金鳞岂是池中物，一遇风云便化龙。
你敢相信吗？一家只有10个员工的初创公司，名字没公开，产品也没做出来，却已经拿到了近3000万美元（约合人民币2亿元）融资，投后估值高达2亿美元，折合人民币约13.4亿元。
而且，愿意掏钱的还不是普通投资机构，是五源资本、IDG资本等知名风投。
就在最近，彭博社的一篇文章，让这家神秘公司的创始人重新进入公众视野。
他叫田柯宇。
图源：X
这个名字可能有些陌生，但2024年字节跳动实习生恶意干扰模型训练的事件，相信有的朋友肯定还有印象。
当年，田柯宇因为涉嫌篡改代码、干扰公司研究项目，被字节跳动辞退，随后遭到800万元索赔，一度闹得沸沸扬扬。
如今，两年过去，田柯宇不仅没有离开AI行业，反而带领自己的团队杀了回来。
田柯宇与字节跳动的故事，要从2021年说起。
公开资料显示，他本科毕业于北京航空航天大学软件学院，后来进入北京大学深造，研究方向主要涉及深度学习和生成式AI。
在校期间，田柯宇进入字节跳动实习。据了解，到2024年被辞退时，他已经有约三年的字节实习经历。
虽然顶着实习生的身份，但他参与的研究项目已经有了相当不错的成果。
图源：alphaxiv
当时，AI图像生成技术发展得如火如荼，Stable Diffusion、Midjourney等产品已经让普通用户见识到AI绘画的能力，但图像生成的速度和计算成本，依然是研究人员需要解决的问题。
田柯宇参与提出的VAR方法，尝试用新的技术路线提高图像生成效率。按照论文公布的实验结果，在特定测试条件下，其推理速度比选定的传统自回归基线快了约20倍。
对于一名仍在大学求学的年轻研究者来说，这样的成果已经足够亮眼。可谁也没想到，仅仅几个月后，他就因为一场严重违规事件，与字节跳动彻底闹翻。
2024年10月，一则关于字节大模型训练遭到实习生恶意攻击的消息，突然在网上传开。
当时流传的版本相当夸张。有人声称，字节有8000多张GPU参与的模型训练遭到破坏，造成上千万美元损失，甚至还有传言称，公司部分大模型训练工作因此受到严重影响。
要知道，彼时国内大模型竞争正激烈，算力又是各家科技公司争抢的稀缺资源。几千张GPU意味着多大的投入，懂行的人都清楚。
消息传开后，字节跳动很快出面回应。
图源：第一财经
公司承认确实有实习生严重违纪，但否认了网上流传的损失规模。
根据字节当时的说明，受到干扰的是商业化技术团队的某个研究项目，并未影响正式项目和线上业务，也不涉及字节大模型等其他业务。
所谓8000多张GPU、损失上千万美元，更是属于严重夸大。
随后，有自称内部人士的人在网上披露了事情的具体经过。
图源：知乎
该人士表示，田柯宇在当年6月至7月期间，因为不满团队资源分配，通过编写和篡改代码等方式，恶意干扰其他研究项目的模型训练，造成计算资源损耗。
字节早在8月就与他解除了实习协议，并将有关情况同步至其就读学校及相关行业联盟。
字节认为，其行为已经触及公司安全红线，最终决定通过法律途径追究责任。
2024年11月底，字节跳动向北京市海淀区人民法院提起诉讼，要求田柯宇赔偿800万元损失、2万元合理支出，并公开赔礼道歉。
一个还在读书的年轻人，因为实习期间的违规行为，被互联网大厂索赔800万元，事情很快在科技圈引发大量讨论。
而围绕田柯宇的争议持续了很长时间，但外界一直很少听到他本人对此作出完整解释。
图源：X
直到今年10月，彭博社披露了对他的采访。时隔近两年，田柯宇终于讲述了自己当年的行为。
按照他的说法，当时他关闭了另一名实习生运行的程序，目的是释放计算资源，让其他研究人员使用。
他承认自己的处理方式存在问题，并将当年的行为形容为一种以牙还牙式的做法。
谈及过去的选择，他表示，如果能带着今天的认识回到当时，肯定会采取更加明智的处理方式。
与此同时，彭博社还披露了一个此前外界不太了解的细节。
根据他们查阅的法院判决文件，字节与田柯宇的这场官司，最终判令后者赔偿50万元，法院认定其存在违约行为。
从最初的800万元索赔，到最终50万元判赔，数字相差了整整16倍。
不过，判赔金额降低，并不代表此前的违规行为可以被一笔勾销。
有意思的是，就在田柯宇被字节辞退，并陷入诉讼风波的同一年，他在学术界却迎来了职业生涯中极为重要的一次认可。
如此强烈的反差，也让田柯宇成了当年AI圈一个颇具争议的人物。
被字节辞退那年，他刚拿下AI顶级论文奖
NeurIPS在全球AI研究圈的分量，大家不从事这个行业可能想象不到。
它的全称是神经信息处理系统大会，与ICML、ICLR并称人工智能领域最重要的三大学术会议。
每年，全球顶尖高校和科技公司的研究人员都会向这些会议投稿。
对于从事AI研究的人来说，能够在NeurIPS发表论文，已经算是一份不错的学术成绩。至于最佳论文奖，更是每年众多入选论文中才能诞生的少数荣誉。
2024年获得这一奖项的论文中，就包括前文提到的田柯宇作为第一作者参与的《Visual Autoregressive Modeling》。
图源：界面新闻
那么，这篇论文究竟厉害在哪里？
简单理解，过去一类自回归图像生成模型，采用的思路与语言模型生成文字有些相似。
ChatGPT生成一段回答，需要一个Token接一个Token往后预测。传统自回归图像生成方法也需要按照一定顺序，逐步预测图片中的视觉信息。
但图像往往包含大量复杂信息，尤其当分辨率不断提高时，模型需要处理的数据会越来越多，生成效率也容易受到影响。
田柯宇参与提出的VAR方法，换了一种思路。
模型先生成低分辨率的图像表示，确定画面的整体结构，再逐步提高分辨率，把细节一点点补充完整。
图源：alphaxiv
整个过程有些像画画，先确定大致构图，再慢慢完善人物、物体和背景细节。
不过，VAR的价值远不止于改变生成顺序。
研究团队通过多尺度预测，让模型能够更高效地处理图像信息，并在部分计算步骤上提高并行处理效率。
按照论文公布的实验结果，在ImageNet 256×256图像生成测试中，VAR相比所选的传统自回归基线，不仅改善了图像生成质量，推理速度也提升了约20倍。
虽然这20倍属于论文设定条件下的比较结果，并不意味着所有AI绘画工具采用VAR之后，都能直接快上20倍。
但在当时的研究环境下，能够同时改善生成质量与效率，已经足以引起学术界的关注。
NeurIPS官方在获奖介绍中，也肯定了VAR在多尺度图像生成、实验验证以及规模扩展规律方面的研究价值。
不过，田柯宇获奖的消息传开后，围绕他的争议也跟着烧到了学术圈。
有人认为，一个刚刚因为严重违规被企业辞退的研究人员，是否还应该获得如此重要的学术荣誉？
说实话，科研能力出众，并不意味着可以不遵守企业的工作纪律。但反过来看，一个人在职业行为上犯过错误，也不代表他此前发表的论文就失去了研究价值。
离开字节之后，田柯宇并没有放弃继续从事相关研究。
根据彭博社消息，田柯宇于2025年夏天完成北京大学硕士学业，随后又把主要精力转向了一个更加热门的方向——
世界模型。
图源：36kr
相比前几年大家熟悉的AI聊天、AI绘画，世界模型的目标要复杂得多。
例如，现在的AI已经可以根据一段文字，生成一个人在房间里行走的视频。只要提示词写得足够详细，画面甚至能达到相当逼真的程度。
但如果要求模型持续预测这个人接下来的动作，或者在他拿起桌上的杯子后，保持整个场景的物理关系合理，难度就明显增加了。
模型需要知道物体处于什么位置，运动时会受到怎样的影响，还要尽可能保证前后画面的逻辑一致。
世界模型研究的一个重要目标，就是让AI能够学习和模拟现实环境中的变化规律。
如果相关技术发展成熟，未来可能被用于机器人训练、自动驾驶仿真，甚至构建能够实时交互的虚拟世界。
目前，李飞飞、杨立昆等知名AI科学家都在推动相关研究。谷歌DeepMind也已经展示过能够根据用户操作，持续生成可交互虚拟环境的技术。
田柯宇如今创业选择的，正是这样一条竞争激烈、技术门槛很高的路线。
图源：Google Labs
10个人、没有产品，资本凭什么给他2亿元？
按照彭博社披露的信息，田柯宇如今的创业公司仍处于相当早期的阶段。
团队只有约10人，其中包括几名前字节跳动员工。公司没有正式公布名称，也没有推出面向消费者的产品，甚至暂时没有把商业化作为眼下最重要的事情。
但就是这样一家看起来更像研究实验室的公司，拿到了接近3000万美元融资。投资机构愿意给出这个价格，除了田柯宇此前积累的研究履历，还与他正在探索的技术路线有关。
据其介绍，团队正在开发一套包含约20万个符号的视觉词典，用于帮助AI处理视频中的视觉信息。
为什么要研究一套专门的视觉符号？
一段视频包含人物动作、物体位置、镜头变化等大量信息，仅靠人类语言很难完整描述。团队希望通过更适合视觉信息的编码方式，提高模型处理视频的效率，并降低生成成本。
按照田柯宇的规划，团队未来希望利用约1亿小时的视频数据进行训练，并尝试将视频生成成本降低至少一个数量级。
不过，理想归理想，田柯宇目前还没有拿出完整的公开模型。
团队介绍的视觉词典和成本优化方案，仍需要更多实验结果来证明。想从提高视频生成效率进一步走向世界模型，还要解决物体运动、因果关系以及长时间场景一致性等问题。
至于什么时候推出商业产品，他似乎没有那么着急。
换言之，投资机构现阶段花出去的近2亿元，买到的主要是一支研究团队，以及一条尚未得到充分验证的技术路线。
田柯宇透露，完整模型预计要到2027年才会发布。
届时，这家尚未推出产品的创业公司，才算真正迎来检验。
铁粉推荐
