阿里这次动了真格——把内部跑了多年的向量数据库 Zvec 直接开源，pip install zvec 一行命令就能跑起来。对做 RAG 和语义搜索的团队来说，这几乎是把 Pinecone 每月 70 美元的账单从成本表里划掉。十亿级向量毫秒级召回，不需要单独起服务，全平台兼容，v0.5.0 还新增了原生全文混合搜索能力。免费、生产级、现成的轮子，RAG 工程师没有理由不试一试。
几乎同一时间，UCSD 的黄碧薇教授给出了一个让人停下来想一想的判断。她把 AI 演进划成四代：相关性小模型、因果小模型、相关性大模型也就是当下的大语言模型、再到因果大模型。她认为整个行业正站在第四代的门口。这不是空谈——作为 causal-learn 的作者，她在因果推断领域积累了扎实功底。问题在于，LLM 本质上仍然是"鹦鹉学舌"式的相关性拟合，它能写诗、能写代码，却分不清"鸡叫了太阳升起"和"太阳升起鸡叫了"的区别，因果才是让机器真正理解世界的钥匙。
黄碧薇把这件事推到了产品端。她创立的 Aether AI 已完成首轮融资，方向很硬核：从视频中自动抽取物理规律，用第一性原理重建因果推理。这不是又一个套壳大模型的创业故事，而是试图把因果 AI 从论文推向量产。如果 Aether 真能从像素里还原出牛顿定律，那所谓"AI 理解物理世界"才算有了根基，而不是停留在文本的概率游戏层面。两件事放在一起看，一条线索很清晰：工具层在急速平民化，方法层在试图跃迁，谁先把因果真正做进系统，谁才配谈下一代 AI。
