭博社报道，其查阅的法院裁判文书显示，法院判令田柯宇因违约赔偿50万元，他也失去了在字节跳动实习期间的全部工资。这一判赔金额低于字节最初提出的800万元侵权损失索赔。

田柯宇也在接受彭博社采访时谈到了当年的经历。

按照他的解释，自己当时关闭了另一名实习生运行的程序，是为了将计算资源留给其他研究人员。他承认这种做法不妥，并将其形容为“以暴制暴”。

对于当年的决定，他表达了后悔。按照采访原意，如果能够带着今天的认识重新来过，他一定会选择更明智的处理方式。

世界模型火了，资本开始提前抢人

过去几年，AI领域涌现出了一批由顶尖研究人员创办的公司，其中一些甚至还没推出产品，就已经获得大额融资。

一方面，基础模型研发需要持续投入大量资金、算力和人才，真正具备原创研究能力的团队又相对稀缺；另一方面，投资机构越早进入，就越有机会在技术价值充分兑现之前获得股权。

世界模型，正在成为资本争夺的新方向。

9月底，AMD宣布拟以约82亿美元、全股票方式收购李飞飞2024年创办的World Labs，交易预计于2026年底前完成，仍需经过监管审批等程序。

与田柯宇尚处于隐身阶段的实验室不同，World Labs已经拿出了产品。2025年11月，公司推出Marble模型，可以根据文字、图片和视频等输入，生成可探索、可编辑的三维环境。今年1月，公司又推出World API，让开发者可以通过接口调用模型，将三维环境生成能力接入自己的产品。

不过，AMD愿意拿出82亿美元，看中的显然不只是World Labs现有的产品。

在收购公告中，AMD首席执行官苏姿丰指出，构建下一代AI计算平台，需要深入理解AI模型的发展方向。World Labs的研究能力，将帮助AMD开发适应未来模型需求的硬件、软件和系统。

另一边，今年3月，图灵奖得主、Meta前首席AI科学家杨立昆创办的Advanced Machine Intelligence（AMI Labs），完成10.3亿美元融资，投前估值达到35亿美元。这家公司同样以世界模型为核心研究方向，希望让AI具备理解环境、推理和规划行动的能力。

谷歌DeepMind也已经拿出了研究成果。2025年8月，其发布的Genie 3能够根据文字提示生成动态虚拟环境，用户可以以每秒24帧、720p分辨率实时探索，模型能在数分钟内保持一定的环境一致性。

国内也在加快布局。极佳视界、生数科技、流形空间等创业公司已经进入世界模型相关领域，从视频生成、空间理解、物理仿真等不同方向寻找技术突破口。

这些公司的技术路线并不完全相同。能够生成连贯的视频，与真正掌握可用于机器人决策的物理规律之间，还有相当大的距离。但这些进展至少说明，AI的竞争正在向空间理解和物理世界模拟进一步延伸。

尽管技术路线尚未明确，资本已经开始提前布局，田柯宇的项目就是其中一例。

今年8月，elsewhere在一篇关于五源资本合伙人孟醒的访谈文章中提到，孟醒更看重的不是创业者身上的故事或戏剧性经历，而是他们真正做的事情，以及关键时刻的行动。

放在田柯宇身上，NeurIPS最佳论文、视觉生成算法研究和大规模模型训练经验，都是资本能够看到的技术积累。而世界模型未来在机器人、自动驾驶等领域的应用潜力，则给了这项研究更大的商业想象空间。

不过，世界模型距离真正理解物理世界，还有不少技术难题需要解决。生成的视频看起来逼真，不代表模型准确掌握了现实世界的物理规律；能够模拟短时间内的场景变化，也不意味着它能在长时间交互中保持稳定，准确预测物体的运动和变化。

田柯宇的技术路线同样需要验证。更何况，从研究成果到商业应用，中间还有产品开发、实际场景验证和客户需求等一系列问题。

对于田柯宇来说，融资解决了早期研发所需的部分资金问题，但也意味着更高的技术交付要求。资本可以先于产品入场，但真正决定一家AI公司价值的，终究还是模型能力，以及它能否在现实场景中发挥作用。

结语

两年间，田柯宇从字节跳动的实习生，变成了一家估值2亿美元的AI公司的创始人。曾经的违规行为有了法院的判决，但他的学术成果也获得了业界认可。如今，资本愿意为他的下一次尝试买单。

但融资并不能抹去过去的争议，高估值也不意味着技术已经得到验证。

按照田柯宇的计划，完整模型将在2027年发布。届时，那套包含20万个符号的“视觉词典”究竟能带来多大的技术突破，视频生成成本能否如他所言大幅降低，都将接受外界的检验。

资本已经提前给出了价格。接下来，就等田柯宇拿出结果了。