当整个 AI 世界还在为 ChatGPT 的下一个版本争论不休时，硅谷最聪明的一批钱已经悄悄转向了一个截然不同的方向。
2026年6月17日，Odyssey——一家成立不到三年的世界模型 AI 初创公司，宣布完成 3.1 亿美元的 Series B 轮融资，估值飙至 14.5 亿美元。领投方是 Natural Capital，跟投阵容包括 Amazon、AMD Ventures、GV、EQT，以及 CIA 关联基金 In-Q-Tel。
但真正让这笔融资耐人寻味的，不是金额本身——而是 Odyssey 四个多月前刚刚拿过 Nvidia 的钱，转身就把 AWS 定为首选云提供商、把 Trainium 芯片作为主力算力。这不仅仅是一轮融资。这是世界模型赛道的一次独立宣言。
什么是 World Model？为什么它不是又一个 AI 概念
世界模型不是 LLM 的变种，而是它的反面。LLM 学习的是文本——Token 之间的统计关系。世界模型学习的是物理世界——重力、光照、碰撞、因果。如果 LLM 是语言的模仿，世界模型就是物理的模拟。
Odyssey 的做法尤为特别。与 Google Earth 派测绘车满街跑的上帝视角不同，Odyssey 把摄像头绑在人背上，让数据采集员步行穿行真实世界。2024年11月，TechCrunch 首次报道了这项人肉采集方案。一个人的行走视角，一帧一帧地把街道、建筑、自然环境录入模型。这个看似原始的方法，恰恰来自创始人的自动驾驶基因。
自动驾驶老兵，转行做世界的模拟器
CEO Oliver Cameron 是自动驾驶创企 Voyage 的创始人兼 CEO，这家公司 2021 年被通用汽车的 Cruise 收购，他随后担任 Cruise 的产品 VP。CTO Jeff Hawke 曾是英国自动驾驶明星公司 Wayve 的工程师。
自动驾驶的核心挑战，就是在物理世界中预测下一秒——前车会不会刹车？行人会不会横穿？路面结冰会怎样？这个预测下一帧的能力，正是世界模型的核心技术栈。
Odyssey 的天使投资人名单读起来像自动驾驶的名人堂：Cruise 创始人 Kyle Vogt、Google AI 掌门人 Jeff Dean、YC 掌门人 Garry Tan。整个硅谷最理解物理世界 AI 的一批人，都在为这家公司站台。
3.1 亿美元和一份芯片投名状
但这轮融资最戏剧性的部分是它的芯片政治。2026年2月，Nvidia 的 VC 机构 NVentures 参与了 Odyssey 的 Series A。仅仅四个多月后，Odyssey 的 Series B 就见不到 Nvidia 的影子了——取而代之的是 Amazon 和 AMD Ventures。
作为交易的一部分，AWS 成为 Odyssey 的首选云提供商，Odyssey 的模型将优化运行在 Trainium 芯片上。Trainium 是 Amazon 对抗 Nvidia 的自研芯片，据已公开的技术分析，Trainium 3 的运营成本仅为同等 Nvidia H100/H200 硬件的 30%-50%——这意味着 50% 到 70% 的成本缩减。
从 Nvidia 到 Amazon，这不仅仅是一个谁给钱多跟谁走的故事。这是世界模型公司在算力路线上的一次站队。
世界模型为什么是 AI 的下一件大事
从技术演进的角度看，LLM 的瓶颈已经清晰可见。GPT-4 可以写出像模像样的论文，但无法理解把一杯水推下桌会怎样的物理常识。Yann LeCun 早在 2022 年就提出，纯粹的文本训练不足以产生真正的智能——语言只承载了人类知识中很小的一部分，大部分知识来自与世界互动。
世界模型正是为了解决这个根本缺陷而生。到 2026 年中，至少有五条主要世界模型路线在并行推进：Google DeepMind 的 Genie 3 可以生成 720p、24fps 的可导航 3D 世界；李飞飞的 World Labs 累计融资超过 10 亿美元、估值 50 亿美元，其 Marble 应用允许用户从文字、图片、视频生成可探索的 3D 空间；Runway 在 2025 年底推出首个世界模型产品，截至 2026 年 Q2 单季贡献 4000 万美元年化循环收入增量，公司估值 53 亿美元。
Odyssey 在这张竞赛地图上的坐标很独特。它不是做 3D 大世界的，而是做交互式视频流。2025年5月，Odyssey 发布了早期演示——一个每 40 毫秒生成一帧的交互式视频模型。用户可以用文字或图片 Prompt，实时生成持续 5 分钟以上的连贯视频，且能在观看中与画面互动。这本质上是一种世界模拟器——不是预设好路径的游戏，而是在每一帧都根据输入预测物理世界下一步状态的实时生成系统。
为什么 World Model 需要自己的数据主权
数据，是世界模型公司最深的护城河——也是最大的烧钱点。LLM 的数据来自互联网文本语料，获取成本相对有限。世界模型需要物理世界的数据。抖动的地面、树叶的反光、水泥路的质感、海水的波动——这些信息在互联网上不存在，只能自己采集。
Odyssey 选择了一条最笨也最扎实的路：真人步行采集。他们的数据采集员背着摄像头在城市、森林、海边徒步，记录最真实的物理世界影像。这让人想起谷歌地图早期派街景车逐条街道拍摄——只不过 Odyssey 把车换成了人。
这种数据采集的好处是：视角更接近人类的真实体验。当模型学习一个人走进咖啡馆时，它学到的是行人视角，而不是一辆车的视角。这对于游戏、影视、机器人等应用场景至关重要。坏处是：慢、贵、难以规模化。每一公里路径都需要一个真人去走。这可能是为什么 Odyssey 需要如此之大的融资额——自成立以来累计融资 3.37 亿美元，其中大部分将烧在数据采集和算力上。
与之对比，Google DeepMind 和 World Labs 可以借助已有的搜索引擎和地图数据生态获得天然优势。而 Runway 走的是纯文本到视频的生成路线，训练数据来自互联网视频，边际成本低得多。
从 Nvidia 到 Amazon——芯片战队背后的算力经济学
Odyssey 的系列轮次揭示了另一个深层趋势：AI 芯片市场正在经历一场去 Nvidia 化的结构性转型。Nvidia 在 AI 训练芯片市场仍占据约 63% 的份额，但其 GPU 的高昂价格——H100 约 3 万美元/颗——已经成为 AI 初创公司的沉重负担。对于需要海量算力的世界模型公司来说，算力成本的微小差异就是生存问题。
Amazon 的 Trainium 3 芯片基于台积电 3nm 工艺，在 MXFP8 精度下单颗算力达到 2.517 PFLOPS，配备 144GB HBM3e 显存。据 Amazon 在 re:Invent 公布的数据及 Uber 2026年4月签约案例分析，Trainium 3 的算力成本仅为 Nvidia H100/H200 的 30%-50%。
Odyssey 的站队并非个例。Uber 在 2026 年 4 月 7 日与 AWS 签署了大规模 Trainium 部署协议，将实时匹配、司机调度等核心负载迁移到 Amazon 自研芯片上。Anthropic 在 Project Rainier 中部署了超过 100 万个 Trainium 加速器。
但对 Nvidia 而言，最刺痛的可能不是客户的流失——而是 Nvidia 自己的 VC 刚给了钱，客户转身就投向了对手怀抱。NVentures 作为 Nvidia 的生态触手，通过投资世界模型初创公司（Wayve、Runway、Odyssey）来维护 Nvidia 在 AI 领域的软件生态粘性。但 Odyssey 的倒戈说明，在算力成本面前，生态粘性并不足以锁定客户。
Odyssey 的真正对手不是 Nvidia，而是那五条平行路线
Odyssey 的最大挑战不是融资，也不是芯片供应——而是世界模型赛道本身还处在谁都不能证明自己是对的阶段。五条路线各执一词：DeepMind 的 Genie 3 走 Transformer 路线，与 LLM 同源；World Labs 强调空间智能和 3D 几何理解；Runway 从视频生成切入世界模型，用内容创作者市场反哺模型研发；还有全球多支学术团队在做基于强化学习和模型预测控制的世界模型研究。
Odyssey 选择的是交互式视频流——一种介于游戏引擎和视频生成之间的中间态。这个位置的好处是差异化明显，坏处是商业模式尚未被验证。
Oliver Cameron 在公告中说：这轮融资提供了计算、基础设施和合作伙伴，以推动通用世界模型的边界，并实现该领域的GPT-3时刻。但问题在于，世界模型的GPT-3时刻究竟长什么样子？没有人知道。
结论与展望
世界模型赛道正在经历 LLM 赛道 2022 年的剧本重演——技术路线百花齐放、资本疯狂涌入、没有一家公司能说自己已经赢了。Odyssey 凭 14.5 亿美元估值成为赛道第一个独角兽，但竞争正在白热化。
短期内，最有意思的看点不是 Odyssey 能否打败 Google DeepMind 或 Runway——而是它能否在 Amazon Trainium 生态中找到算力成本优势，把交互式视频流从 demo 变成可持续的商业模式。
长期看，世界模型或许真的会成为通往 AGI 的必由之路。但如果世界模型公司普遍靠人肉采集获取数据，这条路注定烧钱如流水。Odyssey 在正确的赛道上拿到了正确的钱。但在这个赛道里，13 个月烧完 3 亿美元并不稀奇。下一轮融资前，它需要向世界证明：交互式视频流的商业闭环，已经跑起来了。
AI 的下一场战役不是谁的模型更会说话，而是谁的模型更懂物理世界。Odyssey 赌的是：最懂物理世界的方法，是一步步走出来的。整个世界模型赛道，才刚刚迈出第一步。
快报