导读：把一只模拟果蝇的大脑接入AI生成的码头，它会不会自己观察、转向、避障并飞向感兴趣的目标？Odyssey给出的答案是一段很抓眼球的演示，但它真正值得关注的并不是“AI养果蝇”，而是一个可被Agent实时感知和改变的生成世界，能否成为机器人、汽车和具身智能的新训练场。
01 / 模拟果蝇飞进AI码头：世界模型第一次变得如此直观
Odyssey把模拟果蝇的感知与行为系统接入Odyssey-3。果蝇看到世界模型当前生成的画面，内部控制系统据此选择飞行方向；动作再反馈给Odyssey-3，由模型生成下一时刻的环境。如此循环，便形成了“观察—决策—行动—环境变化”的闭环。
演示中，果蝇先在港口和码头上空探索，随后又进入蔬果市场。它不是沿着预先剪好的视频轨迹播放，而是在生成环境里持续接收视觉输入并输出动作。这正是该案例迅速传播的原因：抽象的“世界模型”被压缩成了一个人人都能看懂的问题——一只小生物能否在AI想象出来的世界里活着行动？
02 / 这套闭环到底发生了什么？
可以把系统拆成两个部分：果蝇控制器负责“我下一步想怎么动”，Odyssey-3负责“执行这个动作后，世界看起来会怎样”。前者像Agent策略，后者像可实时推进的环境。
- 世界模型生成当前视觉状态。
- 模拟果蝇从画面中读取空间和目标线索。
- 控制系统输出转向、前进或其他动作。
- 动作作为条件送回Odyssey-3。
- Odyssey-3预测下一帧及后续环境变化，再交给果蝇观察。
这个设计的价值不在于证明模型“理解了果蝇”，而在于证明生成模型可以不再只交付一段视频，而是持续承担环境角色。Agent每做一次动作，世界都给出视觉反馈，训练和评估便有机会在一个可交互循环中展开。
03 / Odyssey-3不是传统游戏引擎，它用概率预测世界下一步
Odyssey官方把Odyssey-3描述为自回归扩散Transformer和学习型动力系统。模型基于当前状态、历史和动作条件，预测接下来最可能发生的视觉变化。它可以从文本、图像或视频开始，也能响应键盘、鼠标、车辆控制和机器人动作。
训练数据并非只有互联网视频。官方介绍还包括带时间事件标注的视频、与键盘鼠标动作对齐的游戏录制，以及刚体模拟数据。后训练阶段结合分布匹配与对抗蒸馏，把扩散推理压缩到少量步骤，以满足实时交互。
这与传统游戏引擎或物理模拟器有根本区别。游戏引擎通过明确规则、几何和物理参数计算结果；世界模型则从数据中学习“看起来会怎样”。前者更可控、可重复，后者更灵活、能覆盖难以手工建模的视觉复杂性，但也更容易出现漂移、幻觉和长时不一致。
04 / 从果蝇到汽车与机器人：同一个世界模型怎样适配不同身体
Odyssey展示的目标远不止生成可玩的场景。团队把基础模型适配到道路驾驶、机械臂和人形机器人等任务，让不同“身体”通过动作接口进入同一类生成环境。
汽车需要方向、速度和道路参与者变化；机械臂需要理解抓取、接触和物体状态；人形机器人则涉及全身动作、平衡和第一视角观察。世界模型可以提供大规模、多样化的视觉反馈，再由策略模型学习如何行动。
适配的关键不是让一个视频模型突然变成控制器，而是在基础模型旁增加与任务匹配的动作接口、策略或解码模块，并用领域数据校准。官方展示中包括印度真实道路数据与人形机器人片段，说明团队正在尝试让模型接触更复杂、更长尾的现实分布。
05 / 果蝇演示为什么重要，又为什么不能被过度解读
果蝇是一个聪明的展示对象：神经系统和行为研究积累丰富，身体小、动作直观，闭环效果又比单纯跑分更容易理解。它让“世界模型可供Agent行动”这件事从论文概念变成可观看的体验。
但这段演示并不能证明Odyssey-3已经复现真实果蝇的生物智能，也不能证明生成环境具备精确空气动力学。画面中“飞得像”与生物学、神经科学和工程仿真的有效性之间，还有很长的验证链。
看演示时最该问的不是“画面像不像”，而是：相同动作能否得到稳定结果？长期交互会不会漂移？模型是否理解遮挡、碰撞和物体恒常性？训练出的策略能否迁移到真实环境？失败是否可检测、可复现？
06 / 公司自测跑分亮眼，但评估范围要看清
Odyssey官方产品页公布了Odyssey-3 Pro在Physics-IQ Verified上的视频到视频分数66.1、图像到视频分数54.7，并称其在WorldMark四项评估中的三项排名第一。这些数据说明团队把物理一致性和世界演化列为重点。
不过，这些属于公司公布、在特定基准和设置下得到的结果。不同模型的输入长度、采样步骤、动作条件和评估方法可能不同，不能只凭单一数字断言它已经在所有物理推理任务上领先。真正用于机器人或车辆时，还要补充任务成功率、长时稳定性、现实迁移和安全测试。
07 / 两位自动驾驶创业者，为什么转向“生成世界”
Odyssey由Oliver Cameron与Jeff Hawke于2023年创立。两位创始人的经历都与自动驾驶相关，这也解释了公司为什么不像普通视频生成团队那样只追求画面质感，而是更强调动作、时序、空间和环境响应。
自动驾驶曾让行业反复面对同一个难题：真实世界数据昂贵，危险和长尾事件难以采集，传统模拟又很难覆盖现实视觉细节。生成式世界模型提供了第三条路线——从海量视频和动作数据中学习环境变化，再按需求生成可交互场景。
08 / 3.1亿美元B轮融资：Jeff Dean的押注已经进入大额资本阶段
Odyssey在2026年6月的官方公告中确认完成3.1亿美元B轮融资，投后估值14.5亿美元。本轮由Natural Capital领投，Amazon、GV、AMD Ventures、EQT和IQT等参与。公司列出的既有投资者包括Jeff Dean、Elad Gil、Qasar Younis、Kyle Vogt与Garry Tan。
这笔融资不是单纯押注“更好看的AI视频”。资本看中的更可能是世界模型作为通用环境层的潜力：如果同一个基础模型能服务内容生成、游戏、机器人、自动驾驶和Agent训练，它可能成为继大语言模型之后的另一类基础设施。
09 / 使用教程：怎样正确评估Odyssey-3，而不是只看演示
Odyssey-3目前以官方研究预览和合作接入为主，并不是完整开放下载的本地模型。创作者和开发者可以按下面的顺序评估：
- 先选任务：明确是做交互视频原型、游戏概念，还是机器人/车辆策略研究。
- 固定初始条件：使用同一张起始图、同一提示和同一组动作重复测试，观察结果分布。
- 设计短动作序列：例如前进、左转、停止、返回，检查模型是否保持空间关系和目标一致性。
- 测试长时漂移：延长交互时间，记录物体消失、结构变化、角色身份漂移和动作失效。
- 做真实对照：机器人或车辆任务必须与真实数据、确定性模拟器或硬件在环结果比较。
- 记录失败边界：把不能稳定复现的场景列入限制，而不是只保留成功画面。
安全提醒：不要让未经验证的世界模型直接控制真实车辆、机械臂或人形机器人。生成世界适合扩充训练与发现问题，最终决策仍应经过真实环境验证、约束控制和人工审批。
10 / 做视频网分析：真正的突破，是把生成模型变成“可行动的环境”
从内容创作角度看，Odyssey-3最直接的价值是把预渲染视频变成实时可探索的画面；从AI工程角度看，更重要的是它试图提供一个Agent可以反复观察、试错和学习的环境。果蝇只是最直观的入口，汽车和机器人适配才决定它能否成为基础设施。
我们认为，世界模型短期内不会替代Unreal Engine、MuJoCo或成熟自动驾驶模拟平台，而会先作为它们的补充：传统模拟器负责可控规则和严格物理，生成模型负责视觉多样性、长尾情境和快速内容构造。两者结合，比“用一个大模型包办整个世界”更现实。
判断这条路线是否真正成立，需要盯住三个指标：长期一致性是否持续提高；生成环境训练出的策略能否迁移到现实；失败模式能否被测量、复现和约束。只有这三项过关，果蝇飞过的AI码头才会从漂亮演示变成可用训练场。
站内导航与延伸阅读
- Odyssey-3导航：https://www.zuoshipin.com/link/56181.html
- Dyna-2实时世界模型：https://www.zuoshipin.com/article/55589
- H-JEPA世界模型：https://www.zuoshipin.com/article/51280
- AgentGarten智能体训练：https://www.zuoshipin.com/article/49452
- Atlas具身智能：https://www.zuoshipin.com/article/30915
- MoWorld世界模型：https://www.zuoshipin.com/article/1124
- Orca交互世界模型：https://www.zuoshipin.com/article/960
- 更多AI资讯：https://www.zuoshipin.com/archive/75
