Visko 与 Google Cloud 将实时世界模型 Orbis 部署到单块 Cloud TPU（张量处理单元）切片，端到端生成达 1.07 倍播放速度
据 Google Cloud（谷歌云）博客，AI（人工智能） 初创公司 Visko 与 Google Cloud TPU（张量处理单元）工程师在 2026 年 8 月起合作，30 天内把其“实时世界模型”Orbis 的视频生成、超分辨率放大与同步音频流水线迁到单块 Cloud TPU 切片，以 BF16 精度运行，端到端渲染达播放速度的 1.07 倍，输出 1664x936、18 fps。
对做机器人仿真与交互式内容的产品团队，这给出批次为 1、逐片段串行依赖下低延迟推理的工程路径； 但公开内容无画质或下游任务效果的独立评测。
据 Google（谷歌） Cloud 博客，Orbis 于 2026 年 9 月 1 日上线公开演示，可从单条文本或图像提示持续输出视频，观看者可实时输入新引导指令改变场景。
Visko 与 Google Cloud TPU（张量处理单元）工程师于 2026 年 8 月合作，30 天内把包含视频扩散、潜变量解码、超分辨率放大和纯 JAX（谷歌的高性能 Python 数组计算库）音频生成的多模态流水线迁移到单块 Cloud TPU 切片，以 BF16 精度运行，输出 1664x936、18 fps。
团队称每块片段总延迟低于播放时限并留约 7% 余量，音频阶段从 torchax（在 TPU 上运行 PyTorch 模型的互操作层）改写为原生 JAX 后提速 5.8 倍。 文章区分实时世界模型与离线视频生成：每个片段依赖上一片段，批次大小为 1，不能靠加大批量掩盖延迟。
这条报道的技术价值在于把“世界模型”讨论从模型能力拉回服务系统：批次为 1、逐片段串行依赖下，吞吐量指标失效，取而代之的是每步延迟预算。 其做法——按 token（词元）序列切分而非切分权重的 Ulysses 上下文并行、把注意力计算限制在片上高速内存的分块内核、只对瓶颈阶段做原生重写——对需要低延迟闭环的机器人仿真与交互式训练环境有可迁移性。
但均为工程侧口径，1.07 倍播放速度不等于物理一致性、可控性或下游机器人策略效果得到验证； 博客也提到 FP8 量化虽可降低带宽压力，却会因误差跨片段累积影响连续流画质，团队因此保留 BF16。
后续观察信号
- Ulysses 上下文并行在批次为 1 时的适用边界
- 分块注意力内核在 TPU 与 GPU（图形处理器）上的可移植性
- 实时世界模型作为机器人仿真环境时的物理一致性评估方法