截然不同的路徑：以因果世界模型取代重新訓練

kausable 的核心論點是，目前的AI系統在本質上是靜態的：它們只是記憶訓練數據中的模式，一旦世界改變就會失靈。該公司的解決方案並非持續更新模型的內部權重，而是一次性訓練一個基礎模型，然後利用基於合成資料與情境學習技術所建立的 「因果世界模型」（causal world models），在短暫觀察後就能推斷出新系統的底層結構 。該公司宣稱，這種模型在環境條件改變時仍能持續運作，無需再經歷另一個昂貴的訓練循環 。

kausable 將此稱為 「推理優先」（reasoning-first） 的AI——一種更接近人類學習方式的模型，能利用因果推理來理解系統行為背後的原因，並據此進行調整 。

核心創辦人

kausable 由三位在海德堡大學相識的物理學家共同創立：

• ** Johannes Haux** — 執行長
• ** Dr. Benjamin Herdeanu** — 技術長
• ** Gregor Ramien** — 營運長

三位創辦人皆擁有海德堡大學的學術研究背景，並在網路安全、銀行業和新創領域積累了實務經驗 。該公司源自海德堡大學物理與天文學系，與德國知名AI公司 Black Forest Labs 出自同一個研究環境 。

投資者與支持者

本輪種子輪融資由德國UVC Partners和比利時Entourage共同領投，既有種子前投資者HTGF和Mätch VC跟投 。其他機構投資者還包括Black Forest Labs (BFL)、歐洲學習與智慧系統實驗室 (ELLIS)、Campione Venture 以及 Secunet 。

此輪的天使投資人名單同樣引人注目，匯集了頂尖AI組織的個人：

• Black Forest Labs 的共同創辦人（Robin Rombach 和 Andreas Blattmann）
• Sandro Gianella（OpenAI 國際戰略與營運）
• Dorothy Chou（DeepMind 策略顧問）
• 其他來自 Noxtua 和 ELLIS 的相關人士

TipPFN — 零樣本預測模型

kausable 的首款產品是 TipPFN（Tipping Point Prior-data Fitted Network，臨界點先驗數據擬合網路），這是一個零樣本預測模型，核心功能是偵測系統是否接近「臨界轉折點」或「臨界點」 。關鍵資訊如下：

• 相關研究論文（arXiv ID: 2605.12308）已與哥倫比亞大學合作發表
• 採用情境學習框架，透過先驗數據擬合網路，從短暫、帶有雜訊的時序資料中推斷系統接近臨界轉折點的程度
• 號稱能在前所未見的動態系統中，實現最先進的臨界轉折點早期偵測，包括模擬到真實（sim-to-real）的轉移以及真實世界的觀測
• 宣稱在 14 個不同領域 皆表現優異，具備對未經專門訓練系統的零樣本泛化能力
• 目標是預測橫跨醫療保健、能源、金融和氣候領域的 「黑天鵝事件」——罕見但影響巨大的事件

kausable 的官方網站宣稱 TipPFN「在 14 個領域證明了其優越性，甚至展現了零樣本能力」。然而，截至本次募資公告發布時，kausable 尚未公布自助式商業產品、公開定價、付費客戶或經獨立驗證的部署成果 。

規劃中的應用

kausable 主要鎖定靜態AI模型難以應對的三大領域：

• 機器人學 — 能適應不斷變化的環境而無需重新訓練的世界模型，使機器人能即時應對新情況
• 預測分析 — 利用 TipPFN 偵測複雜系統（例如電網故障、疾病爆發、金融崩盤）中的臨界點
• 工業系統 — 可部署於整個工業環境的可擴展AI，避免淪為一系列昂貴的一次性重新訓練項目

該公司將其使命描述為打造「能與世界變化同步的尖端AI」，將AI從靜態、依賴重新訓練的模型，轉變為可廣泛部署、並在條件改變時持續運作的系統 。

結語

kausable 的1200萬歐元種子輪融資，是一場對根本不同AI路徑的賭注——強調因果推理、合成資料和情境學習，而非規模越來越大的訓練任務。該公司的目標十分宏大：模型能從少量範例中適應新情境、預測罕見的災難性事件，並在環境改變時持續運作。TipPFN 的研究論文提供了學術驗證，但這家新創公司尚未推出商業產品，也未能以大規模證明其在真實世界的部署能力 。接下來的12到18個月，將是檢驗其「推理優先」方法能否從引人入勝的研究，轉變為企業級解決方案的關鍵時期。

截然不同的路徑：以因果世界模型取代重新訓練

kausable 的核心論點是，目前的AI系統在本質上是靜態的：它們只是記憶訓練數據中的模式，一旦世界改變就會失靈。該公司的解決方案並非持續更新模型的內部權重，而是一次性訓練一個基礎模型，然後利用基於合成資料與情境學習技術所建立的 「因果世界模型」（causal world models），在短暫觀察後就能推斷出新系統的底層結構 。該公司宣稱，這種模型在環境條件改變時仍能持續運作，無需再經歷另一個昂貴的訓練循環 。

kausable 將此稱為 「推理優先」（reasoning-first） 的AI——一種更接近人類學習方式的模型，能利用因果推理來理解系統行為背後的原因，並據此進行調整 。

核心創辦人

kausable 由三位在海德堡大學相識的物理學家共同創立：

• ** Johannes Haux** — 執行長
• ** Dr. Benjamin Herdeanu** — 技術長
• ** Gregor Ramien** — 營運長

三位創辦人皆擁有海德堡大學的學術研究背景，並在網路安全、銀行業和新創領域積累了實務經驗 。該公司源自海德堡大學物理與天文學系，與德國知名AI公司 Black Forest Labs 出自同一個研究環境 。

投資者與支持者

本輪種子輪融資由德國UVC Partners和比利時Entourage共同領投，既有種子前投資者HTGF和Mätch VC跟投 。其他機構投資者還包括Black Forest Labs (BFL)、歐洲學習與智慧系統實驗室 (ELLIS)、Campione Venture 以及 Secunet 。

此輪的天使投資人名單同樣引人注目，匯集了頂尖AI組織的個人：

• Black Forest Labs 的共同創辦人（Robin Rombach 和 Andreas Blattmann）
• Sandro Gianella（OpenAI 國際戰略與營運）
• Dorothy Chou（DeepMind 策略顧問）
• 其他來自 Noxtua 和 ELLIS 的相關人士

TipPFN — 零樣本預測模型

kausable 的首款產品是 TipPFN（Tipping Point Prior-data Fitted Network，臨界點先驗數據擬合網路），這是一個零樣本預測模型，核心功能是偵測系統是否接近「臨界轉折點」或「臨界點」 。關鍵資訊如下：

• 相關研究論文（arXiv ID: 2605.12308）已與哥倫比亞大學合作發表
• 採用情境學習框架，透過先驗數據擬合網路，從短暫、帶有雜訊的時序資料中推斷系統接近臨界轉折點的程度
• 號稱能在前所未見的動態系統中，實現最先進的臨界轉折點早期偵測，包括模擬到真實（sim-to-real）的轉移以及真實世界的觀測
• 宣稱在 14 個不同領域 皆表現優異，具備對未經專門訓練系統的零樣本泛化能力
• 目標是預測橫跨醫療保健、能源、金融和氣候領域的 「黑天鵝事件」——罕見但影響巨大的事件

kausable 的官方網站宣稱 TipPFN「在 14 個領域證明了其優越性，甚至展現了零樣本能力」。然而，截至本次募資公告發布時，kausable 尚未公布自助式商業產品、公開定價、付費客戶或經獨立驗證的部署成果 。

規劃中的應用

kausable 主要鎖定靜態AI模型難以應對的三大領域：

• 機器人學 — 能適應不斷變化的環境而無需重新訓練的世界模型，使機器人能即時應對新情況
• 預測分析 — 利用 TipPFN 偵測複雜系統（例如電網故障、疾病爆發、金融崩盤）中的臨界點
• 工業系統 — 可部署於整個工業環境的可擴展AI，避免淪為一系列昂貴的一次性重新訓練項目

該公司將其使命描述為打造「能與世界變化同步的尖端AI」，將AI從靜態、依賴重新訓練的模型，轉變為可廣泛部署、並在條件改變時持續運作的系統 。

結語

kausable 的1200萬歐元種子輪融資，是一場對根本不同AI路徑的賭注——強調因果推理、合成資料和情境學習，而非規模越來越大的訓練任務。該公司的目標十分宏大：模型能從少量範例中適應新情境、預測罕見的災難性事件，並在環境改變時持續運作。TipPFN 的研究論文提供了學術驗證，但這家新創公司尚未推出商業產品，也未能以大規模證明其在真實世界的部署能力 。接下來的12到18個月，將是檢驗其「推理優先」方法能否從引人入勝的研究，轉變為企業級解決方案的關鍵時期。