GPT征服了文本，Midjourney改变了图像。下一个AI战场是「世界（World）」本身。
2026年上半年仅6个月，AI世界模型初创公司就吸引了超过30亿美元的投资。当Fei-Fei Li、Yann LeCun、Amazon和NVIDIA同时押注同一赛道，一定有什么不同寻常的事情发生了。
世界模型是什么？和LLM有什么区别？
LLM预测文本，图像AI生成像素，世界模型预测的是别的东西——"如果我做了这个动作，世界会怎样变化？"
简单来说：问ChatGPT"扔球会怎样？"它用文字回答。世界模型则按照物理规律实时模拟那个场景——重力作用，球弹起来，角落里的杯子倒下。
| LLM（文本AI） | 世界模型 | |
|---|---|---|
| 预测对象 | 下一个token（文本） | 下一个世界状态 |
| 输出 | 文字串 | 交互式环境 |
| 物理规律 | 无理解 | 物理精度仿真 |
| 主要用途 | 写作、编程、对话 | 游戏、机器人、自动驾驶 |
技术上，这是Yann LeCun称为JEPA（Joint Embedding Predictive Architecture）的方法。预测在潜在空间而非像素空间进行，丢弃树叶摇动等不可预测的细节，只捕捉关键物理原理。训练效率提升1.5~6倍，幻觉也从架构层面减少。
为什么30亿美元在6个月内涌入？
两件事同时发生。一是前沿LLM快速商品化，文本AI利润承压；二是机器人和自动驾驶进入量产，对「能模拟真实世界的AI」的需求爆发。
GV的Luna Schmid投资Odyssey时说："Oliver和Jeff比任何人都早看到了这一点——教会自动驾驶的同一种AI，可以学会模拟整个世界"。Vinod Khosla则预期"这个赛道将诞生多家千亿美元级公司"。
世界模型的真正护城河：第一人称数据
Odyssey像Google地球收集数据一样，派人背着360度相机走遍全球收集第一人称数据。这种包含「动作与结果映射」的数据，从YouTube视频根本学不到。越早占据，护城河越高。
今天实际上怎么用？
超过80%的自动驾驶算法已经基于世界模型。按使用场景整理了现在能上手的方法。
- 现在就能做：NVIDIA Cosmos（免费开源权重）
免费起步首选NVIDIA Cosmos。可从Hugging Face下载开源权重模型，直接接入机器人或自动驾驶流水线。 - 游戏开发者：探索Google DeepMind Genie 3
从文本或图像实时生成24fps的3D交互式环境。想快速原型AI生成游戏世界，这是最快的入口。 - 机器人团队：构建仿真到实机的流水线
用世界模型创建训练环境，再将学到的策略迁移到实体机器人。sim-to-real相关性是核心指标。NVIDIA Isaac Lab + Cosmos是目前最经过验证的组合。 - 3D原型设计：World Labs Marble
Fei-Fei Li的World Labs提供的网页端平台。从文本、图像或视频生成3D环境，无需自建基础设施。 - 加入Odyssey API候补名单
在odyssey.ml注册API访问候补。使用AWS Trainium基础设施的团队优先开放。游戏、机器人、科学研究团队率先接入。
现实情况：5分钟的瓶颈
即使是今天最强的世界模型，也难以在5分钟以上保持空间一致性。Odyssey以约$1~2/用户小时的成本实现30fps流式传输——令人印象深刻，但仍处于原型阶段。比起替代生产级游戏引擎或部署在实体机器人上，先从数据生成、场景测试、原型验证开始更现实。
想深入了解？
Odyssey官方博客 — $310M B轮发布 各模型（Odyssey-2 Max、Starchild-1、Agora-1、PROWL）的技术详情与AWS合作全文 odyssey.ml
Forbes — $3B世界模型投资全景 2026年上半年Fei-Fei Li、LeCun、Odyssey全部投资的分析与投资人逻辑 forbes.com
Zylos Research — JEPA架构深度解析 世界模型技术基础JEPA工作原理及与LLM差异的最佳解读 zylos.ai
TechCrunch — Odyssey 3D交互世界流式演示 实际演示、技术规格与成本分析（$1~2/用户小时） techcrunch.com
