行業紛紛涌向世界模型之際，Video Rebirth選擇了「視頻原生」這條路

2026 年，世界模型已成為人工智能領域最受關注的方向之一。從空間智能到表征預測，從可交互環境到具身智能，越來越多研究與產業團隊將下一階段目標指向「理解世界」。行業競爭的焦點，也已從「是否進入世界模型」，轉向「以何種技術路徑實現世界模型」。

AI 基礎模型公司 Video Rebirth（重生視界）選擇的是一條獨特的路徑 —— 視頻原生（video-native）：以視頻作為理解與生成世界的基礎載體，在具備工業級視頻生成能力之后，進一步構建實時、可交互的世界模型。

沿這一路徑形成的階段性成果，是世界模型 Olympus。其命名取自希臘神話中眾神俯瞰世界的奧林匹斯山，也對應團隊的目標：構建能夠理解并模擬世界運行規律的模型。

在 Video Rebirth 看來，視頻生成解決的是「如何呈現世界」，世界模型解決的是「如何理解世界的運轉機制」：前者偏感知，后者偏認知。大語言模型主要對人類已經寫下來的知識進行壓縮；而物體運動、光照變化等大量物理規律，往往難以用文字完整書寫，更依賴從數據中學習并內化。Olympus 所聚焦的，正是后一類能力。

一個「可以走進去」的世界

體驗 Olympus 的方式，更像是玩一個由 AI 實時生成的游戲，而不是觀看一段拍好的片子。用戶進入一個實時生成的 3D 場景，用移動、跳躍等按鍵操控角色，在其中避開障礙、攀爬樹木和山體，畫面隨著操作即時生成、即時響應。

Olympus 實時可交互演示：用戶通過按鍵操控，畫面隨操作即時生成，跳躍、攀爬、攻撃、射箭、游泳等動作連貫響應。

在這套體驗背后，Olympus 最直接的特質，是「實時可交互」：你下達指令的瞬間，世界便立刻呈現并回應。

而 Olympus 更大的野心，在于它的定位。它并不想只做一個跑在特定場景里的模型，而是瞄準一個統一的世界模型（unified world model），用同一套底層能力同時覆蓋數字世界與物理世界。這意味著它既能服務數字環境里的交互，也面向機器人、自動駕駛這些需要和真實物理世界打交道的場景。

真實、連貫、經得起時間的考驗

衡量一個世界模型，可以有很多維度：分辨率、時長、交互方式。Olympus 在這些維度上都有扎實的表現，但 Video Rebirth 真正押注的差異化，落在三個「一致性」上。

第一是逼真的物理一致性。在 Olympus 生成的世界里，角色能完成避障、攀爬樹木和山體這樣的連續動作，而物體的運動、場景的結構，能在不同視角和連續動作中保持一致。世界模型最難的地方，其實從來不是把某一幀畫好，而是讓整個世界在持續的交互和運動中始終「講得通」：不穿幫、不穿模、不錯亂。這恰恰是 Olympus 著力最深的地方。

第二是聲畫同步的一致性。角色在草地上走動的腳步聲、起跳落地的聲響、奔跑時的喘息，畫面里發生的每一個動作，都有與之貼合的聲音。這類細節看似不起眼，卻決定了「走進一個世界」的沉浸感是否完整。聲畫一旦錯位，再逼真的畫面也會瞬間出戲。

第三是長程記憶一致性。一個真正沉浸的世界，需要經得起時間的考驗：你離開一處環境，過一會兒再回來，它依然是你離開時的樣子。這種「記得住」的能力，正是 Olympus 著力解決的問題。

走進 Olympus 的技術內核

任何一個能「理解世界」的模型，都得先有足夠強的「呈現世界」的能力。Olympus 就建立在 Video Rebirth 的視頻生成引擎 BACH 之上。

2026 年 5 月，BACH 通過 Artificial Analysis Video Arena 的獨立盲測，首次登榜便位列全球第 6，是榜單上排名最高的初創公司模型。在 Video Rebirth 看來，這層地基不可或缺：沒有工業級的視頻生成，就無法支撐起一個視覺上足夠真實、連貫的世界模型。

在這層地基上，Olympus 的訓練大致經歷了三個階段：先是在大規模可交互場景數據上做領域微調，讓模型熟悉可交互世界的生成；再引入因果建模與控制注入（Causal Teacher），教會模型在給定一段歷史畫面和一個當前動作后，應生成怎樣的后續畫面；最后通過自回歸蒸餾，提升生成的效率和連貫性，以支撐起長時穩定的交互。

值得注意的是，Olympus 并不靠「把物理規律寫進去」來理解世界。它沒有一條條編碼重力公式或碰撞規則，而是主要從數據中隱式地學習。在觀察了大量視頻之后，物體如何下落、如何碰撞、光如何變化，這些規律會自行內化到模型的權重里。

BACH 生成的真實場景演示：角色人臉、動作細節、光影變化與物理交互呈現出較強的真實感與連貫性。

真正讓這個世界「活」起來的，是它對操作的即時響應。用戶按下的每一個按鍵、輸入的每一條指令，都會被編碼成一段 embedding 送入模型，再通過 cross-attention 調制接下來生成的畫面。于是操作和畫面之間幾乎沒有割裂感：你往前走，世界就往前展開；你轉身，視角隨之改變，一切都在實時發生。

而要讓世界「記得住」，Olympus 靠的是兩件事。一是數據策略，專門錄制了一部分場景重訪數據，讓模型學會「記住來時的路」；二是在推理階段，高效地在 KV cache 中檢索并復用歷史狀態，讓模型在長時間交互中保持前后一致，而不必每一幀都從零開始理解世界。

而「實時」本身，是一道不小的工程難題。要讓模型在按下按鍵的瞬間就生成出連貫的下一幀，背后是一整套推理層面的優化。

為此，Olympus 同時采用了多項推理加速策略：通過多卡并行，把不同模態的計算拆分到多張計算卡上同時進行，避免相互排隊；通過狀態緩存，把場景的初始狀態存下來，重復進入同一場景時無需從頭再來；通過異步計算，讓解碼與 KV cache 等計算環節并行推進，而不必一步做完再做下一步。這些策略協同運作，共同支撐起實時、流暢的交互體驗。

值得一提的是，Olympus 也是已知最早在 AMD 先進的 MI350 系列上完成部署并運行的世界模型。Olympus 本身已圍繞實時交互做了大量系統級優化，而 AMD Instinct MI350 系列配備的 288GB HBM3E 超大顯存，進一步放大了這些優化的效果：這讓 Olympus 能在更長時序、更復雜場景和更高并發交互下，為緩存大量中間狀態提供了更充足的空間。

換言之，Olympus 的效率來自模型與系統設計本身，MI350 則為其大規模、低延遲部署提供了更理想的硬件承載。這背后，也體現出 Video Rebirth 與 AMD 在算力基礎設施上的深度協同。

而支撐 Olympus 不斷變強的，是一個由真實世界視頻和合成數據共同驅動的飛輪。這兩類數據各補對方的短板：真實世界視頻帶來豐富、真實的物理與視覺信息，但「動作和畫面的對應關系」往往是模糊的；合成數據則恰好能提供精準的「動作 — 畫面」配對，比如在可交互的游戲類場景中，每一次按鍵操作和它引發的畫面變化都明確對應。真實數據教模型「世界長什么樣」，合成數據教模型「動作會帶來什么后果」，兩者互相補充，循環迭代，驅動飛輪越轉越快。

通往世界模型的三條路

放到更大的格局來看，業界通往世界模型的路，大致可以分成三條。Video Rebirth 把它們看作互補的不同視角，而非彼此對立。

一條是三維顯式路線，以李飛飛（Fei-Fei Li）教授創立的 World Labs 為代表：先把世界還原成一個三維空間，再在其中生成和模擬。這條路很擅長表達結構化的、剛體的物理世界，但遇到形變、流體、碰撞這類更復雜的現象，傳統三維坐標要完整刻畫就沒那么容易。

一條是視頻隱式路線，與楊立昆（Yann LeCun）教授倡導的思路相近：核心是在一個抽象的表征空間里進行預測，而不直接生成可視化的輸出。這是一條頗具啟發性的路徑，聚焦在世界模型的理解能力，與 Video Rebirth 的差異更多在側重點的不同。

Video Rebirth 走的是第三條，視頻顯式路線。它以視頻為原生載體，直接從海量視頻里學習世界運轉的規律，并生成顯式、可視、可交互的世界。在 Video Rebirth 看來，視頻本身就是一種蘊含時空信息的「4D 數據」，它既保留了豐富的物理與視覺信息，又能直接生成一個可以走進去的世界。這就是 Olympus 選擇這條路的理由。

Video Rebirth 首席戰略官（Chief Strategy Officer）李迪夫（前騰訊 AI 戰略高級總監）表示：「我們的戰略是將 Olympus 定位為連接數字世界和物理世界的橋梁，并且從基本規律層面理解現實世界，再結合因果推理，更合理地預測未來的狀態。我們希望用同一套底層能力去覆蓋兩個世界，以實現我們獨有的 scaling law。這樣的信念決定了我們從數據到架構的所有選擇。」

世界模型之后，是會「行動」的「物理」智能體

對 Video Rebirth 來說，世界模型從來不是終點，而是通往下一代智能體的地基。

Video Rebirth 創始人兼 CEO 劉威博士有一個判斷：大語言模型的終局是 coding agent，世界模型的終局是 simulation agent，前者服務數字世界，后者服務物理世界。邏輯其實很樸素：當一個模型能夠模擬物理世界，下一步自然是讓智能體學會在這個世界里行動。

順著這條路，Olympus 所服務的對象也隨之清晰展開。在數字世界里，它面向游戲智能體（gaming agent），讓虛擬世界里的角色能被理解、被驅動；在物理世界這一端，Olympus 指向的是一整類「物理 AI」（Physical AI）：機器人、具身智能、L5 級自動駕駛、工業仿真…… 幾乎所有需要與真實世界打交道的智能系統，都要先回答同一個問題 ——AI 如何真正理解它所身處的這個物理世界？

這正是世界模型被越來越多人視為通往現實世界 AI 關鍵路徑的原因。它要打造的，是一個能夠理解、記憶、交互、推理、規劃并作用于真實物理世界的底層引擎，而不是為某一個行業定制的工具，將是下一代 AI 面向真實世界的共同地基。當機器真正學會了世界如何運轉，機器人才談得上自主，自動駕駛才談得上應對真實路況的千變萬化，具身智能才談得上從實驗室走進現實。

劉威博士表示：「大語言模型定義了 AI 的上一個十年，但它學會的主要還是人類寫下來的知識。下一個十年的命題，是讓 AI 真正理解它所處的物理世界。這條路才剛剛開始，但方向已經清晰。」