小小实习生，大大的爽文

2024年11月，北京市海淀区人民法院受理了一起不太寻常的民事诉讼。原告是字节跳动，被告是一个还在读博的实习生。索赔金额：800万元。

几乎没人看好被告。一个学生，跟一家年营收千亿美元的巨头对簿公堂，剧本已经写好了。

十天之后，剧本被撕了。

2024年12月，人工智能顶级会议NeurIPS公布年度最佳论文。获奖论文题为《视觉自回归建模：通过下一尺度预测实现可扩展的图像生成》，第一作者：田柯宇。

字节的起诉书墨迹未干，被告先拿了一个全球AI学术圈的最高奖项。颁奖词里没有一个字提到他的被告身份。NeurIPS官方的态度干脆利落：论文评审采用盲审机制，评奖仅以科学质量作为评判标准，不受作者个人争议影响。

这个22岁的年轻人，同时站在两个截然相反的叙事里。一个叙事里，他是恶意破坏同事训练任务的“投毒者”；另一个叙事里，他是中国大陆背景学者中极少数以第一作者拿下NeurIPS最佳论文的天才。

两个叙事都是真的。

1.一篇论文，值多少钱

要理解后来发生的事，得先理解VAR这篇论文到底做了什么。

在VAR之前，AI生成图像的主流方法是扩散模型。简单说，就是先铺一层噪声，然后一步步去噪，像雕刻家从一块粗石里慢慢凿出形状。效果不错，但慢、贵、吃算力，而且架构上跟大语言模型完全不是一套东西。

田柯宇换了一个思路。他不再把图像拉成一维逐个像素预测，而是保留二维结构，从1×1的模糊轮廓开始，2×2、4×4、8×8，由粗到细一级级预测。像人画画，先勾大形，再上细节。

听不懂没关系，反正结果很硬：在ImageNet基准上，衡量失真度的FID指标从扩散模型的18.65降至1.73，推理速度提高了20倍，还第一次让视觉生成跑通了“模型越大、效果越好”的规模化规律。

这篇论文开源后，在GitHub上收获了超过4400颗星。

更微妙的是，这篇论文是他还在字节实习时写的，署名里既有他北大的导师王立威，也有字节的研究员。实习的成果，成了他日后翻身的学术资本；而同一段实习经历，也是他被辞退、被起诉的起点。

2.“以暴制暴”

时间回到2024年夏天。

田柯宇2022年本科毕业于北京航空航天大学软件学院，随后进入北京大学攻读博士，师从王立威教授，研究方向是深度学习的优化与算法。（关于学历时间线的疑惑，可能是这样的：田柯宇2022年本科毕业后，进入北京大学，最初可能是以硕士身份入学，或者进入的是硕博连读/直博项目。外网的报道基于其采访获取的信息，记录了他“硕士毕业”这一节点；而中文信源则更强调他“博士在读”的当前身份。）

反正从2021年起，他就在字节跳动商业化技术部门实习，做超参数优化、强化学习和视觉生成。

变故发生在2024年6到7月。按照字节的说法，他因对团队内部的算力资源分配不满，通过编写、篡改代码，恶意攻击了团队研究项目的模型训练任务，造成资源损耗。行业里管这叫“模型投毒”。

田柯宇后来的说法不完全一样。他在接受彭博社采访时承认，自己关掉了另一名实习生的程序，以释放计算资源给自己认可的研究。他承认行为不当，但将其描述为一种“以暴制暴”——因为认为自己项目价值更高，便采取了干扰他人训练的方式抢夺GPU资源。

“如果我能带着今天所知道的一切回到过去，我肯定会采取更明智的做法。”他说。

显然，这也是个狠人，并且，这样的事情发生在中国——几乎是注定的，早熟的人大概早就看清楚了一将功成万骨枯之类的中国古老哲学——为了我的理想，朋友，你只能让路！！

但事件处理期间，他一度否认，称动手的是别的实习生，甚至报警称自己被造谣。字节认为他毫无认错之意，2024年11月正式起诉，索赔800万元。同时，字节澄清了网传“波及8000张GPU卡、造成上千万美元损失”的说法，称受影响项目仅为商业化技术团队内部研究任务。

800万。对于一个在读博士生来说，这个数字大概等于他未来十年不吃不喝的全部收入。字节显然想让这件事成为一个标本。阳光诚信联盟、企业反舞弊联盟，同步通报到就读学校，全套流程走完，不留余地。

然后，NeurIPS的奖来了。

3.高瞻远瞩的法院

官司的结果比预期温和得多。据彭博社查阅的裁决书，法院认定田柯宇违反合同，判令他赔偿50万元，并没收全部实习薪资。

50万也挺多，但是跟800万一对比——我国的法院还是充分考虑到了“给罪犯一个机会”这样的美好社会原理，不愿把一个才华横溢但人品稀烂、总体而言是个标准的“坏逼”的年轻人给逼死……

果然，爽点来了——2026年，田柯宇创办了一家专注于世界模型的AI实验室。公司还没有正式名称，没有产品，团队大约10人，成员中包含多名曾在字节跳动任职的技术人员。

但他拿到了近3000万美元的融资。投资方是五源资本和IDG资本——前者是月之暗面的早期投资方，后者是中国最老牌的风险投资机构之一。投后估值：2亿美元。

一个“有污点的实习生”，在离开大厂不到两年后，手里握着的钱比很多上市公司一年的研发预算还多。

4.他在造什么

田柯宇的新项目瞄准的是“世界模型”。

这个概念听起来抽象，但逻辑不复杂：让AI不只看懂一帧画面，而是理解现实世界的空间、运动和因果，能预测“下一步会发生什么”。它被看作机器人、自动驾驶、交互式视频共同的底层能力，也是李飞飞、杨立昆这些年全力推动的方向。

赛道的热度是真实的。李飞飞的World Labs在2026年初拿下10亿美元融资，估值50亿美元，投资方包括英伟达、AMD、a16z。杨立昆离开Meta后创办的AMI Labs，种子轮就融了10.3亿美元，创下欧洲AI领域种子轮融资纪录。

但田柯宇的技术路线跟主流不太一样。

他有一个判断：人类语言根本不适合描述视频。一段猫从桌上跳下的几分钟画面，物体位置、运动轨迹、光影和碰撞，用文字写出来会丢掉绝大部分信息，还白白浪费算力。他的方案是给AI另造一套语言。团队已经做出一本包含约20万个符号的“视觉词典”，这些符号人类无法识别，AI却能用它们来表示、压缩和预测视频。

“我们首先是在为AI创造一种语言，然后向它输入1亿小时的视频。”田柯宇说。

用这套方法，他声称生成1秒视频的成本至少降到原来的十分之一，完整模型计划2027年发布。

5.谁在给谁定价

回头看这件事，最耐人寻味的不是田柯宇个人。

字节想用一场诉讼给一个实习生定价：800万，外加行业通报和学校处理。这套惩罚机制建立在一种默认前提上——大厂的认定就是终局，被开除的人，职业生涯基本画上句号。

但学术共同体和风险资本给出了另一个价格（当然首先是法院给出了50万的价格嘿嘿）。

NeurIPS的盲审机制对田柯宇的“污点”免疫。评委只看论文的技术贡献。风投的尽调当然看到了诉讼和判决，但他们算的是另一笔账：一个能提出VAR这种级别技术方案的22岁博士，即便有操守争议，他的技术判断力本身值多少钱。

2亿美元的估值，买的是田柯宇脑子里的东西——道德算个屁，又不值钱。

技术行业就是这样：它给一个人定价，看的从来不是他摔没摔过跤，而是他还能不能造出别人造不出的东西。田柯宇的污点没有被抹去，它只是被另一个维度的价值覆盖了。

这个故事最能获得什么人的共情呢——毫无疑问，罪犯最能共情。简直是科技时代给罪犯的顶级爽文。