曾因字节投毒事件轰动国内AI圈的田柯宇现已创业，致力于世界模型研发。其核心思路是让AI自创一套约20万符号的专属语言来表示、压缩和预测视频，而非依赖人类语言理解世界，计划喂入1亿小时视频训练基座模型，目标是让AI真正理解空间、运动和物理规律，未来服务于机器人、自动驾驶等领域。该10人团队尚无产品，已获五源资本、IDG等近3000万美元融资，估值近2亿美元。文章还澄清了当年事件真相：法院判决仅因违约赔偿50万元，与网络传言差距巨大。田柯宇离开字节后曾获NeurIPS 2024最佳论文。
文章梳理了曾因在字节跳动实习期间恶意篡改代码被起诉索赔800万元的田柯宇，如今创立世界模型实验室并获五源资本合伙人孟醒领投近3000万美元的事件。作者深入调查孟醒的十五年的职业履历，指出其在Orbeus、知图科技、滴滴自动驾驶等公司的经历存在时间线重叠与美化的痕迹：每逢商业化进入艰难阶段便抽身离场，却将留守团队多年熬出的收购成果包装为自己的'成功退出'。文章质疑这位自称把'价值观契合'放在最高优先级的投资人，为何领投中国AI行业职业诚信争议最大的年轻人，揭示了创投圈叙事包装与职业诚信的深层矛盾。
文章深度还原了2024年字节跳动视频生成模型Goku训练故障事件。团队经历数月无法解释的训练异常，上百名工程师参与排查，最终发现PyTorch代码被篡改、共享服务器上存在隐藏攻击代码，矛头指向实习生田柯宇。字节随后辞退并起诉田柯宇。两年后，田柯宇获近3000万美元融资并在播客中重提旧事，称自己出于“朴素的正义”，引发前同事公开回应与争议再起。文章通过多方访谈呈现排障细节、字节的处理过程，并探讨AI人才竞争中成果与手段的伦理问题。
Google DeepMind发布新一代世界模型Genie 4，作者从游戏与VR玩家视角解读其三大进步：照片级画质与物理交互、世界一致性与实时控制、原生同步音频与角色实时对话。文章科普了世界模型两条技术路线——Google Genie代表的视频生成路线与李飞飞World Labs代表的3D高斯泼溅路线，指出二者各有优劣并正在合流：World Labs推出全能世界模型Atlas，Google则在Genie 4中引入Gemini作为引导智能体负责规划。作者展望世界模型将改变开放世界游戏、互动影游的内容生产逻辑，催生游戏、电影与互动叙事之间的全新媒介。
作者讲述了自己从成绩垫底、靠父母花钱入学的普通人，到申请上博士，再到通过自媒体逆袭的经历。他因分享博士申请经验意外走红，建立留学申请生意做到年营收500万，后因行业萎缩而退出。2026年他用Claude Code一天做出学术平台'构石'，三天登上热搜，一个月全网涨粉百万。他总结三条可复刻的经验：做IP建立壁垒、别等准备好再开始、AI是普通人的工业革命级机会。最终他选择休学创业，全力投入AI应用赛道。
文章探讨了AI Agent创业中套壳产品的价值与生存之道。作者提出Agent能力由模型水平、指令、记忆和工具组成，套壳的意义在于通过优化后三者构建「逃逸速度」，在下一代模型到来前保持领先。文章强调两类关键判断：方向判断（基于第一性原理，如移动办公趋势）和迭代判断（通过专家知识优化上下文工程）。作者以自身产品NewMax为例，阐述Dogfood理念，通过全方位使用产品发现边界与问题，并优先解决基建卡点，让产品进入低成本高效迭代的正向循环，实现无限迭代与自动化GTM。
作者认为AI正在模糊软件与服务业的边界：软件变得越来越像服务（产品主动适配用户），而服务业借助AI代理实现产品化，形成'产品化服务'的混合模式。这类业务对外像服务（客户获得定制化结果），内部却像产品一样高效运转，既保留服务关系又获得软件级利润率。作者以自己21岁创办的Hourglass AI为例（自筹资金、持续盈利、单月收入破10万美元），认为这是年轻人低风险创业的最佳路径：从第一天就盈利、无需融资、拥有全部股权，并建议先亲自交付服务，再用AI代理规模化。
文章以2026年科技行业大规模裁员为背景，指出依赖单一雇主收入的脆弱性，主张建立个人一人公司。作者结合自身16个月脱离朝九晚五的经历，阐述一人商业模式的逻辑：通过互联网将个人技能分发给目标受众，无需大量资本和团队。文章重点介绍了打造盈利一人公司所需的五大技能，首先详解了受众构建（围绕需求而非流量建立受众）与写作能力（清晰传达价值主张）两大核心技能，并给出Problem-Process-Proof内容框架，帮助读者将注意力转化为可持续的商业收入。
文章基于 BigIdeasDB 对 294 个 AI 推荐创业点子的研究指出，80.6% 的点子重复度高，且 AI 给出的收入预测从不分析竞争情况，看似完整但并不靠谱。作者结合 MailCheap 等真实赚钱案例，提出普通人做 AI 副业的正确路径：从熟悉的行业和真实抱怨中找问题，而非让 AI 凭空推荐；用 AI 做需求分析和竞品调查，主动寻找反面证据；先做无需写代码的最小服务版本，争取第一笔真实付费，再考虑扩张。文末附有可直接使用的三个 Prompt 和 7 天行动计划，强调找到愿意付钱的客户比收集创业点子更重要。
APEX（Asynchronous Prefix denoising for EXtreme compression）由 Lightricks 与耶路撒冷希伯来大学联合研发，是一种面向扩散模型的极端潜空间压缩方法。它通过“结构到细节”的累积前缀表示，让少量潜token同时满足计算效率、重建质量和生成质量三个目标。该方法为潜通道分组排序，早期通道表达整体结构，后续通道逐步补充细节，并用异步去噪调度在不同时间窗内分别处理各组。在 ImageNet 512×512 实验中，APEX 在 64× 与 128× 空间压缩下显著提升生成效果，64-token 模型在推理预算相当的情况下全面优于 256-token 基线，为世界模型开发提供了高效表示设计原则。
作者基于多年全球 KOL Marketing 经验，分享了 AI Startup 增长的实操建议：早期产品应找能持续产出 UGC 风格内容的创作者而非大 KOL，找懂产品懂场景的 KOS 而非 KOC；先测试内容形式再放大投放；全球化不是翻译而是本地化创作；建立 Creator Growth Loop 而非迷信爆款；把 Creator 当作产品增长的一部分，帮助发现真实用例与新 ICP。核心观点是不要花钱购买影响力，而要花钱验证增长。
本文是硅谷101 Alignment 峰会 Day 1 下半场的深度纪要，总结出 AI 落地的四道坎：本体、评估、信任、维护，且四道坎都不在模型本身。机器人领域模型大小被物理参数封顶，数据质量与多样性之争可统一为数据金字塔，触觉数据与跨本体抽象是关键；世界模型定义仍在发散，AMD 收购 World Labs 释放垂直整合信号，评估工具的缺失是最大短板；Agent 的真正瓶颈是信任而非模型，企业需渐进开放权限，云端 agent 基础设施有大量脏活，交互范式需摆脱聊天框。作者结合一线信号给出创业与投资判断。
作者受小红书英语学习账号启发，用 Claude/Codex 等 AI 工具在 4 天内复刻了一个英语学习网站，全程未手写代码。随后利用 AI 批量加工素材（字幕提取、翻译、词汇生成）、自动剪辑短视频并定时发布到抖音和小红书引流，并接入抖店、小红书店实现自动发货和自助开通。最终形成「AI 做产品 → AI 处理素材 → AI 剪辑获客 → 自助下单 → 自动交付」的完整自动化闭环，实现被动收入，作者只需负责选内容、看数据和调方向。
