2026 年，世界模型已成为人工智能领域最受关注的方向之一。从空间智能到表征预测，从可交互环境到具身智能，越来越多研究与产业团队将下一阶段目标指向「理解世界」。行业竞争的焦点，也已从「是否进入世界模型」，转向「以何种技术路径实现世界模型」。
AI 基础模型公司 Video Rebirth（重生视界）选择的是一条独特的路径 —— 视频原生（video-native）：以视频作为理解与生成世界的基础载体，在具备工业级视频生成能力之后，进一步构建实时、可交互的世界模型。
沿这一路径形成的阶段性成果，是世界模型 Olympus。其命名取自希腊神话中众神俯瞰世界的奥林匹斯山，也对应团队的目标：构建能够理解并模拟世界运行规律的模型。
在 Video Rebirth 看来，视频生成解决的是「如何呈现世界」，世界模型解决的是「如何理解世界的运转机制」：前者偏感知，后者偏认知。大语言模型主要对人类已经写下来的知识进行压缩；而物体运动、光照变化等大量物理规律，往往难以用文字完整书写，更依赖从数据中学习并内化。Olympus 所聚焦的，正是后一类能力。
一个「可以走进去」的世界
体验 Olympus 的方式，更像是玩一个由 AI 实时生成的游戏，而不是观看一段拍好的片子。用户进入一个实时生成的 3D 场景，用移动、跳跃等按键操控角色，在其中避开障碍、攀爬树木和山体，画面随着操作即时生成、即时响应。
Olympus 实时可交互演示：用户通过按键操控，画面随操作即时生成，跳跃、攀爬、攻撃、射箭、游泳等动作连贯响应。
在这套体验背后，Olympus 最直接的特质，是「实时可交互」：你下达指令的瞬间，世界便立刻呈现并回应。
而 Olympus 更大的野心，在于它的定位。它并不想只做一个跑在特定场景里的模型，而是瞄准一个统一的世界模型（unified world model），用同一套底层能力同时覆盖数字世界与物理世界。这意味着它既能服务数字环境里的交互，也面向机器人、自动驾驶这些需要和真实物理世界打交道的场景。
真实、连贯、经得起时间的考验
衡量一个世界模型，可以有很多维度：分辨率、时长、交互方式。Olympus 在这些维度上都有扎实的表现，但 Video Rebirth 真正押注的差异化，落在三个「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、攀爬树木和山体这样的连续动作，而物体的运动、场景的结构，能在不同视角和连续动作中保持一致。世界模型最难的地方，其实从来不是把某一帧画好，而是让整个世界在持续的交互和运动中始终「讲得通」：不穿帮、不穿模、不错乱。这恰恰是 Olympus 着力最深的地方。
第二是声画同步的一致性。角色在草地上走动的脚步声、起跳落地的声响、奔跑时的喘息，画面里发生的每一个动作，都有与之贴合的声音。这类细节看似不起眼，却决定了「走进一个世界」的沉浸感是否完整。声画一旦错位，再逼真的画面也会瞬间出戏。
第三是长程记忆一致性。一个真正沉浸的世界，需要经得起时间的考验：你离开一处环境，过一会儿再回来，它依然是你离开时的样子。这种「记得住」的能力，正是 Olympus 着力解决的问题。
走进 Olympus 的技术内核
任何一个能「理解世界」的模型，都得先有足够强的「呈现世界」的能力。Olympus 就建立在 Video Rebirth 的视频生成引擎 BACH 之上。
2026 年 5 月，BACH 通过 Artificial Analysis Video Arena 的独立盲测，首次登榜便位列全球第 6，是榜单上排名最高的初创公司模型。在 Video Rebirth 看来，这层地基不可或缺：没有工业级的视频生成，就无法支撑起一个视觉上足够真实、连贯的世界模型。
在这层地基上，Olympus 的训练大致经历了三个阶段：先是在大规模可交互场景数据上做领域微调，让模型熟悉可交互世界的生成；再引入因果建模与控制注入（Causal Teacher），教会模型在给定一段历史画面和一个当前动作后，应生成怎样的后续画面；最后通过自回归蒸馏，提升生成的效率和连贯性，以支撑起长时稳定的交互。
值得注意的是，Olympus 并不靠「把物理规律写进去」来理解世界。它没有一条条编码重力公式或碰撞规则，而是主要从数据中隐式地学习。在观察了大量视频之后，物体如何下落、如何碰撞、光如何变化，这些规律会自行内化到模型的权重里。
BACH 生成的真实场景演示：角色人脸、动作细节、光影变化与物理交互呈现出较强的真实感与连贯性。
真正让这个世界「活」起来的，是它对操作的即时响应。用户按下的每一个按键、输入的每一条指令，都会被编码成一段 embedding 送入模型，再通过 cross-attention 调制接下来生成的画面。于是操作和画面之间几乎没有割裂感：你往前走，世界就往前展开；你转身，视角随之改变，一切都在实时发生。
而要让世界「记得住」，Olympus 靠的是两件事。一是数据策略，专门录制了一部分场景重访数据，让模型学会「记住来时的路」；二是在推理阶段，高效地在 KV cache 中检索并复用历史状态，让模型在长时间交互中保持前后一致，而不必每一帧都从零开始理解世界。
而「实时」本身，是一道不小的工程难题。要让模型在按下按键的瞬间就生成出连贯的下一帧，背后是一整套推理层面的优化。
为此，Olympus 同时采用了多项推理加速策略：通过多卡并行，把不同模态的计算拆分到多张计算卡上同时进行，避免相互排队；通过状态缓存，把场景的初始状态存下来，重复进入同一场景时无需从头再来；通过异步计算，让解码与 KV cache 等计算环节并行推进，而不必一步做完再做下一步。这些策略协同运作，共同支撑起实时、流畅的交互体验。
值得一提的是，Olympus 也是已知最早在 AMD 先进的 MI350 系列上完成部署并运行的世界模型。Olympus 本身已围绕实时交互做了大量系统级优化，而 AMD Instinct MI350 系列配备的 288GB HBM3E 超大显存，进一步放大了这些优化的效果：这让 Olympus 能在更长时序、更复杂场景和更高并发交互下，为缓存大量中间状态提供了更充足的空间。
换言之，Olympus 的效率来自模型与系统设计本身，MI350 则为其大规模、低延迟部署提供了更理想的硬件承载。这背后，也体现出 Video Rebirth 与 AMD 在算力基础设施上的深度协同。
而支撑 Olympus 不断变强的，是一个由真实世界视频和合成数据共同驱动的飞轮。这两类数据各补对方的短板：真实世界视频带来丰富、真实的物理与视觉信息，但「动作和画面的对应关系」往往是模糊的；合成数据则恰好能提供精准的「动作 — 画面」配对，比如在可交互的游戏类场景中，每一次按键操作和它引发的画面变化都明确对应。真实数据教模型「世界长什么样」，合成数据教模型「动作会带来什么后果」，两者互相补充，循环迭代，驱动飞轮越转越快。
通往世界模型的三条路
放到更大的格局来看，业界通往世界模型的路，大致可以分成三条。Video Rebirth 把它们看作互补的不同视角，而非彼此对立。
一条是三维显式路线，以李飞飞（Fei-Fei Li）教授创立的 World Labs 为代表：先把世界还原成一个三维空间，再在其中生成和模拟。这条路很擅长表达结构化的、刚体的物理世界，但遇到形变、流体、碰撞这类更复杂的现象，传统三维坐标要完整刻画就没那么容易。
一条是视频隐式路线，与杨立昆（Yann LeCun）教授倡导的思路相近：核心是在一个抽象的表征空间里进行预测，而不直接生成可视化的输出。这是一条颇具启发性的路径，聚焦在世界模型的理解能力，与 Video Rebirth 的差异更多在侧重点的不同。
Video Rebirth 走的是第三条，视频显式路线。它以视频为原生载体，直接从海量视频里学习世界运转的规律，并生成显式、可视、可交互的世界。在 Video Rebirth 看来，视频本身就是一种蕴含时空信息的「4D 数据」，它既保留了丰富的物理与视觉信息，又能直接生成一个可以走进去的世界。这就是 Olympus 选择这条路的理由。
Video Rebirth 首席战略官（Chief Strategy Officer）李迪夫（前腾讯 AI 战略高级总监）表示：「我们的战略是将 Olympus 定位为连接数字世界和物理世界的桥梁，并且从基本规律层面理解现实世界，再结合因果推理，更合理地预测未来的状态。我们希望用同一套底层能力去覆盖两个世界，以实现我们独有的 scaling law。这样的信念决定了我们从数据到架构的所有选择。」
世界模型之后，是会「行动」的「物理」智能体
对 Video Rebirth 来说，世界模型从来不是终点，而是通往下一代智能体的地基。
Video Rebirth 创始人兼 CEO 刘威博士有一个判断：大语言模型的终局是 coding agent，世界模型的终局是 simulation agent，前者服务数字世界，后者服务物理世界。逻辑其实很朴素：当一个模型能够模拟物理世界，下一步自然是让智能体学会在这个世界里行动。
顺着这条路，Olympus 所服务的对象也随之清晰展开。在数字世界里，它面向游戏智能体（gaming agent），让虚拟世界里的角色能被理解、被驱动；在物理世界这一端，Olympus 指向的是一整类「物理 AI」（Physical AI）：机器人、具身智能、L5 级自动驾驶、工业仿真…… 几乎所有需要与真实世界打交道的智能系统，都要先回答同一个问题 ——AI 如何真正理解它所身处的这个物理世界？
这正是世界模型被越来越多人视为通往现实世界 AI 关键路径的原因。它要打造的，是一个能够理解、记忆、交互、推理、规划并作用于真实物理世界的底层引擎，而不是为某一个行业定制的工具，将是下一代 AI 面向真实世界的共同地基。当机器真正学会了世界如何运转，机器人才谈得上自主，自动驾驶才谈得上应对真实路况的千变万化，具身智能才谈得上从实验室走进现实。
刘威博士表示：「大语言模型定义了 AI 的上一个十年，但它学会的主要还是人类写下来的知识。下一个十年的命题，是让 AI 真正理解它所处的物理世界。这条路才刚刚开始，但方向已经清晰。」
