图灵奖得主Judea Pearl提出的「因果之梯」是Aether AI整条技术路线的理论基石。它将AI对世界的理解分为三层：第一层「关联」，只看到「冰淇淋销量和溺水人数同步上升」，这是所有主流大模型所处的层次；第二层「干预」，能回答「如果禁售冰淇淋，溺水人数会下降吗」，这是科学实验的核心逻辑；第三层「反事实」，能追问「如果当初没买冰淇淋，那个孩子还会溺亡吗」。Pearl认为，当前深度学习都卡在第一层，而Aether AI的核心赌注就是让机器人跨越到第二、三层，用干预和反事实推理替代统计拟合。

Aether AI的因果路线并非世界模型唯一方案。Yann LeCun（杨立昆）在2025年底离开Meta创立AMI Labs，押注的是JEPA（联合嵌入预测架构）路线——同样是隐空间预测、同样反对像素重建，但JEPA不显式建模因果变量和结构，而是在抽象表征空间里端到端学习状态转移。LeCun认为，因果结构并非必须显式学习，通过压缩-预测框架就能涌现出物理直觉。2026年发布的LeWorldModel用单张显卡就能训练，规划速度是同类模型的48倍。两种路线都反对「背答案」式的统计拟合，但分歧在于：因果是否应该作为架构底层显式存在，还是可以作为涌现的副产品。

均普智能在真实制造场景测出一个残酷数字：未做定制微调的VLA模型，在动态工业环境下任务失败率普遍超过60%。英伟达GR00T-N1.6在RoboCasa Hard模式下失败率也高达52.4%。这不是硬件问题——机器人的灵巧手已经足够精密——而是「大脑」在物理世界的水土不服。VLA把视觉画面直接映射成动作轨迹，但它从未理解杯子的摩擦系数、重力和接触角这些物理变量，光照一变就偏2厘米。因果世界模型的三个核心能力——因果变量提取、因果结构学习、因果动力学建模——恰好补上这个缺口：让机器人从「看画面猜动作」升级为「算物理再输出」。

Aether AI 2000万美元种子轮，赌的不是一个公司，而是一整个技术范式的切换。当前能看到的三个信号：第一，VLA发展了两年后，泛化性和数据天花板已清晰——行业真机训练数据仅十万小时量级，与GPT-5的100亿小时差万倍，堆数据已经堆不动；第二，因果理论在机器人场景的核心难题（因果变量提取、结构学习、动力学建模）基本有了数学解法，缺的是工程化落地；第三，从英伟达Jim Fan在红杉大会上喊出「VLA已死，WAM当立」，到自变量机器人集齐四大巨头融资——市场对「新路线」有真实需求。真正的拐点信号是：因果世界模型能否把20%数据效率优势，转化为机器人可量化的泛化能力和长程任务成功率，形成商业壁垒。

文章借用辛普森悖论说明相关性模型的局限：在肾结石治疗案例中，忽略结石大小这个隐变量，同一份数据会得出完全相反的结论。这个悖论其实揭示了因果推断的根本问题——变量之间的关联可能完全被第三个隐藏变量「扭曲」。机器人面临的物理世界遍布这样的隐变量：摩擦力、温度、光照角度……每一种都可能改变行为结果。真正值得追问的是：因果世界模型如何在原始数据中自动识别出这些隐变量？如果隐变量没被模型发现，因果推断是否也会像统计推断一样翻车？因果学习在「处理已知物理变量」和「发现未知隐性变量」之间的能力边界在哪里？