AMD于当地时间11月16日宣布完成对世界模型公司World Labs的收购,交易对价82亿美元,全部以股票支付。World Labs成立于2024年,由斯坦福大学教授李飞飞与Justin Johnson、Ben Mildenhall等人联合创办,目前约有70名员工。交易完成后,李飞飞出任AMD执行副总裁兼首席科学家,直接向AMD董事长兼CEO苏姿丰汇报。从9月28日签约到11月13日交割,整个过程仅46天,该交易也成为AMD历史上规模第二大的收购,仅次于2022年约490亿美元收购赛灵思。

World Labs并非只有前沿概念。2025年11月,其首款商用产品Marble上线,用户输入文字或图片即可生成可进入、可编辑、可导出的三维场景。2026年9月,公司发布多模态世界模型Atlas,尝试用一个模型打通文本、图像、视频和三维内容。收购交割前一天,Atlas仍按计划向公众和开发者开放。此外,World Labs在2026年收购了机器人仿真公司SceniX,将机器人本体、工作台、传感器等放入可重置、参数可调的虚拟环境,展示过双臂装箱、线缆操作等任务,并对部分仿真训练成果进行了真机验证。

资本市场对这笔交易反应冷静。11月16日,AMD股价收跌5.58%至504.28美元,总市值约8270亿美元;同日半导体与AI基础设施板块同步回调。这一走势或许反映投资者对收购整合成本与短期财务影响的权衡,但单日股价波动不宜过度解读。

从战略逻辑看,AMD过去几年持续补齐计算版图:收购ZT Systems加强机架级系统能力,推出Helios将GPU、CPU与ROCm软件纳入同一方案。硬件、系统和软件逐渐齐备后,下一个问题浮现——客户的下一代模型究竟会怎样使用这些算力。大语言模型的训练和推理需求相对清晰,空间智能却在快速变化:生成三维场景、保持不同视角下的一致性、模拟物体碰撞,再把机器人训练结果反馈给模型,这些任务会带来怎样的计算瓶颈,很难仅靠芯片工程师闭门推演。

传统合作模式下,芯片公司往往站在产业链后方,等模型和需求成熟后再提供更强算力。李飞飞进入AMD的价值之一,在于把这一顺序倒过来:让真实的模型负载更早进入芯片、软件和系统的设计过程,在硬件路线尚未完全定型时,就告诉工程师下一代AI究竟卡在哪里。通过收购,AMD获得的不仅是模型和产品,也是一支能够持续提出新计算问题的研究团队;李飞飞进入核心管理层,则让这种沟通有了更直接的组织通道。

对李飞飞而言,这同样是一次主动选择。她在9月28日发布的公开信《To Seek a Newer World》中解释,如果没有专门的硬件投入,AI的效率和规模将受限,就他们的目标而言,还会困在数字世界里。收购完成后,World Labs联合创始人Justin Johnson、Ben Mildenhall等人留任,团队仍作为独立前沿研究组织继续基础模型研发,同时与AMD硬件、软件和系统工程师协作。

李飞飞因ImageNet等工作被外界称为“AI教母”。她1976年出生于北京,在成都长大,15岁随母亲赴美,早年有过在中餐馆打工、帮家里看店的经历。2007年她已是普林斯顿大学助理教授,当时计算机视觉研究者普遍聚焦算法改进,她却更关注数据的作用,认为如果训练数据不能很好反映现实世界,再好的算法也无法很好完成工作。借助亚马逊众包平台,团队组织了167个国家近5万名标注者,最终标出约1400万张图片、2.2万多个类别。2009年ImageNet在CVPR大会上只获得一个角落里的海报位置,此后两年相关比赛也未引起太大关注。转折发生在2012年,Geoffrey Hinton团队基于GPU训练的AlexNet在ImageNet竞赛中将识别错误率降至15.3%,比第二名低10.8个百分点。此后十年,几乎所有图像识别模型都依靠这套数据。

2017年,李飞飞在学术休假期间加入谷歌,任谷歌云AI首席科学家;2019年推动成立斯坦福以人为本人工智能研究院(HAI)。2024年4月她再次创业创办World Labs,同年9月完成2.3亿美元首轮融资,2025年11月推出Marble,2026年2月完成约10亿美元融资,英伟达和AMD均参与投资。

进入AMD后,李飞飞面对的问题更具体也更难。她要做的不只是让Atlas在某款芯片上运行更快,而是把模型训练、场景生成、物理仿真和真机反馈中的瓶颈,提前转化为计算平台的设计需求。11月11日,苏姿丰在CoRL 2026现场对谈中透露,AMD已有物理AI和机器人研究团队,但整体布局仍处早期。双方接下来需要连接的,是模型、仿真工具、芯片和机器人系统。

其中最难补上的仍是数据。World Labs在官方研究文章中提到,机器人进入真实世界需要大量数据采集和反复测试,人工投入和硬件试错成本都很高。视频可以呈现杯子如何移动、碰撞,却通常不包含机器人可直接使用的动作指令、接触力和触觉反馈;让真实机器人在现实中反复试错,又昂贵、缓慢,有时还伴随安全风险。仿真提供了一条可能路径:让机器人在虚拟环境中反复练习,再回到真机验证。但场景看起来真实,不等于机器人能够在其中有效学习,摩擦、材料变形和接触反馈的偏差,都可能让训练结果在真机上失效。李飞飞需要推动World Labs跨过的,正是从“世界看起来真实”到“世界在物理上足够可信”的距离。

另一项挑战来自开发者生态。英伟达在空间AI和物理仿真领域仍占据明显优势,已积累成熟的工具和开发者群体。李飞飞的加入可以帮助AMD更好理解模型需求,却不能直接改变开发者的既有选择。收购之后,AMD仍需要用产品证明这套方案值得开发者尝试和持续使用。AMD在交割公告中强调开放AI生态,对李飞飞而言,开放不仅关系到AMD的生态竞争,也关系到外部团队能否继续使用、检验和改进这些工具。

收购只是开始。当AI走出屏幕、进入三维真实世界,李飞飞仍要回答她长期追问的问题:技术最终将怎样影响人。