当大型语言模型（LLM）的竞争已经进入白热化阶段，一场更深层次的AI范式革命正在悄然展开。2026年6月17日，总部位于硅谷帕洛阿尔托的AI实验室 Odyssey 宣布完成3.1亿美元B轮融资，估值达到14.5亿美元，正式跻身独角兽俱乐部。这不仅仅是又一个AI公司拿到大额支票的故事——当Amazon、Google旗下GV、美国中央情报局的投资机构In-Q-Tel同时出现在一张投资人名单上时，我们需要追问的是：这家成立仅三年、团队仅约55人的公司，究竟掌握了什么技术，能让科技巨头、国防机构和顶级风投同时下注？
答案指向一个正在重塑AI产业版图的关键词：世界模型（World Models）。如果说ChatGPT教会了AI如何「阅读和书写」，那么Odyssey正试图教会AI如何「看见和触摸」这个物理世界——理解重力、碰撞、因果、运动，并在一个高保真的虚拟宇宙中实时模拟这一切。
融资详情
| 项目 | 详情 |
|---|---|
| 公司名称 | Odyssey |
| 总部 | 美国加利福尼亚州帕洛阿尔托 |
| 融资轮次 | B轮 |
| 融资金额 | 3.1亿美元（约22.3亿人民币） |
| 投后估值 | 14.5亿美元（约104亿人民币） |
| 领投方 | Natural Capital |
| 跟投方/参投方 | Amazon、AMD Ventures、GV（Alphabet旗下）、EQT、In-Q-Tel (IQT) |
| 天使投资人 | Jeff Dean（Google首席科学家）、Garry Tan（Y Combinator CEO）、Elad Gil、Kyle Vogt |
| 累计融资 | 约3.37亿美元 |
| 官网 | odyssey.ml |
从自动驾驶老兵到世界模型先驱：为什么是这支团队
理解Odyssey，必须先理解它的创始人。CEO Oliver Cameron 并非典型的AI学术派创业者，而是一位在自动驾驶领域经历过完整创业周期的「战场老兵」。在创立Odyssey之前，Cameron曾联合创办自动驾驶出租车公司Voyage，专注于在美国退休社区部署无人驾驶服务。2021年，Voyage被通用汽车旗下的Cruise收购，Cameron随后担任Cruise产品副总裁，参与推动旧金山全无人驾驶出租车服务的商业化落地。更早之前，他在在线教育平台Udacity担任产品与工程副总裁，与Google无人车项目（Waymo的前身）创始人Sebastian Thrun共事，主导了自动驾驶和深度学习教育项目的开发。
CTO Jeff Hawke 同样出身于自动驾驶领域，曾在英国自动驾驶公司Wayve工作。两人于2023年联合创立Odyssey，核心团队成员来自DeepMind、Tesla、Waymo和Meta等顶级AI研究机构。这支团队的独特之处在于：他们不是从论文出发思考世界模型，而是从自动驾驶的实战经验中深刻体会到——要让机器真正理解物理世界，仅靠摄像头数据和端到端学习是远远不够的，AI需要一个可以「在其中犯错、学习、成长」的虚拟物理世界。
目前Odyssey在伦敦、苏黎世和帕洛阿尔托三地设有办公室，团队规模约55人。以每人平均「消耗」约600万美元融资来计算，这是一家极其资本密集但人效极高的研究型公司，与DeepMind早期的发展路径有异曲同工之妙。
技术深潜：PROWL引擎与四大核心产品矩阵
Odyssey的技术栈围绕一个核心理念展开：构建通用世界模型，让AI能够像人类一样理解和预测物理世界的运行规律。这与当前主流的生成式AI走的是一条根本不同的技术路线。
公司的核心技术引擎名为 PROWL，这是一个专有的「主动探索」框架。与传统的被动学习不同，PROWL允许AI系统通过自主实验——成功与失败的反馈——来持续优化其世界模型。简而言之，PROWL不仅仅是在观看世界的录像带，它在主动「触碰」这个世界，测试假设，积累经验。这种范式类似于人类婴儿通过不断抓取、碰撞和跌倒来理解重力和空间关系。
基于PROWL，Odyssey构建了四大核心产品：
Odyssey-2 Max 是公司的旗舰通用世界模型，以高度的物理精确性著称，支持开放式、实时交互式的环境模拟。它可以模拟刚体碰撞、流体动力学、光线传播等复杂物理现象，为机器人训练和游戏开发提供高保真的虚拟环境。
Starchild-1 是一个实时多模态世界模型系统，这是Odyssey的又一个重要突破。与此前主要关注视觉的世界模型不同，Starchild-1整合了视觉和音频理解能力，能够响应文本、语音和动作输入，实现更丰富、更接地气的交互体验。想象一下：一个机器人不仅能「看到」一个玻璃杯从桌子上掉落，还能「听到」它碎裂的声音，并预测碎片的散落模式——这就是多模态世界模型的价值所在。
Agora-1 是一个多智能体世界模型，允许多个人类或AI参与者在共享的实时模拟环境中进行交互。这对于军事推演、多机器人协作训练和多人游戏场景具有重大意义。
第四个产品则是尚未公开太多细节的下一代模型，预计将进一步扩展世界模型的规模和应用边界。
投资人拼图解读：一张暗藏玄机的资本版图
Odyssey这轮融资的投资人组合，本身就是一份值得深读的战略地图。
领投方Natural Capital 是一家总部位于加州坎贝尔的风险投资机构，成立于2019年，此前主要投资航空航天、医疗和B2B媒体领域。其在AI世界模型这一前沿赛道上押下重注，标志着该基金正在进行战略转型，也反映出世界模型赛道对中小型VC的吸引力正在急剧攀升。
Amazon 的参投尤为值得关注。结合Odyssey同步宣布的将AWS指定为首选云基础设施提供商的战略合作——公司将在Amazon自研的 Trainium AI加速器芯片上优化其世界模型——这笔投资的逻辑非常清晰：Amazon不仅是在做财务投资，更是在用「投资+绑定算力」的组合拳抢占物理AI时代的基础设施入口。在NVIDIA几乎垄断AI芯片训练市场的格局下，Amazon通过Trainium芯片切入世界模型训练这一计算密集型场景，是一步精妙的竞争棋。
AMD Ventures 的出现则暗示了芯片厂商对世界模型算力需求的高度重视。GPU巨头之间的AI算力之争，已经从大语言模型延伸到了物理模拟这个全新战场。
GV（Google Ventures） 的参投更耐人寻味。考虑到Google首席科学家 Jeff Dean 本人也是Odyssey的天使投资人，这意味着Google对世界模型赛道保持着「战略观察窗口」。Google自身拥有DeepMind这个全球顶级的AI研究实验室，但仍然选择投资一家外部的世界模型公司——这既是对冲，也是对Odyssey技术路线独特性的认可。
最令人浮想联翩的是 In-Q-Tel（IQT） 的参与。作为美国中央情报局发起成立的战略投资机构，IQT的使命是为美国情报和国防社区引入前沿商业技术。IQT每年审查近1000家公司，最终只选择约80家进行投资。它的参投，直接为Odyssey的技术贴上了「国防安全级别」的标签，也揭示了世界模型在军事推演、情报分析和战场模拟等领域的巨大潜力。
Y Combinator CEO Garry Tan 的个人投资，则从硅谷创业生态的角度为Odyssey做了背书——这位掌管全球最顶尖创业加速器的人，用真金白银表达了他对世界模型赛道的信心。
市场格局：物理AI时代的「寒武纪大爆发」
2026年正被业界广泛视为「物理AI元年」。全球AI模拟平台市场在2025年估值约64.5亿美元，预计将在未来数年内经历指数级增长。这个市场的核心驱动力在于一个根本性的转变：AI正在从理解文本和图像，进化到理解和操纵物理世界。
在这个版图中，Odyssey面对的竞争对手可以分为三个层级：
基础设施巨头：NVIDIA凭借其Cosmos世界模型、Isaac机器人技术栈和Jetson边缘GPU，构建了物理AI产业的「操作系统」级别的基础设施。Siemens和Ansys则在工业多物理场仿真领域拥有数十年的积累。这些巨头的优势在于生态系统的完整性，但劣势在于它们更多扮演「平台」而非「模型」的角色。
直接竞争对手：PhysicsX（估值约24亿美元）聚焦于工业物理AI，背后有NVIDIA和Siemens的支持；Physical Intelligence 正在开发机器人基础模型π系列；Physicl 则是2026年新成立的专注于为物理AI生成3D训练数据的公司。这些竞争者各有侧重，但Odyssey在「通用性」上的定位——横跨机器人、游戏和国防——使其成为赛道中最具野心的玩家之一。
机器人公司：Figure、Skild AI和1X Technologies等人形机器人公司，从另一个方向切入物理AI赛道。它们是世界模型技术的潜在「大客户」，但同时也在自研模拟训练能力，未来可能成为竞争者。
Odyssey的差异化在于：它不制造硬件，不做垂直行业解决方案，而是专注于构建「通用」的世界模拟能力——一个可以服务于多个行业的物理AI大脑。这种定位类似于OpenAI在语言模型领域的角色，但应用场景从文本延伸到了三维物理世界。
资金用途与战略路径：从实验室到战场
根据公开信息，Odyssey计划将这3.1亿美元用于四个关键方向：
第一，大规模采购计算基础设施。 世界模型的训练对算力的需求远超大语言模型——模拟一个物理世界中每一个粒子的运动轨迹，需要的浮点运算量是生成一段文字的数百倍。与AWS的Trainium芯片合作，是降低算力成本的关键举措。
第二，扩展多智能体模拟研究。 Agora-1已经展示了多智能体交互的雏形，但要支持更大规模、更复杂的多方参与场景——比如模拟一座城市的交通系统或一场多兵种联合作战——仍需要技术上的巨大突破。
第三，拓展机器人、游戏和国防三大市场的商业化。 机器人领域需要高保真物理模拟来缩短从虚拟训练到真实部署的「sim-to-real」差距；游戏领域对实时、可交互的物理引擎有天然需求；国防领域则需要高度逼真的战场环境模拟来进行推演和训练。这三个市场的共同点是：都愿意为高质量的物理模拟支付溢价。
第四，团队扩张。 55人的团队规模对于一家14.5亿美元估值的独角兽来说极为精简。预计Odyssey将在研究、工程和商务拓展方面进行大幅招聘，尤其是在伦敦和苏黎世的欧洲研究中心。
风险与挑战：虚拟到现实的鸿沟并未消失
尽管Odyssey的技术愿景令人振奋，投资人阵容令人瞩目，但这家公司面前仍横亘着几道难以忽视的挑战。
Sim-to-Real鸿沟（模拟到现实的差距） 仍然是整个物理AI产业最核心的技术难题。在模拟环境中表现完美的机器人策略，部署到真实世界后可能会因为细微的环境差异而完全失效。业界目前采用的「混合双重验证」方法——在Isaac Lab中训练，在MuJoCo中重新评分——说明这个问题远未解决。
商业模式的不确定性。 Odyssey目前更像是一家基础研究实验室而非成熟的商业公司。机器人、游戏和国防三个目标市场的客户需求、销售周期和付费意愿差异巨大。如何在保持技术通用性的同时，找到可复制的商业化路径，是Odyssey面临的最大商业挑战。
NVIDIA的巨大阴影。 作为AI算力和物理模拟领域的双重霸主，NVIDIA同时提供芯片、框架和世界模型。任何世界模型创业公司都必须回答一个问题：如果NVIDIA也做这件事，你的护城河在哪里？Odyssey选择与AWS/Trainium合作，某种程度上是在「去NVIDIA化」，但这也意味着它放弃了NVIDIA生态的便利性。
国防业务的双刃剑效应。 In-Q-Tel的投资虽然为Odyssey打开了国防市场的大门，但也可能带来地缘政治风险，影响其在部分国际市场的商业拓展。
结语：当AI学会「做梦」
Odyssey的这轮融资，标志着AI产业正在从「理解人类的语言」向「模拟人类的世界」迈出关键一步。如果说大语言模型给了AI一个「大脑皮层」来处理符号和概念，那么世界模型正试图给AI一个「小脑」和「本体感觉」——让它理解空间、力量和因果关系。
Oliver Cameron和他的团队从自动驾驶的实战中走来，他们比大多数人更清楚地知道：让机器真正理解物理世界有多难，以及这件事一旦做成，会产生多大的价值。14.5亿美元的估值，对于一家仍在探索「通用世界模型」这一AI终极命题的公司来说，既是市场的信任票，也是一个需要用技术突破来兑现的巨额承诺。
在人类还在为大语言模型的幻觉问题争论不休的时候，Odyssey已经开始教AI去「做梦」——在一个由物理法则统治的虚拟宇宙中，模拟、试错、学习。这些「梦境」终将成为机器人在真实世界中行动的蓝图。问题只在于：从梦境到现实的距离，究竟还有多远？
分类与标签
| 分类 | AI / 物理智能 |
|---|---|
| 标签 | 世界模型, 物理AI, 机器人模拟, B轮融资, 独角兽, 自动驾驶, 国防AI, AWS Trainium, 多智能体系统, 世界仿真, PROWL引擎 |
| 适合读者 | AI从业者、风险投资人、机器人行业研究者、游戏开发者、国防科技观察者 |
官网
信息来源
1. FinSMEs – Odyssey Raises $310M in Series B Funding at $1.45 Billion Valuation 2. BusinessWire – Odyssey Official Press Release 3. Financial Times – Odyssey AI Funding Coverage 4. Unite.AI – Odyssey Technology Deep Dive 5. Odyssey Official Website