AMD 82亿美元收购World Labs，李飞飞加盟出任首席科学家

大语言模型的红利期步入后半段，物理世界成为了巨头争夺的下一个战场。让 AI 在虚拟空间预演物理世界、再映射至现实执行，被广泛视作通用人工智能（AGI）、机器人与自动驾驶落地的关键路径。作为“空间智能”的核心布道者，李飞飞创办的 World Labs 刚刚迎来了关键转折——以约 82 亿美元全股票交易的方式加入 AMD。

交易完成后，李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向董事长兼 CEO 苏姿丰汇报。这家成立仅两年多的初创公司，估值在数月内实现了大幅跃升，也促成了 AMD 历史上规模仅次于赛灵思（Xilinx）的第二大收购案。

芯片巨头布局模型层

就在不久前，NVIDIA 刚以约 129 亿美元收购开源平台 Hugging Face。两大芯片巨头在短时间内先后将触角延伸至前沿模型层，释放出强烈的风向信号。

2012 年，AlexNet 借助李飞飞创建的 ImageNet 数据集与 NVIDIA GPU 算力一举成名，开启了现代深度学习浪潮。十余年后，被誉为“AI 教母”的李飞飞选择与 AMD 深度捆绑。

世界模型的核心理念，是让 AI 从海量传感器与视频数据中学习物理规律，在内部进行状态推演。与人为编写精确规则的物理引擎不同，AI 驱动的世界模型泛化能力强，但在精准度与防幻觉上仍面临挑战。谷歌 DeepMind 的 GraphCast 与华为盘古气象大模型已在局部领域验证了数据驱动气象演变的潜力，而业内如今试图将这一逻辑推广至三维真实世界。

世界模型的三个层次

李飞飞此前曾撰文指出，学术界与工业界对“世界模型”的定义并不统一。当前业内的探索大体可划分为三个层级：

1. 渲染器：根据提示生成高保真 3D 场景或动态画面，以 World Labs 的 Marble、腾讯混元 HY-World 为代表，本质偏向 3D 与视频生成工具。
2. 模拟器：给定具体动作，预测物理状态变化（如机械臂碰撞模拟）。Waymo 改造自 Genie 3 的世界模型、Wayve 的 GAIA-4 即属于此类，重心在自动驾驶与机器人仿真。
3. 规划器：直接在抽象表征空间理解世界规律并规划决策。Yann LeCun 创办的 AMI Labs 正在走这条路线，剥离视觉渲染，直击核心决策逻辑。

目前市场上的商业化产品多集中在第一层或一二层之间，但资本定价往往提前透支了第三层的长远预期。

落地场景与现实痛点

世界模型并非空中楼阁，它正在自动驾驶与具身智能领域扮演关键的“数据工厂”角色：

• 极端工况仿真：Waymo 等自动驾驶团队借助世界模型合成龙卷风、洪涝等罕见道路场景，大幅降低长尾风险的测试成本。
• 机器人训练数据生成：Figure AI、Agility Robotics 等团队利用 NVIDIA Cosmos 批量生成物理交互数据。ICLR 的相关研究显示，利用合成数据进行后训练，可将机器人在未知场景下的任务成功率从 38.7% 提升至 83.4%。

然而，技术天花板依然明显。人类互联网并没有现成的“物理交互库”，缺乏力反馈与精准动力学数据。此外，世界模型在多步推演时误差容易按平方级放大；哈佛与 MIT 针对“物体恒存性”的基础评测中，主流世界模型得分普遍未达及格线。加之实时生成 3D 物理环境对 GPU 算力的极致消耗，单纯的模型软件很难跑出独立的商业闭环。

算力同盟与软硬件协同

对于 World Labs 而言，前沿空间模型的训练与推理需要海量算力支撑。与其在外部排队采购算力，不如直接融入芯片巨头的体系。李飞飞在题为《去寻找一个更新的世界》的公开信中坦言，推进下一代 AI 必须实现模型算法、系统架构与计算芯片的紧密协作。

对 AMD 来说，此前在物理 AI 布局上主要落后于 NVIDIA 的 Omniverse 与 Isaac 体系。今年以来，AMD 先后收购了 MEXT、FastFlowLM、Taalas 等底层软件与推理芯片团队，而买下 World Labs 则直接补齐了前沿模型生态的关键短板，获得了与 NVIDIA Cosmos 正面交锋的筹码。

随着这笔重磅收购落定，全球顶尖世界模型力量大多已被算力巨头吸纳：NVIDIA、Google、Amazon、AMD 各自集结阵营，“中立”的世界模型初创公司正变得愈发稀缺。未来的 AI 竞赛，正在加速演变为底层算力架构与高阶物理模型紧密绑定的全栈竞争。