报告概述
本报告以2026年6月中的一周AI产业事件为切入点，重点研究世界模型赛道的资本动态、国产大模型长上下文能力工程化进展、AI大模型调用量变化趋势以及国产算力适配进程。报告通过分析Odyssey融资案例、智谱GLM-5.2开源与OpenRouter调用量数据，展现AI产业正从参数与榜单竞争转向真实调用量、工程化交付和算力适配的综合竞争阶段。读者可借此了解世界模型的技术方向、国产模型的开源生态优势及算力自主可控的重要性。
报告的核心结论
世界模型从技术Demo进入产业资源密集投入阶段
报告指出，Odyssey ML完成3.1亿美元融资，投资方包括亚马逊、AMD等产业资本，投后估值14.5亿美元，成为该赛道代表性独角兽。这标志着世界模型正从早期技术演示转向产业链协同加速，但仍面临算力成本高、商业闭环不清晰等短期挑战。
国产大模型长上下文能力推进至生产可用
智谱开源GLM-5.2，在1M token长度下实现工程化落地，实测可单轮处理88万以上token，完成软件开发、行业研究等复杂任务。这提升了企业级Agent应用的可交付性，推动长上下文从'能读长文'转向'能完成长任务'。
AI大模型调用量持续增长，应用渗透进入正向循环
OpenRouter数据显示，全球AI大模型调用量连续八周增长，中国连续七周超过美国。6月8-14日全球周调用量达44.6万亿Token，环比增23.5%。这反映开发者和企业更频繁地将大模型嵌入生产流程，推动'模型能力—应用落地—调用增长—商业化'循环。
国产算力适配从备选方案转为生产必需
GLM-5.2发布当天即完成华为昇腾等多家国产算力平台的Day 0推理适配，国产芯片正被纳入模型厂商一线工程体系。在中美科技博弈背景下，算力自主可控对政企、金融等行业客户的重要性提升。
报告回答的关键问题
世界模型与传统大语言模型有何不同？
报告指出，世界模型试图学习物理世界的空间结构、物体交互和运动规律，构建可生成、可交互的物理模拟器，而大语言模型主要学习文本Token统计关系。世界模型有望成为视频生成、游戏引擎、具身智能和自动驾驶仿真的底层能力，目前处于早期发展阶段。
智谱GLM-5.2的核心突破是什么？
报告介绍，GLM-5.2的核心突破包括：将1M token长上下文从纸面参数推进至生产可用，通过KV8量化、稀疏注意力等创新降低推理成本；在长程Coding和Agent任务中实现从开发到交付的完整流程；以MIT协议开源免费商用，且训练与推理均未依赖海外算力。
国产算力适配为何在当前阶段变得重要？
报告分析，随着中美科技博弈升级，算力供应链自主可控已从战略储备转向生产必需。GLM-5.2等模型上线即适配多家国产算力平台，说明国产芯片正从替代方案进入一线工程体系，有助于满足政企客户对数据安全、合规部署和供应链自主可控的需求。
Token调用量指标如何反映AI应用渗透？
报告认为，Token调用量是观察AI应用渗透率的高频指标。全球调用量连续八周增长，中国连续七周领先美国，表明大模型正从尝鲜进入高频日常生产环节，推动编程、办公、数据分析等场景的深度嵌入。
报告中的代表性数据
全球AI大模型周调用量
2026年6月8日至14日，根据OpenRouter数据测算，全球总调用量环比增长23.5%，连续八周上涨。
中国AI大模型周调用量
2026年6月8日至14日，环比增长29.81%，连续四周增长，已连续七周超过美国。
美国世界模型初创公司Odyssey ML融资额
2026年6月17日，投后估值14.5亿美元，投资方包括亚马逊、AMD Ventures等，AWS成为首选云服务商。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 图表1：芯片及服务器行业动态，包含摩根大通上调WFE预测、燧原科技IPO进展、SK海力士HBM4E样品交付等信息。
- 图表2：云计算行业动态，涉及北京等地布局太空算力、亚马逊向第三方销售自研AI芯片等。
- 图表3：人工智能行业动态，包括金融行业国产算力部署、证监会支持AI企业上市、金融AI智能体应用等。
- 图表4：数字经济行业动态，涵盖水土保持数据产品交易、国家数据局座谈会、七部门平台经济行动方案等。
- 图表5：网络安全行业动态，包括软银与OpenAI推出AI安全服务、消费类网联摄像头安全标识规则、以色列AI安全公司Dream融资等。
- 图表6：工业互联网行业动态，涉及重点工业产品碳足迹数据库上线、北京支持工业企业智能化升级、七部门工业互联网平台行动方案等。
- 公司动态：包括软通动力股东质押、用友网络控股股东解除质押、广立微高管减持、博睿数据设立印尼孙公司等信息。
- 风险提示：涵盖大模型能力迭代与商业化不及预期、Token调用量统计口径差异、国产算力适配与芯片供应风险、AI训练与推理成本仍处高位等。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
