6月17日!亚马逊等参投,Odyssey ML这家初创公司怎么样?

  • 时间:
  • 浏览:133
  • 来源:华见咨询管理(深圳)有限公司

亚马逊豪掷3.1亿美元 世界模型Odyssey成2026年AI新宠

2026年6月17日, 英国《金融时报》透露,亚马逊正式加入世界模型初创公司Odyssey ML的3.1亿美元融资轮, 投资后估值骤升至14.5亿美元, 这一交易不但在科技领域引响巨大, 还把世界模型推到了AI竞赛的关键位置。

英伟达AMD谷歌齐 豪华投资阵容揭晓

此次融资, 是由亚马逊带头进行投资, 英伟达以及AMD的投资部门, 还有与CIA有关联的基金IQT, 以及风投机构Natural Capital, 包括GV(之前的Google Ventures), 这些都纷纷进入里面。谷歌的首席科学家Jeff Dean以及知名投资人Elad Gil, 也以个人自身的身份加入进来。Odyssey ML的总部, 当前设立在伦敦、苏黎世以及帕洛阿尔托, 其团队仅仅只有55个人, 然而却已经得到了全球顶级资本的支持。

不是语言模型 是理解物理世界的超级引擎

不是传统大语言模型构成Odyssey ML的核心业务, 而是训练模型去理解物理规律、物体关系、身体语言以及运动变化, 以此用来生成逼真的3D环境。联合创始人Oliver Cameron以及Jeff Hawke都有着深厚的自动驾驶技术背景, 他们着重指出: 世界模型会对AI认知现实世界的能力进行重新定义。

1997年游戏复现 模型零学习直接生成可玩版本

曾展示一个震撼案例的Cameron, 所关涉的那个案例是, 模型并未在提前对任天堂1997年推出的游戏《GoldenEye》的物理规则展开学习的情况下, 仅是通过像素, 加上动作, 再添上声音, 便独立自主地生成了这款游戏的完整的、能够进行游玩的多人版本。这一具有突破性的演示证实了, 世界模型能够从底层知晓游戏逻辑, 而并非仅仅是对数据进行简单的效仿。

亚马逊押注自研芯片 Odyssey绑定Trainium生态

依据协议, Odyssey会把AWS当作首选的云服务商, 并且去部署亚马逊最新一代的Trainium芯片。AWS副总裁Ron Diamant宣称, Odyssey的反馈会助力Trainium持续进行优化。亚马逊正在与英伟达、谷歌展开激烈的AI芯片生态争夺, 参与投资Odyssey不但能够抢占世界模型的先机, 还能为自研芯片获取真实的训练以及推理场景。

成本与挑战并存 每小时2到4美元仍高企

据FT报道称, Odyssey的工具当下也在英伟达H200以及B200芯片上运转着, 单个用户使用时的成本大概是每小时两美元到四美元间, 模型训练的成本并未被计算在内。世界模型被视作是机器人、游戏等行业接下来的一波AI基础能力, 然而高昂的运行成本依旧是横亘在商业化道路之上的阻碍。想要了解更多详情能够访问www.fc-bowuguan.cn来获取最新的洞见。

你觉得世界模型会在三年内改变游戏行业吗?欢迎在评论区分享你的看法,点赞并转发本文,让更多人了解AI前沿动态!

猜你喜欢

2026增程式车型Top榜:优缺点大揭秘,哪个品牌值得推荐?

问界M6成为新的增程式车型冠军,月零售量达到8006辆。增程式车型正处于机遇与挑战交织的关键节点。面对挑战,增程式车型需在技术创新、成本控制、差异化定位上持续发力,抓住当下市场窗口期,实现从过渡方案到特色方案的转型,方能在新能源汽车的激烈竞争中站稳脚跟。

2026-06-17

2026年AI支付榜单:微信支付能否打通最后一步?

微信支付正在测试的AI支付能力,瞄准的就是这件事。“能发起支付”,已经成了支付行业的新共识。这和微信AI专属卡的产品直觉接近:让AI能接触支付能力,但不能直接拿到完整的钱包。如果AI支付在微信生态里跑通,它面对的是一张密度极高的服务网络,而不是一个孤立的结账页面。

2026-06-17

6月17日!亚马逊等参投,Odyssey ML这家初创公司怎么样?

ML的3.1亿美元融资,投后估值达到14.5亿美元。按照协议,Odyssey将把AWS作为首选云服务商,并部署亚马逊最新一代Trainium芯片。对正在和英伟达、谷歌竞争AI芯片生态的亚马逊来说,参投Odyssey不只是押注世界模型,也是在为自研芯片争取真实的训练和推理场景。

2026-06-17

2026年6月17日Genesis AI首款通用机器人Eno怎么样?

通用机器人,不必长得像人。这是一台轮式机器人,配备两只机械臂。机器人外壳颜色可按使用场景定制。计划推出的系列机器人中的第一款。年第四季度发货给实际客户,初期产量预计为数十台。具身智能这条赛道,早就卷到冒烟。他的摄影作品在多个平台上获得了数千万次浏览和超过一百万次下载。

2026-06-17

2026年AI模型推荐Top5:谁最会执行任务?

强化学习:让模型从「会说」到「会做」这套逻辑对语言生成任务效果极好,但对于需要一步步做到位的执行型任务,存在根本性的局限:数据里记录的是结果,而非「在失败后调整策略的方式」。训练的计算消耗远超普通精调:模型必须在成千上万个任务上持续采样、评估、更新,对集群的规模和连续稳定性要求极高。

2026-06-17