Video Rebirth 发布世界模型 Olympus：为何选择「视频原生」路线？
2026年，人工智能领域的竞争焦点已经悄然转移。当大语言模型（LLM）的天花板逐渐显现，世界模型（World Models）已成为科技界最炙手可热的新高地。然而，通往这一终局的路径并非只有一条。
在这场从“是否进入”转向“如何进入”的博弈中，AI基础模型公司 Video Rebirth（重生视界） 选择了一条独特且极具野心的道路——“视频原生”。随着其阶段性成果 世界模型 Olympus 的发布，这条路线正从概念走向现实，并引发了业界对“物理智能体”未来的重新思考。
一、 为什么是视频？从“呈现”到“理解”的范式跃迁
在 Video Rebirth 看来，传统的大语言模型存在一个天然的局限：它主要压缩的是人类已写下的知识。
文字可以描述苹果落地，但无法完整承载重力加速度、空气阻力以及苹果落地瞬间的细微形变。物体运动、光照变化等物理规律，难以用符号系统精确书写，更依赖于从数据中直接学习。因此，Video Rebirth 将视频视为理解与生成世界的基础载体。
这一选择背后有着清晰的逻辑分层：
* 视频生成解决的是“如何呈现世界”的问题；
* 世界模型解决的是“如何理解世界的运转机制”的问题。
Olympus 的核心特质被定义为“实时可交互”。在演示场景中，用户通过按键操控角色进行移动、跳跃、攀爬、攻击甚至游泳，画面并非预渲染，而是随操作即时生成与响应。这种能力不仅服务于数字娱乐，更旨在构建一个统一的世界模型，同时覆盖数字世界与物理世界，为机器人、自动驾驶等需要与真实物理世界打交道的场景提供底层能力。
二、 沉浸式世界的三大基石：一致性
衡量一个世界模型的优劣维度众多，但 Video Rebirth 将差异化押注在三个关键的“一致性”上，这也是支撑沉浸式虚拟世界的基石：
- 逼真的物理一致性：这是世界模型的底线。确保物体运动、场景结构在不同视角和连续动作中保持一致，做到不穿帮、不穿模。任何物理规律的违背都会瞬间打破用户的沉浸感。
- 声画同步的一致性：沉浸感的断裂往往源于细节的缺失。角色的脚步声、喘息声必须与画面动作严格贴合，多感官的协同是构建真实感的关键。
- 长程记忆一致性：世界不是舞台剧，不会因观众离场而重置。模型必须能“记住”用户离开后的场景状态，当用户重返时，环境保持原貌。这是实现长期交互的前提。
三、 技术内核：BACH 引擎与隐式物理学习
Olympus 并非凭空而生，它建立在 Video Rebirth 自研的视频生成引擎 BACH 之上。2026年5月，BACH 在 Artificial Analysis Video Arena 盲测中首次登榜即位列全球第6，是榜单排名最高的初创公司模型，这为其世界模型的构建奠定了坚实的技术基础。
三阶段训练体系
Olympus 的训练过程分为三个阶段，层层递进：
* 领域微调：在大规模可交互场景数据上进行训练，让模型熟悉可交互世界的生成规律。
* 因果建模与控制注入（Causal Teacher）：教会模型根据历史画面和当前动作生成后续画面，建立“动作-结果”的因果联系。
* 自回归蒸馏：提升生成效率和连贯性，满足实时交互的需求。
隐式学习与工程优化
值得注意的是，Olympus 并非通过编码重力公式等显式规则来理解世界，而是从数据中隐式学习物理规律。这种数据驱动的方式更具泛化能力。
针对“实时响应”，系统通过 Cross-attention 调制操作指令与生成画面；针对“记忆”，则依靠专门录制的重访数据和推理阶段 KV cache 中的历史状态复用。
在工程层面，为了降低延迟，Olympus 采用了多卡并行、状态缓存和异步计算等策略。一个亮点是，它是已知最早在 AMD MI350 系列上完成部署的世界模型。AMD Instinct MI350 配备的 288GB HBM3E 超大显存，为长时间交互下缓存大量中间状态提供了充足空间，极大地放大了系统优化的效果。
此外，Video Rebirth 构建了由“真实世界视频”和“合成数据”共同驱动的飞轮：
* 真实数据教模型“世界长什么样”；
* 合成数据提供精准的“动作-画面”配对，教模型“动作会带来什么后果”。
四、 第三条路：视频显式路线
业界通往世界模型的路径大致可分为三条，Video Rebirth 视其为互补而非对立：
| 路线 | 代表/理念 | 特点 |
|---|---|---|
| 三维显式路线 | 如 World Labs | 将世界还原为三维空间，擅长表达结构化刚体，但在处理形变、流体时面临挑战。 |
| 视频隐式路线 | 如 Yann LeCun 倡导的思路 | 在抽象表征空间进行预测，侧重理解能力，但可视化交互性较弱。 |
| 视频显式路线 | Video Rebirth (Olympus) | 以视频为原生载体，直接学习并生成可视、可交互的“4D数据”。 |
Video Rebirth 首席战略官李迪夫表示，Olympus 的定位是连接数字与物理世界的桥梁，通过同一套底层能力实现独有的 scaling law（缩放定律）。
五、 终局思维：从世界模型到物理智能体
对于 AI 的未来，Video Rebirth 创始人兼 CEO 刘威博士有着清晰的终局判断：
- 大语言模型的终局是 Coding Agent，服务于数字世界；
- 世界模型的终局是 Simulation Agent，服务于物理世界。
顺着这一逻辑，Olympus 的应用场景清晰展开：
* 在数字世界：面向游戏智能体，提供更真实的 NPC 行为和物理交互；
* 在物理世界：指向机器人、具身智能、L5级自动驾驶及工业仿真等“物理 AI”场景。
刘威博士认为，下一个十年的核心命题是让 AI 真正理解其所处的物理世界，而世界模型将是下一代 AI 面向真实世界的共同地基。
随着 Olympus 的发布，Video Rebirth 正在用“视频原生”的第三条路，证明理解物理世界不必非要拆解为三维坐标或抽象向量，视频本身，就是世界最直接的表达。