田柯宇披露世界模型创业计划：视频生成成本目标降至十分之一

前字节跳动实习生田柯宇公开披露了自己的世界模型创业计划。按其说法，团队已从五源资本、IDG 资本等机构融资近 3000 万美元，投后估值为 2 亿美元。

目前，这支团队约有 10 人，还没有公开发布产品。

团队计划用视觉符号处理视频

世界模型的目标，是让 AI 学习现实世界中物体如何运动和变化，应用方向包括视频生成和机器人。

田柯宇是 NeurIPS 2024 最佳论文的第一作者，曾研究让 AI 从粗到细逐步生成图片。新团队沿着这一方向，为视频设计了一套包含 20 万个视觉符号的「词表」。这些符号的作用，类似语言模型处理文字时使用的 Token，用来让 AI 以更适合计算的方式处理视频。

团队计划用 1 亿小时视频训练模型。田柯宇称，这种方法有望把每秒视频的生成成本降至现有水平的十分之一，甚至更低。

发布时间表与公开计划

按田柯宇的说法，团队准备先做公开演示，完整模型将在 2027 年发布。

字节纠纷与法院判决

田柯宇还向彭博社承认，自己曾关闭另一名实习生的程序，并称当时是为了腾出算力给其他研究者使用，同时承认这一做法并不妥当。

字节跳动于 2024 年将其辞退，随后起诉索赔 800 万元。彭博社查阅的判决书显示，法院判令田柯宇因违约支付 50 万元。