被字节索赔800万的田柯宇公开创业计划：20万视觉符号，让视频成本降90%

动察 Beating AI 快讯，前字节跳动实习生田柯宇披露了自己的世界模型创业计划。他的团队已从五源资本、IDG 资本等机构融资近 3000 万美元，投后估值 2 亿美元。目前团队约 10 人，还没有公开发布产品。世界模型旨在让 AI 学习现实世界中物体如何运动和变化，可用于视频生成、机器人等领域。

田柯宇是 NeurIPS 2024 最佳论文的第一作者，曾研究如何让 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，让 AI 能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。团队准备先公开演示，2027 年再发布完整模型。

他还向彭博社承认，曾关闭另一名实习生的程序，自称是为了腾出算力供其他研究者使用，并承认当时的做法不妥。字节于 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。