Odyssey Höjer 310 Miljoner Dollar I Serie B-Finansiering Till En Värdering Av 1,45 Miljarder Dollar För Att Utveckla AI-Världsmodeller

Kapplöpningen att bygga nästa generations artificiell intelligens rör sig alltmer bortom språk. Odyssey, ett Palo Alto-baserat AI-forskningslaboratorium som fokuserar på världsmodeller, har höjt 310 miljoner dollar i serie B-finansiering till en värdering av 1,45 miljarder dollar. Rundan leddes av Natural Capital och inkluderade deltagande från Amazon, AMD Ventures, GV, EQT, In-Q-Tel (IQT) och flera befintliga investerare, vilket positionerar företaget bland de mest kraftfullt finansierade startup-företagen som följer AI-system som kan förstå och simulera den fysiska världen.

Odyssey grundades av veteraner inom självkörande teknologi, Oliver Cameron och Jeff Hawke, och utvecklar AI-modeller som är utformade för att lära sig orsakssamband, fysik och miljödynamik snarare än att fokusera enbart på språkgenerering. Företaget tror att dessa system kan bli en grund för genombrott inom områden som robotik, spel, vetenskap, hälsovård, utbildning, försvar och andra branscher.

En Växande Satsning På Världsmodeller

Medan stora språkmodeller har dominerat AI-samtalet under de senaste åren ser många forskare världsmodeller som ett kritiskt nästa steg. Till skillnad från språkmodeller, som i huvudsak förutsäger ord, försöker världsmodeller förutsäga hur miljöer utvecklas över tid och hur objekt interagerar med varandra.

Denna tillvägagångssätt har fått ökad uppmärksamhet från några av branschens mest inflytelserika personer. Företag och forskargrupper, från Google DeepMind och Waymo till nya startup-företag, har nyligen investerat kraftigt i världsmodellsforskning, vilket speglar en bredare övertygelse om att framtida AI-system kommer att behöva en djupare förståelse för den fysiska världen.

Odysseys ledning hävdar att språk ensamt inte kan fånga många aspekter av verkligheten, inklusive fysiska dynamiker, mänskligt beteende, kroppsspråk och orsak-och-verkan-relationer. Företaget ser världsmodeller som en ny kategori av grundmodell som kan stödja en mycket bredare range av realvärldstillämpningar.

AWS Blir Odysseys Föredragna Molntjänstleverantör

I samband med finansieringsmeddelandet avslöjade Odyssey en strategisk partnerskap med Amazon Web Services. AWS kommer att bli företagets föredragna molntjänstleverantör, och Odyssey planerar att distribuera AWS Trainium-chippar tillsammans med annan hårdvara för att träna och köra sina alltmer krävande modeller.

Partnerskapet belyser en växande strid inom AI-branschen. Medan efterfrågan på AI-beräkningar fortsätter att öka, tävlar molntjänstleverantörer och chip-tillverkare om att erbjuda alternativ till Nvidias dominerande GPU-ekosystem. För Amazon representerar Odyssey en högprofilerad kund som kan testa Trainium-hårdvara på några av de mest beräkningsintensiva AI-arbetsbelastningarna som för närvarande utvecklas.

Världsmodeller kräver enorma beräkningsresurser eftersom de måste generera konsekventa, interaktiva simuleringar samtidigt som de upprätthåller en förståelse för fysiska lagar och långsiktiga miljödynamiker. Förmågan att träna dessa system effektivt kan bli en stor konkurrensfördel när fältet mognar.

Byggande Mot Ett “GPT-3-Ögonblick” För Världsmodeller

Odyssey har tillbringat de senaste tre åren med att utveckla alltmer avancerade världsmodellsystem. Enligt företaget har varje efterföljande version utökat AI-genererade simuleringars förmågor.

Deras Odyssey-2-modell fokuserade på att förbättra fysisk realism och miljökonsekvens. Odyssey-2 Max gick längre in i fysikbaserad simulering och realtidsinteraktivitet, i syfte att skapa miljöer som beter sig mer som den riktiga världen snarare än att bara generera visuellt övertygande video.

Företaget har också introducerat flera noterbara forskningsprojekt. Starchild-1 förde in multimodala förmågor i världsmodellering genom att kombinera visuell och ljudförståelse. Agora-1 möjliggjorde att flera människor och AI-agenter kunde interagera inom en delad simulerad miljö i realtid. PROWL demonstrerade hur världsmodeller kan förbättras genom aktiv utforskning, vilket tillåter AI-system att lära sig från sina egna erfarenheter och misslyckanden.

Tillsammans representerar dessa projekt Odysseys ansträngningar att gå bortom statisk AI-generering mot system som kan förstå och interagera med dynamiska miljöer.

Odysseys ledning tror att fältet närmar sig en stor inflexionspunkt liknande det ögonblick då GPT-3 demonstrerade potentialen för storskaliga språkmodeller. Den nya finansieringen är avsedd att tillhandahålla den infrastruktur, beräkningsresurser och forskningskapacitet som behövs för att uppnå det målet.

De Framtida Implikationerna Av Världsmodeller

Om världsmodeller fortsätter att förbättras, kan deras påverkan sträcka sig långt bortom dagens AI-chattbotar och innehållsgenereringssystem. En av de mest omedelbara tillämpningarna kan vara inom robotik, där maskiner måste förstå fysiska miljöer, förutsäga resultat och anpassa sig till förändrade förhållanden i realtid. Istället för att förlita sig på dyra verkliga världstester, kan framtida robotar tränas omfattande inom högst realistiska simuleringar innan de distribueras.

Tekniken kan också omforma branscher som är beroende av modellering av komplexa system. Inom hälsovård kan forskare använda världsmodeller för att simulera sjukdomsprogression eller testa behandlingsstrategier. Inom vetenskaplig forskning kan de hjälpa till att modellera kemiska reaktioner, klimatsystem eller biologiska processer som är svåra, dyra eller tidskrävande att studera direkt. Autonoma fordon, logistiknätverk och industriella automatiseringssystem kan också dra nytta av AI som kan förutsäga hur verkliga miljöer kommer att utvecklas över tid.

Spel representerar ett annat område där världsmodeller kan ha en betydande påverkan. Istället för att förlita sig på manuellt skapade miljöer och skriptade interaktioner, kan framtida spel funktionera med AI-genererade världar som utvecklas dynamiskt och svarar intelligent på spelarbetende. Liknande förmågor kan så småningom användas för utbildningssimuleringar inom områden som flyg, försvar, nödinsats och utbildning.

Trots löftet kvarstår betydande tekniska utmaningar. Att skapa simuleringar som korrekt återger komplexiteten i den fysiska världen kräver enorma beräkningsresurser, stora mängder träningsdata och framsteg inom resonemang och långsiktig förutsägelse. Om världsmodeller slutligen blir en grundläggande lager av framtida AI-system återstår att se, men den växande investeringen över hela sektorn tyder på att många forskare ser dem som en av de viktigaste gränserna bortom språkmodeller.